GIS故障检测及模式识别研究

吴勇勇，应浩达，顾菁，康小平

(浙江宁波电业局，浙江 宁波 315000)

1 引言

GIS设备与敞开式输变电设备相比，具有占地面积和空间小、安装快、受外界环境干扰小、运行安全可靠、利于环境保护、维护工作量少、检修周期长等一系列优点［1，2］。由于上述优点，自20世纪60年代开始，世界上已有上万个间隔投入使用，电压从60kV发展到1100kV。

GIS在制造时出现的毛刺、安装运输时部件松动或接触不良引起电极电位浮动、运行中绝缘老化、以及各种情况下可能出现金属微粒等各种缺陷，都可能不同程度的导致GIS内部电场发生畸变，使得局部电场加强而产生局部放电(Partial Discharge，简称PD)。

对局部放电信号进行有效的模式识别，可以进一步准确地了解和掌握GIS内缺陷类型性质和特征。GIS局部放电模式识别是通过监测获得GIS内部局部放电信息，利用计算机及信号处理技术对放电信号进行处理和提取，对内部绝缘缺陷进行描述和分类，以便进一步判断其绝缘可靠性。大量的研究表明，不同的放电类型对绝缘的危害程度不同。对于GIS来说，内部的电晕放电和金属微粒虽然会导致SF6气体的分解，但是由于绝大部分分解气体又复合成SF6和新的SF6气体不断补充，对其绝缘性能影响并不大，只有缓慢的老化作用;但是发生在支撑绝缘子处的气隙、金属污染的放电将会给绝缘造成不可恢复的损伤，甚至使整个绝缘系统在短时间内失效。因此，GIS局部放电检测及其模式识别的研究，对于保证GIS的安全可靠运行，掌握GIS的绝缘状况及指导GIS的检修工作有着十分重要的意义。

2 GIS故障类型

引发GIS故障的缺陷类型分布如图1所示。可见故障当中自由微粒及异物故障、接触不良发生的故障、由于潮湿引起的故障以及绝缘子上发生的故障占多数。通常情况下，GIS中绝缘故障的发生发展过程都是从局部放电开始的，而局部放电则是由于局部电场畸变引起的。GIS中有可能引起电场畸变的主要绝缘缺陷包括:自由金属微粒、金属突出物、绝缘子气隙、绝缘子表面金属污染物、悬浮电极等，其示意图如图2所示。因此，局部放电检测是GIS绝缘状态监测与评估的有效手段。

图1 不同缺陷导致的故障率

图2 绝缘缺陷示意图

3 GIS故障检测方法

局部放电发生时伴随有物理的、化学的、光的、电以及磁的效应。从原理上讲，上述任何一种现象都可以用来揭示局部放电现象［3］。实用的GIS的局部放电检测方法大致可以分为以下五种:

(1)耦合电容法

又称为脉冲电流法，其基本原理是IEC60270推荐的方法。该方法需要高质量的高压电源与耦合电容器，通常作为GIS的出厂试验及验收试验方法。而将该方法用于GISPD在线监测时，通过用贴在GIS外壳上的电容电极来耦合由于局部放电而在导体芯上引起的电压变化。该方法结构简单，便于实现，但应用于现场测量时，环境的电磁噪声使局部放电信号难以识别，灵敏度也低，因此这种方法的推广受到了很大限制。

(2)超高频法

GIS的电场强度为几十甚至几百kV/cm，在局部放电发生瞬间的du/dt很大。因此，GIS局部放电的一个显著特点是电流脉冲上升时间及持续时间仅为纳秒级，等值频率在超高频(Ultra High Frequency－UHF)范围(300MHz ～ 3GHz)［4］，而且会激发出电磁波。由于GIS的同轴结构，电磁波不仅可以在GIS内部传播，而且可以透过盆式绝缘等非金属部件泄漏到GIS外面。超高频法的基本原理就是使用UHF天线来检测GIS局部放电产生的电磁波。它最主要的优点是灵敏度高，抗干扰能力强，并能够根据电磁波从放电源到不同传感器的时间差对放电源进行定位。它对传感器的设计、阻抗匹配、放大器的带宽和噪声抑制要求很高，同时要求有多通道宽带数据采集系统，相比于脉冲电流法它的技术难度较大。

(3)超声波法

该方法用腔体外壁上安装的超声波传感器来测量局部放电产生的声波振动信号，是目前使用的除UHF方法之外最成熟和最广泛的GISPD监测方法。

(4)化学法

GIS发生局部放电时会引起SF6和杂质的化学反应，产生气体分解物，化学检测法就是通过检测气体生成物的含量来确定局部放电的严重程度。但GIS中的吸附剂和干燥剂可能会影响化学方法的测量;断路器正常开断时，电弧产生的气体生成物也会对测量结果产生影响;脉冲放电产生的分解物会被大量的SF6气体所稀释，因此就局部放电监测而言，化学方法的灵敏度很差。另外，该方法不能作为在线监测的方法来使用，比较适合用作辅助方法分析GIS的绝缘故障。

(5)光学法

该方法用光学传感器来检测局部放电产生的光信号，光电倍增器可以监测到甚至一个光子的发射，但是由于射线被SF6气体和玻璃强烈吸收，导致应用该方法存在检测“死角”。该方法对于已知放电源位置的监测比较有效，不具备对故障的定位能力。并且由于GIS内壁光滑，光子容易发生反射，使检测灵敏度降低。

将GIS局部放电各种主要检测方法进行比较，有以下基本结论:

(1)传统的电测法主要适用于实验室测量。由于无线电干扰及外部电晕，测量时需要对试验回路采取必要的屏蔽措施，不适合现场测量;

(2)化学方法由于太不灵敏而无法在给定的测试期间内给出结果，只适用于运行过程中的定期检测;

(3)声学方法优点是可在GIS外部进行测量，并有较高的灵敏度，适用于委托试验和周期性的运行试验之局部放电检测。由于其检测范围有限，需要大量的传感器，因此不适合在线监测;

(4)IEC60270推荐方法灵敏度较高，但测量时需要外部耦合电容，不宜应用于运行中的GIS;

(5)超高频方法抗干扰能力强，能识别缺陷类型，而且现场定位精度高，很适合GIS在线监测，但要获得最大灵敏度，传感器需要安装在GIS内部。

4 模式识别发展现状

模式识别诞生于20世纪60年代，随着40年代计算机的出现，50年代人工智能的兴起，模式识别在60年代初迅速发展成一门学科。它所研究的理论和方法在很多科学和技术领域中得到了广泛的重视，推动了人工智能系统的发展，扩大了计算机应用的可能性。几十年来，模式识别研究取得了大量的成果，在很多领域得到了成功的应用。目前，模式识别技术已在语音识别、文字识别、图象识别等领域得到广泛的应用，但它目前仍然是一门发展中的新兴学科，新的理论和方法不断出现，同时与其它学科相互结合和相互渗透，不断推动模式识别向前发展。90年代以来，模式识别方法开始应用于局部放电类型的识别，以代替放电谱图的目测判断，显著提高了识别的科学性和有效性。目前模式识别理论正在朝着智能化的方向发展，即增强系统的自适应能力、学习能力以及容错能力等。局部放电模式识别技术的研究目前尚处于一个初级阶段，一方面由于很多非确定性因素影响局部放电信号的采集，局部放电信号中又混杂着干扰信号，需要寻求更好的信号处理技术获取准确的局部放电信息;另一方面，对局放信号中所包含信息的内涵及规律尚未完全清楚。因此，还需要更加深入地研究局部放电理论及其实际问题。

5 模式识别研究内容

随着计算机的出现及人工智能的兴起，模式识别在60年代迅速发展成一门学科，并在很多领域得到了广泛的应用。目前模式识别理论正朝着智能化的方向发展，即增强系统的自适应能力、学习能力以及容错能力等。90年代以来，模式识别方法开始应用于局部放电类型的识别，和传统的依靠专家目测进行放电类型判定相比，显著提高了识别的科学性和有效性。但局部放电模式别技术的研究尚处于起步阶段，一方面由于很多非确定性因素影响局部放电信号的采集，局部放电信号中又混杂着干扰信号，需要寻求更好的信号处理技术获取准确的局部放电信息;另一方面，对局部放电信号中所包含信息的内涵及规律尚未完全清楚。因此，还需要更加深入地研究局部放电理论及其实际问题。局部放电模式识别大致可以分为放电模式构造、特征提取和模式分类三个主要部分。

3.1 放电模式

在不同的高压电气设备局部放电测量系统中，存在多种测量原理及方法，如脉冲电流测量法、电磁波测量法、超声波测量法、光测量法、红外测量法等，显然，在不同的测量系统中，将会构造不同的局部放电模式用于放电分析和绝缘诊断。局部放电模式主要包括PRPSA模式、PRPD模式、放电脉冲波形模式等三种主要应用的局部放电模式。

3.2 局部放电模式特征参数提取

局部放电模式识别中，由于图像或者波形所获得的数据量是相当大的，如果直接对放电模式进行识别，将是很困难的。为了有效地实现分类识别，就要对原是数据进行变换，得到最能反映分类本质的特征，这就是特征提取和选择的过程。一般我们把原始数据组成的空间叫测量空间，把分类识别赖以进行的空间叫做特征空间，通过变换，可把在维数较高的测量空间中表示的模式变为维数较低的特征空间中表示的模式。目前局部放电模式特征提取常用的方法主要有统计特征参数法、分形特征参数法、数字图像矩特征参数法、波形特征参数法、小波特征参数等。

3.3 局部放电模式识别分类决策

分类决策就是在特征空间中用统计的方法将识别对象归为某一类别。分类问题可以描述为:给定一个实例数据集合D，该集合中的每一个实例是变量A1，A2，……An和 C的一个取值组合，即:＜a1，a2，……an;c＞。寻找一个函数f(A)，对于任意实例＜a1，a2，……an＞，该函数可以正确输出变量C的值c。习惯上将变量A1，A2，……An称为属性变量，变量C称为类变量，实例数据集合D称为训练数据库，并将学习所得的函数f(A)称为分类器。作为分类器的函数f(A)表示从属性变量A1，A2，……An到类变量C的一个映射。

在局部放电模式识别中，常常采用高维特征参数描述局部放电模式，高维特征值即对应于上述＜a1，a2，……an＞，所面临的问题是采用何种分类器函数f(A)来区分放电模式。在模式识别中，常用的分类器有基于距离的模式分类器、线性及非线性分类器、聚类分析分类器、模糊识别分类器、人工神经网络分类器等。

6 结论

对GIS内的典型故障进行了介绍，对比分析了不同监测方法的优缺点，对现有故障模式识别技术进行了综述，指出了模式识别的三个主要研究方向。

［1］邱毓昌.GIS装置及其绝缘技术［M］.北京:水利电力出版社，1994.

［2］成永红.电力设备绝缘检测与诊断［M］.北京:中国电力出版社，2001.

［3］Steven A.Boggs.Partial Discharge:Overview and Signal Generation［J］.IEEE Electrical Insulation Magazine，1990，6(4):33 － 39.

［4］金立军，刘卫东，钱家骊.GIS绝缘配合中的故障分析及诊断和检测技术［J］.中国电力，2002，25(2):52 －55.