陳臻，陳林，康寧，梁亮，劉鵬，王學民

(國網(wǎng)新疆電力公司烏魯木齊供電公司，新疆 烏魯木齊 830011)

電力電纜是電網(wǎng)關鍵設備之一[1]，自然老化、外力破壞、設計工藝及材料質(zhì)量等因素都可能使電纜產(chǎn)生故障，而電力電纜因絕緣故障導致的斷電事故將會影響供電可靠性。電纜主絕緣故障早期會產(chǎn)生局部放電，局部放電會導致絕緣進一步劣化，同時也是表征絕緣狀態(tài)的重要特征量[2]。因此，電力電纜的局部放電檢測可以作為電纜絕緣狀態(tài)的重要參考[3]，對電力電纜進行局部放電檢測可以減少絕緣故障的發(fā)生，這對電網(wǎng)的正常運行有重要意義。

電力電纜發(fā)生局部放電時，會伴隨著多種物理、化學變化[4-5]，由此產(chǎn)生了各種局部放電離線、在線檢測方法，其中較為廣泛應用的檢測方法有脈沖電流法、超聲波法、特高頻法以及高頻電流法[6]。脈沖電流法檢測局部放電引起的脈沖電流，是目前最成熟且唯一有國家標準的檢測技術，但該檢測方法檢測頻帶窄，檢測頻率低，檢測頻率范圍和帶寬小于1 MHz[7]。超聲波法檢測電纜局部放電產(chǎn)生的超聲波信號，檢測頻率范圍為20～200 kHz，但超聲波在電纜護套等固體介質(zhì)中衰減[8]以及壓電換能器和電纜表面聲阻抗不匹配等問題導致超聲法的靈敏度較低。特高頻法檢測局部放電產(chǎn)生的特高頻電磁場，電磁場的頻率一般在300 MHz～3 GHz之間[9]，高于測試現(xiàn)場的噪聲頻率，特高頻法因此可以避開測試現(xiàn)場的噪聲干擾[10]。但特高頻信號在電纜中衰減迅速，所以特高頻法一般用于對電纜接頭的測量。高頻電流法(high frequency current technique，HFCT)檢測局部放電產(chǎn)生的脈沖電流，測量頻率范圍為3～30 MHz，傳感器一般卡接于電纜接頭或者終端的地線上，該方法易受電磁干擾與雜散電容的影響[11]。不同局部放電檢測方法有各自的檢測頻段以及應用范圍，但在30～300 MHz甚高頻范圍內(nèi)都存在檢測盲區(qū)，需進一步研究這一頻段內(nèi)的電纜局部放電檢測方法，以獲得更完善的局部放電信息。

近場天線測量技術一般應用于通信、雷達領域，其測量原理為利用近場探頭測量空間電磁場[12]。局部放電的產(chǎn)生伴隨著電磁場變化，因此近磁場探頭具有用于檢測電纜局部放電的可能性。近場探頭測量頻段一般為30 MHz～3 GHz，將其改進并用于局部放電檢測可以拓寬現(xiàn)有電纜局部放電檢測技術的測量頻帶[13]。

隨著電網(wǎng)走向智能化，往超、特高壓方向發(fā)展[14]，局部放電檢測技術進一步發(fā)展，利用其進行放電模式識別成為重要研究方向[15]，目前相關人員已進行大量研究并取得成果。上海交通大學[16-17]和國網(wǎng)上海市電力公司[18]的專家學者基于XLPE電纜的高壓端毛刺電暈、絕緣內(nèi)部氣隙、外半導電層爬電、絕緣表面劃傷等典型缺陷模型的放電圖譜，提出了不同局放模式識別技術。

根據(jù)研究，本文設計基于近磁場探頭的電力電纜局部放電在線檢測系統(tǒng)，該檢測系統(tǒng)使用近磁場探頭作為局部放電檢測傳感器，檢測頻帶為100 kHz～100 MHz，頻率響應穩(wěn)定。本測量系統(tǒng)進一步拓寬局部放電的測量頻帶，擴充不同電纜局部放電類型的放電圖譜數(shù)據(jù)，完善甚高頻(30～300 MHz)頻段范圍內(nèi)的局部放電信息，促進電纜局部放電的類型識別與放電特性研究。設計基于典型局部放電特征的專家識別系統(tǒng)，并基于典型氣隙放電、尖端放電、滑閃放電、懸浮放電模型[19]，制作相應的電纜缺陷，在實驗室內(nèi)和戶外進行不同類型的電纜局部放電試驗，以實現(xiàn)高壓電纜局部放電的模式識別。

1 試驗平臺與檢測系統(tǒng)

1.1 電纜缺陷設計

根據(jù)4類典型電纜局部放電模型(內(nèi)部氣隙放電、尖端電暈放電、外半導電層爬電以及絕緣表面劃傷放電[20])，在實驗室內(nèi)制作了電纜接頭的3種絕緣缺陷，如圖1(a)所示，在戶外試驗場地制作了分別位于電纜接頭、電纜本體以及電纜終端的4種電纜缺陷，如圖1(b)—(e)所示。

圖1 電纜絕緣缺陷示意圖Fig.1 Schematic diagram of cable insulation defect

圖1(a)所示為實驗室內(nèi)模擬電纜接頭中的應力錐內(nèi)部氣隙缺陷、主絕緣劃痕缺陷以及外半導電層尖端缺陷示意圖。應力錐內(nèi)部氣隙缺陷一般在預制橡膠件生產(chǎn)過程中產(chǎn)生；主絕緣劃痕缺陷的劃痕深度為2 mm，劃痕位于外半導電層斷口處徑向1周和主絕緣表面軸向以及徑向處，該缺陷主要來自于電纜接頭施工過程；外半導電層尖端缺陷的半導電層尖端長度長于應力錐導電部分0.5 mm，尖端長度為25 mm，該缺陷主要來自于電纜接頭施工過程。圖1(b)所示為電纜本體氣隙放電絕緣缺陷，空穴位于主絕緣區(qū)域，在主絕緣區(qū)域鉆取3個孔徑為2 mm、深度約為9 mm的孔洞，使用玻璃硅膠進行不完全填充形成空穴。圖1(c)所示為電纜接頭內(nèi)懸浮放電絕緣模型，制作過程為在接頭內(nèi)壓接銅管外部纏繞四氟乙烯絕緣膠帶，膠帶附上金屬后再使用半導電膠帶纏繞，最后將屏蔽罩扣上。圖1(d)所示為電纜接頭沿面放電絕緣缺陷，制作過程中將電纜端口外半導電層少剝離3～5 cm，使半導電端口突出出現(xiàn)爬電距離不足現(xiàn)象，壓接銅管形成沿面放電缺陷。圖1(e)所示為電纜終端電暈放電，金屬細線綁扎于電纜終端，金屬細線直徑2 mm，長10～20 cm，水平45°夾角。

1.2 近磁場探頭設計與性能測試

本文設計的電纜局部放電檢測系統(tǒng)傳感器為近磁場探頭，近磁場探頭依據(jù)天線近場測量原理工作，其實物圖如圖2(a)所示。近場區(qū)磁場強度隨距離增加迅速下降，因此磁場探頭應具有較大的空間分辨率；同時磁場探頭會對待測電磁場產(chǎn)生干擾，磁場探頭應盡量減小尺寸[21]。根據(jù)以上要求，傳感器設計成共面導波型(coplanar waveguide，CPW)磁場探頭[21]。傳感器探頭為對稱結構，導電環(huán)尺寸略微小于十分之一的波長。傳感器主要材料為環(huán)氧玻璃布層壓板，板厚1.6 mm；探測區(qū)寬度5 mm，圓直徑35 mm；內(nèi)部采用微帶線，手柄區(qū)寬度10 mm，長50 mm。

圖2 近磁場傳感器實物圖及其工作原理Fig.2 Physical map of near magnetic field sensor and its working principle

局部放電發(fā)生時會產(chǎn)生電磁輻射，近磁場傳感器磁場探頭基于這一現(xiàn)象工作。圖2(b)所示為近磁場傳感器工作原理示意圖，圖中：I為流經(jīng)線芯的電流；B為線芯電流產(chǎn)生的磁感應強度；r為探頭與線芯半徑的距離，Δl為半徑r的圓周長的微分。

法拉第電磁感應定律是近磁場探頭測量磁場的重要理論基礎[21]，其方程為

(1)

式中：E為磁場強度變化產(chǎn)生的感應電場；B為線芯電流產(chǎn)生的磁感應強度；v為傳感器相對磁場運動速度；C為半徑r的圓周長；S為半徑r的圓面積；dl為半徑r的圓周長的微分；dS為半徑r的圓面積的微分。磁場探頭在測量過程中保持靜止，式(1)可簡化為

U=-2πfμ0(S·H).

式中：U為探頭產(chǎn)生的電壓；f為磁場頻率；μ0為真空磁導率；S為探頭圓環(huán)面積；H為探頭導帶圓環(huán)中心處磁場強度。當電纜發(fā)生局部放電時，磁場探頭輸出電壓相應變化，因此本文設計的近磁場傳感器理論上可用于檢測電纜的局部放電，但傳感器的性能需進一步測試。

近磁場傳感器性能測試分為頻率響應測試與靈敏度測試，測試方法如圖3所示。本文設計了2種近磁場傳感器，分別采用半屏蔽與全屏蔽封裝。半屏蔽近磁場傳感器結構為：單層PCB天線，磁感應線圈3個面用金屬屏蔽，一個面對外裸露。全屏蔽近磁場傳感器結構為：雙層PCB天線，每層PCB天線3個面用金屬屏蔽，兩層PCB天線未屏蔽一面相向固定，因此磁感應線圈未對外裸露。

圖3 傳感器性能測試示意圖Fig.3 Schematic diagram of sensor performance test

傳感器頻率響應測試的射頻信號源頻率范圍為100 kHz～200 MHz，正弦波20 dBm掃描輸出，測試使用2 m長的110 kV電纜，頻譜分析儀接收傳感器的輸出。測試過程中，傳感器置于電纜中間位置并靠近電纜，保持傳感器靜止。射頻信號源信號端接電纜芯線，地線接螺紋鋁，電纜接50 Ω匹配阻抗，連接示意圖如圖3(a)所示。

傳感器靈敏度測試參考高頻電流法，結合實際應用場景進行調(diào)整。測試時使用信號發(fā)生器和450 m同軸電纜進行近磁場傳感器的同軸電纜局部放電靈敏度測量，連接示意圖如圖3(b)所示。傳感器靈敏度測試過程中，逐步增加信號發(fā)生器的電荷量，記錄傳感器輸出電壓峰峰值。

近磁場傳感器性能測試結果如圖4所示。傳感器的頻率響應測試結果顯示：在100 kHz～100 MHz范圍內(nèi)，全屏蔽近磁場傳感器的輸出電壓平穩(wěn)度優(yōu)于半屏蔽近磁場傳感器，本文設計的局部放電檢測系統(tǒng)使用全屏蔽近磁場傳感器。

測試所用電纜為短距離XLPE電纜，頻譜測試信號傳輸衰減很小，傳感器可以比較好地耦合到信號，因此測試結果能夠代表傳感器的頻譜特性。

傳感器線性度δ=(Aλ-λA)/λA，其中：Aλ為λ對應的實驗測試數(shù)據(jù)；A為脈沖放電量為200 pC時的實驗測試數(shù)據(jù)；λ為不同脈沖放電量對應的系數(shù)，脈沖放電量200 pC、100 pC、50 pC、20 pC對應的λ分別為1、0.5、0.25、0.1。當系數(shù)大于0.1時，傳感器的線性度均小于15%，符合局部放電檢測儀器的一般要求，傳感器輸出電壓的峰峰值與脈沖信號發(fā)生器電荷量之間具有良好的線性關系。傳感器測試5 pC放電量時配合濾波器使用，輸出信號的信噪比大于6 dB，符合常規(guī)電子測量的檢測要求。測試結果表明，本文設計的近磁場傳感器可應用于電纜局部放電檢測領域。

1.3 局部放電測試系統(tǒng)設計

本文所設計的局部放電測試系統(tǒng)如圖5所示，系統(tǒng)包括近磁場傳感器、前置放大器、FPGA高速采集卡與PC端4個部分。測試過程為：將近磁場傳感器信號輸入到前置放大器，F(xiàn)PGA高速采集卡采集濾波放大之后的局部放電信號再通過網(wǎng)絡傳輸至PC端，PC端進行數(shù)據(jù)分析。

圖5 局部放電測試系統(tǒng)Fig.5 Partial discharge test system

前置放大器采用級聯(lián)放大，頻率范圍為0.1～300 MHz，輸出增益為40 dB，噪音指數(shù)為3 dB。FPGA高速采集卡采樣頻率為2×108s-1，信號帶寬為100 MHz，A/D分辨率為12位，模擬輸入電壓±1 V，同步三通道輸入。

電纜或附件絕緣內(nèi)部的局部放電信號屬于高頻脈沖信號，信號較弱，高頻信號在電纜中傳播衰減尤為嚴重。同時近磁場傳感器測試過程中存在復雜的電磁信號、白噪聲以及接地網(wǎng)中的低頻信號干擾，局部放電信號常常被干擾掩蓋，監(jiān)測系統(tǒng)難以準確測量局部放電信號，這可能導致檢測系統(tǒng)誤判放電信號的幅值，無法準確評估缺陷處的放電嚴重程度，判別現(xiàn)場局部放電信號的難度增加，同時后續(xù)數(shù)據(jù)分析結果可信度降低。本文設計的近磁場傳感器在檢測過程中，屏蔽結構可屏蔽現(xiàn)場復雜的電磁干擾。此外試驗過程中的大部分干擾不在測量頻率范圍內(nèi)，因此只需要對白噪聲等干擾進行處理。

針對白噪聲干擾，本文所設計的檢測系統(tǒng)采用第2代小波變換和經(jīng)驗模態(tài)分解[22-23]，實現(xiàn)局部放電信號的自適應降噪濾波，最后再進行放電模式的識別。檢測信號降噪前后的波形如圖6所示。

圖6 脈沖波形降噪濾波前后波形Fig.6 Waveforms before and after pulse waveform noise reduction and filtering

2 局放信息采集及譜圖特性分析

采用本文設計的電纜局部放電檢測系統(tǒng)對實驗室內(nèi)、戶外試驗場地制作的電纜絕緣缺陷進行局部放電信號采集。測試系統(tǒng)生成的譜圖采用局部放電相位分布 (phase resolved partial discharge，PRPD)模式，即Q-n-φ模式。根據(jù)近磁場傳感器的靈敏度測試試驗，傳感器輸出電壓與局部放電的放電量之間具有良好的線性關系，測試得到的傳感器輸出電壓可以代表局部放電的放電量。

采用近磁場傳感器檢測與傳統(tǒng)HFCT進行電纜接頭內(nèi)部4種絕緣缺陷的局部放電信號對比測試，測試結果如圖7—10所示，三維圖以類似Q-n-φ三維譜圖的形式展現(xiàn)，3個坐標分別代表局部放電的相位、放電頻次與傳感器的輸出電壓；此外，圖中的二維譜圖為三維譜圖在幅值-相位界面的投影。結果顯示：放電量、放電脈沖群分布、放電頻次等特征區(qū)別明顯，不同缺陷類型之間區(qū)分度良好。HFCT的頻率上限一般為30 MHz，本文設計的近磁場檢測系統(tǒng)在此基礎上拓寬測試頻段，且近磁場傳感器測試結果表現(xiàn)出的放電特性與HFCT有所不同。2種局部放電檢測方法得到的譜圖表明：近磁場傳感器與HFCT方法均能有效檢測到放電信號，準確識別典型缺陷。相比于HFCT，本文設計的近磁場檢測系統(tǒng)檢測得到的圖譜，其相位分布、相位對稱度等參數(shù)差異更為明顯，得到的特征量可能更有利于局部放電模式的識別。

圖7 尖端放電Fig.7 Tip discharge

圖9 懸浮放電Fig.9 Suspension discharge

圖10 沿面放電Fig.10 Discharge along surface

3 局部放電模式識別系統(tǒng)設計

電纜局部放電模式識別的三大核心問題為如何構造放電模式、提取局部放電數(shù)據(jù)有效特征量以及選擇合適的放電模式分類器。本文采用的局部放電模式為PRPD模式。

實際測量過程中電纜局部放電檢測系統(tǒng)獲得的數(shù)據(jù)量極為龐大，利用原始數(shù)據(jù)直接進行電纜放電模式識別非常困難，需要對測量空間進行特征提取并構造特征空間。本文通過統(tǒng)計特征參數(shù)描述局部放電特征。

PRPD模式在去除干擾后生成Q-n-φ三維譜圖，Q、n、φ分別表示局部放電量、放電次數(shù)、放電發(fā)生時的相位。本文基于Q-n-φ三維圖譜生成φ-Q、n-φ譜圖并提取統(tǒng)計特征量：均值μ，用于描述譜圖的平均分布；偏斜度Sk，用于描述譜圖形狀相對于正態(tài)分布的左右偏斜情況；標準差σ，用于描述數(shù)據(jù)的離散程度；局部峰點數(shù)Pe，用于描述描述譜圖輪廓上局部峰的個數(shù)；陡峭度Ku，用于描述譜圖分布對比于正態(tài)分布形狀的突起程度；相位不對稱度P，用于描述正負半周起始放電相位的差別；放電量Q，用于描述φ-Q譜圖正負半周內(nèi)平均放電量的差異；互相關系數(shù)cc，用于描述譜圖在正負半周內(nèi)的形狀相似程度；修正的互相關系數(shù)mcc，用于描述評價φ-Q譜圖正負半周內(nèi)放電模式的差異[24-25]。利用這些統(tǒng)計參數(shù)可以對放電類型進行識別。

本文選擇人工神經(jīng)網(wǎng)絡分類器〔反向傳播(back-propagation，BP)神經(jīng)網(wǎng)絡〕作為放電模式分類器[26]。人工神經(jīng)網(wǎng)絡分類器進行放電模式識別的優(yōu)勢在于解決噪聲干擾與減小輸入模式的損失，BP神經(jīng)網(wǎng)絡通過BP算法進行有監(jiān)督學習，可實現(xiàn)局部放電模式的高準確率識別。

構建BP神經(jīng)網(wǎng)絡用于局部放電模式識別，需確定隱含層層數(shù)和結點數(shù)，選取網(wǎng)絡參數(shù)和篩選統(tǒng)計學參數(shù)。單隱含層BP網(wǎng)絡可以學習任意的連續(xù)函數(shù)，只有在調(diào)整隱含層的結點數(shù)仍不能改善網(wǎng)絡性能或學習不連續(xù)函數(shù)時才增加隱含層。BP神經(jīng)網(wǎng)絡的隱含層結點數(shù)決定神經(jīng)網(wǎng)絡學習能力與訓練時間，在確定結點數(shù)的大概范圍之后，通過試湊法確定最佳隱含層結點數(shù)。本文分別對單隱含層網(wǎng)絡和雙隱含層網(wǎng)絡進行訓練。

圖12 φ-Qa圖相位不對稱度P對比Fig.12 Comparisons of phase asymmetry P in φ-Qa diagram

圖13 φ-Qa圖放電量因數(shù)Q對比Fig.13 Comparisons of discharge factor Q in φ-Qa diagram

圖14 φ-Qm圖正半周峰數(shù)對比Fig.14 Comparisons of positive half-cycle peaks

圖15 n-Q圖負半周偏斜度對比Fig.15 Comparisons of negative half-circle skew Sk- in n-Q chart

圖16 n-φ圖正半周陡峭度對比Fig.16 Comparisons of positive half-cycle steepness

篩選出輸入特征參數(shù)后，還需確定局部放電模式識別系統(tǒng)神經(jīng)網(wǎng)絡的最佳學習率。5種放電類型每種隨機選取200組實驗數(shù)據(jù)共1 000組進行神經(jīng)網(wǎng)絡的訓練，每種放電模式選取20組實驗數(shù)據(jù)共100組作為未知樣本輸入神經(jīng)網(wǎng)絡進行預測。采用有監(jiān)督的學習模式，在學習過程中，懸浮放電、沿面放電、氣隙放電、顆粒放電、電暈放電的期望輸出設置為1.00、2.00、3.00、4.00、5.00。對未知樣本進行預測時，當網(wǎng)絡輸出值在期望輸出值±20%區(qū)間則認為判斷成功。對比不同學習率的神經(jīng)網(wǎng)絡識別結果，確定最佳學習率。

神經(jīng)網(wǎng)絡選擇為單隱含層網(wǎng)絡，輸入層結點數(shù)為6，隱含層結點數(shù)經(jīng)過試湊后選取5，訓練誤差為0.000 001，最大迭代次數(shù)為200，設置不同學習率進行對比，同一學習率訓練若干神經(jīng)網(wǎng)絡(一般為3次)以減小實驗分散性對客觀規(guī)律的影響。通過對比網(wǎng)絡的平均迭代次數(shù)和平均識別率結果來確定學習率。訓練結果如圖17所示。

圖17 學習率對網(wǎng)絡訓練的影響Fig.17 The effect of learning rate on network training

圖17表明：學習率較小時，網(wǎng)絡學習速度越慢，權值難以趨于穩(wěn)定，同時由于新的學習樣本的引入對原有網(wǎng)絡參數(shù)的調(diào)整較小，網(wǎng)絡對初始權值和閾值較為敏感，容易進入局部極小，造成網(wǎng)絡迭代次數(shù)較多，識別率較低；學習率較大時，權值學習的過程容易產(chǎn)生震蕩，網(wǎng)絡對訓練樣本的敏感度較大，同一學習率訓練出的各個網(wǎng)絡訓練的識別結果差異較大，網(wǎng)絡穩(wěn)定性較差。因此，就本文的1 000組訓練樣本而言，學習率選取0.1時訓練網(wǎng)絡易于收斂，穩(wěn)定性高，識別結果較好。

本文同時對單隱含層網(wǎng)絡和雙隱含層網(wǎng)絡進行3次訓練，并對比2種網(wǎng)絡性能[17]。網(wǎng)絡參數(shù)設置為：輸入層結點數(shù)為6，目標值(訓練誤差)為0.000 001，最大迭代次數(shù)為200，學習率為0.1，單隱含層網(wǎng)絡隱含層結點數(shù)為5，雙隱含層網(wǎng)絡與輸出層相鄰的隱含層有3個結點，與輸出層相鄰的隱含層有5個結點，訓練結果見表1。

表1 單隱含層與雙隱含層神經(jīng)網(wǎng)絡訓練結果Tab.1 Training results of single hidden layer and double hidden layer neural networks

表1結果表明：單隱含層神經(jīng)網(wǎng)絡平均迭代次數(shù)為34.67、平均識別率為86%；雙隱含層神經(jīng)網(wǎng)絡平均迭代次數(shù)為33.33、平均識別率為87.67%。因此，對于輸入層結點數(shù)為6的網(wǎng)絡來說，增加隱含層層數(shù)對迭代次數(shù)的影響不大，系統(tǒng)運行時間增長不明顯，雙隱含層神經(jīng)網(wǎng)絡對識別率提升約1.67%。對于本文篩選出的6個統(tǒng)計學參數(shù)作為輸入?yún)?shù)的神經(jīng)網(wǎng)絡來說，網(wǎng)絡結構應選取雙隱含層結構，且神經(jīng)網(wǎng)絡訓練后平均識別率為87.67%。

4 結論

a)本文基于天線近場測量原理制備了近磁場傳感器，傳感器的頻率響應與靈敏度測試表明：傳感器在100 kHz～100 MHz頻率范圍內(nèi)的頻率響應輸出較為平穩(wěn)，對局部放電量增加表現(xiàn)出良好的線性度，可用于檢測局部放電。近磁場傳感器測試頻段包含了局部放電主要功率譜，在這一基礎上進行局部放電特征量提取與模式識別，結果更為準確。

b)實際生產(chǎn)中的局部放電發(fā)生時，高頻局部放電法以及近場局部放電檢測方法均能有效檢測到放電信號，對典型缺陷均能準確識別。

c)基于近磁場傳感器設計的電纜局部放電檢測系統(tǒng)，利用BP神經(jīng)網(wǎng)絡對測試結果進行局部放電模式識別，訓練結果得出的平均識別率為87.67%。局部放電模式識別的準確率受樣本庫數(shù)據(jù)量影響，因此，為提高系統(tǒng)識別率，需要進一步補充樣本數(shù)據(jù)庫。