王浩鈺， 歐陽震， 陳小軍， 白文星， 張 琪， 張德禎

（國網(wǎng)上海電力公司特高壓換流站分公司， 上海 200126）

0 引言

在電力領(lǐng)域，尤其是高壓、超高壓輸配電線路上和變電站內(nèi)的變壓器設(shè)備中，局部放電可能造成嚴(yán)重事故和經(jīng)濟(jì)損失，因此，電力生產(chǎn)和電力傳輸單位都需要通過各種手段對(duì)局部放電現(xiàn)象進(jìn)行及時(shí)檢測[1-3]。為保證氣體絕緣開關(guān)設(shè)備（調(diào)相機(jī)）的安全穩(wěn)定運(yùn)行，可以采用內(nèi)部缺陷檢測方法來快速檢測絕緣缺陷[4]。

目前常用的局部放電檢測設(shè)備主要有超聲波接觸探頭式、紅外探測式和超高頻電磁波式等。其中，紅外探測式只適用于出現(xiàn)嚴(yán)重局部放電、并且形成足夠熱量傳導(dǎo)出來的情況，大部分局部放電發(fā)生時(shí)要么周圍有其他紅外熱源干擾，容易引發(fā)虛警，要么局部放電信號(hào)產(chǎn)生的熱量太小，無法檢測到缺陷[5-6]。超高頻電磁波式方案需要進(jìn)行在線檢測，而實(shí)際上對(duì)于在網(wǎng)運(yùn)行中的設(shè)備，如果要接入超高頻電磁波，局部放電檢測設(shè)備需要對(duì)現(xiàn)網(wǎng)斷電，更新維護(hù)成本很大。超聲波接觸探頭式方案是目前應(yīng)用較多的方案。但是，由于需要檢修工人帶著耳機(jī)、使用探頭采用地毯式掃描的辦法進(jìn)行聽診，工作強(qiáng)度較高、可靠性較低[7-8]。以上研究結(jié)果都改善了內(nèi)部缺陷超聲信號(hào)檢測的效果，并促進(jìn)了靈敏度的提升[9]。目前，大部分研究都是關(guān)于檢測性能以及靈敏度的影響因素。而對(duì)實(shí)際運(yùn)行工況下設(shè)備檢測穩(wěn)定性方面的研究較少，尤其缺乏對(duì)調(diào)相機(jī)內(nèi)部缺陷檢測方面的系統(tǒng)研究。

為了進(jìn)一步提高調(diào)相機(jī)缺陷識(shí)別能力，設(shè)計(jì)了一種基于TCN 網(wǎng)絡(luò)的調(diào)相機(jī)局部放電智能檢測方法，并構(gòu)建能夠滿足現(xiàn)場調(diào)相機(jī)內(nèi)局部放電檢測系統(tǒng)。

1 調(diào)相機(jī)局部放電檢測方法

基于TCN 網(wǎng)絡(luò)的調(diào)相機(jī)局部放電檢測方法，操作步驟如下：

1）對(duì)調(diào)相機(jī)工作過程中的電壓、電流、溫變參數(shù)和聲音數(shù)據(jù)進(jìn)行實(shí)時(shí)采集。

2）使用48 kHz 采樣率對(duì)聲音信號(hào)進(jìn)行采集，將輸入的音頻數(shù)據(jù)流截取出N 個(gè)采樣點(diǎn)，作為單幀輸入數(shù)據(jù)。

3）對(duì)所采集的數(shù)據(jù)進(jìn)行TCN 網(wǎng)絡(luò)訓(xùn)練，用訓(xùn)練數(shù)據(jù)集輸入到隨機(jī)初始化的網(wǎng)絡(luò)中，根據(jù)輸出和標(biāo)簽的差異，再通過誤差反向傳播算法逐層修正各層網(wǎng)絡(luò)中各運(yùn)算節(jié)點(diǎn)的參數(shù)。TCN 網(wǎng)絡(luò)可分為TCN 模塊1、TCN 模塊2 和TCN 模塊3，TCN 模塊具有相同的結(jié)構(gòu)，如圖1 所示?？斩淳矸e采用兩側(cè)層因果卷積疊加而成，卷積核大小為2，BN 層、ReLU 層和Dropout 層分別是常規(guī)的批量歸一化層、ReLU 激活函數(shù)層和丟棄層。卷積層直接連接到ReLU 激活函數(shù)層，形成殘差連接，可以避免網(wǎng)絡(luò)退化。使用神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測時(shí)，要求預(yù)測值與目標(biāo)值之間的誤差達(dá)到最小。因此，上述計(jì)算過程需要朝向負(fù)梯度的方向進(jìn)行減小。設(shè)輸出層使用的激活函數(shù)為Sigmod 函數(shù)。訓(xùn)練的過程為上述誤差反向傳播算法的多次循環(huán)，大多數(shù)情況下，使用誤差函數(shù)小于一定閾值作為循環(huán)結(jié)束條件，誤差小于預(yù)定數(shù)值后，循環(huán)結(jié)束，訓(xùn)練過程完成。

圖1 TCN 網(wǎng)絡(luò)結(jié)構(gòu)

4）在完成訓(xùn)練后，將所采集待檢測設(shè)備的聲發(fā)射信號(hào)輸入訓(xùn)練的TCN 網(wǎng)絡(luò)中，實(shí)現(xiàn)局部放電診斷。訓(xùn)練過程完成后，即可得到一個(gè)模型網(wǎng)絡(luò)，根據(jù)整體結(jié)構(gòu)排布的一系列參數(shù)數(shù)值，把輸入數(shù)據(jù)即調(diào)相機(jī)運(yùn)行的聲音數(shù)據(jù)和實(shí)時(shí)的電壓數(shù)值分別送入模型網(wǎng)絡(luò)的輸入層，根據(jù)流程逐層進(jìn)行運(yùn)算，最終輸出 “0” 或者 “1” ，判斷是否發(fā)生了局部放電，完成對(duì)調(diào)相機(jī)局部放電的檢測。

2 調(diào)相機(jī)局部放電檢測試驗(yàn)

本文利用126 kV 調(diào)相機(jī)完成內(nèi)部缺陷測試。圖2 顯示了本實(shí)驗(yàn)使用的具體實(shí)驗(yàn)裝置結(jié)構(gòu)。在調(diào)相機(jī)腔體中充入壓力為0.4 MPa 的SF6，將光纖超聲傳感器（OFS）和PZT 依次設(shè)置于試驗(yàn)腔體的兩側(cè)。測試期間按照步長為2 kV 的間隔加壓，經(jīng)過1 min 穩(wěn)定后記錄不同電壓下的測試信號(hào)，直至獲得內(nèi)部缺陷情況。

圖2 缺陷超聲檢測試驗(yàn)平臺(tái)布置

電壓上升至63.5 kV 的峰值狀態(tài)時(shí)，得到如圖3所示的OFS 和PZT 時(shí)域信號(hào)。結(jié)果顯示，10 s 時(shí)間內(nèi)，Michelson 光纖干涉系統(tǒng)對(duì)內(nèi)部缺陷超聲信號(hào)達(dá)到了精確檢測的效果，PZT 傳感器則沒有檢測出內(nèi)部缺陷的信號(hào)。

圖3 OFS 和PZT 傳感器檢測信號(hào)

與現(xiàn)有技術(shù)相比，本設(shè)計(jì)具有以下顯著特點(diǎn)：

1）本設(shè)計(jì)的TCN 網(wǎng)絡(luò)能夠有效地提取時(shí)間序列數(shù)據(jù)的特征，相比于人工選取特征或者傳統(tǒng)的機(jī)器學(xué)習(xí)方法，具有更好的魯棒性和識(shí)別率。

2）本設(shè)計(jì)在TCN 網(wǎng)絡(luò)設(shè)計(jì)中加入了電壓、電流和溫變3 種參數(shù)和聲信號(hào)中間抽象特征的融合，對(duì)融合信息進(jìn)行進(jìn)一步的特征提取。這樣的設(shè)計(jì)充分考慮了電壓參數(shù)與局部放電聲發(fā)射信號(hào)之間的關(guān)聯(lián)，更利于故障特征的挖掘，能夠提高識(shí)別效率。

3）本設(shè)計(jì)使用3 種參數(shù)在融合前先進(jìn)行歸一化，然后組成參數(shù)向量的形態(tài)。其中，電壓和電流參數(shù)分別采用瞬時(shí)值與標(biāo)稱值相比的方法計(jì)算出歸一化值，溫變參數(shù)采用瞬時(shí)表面溫度和瞬時(shí)氣溫相比的方法計(jì)算歸一化值，消除量綱差異帶來的權(quán)重差異過大、進(jìn)而引發(fā)梯度消失的可能風(fēng)險(xiǎn)，保證神經(jīng)網(wǎng)絡(luò)的收斂有效性。

4）現(xiàn)有采用深度神經(jīng)網(wǎng)絡(luò)的調(diào)相機(jī)局部放電故障診斷通常是采用信號(hào)的時(shí)頻圖作為網(wǎng)絡(luò)輸入數(shù)據(jù)，而時(shí)頻圖是一種通用算法，也會(huì)造成信息損失。本設(shè)計(jì)方法是針對(duì)聲發(fā)射時(shí)間序列直接進(jìn)行特征提取。

3 結(jié)論

本文開展基于TCN 網(wǎng)絡(luò)的調(diào)相機(jī)局部放電智能檢測分析，取得如下有益結(jié)果：

1）本文相位反饋控制方法能夠?qū)Φ陀?.8 kHz 低頻噪聲造成的相位衰落起到明顯的抑制效果。

2）調(diào)相機(jī)局部放電檢測試驗(yàn)結(jié)果顯示，10 s 時(shí)間內(nèi)，Michelson 光纖干涉系統(tǒng)對(duì)內(nèi)部缺陷超聲信號(hào)達(dá)到了精確檢測的效果。