基于SVR的开关柜局部放电估计模型的研究

洪灿梅 刘爱莲 李英娜 陈武奋 赵振刚 李 川

(昆明理工大学信息工程与自动化学院，昆明 650500)

基于SVR的开关柜局部放电估计模型的研究

洪灿梅 刘爱莲 李英娜 陈武奋 赵振刚 李 川

(昆明理工大学信息工程与自动化学院，昆明 650500)

构建了一种基于支持向量回归机(SVR)的开关柜局部放电估计模型，利用开关柜局部放电在线监测系统所测得的超声波和高频脉冲电流数据对SVR模型进行训练，并验证其准确度。Matlab仿真结果为：训练集的均方差为0.015 2，决定系数为0.890，测试集的均方差为0.026 5，决定系数为0.849。该模型有效地对开关柜局部放电量做出了估计，为开关柜出现局部放电提供预警支持。

局部放电 支持向量回归机 估计模型 高频脉冲电流 超声波信号

局部放电是造成电气设备绝缘劣化和老化的重要因素[1]。目前，局部放电智能算法有模糊理论[2]、神经网络[3]、小波神经网络[4]及支持向量机[5]等。把智能计算引入到电力设备局部放电估计中，改善了电气设备绝缘故障诊断技术，延长了电气设备的运行时间[6～8]。文献[9]提出了一种基于最小二乘支持向量机的局部放电模式识别方法。2015年张腾飞等提出了一种基于支持向量机的入侵检测方法，使用该方法对SCADA系统数据进行监测和分类[10]。2014年翁钢民和李凌雁将PSO-SVR模型应用于旅游客流量预测中，验证了该模型是进行旅游客流量预测的有效工具[11]。众多领域的研究人员都认识到了SVR模型在其领域解决问题的适用性，但在局部放电尤其是开关柜局部放电量估计方面，SVR模型的应用还很少。

笔者采用基于SVR的局部放电估计模型对开关柜局部放电量进行分析与估计，选取了开关柜局部放电在线监测系统所测得的超声波和高频脉冲电流数据，仿真出开关柜局部放电量估计值。笔者以云南楚雄35kV腰站变电站作为研究试点,验证了SVR模型的有效性。

目前，高频脉冲电流法是能够实现局部放电定量测量的方法，也是具有国际标准和国家标准的局部放电检测方法。但在定量测量时也存在一定问题，首先，高频脉冲电流法只能检测试品实际点的放电量，对电力设备内的实际局部放电值无法进行直接测量，而产品绝缘材料老化的主要原因是电力设备内的实际放电量；其次，高频脉冲电流法测量局部放电时，对试验电源和环境有很高的要求，尤其是在线定量检测时还存在诸如电磁干扰的滤除、在线标定与离线标定等效性等问题。这对电力设备内局部放电定量检测来讲，并非是一种完全理想的检测手段。

超声波法测量电力设备内的局部放电时，超声波振幅与局部放电的真实放电量呈线性关系；检测灵敏度不随试品电容的变化而变化，同时超声波法还具有操作简单、不受现场电磁干扰、在线测量结果与离线测量结果相同的特点。如果能够利用超声波信号对开关柜局部放电进行放电量的估计，不仅是高频脉冲电流法定量检测局部放电的一种有力补充，同时也将大幅拓宽超声波法检测局部放电的应用领域。

2 基于SVR的开关柜局部放电估计模型

通过超声波传感器和高频脉冲传感器可以检测到开关柜是否存在局部放电，但是无法检测局部放电的视在放电值；基于SVR的开关柜局部放电估计模型可以通过所检测的参量(高频脉冲电流、超声波信号)找出其中的规律，并训练出估计模型来估计开关柜局部放电量。SVR估计模型算法流程如图1所示。

图1 SVR估计模型算法流程

开关柜局部放电估计模型是以所测得的各个局放值所对应的高频脉冲电流传感器和超声波传感器的原始数据为基础，按照需要对数据进行预处理作为输入样本训练集的数据，通过训练数据选择合适的核函数和模型参数，构造估计模型，输入测试数据来估计未来时段的开关柜局部放电量。

利用libsvm软件包中的函数svmpredict可以实现SVR回归模型的仿真测试，返回的第一个参数为对应的估计值，第二个参数中记录了测试集的均方差E和决定系数R2，具体的计算公式如下：

(1)

(2)

核函数类型和模型参数对模型性能的影响较大，因此需要选择较佳的核函数类型和参数组合。笔者采用默认的RBF核函数，利用交叉验证方法寻找最佳的参数c(惩罚因子)和g(RBF核函数中的方差)。

利用最佳参数训练模型，SVR模型训练完成后，利用函数svmpredict进行仿真测试，训练集仿真结果如图2所示。

图2 训练集仿真结果对比

可以看出，训练集的均方差为0.015 2，决定系数达到0.890。利用交叉验证方法寻找到的最佳参数c和g分别为2.828 4和1 024。放电量跟超声波传感器和高频脉冲电流传感器具有很强的相关性。

3 开关柜局部放电估计模型性能评价

在对放电量测试集估计之前，需对测试集数据进行归一化预处理。经过处理后结合测试集对模型进行性能评价，仿真结果如图3所示。

图3 测试集仿真结果对比

运用式(1)、(2)中给出的均方差和决定系数的计算方法得出均方差为0.026 5，决定系数为0.849，估计值与实际值的曲线趋势基本一致。

根据云南楚雄35kV腰站变电站的实际情况，选取了1#开关柜所测得的超声波与高频脉冲电流数值进行数据处理和分析，图4、5是1#开关柜在2014年9-20～11-21所采集到的63个超声波和高频脉冲电流传感器的数据曲线。

图4 1#开关柜超声波传感器数据曲线

图5 1#开关柜高频脉冲电流传感器数据曲线

利用以上所训练的SVR建立开关柜局部放电估计模型，将超声波与高频脉冲电流传感器所测得的原始数据作为一个输入量，利用函数svmpredict对开关柜局部放电量进行仿真估计，仿真估计值如图6所示。

图6 通过SVR估计模型开关柜局部放电量估计值

对传感器原始数据进行分析，不仅可以掌握开关柜局部放电的变化情况，而且可以对局部放电量进行估计，并可进一步判断开关柜绝缘异常状况，为保证开关柜绝缘安全提供了一种新的思路和方法。

4 结束语

研究了局部放电量的估计方法，从工程实践中的实际需要和有限条件出发，以云南楚雄35kV腰站变电站开关柜为研究对象，利用回归型支持向量机模型为实现途径，构建了基于SVR的开关柜局部放电估计模型，选取了开关柜局部放电在线监测系统所测得的超声波和高频脉冲电流数据，输入已经建立的SVR估计模型，仿真出开关柜局部放电量估计值。结合回归型支持向量机模型对数据进行模拟分析，得出该模型能够有效地估计开关柜局部真实视在放电量，对电力安全生产和供电可靠性起到决定性的作用，也提供了一种有效的局部放电量估计方法。

[1] 李锰，张盈利，陈蕾，等.固体绝缘气隙局部放电模型构建与仿真研究[J].电瓷避雷器，2013，(2):31～34.

[2] 庞骁刚.开关柜局部放电原因分析与处理[J].云南电力技术，2011,39(4):56～57.

[3] 徐焰.开关柜局部放电暂态对地电压检测技术[J].供用电，2011,28(1):62～64.

[4] 贾勇勇，姚林朋，黄成军.应用于局部放电检测的高速实时数据传输系统的设计与实现[J].电气自动化，2011，33(2):82～85.

[5] 任先文,薛雷,宋阳,等.基于分形特征的最小二乘支持向量机局部放电模式识别[J].电力系统保护与控制,2011,39(14):143～147.

[6] 曾雄杰，江健武，侯俊.TEV和UHF在10kV开关柜带电检测中的应用[J].高压电器，2012,48(1):41～47.

[7] 陶诗洋，冯义，曹佳楣，等.高频传感器在10kV电缆带电检测中的应用[J].中国电力，2011,44(3):27～30.

[8] 王俊波，章涛，李国伟.在线检测10kV开关柜局部放电方法研究[J].绝缘材料，2011,44(6):60～64.

[9] 弓艳朋,刘有为,吴立远.采用分形和支持向量机的气体绝缘组合电器局部放电类型识别[J].电网技术,2011,35(3):135～139.

[10] 张腾飞,范启富,刘伟.基于支持向量机的SCADA系统入侵检测[J].化工自动化及仪表,2015,42(2):153～156.

[11] 翁钢民,李凌雁.旅游客流量预测：基于季节调整的PSO-SVR模型研究[J].计算机应用研究,2014,31(3):692～695.

(Continued from Page 622)

associated with perforated pipelines; through topological relationship between the pipeline and the valve, that of associating pipelines with valves can realize intelligent query and treatment of emergency incident; and that of the map data correction at various times can correct and maintain map files. The application of these four techniques can achieve the purposes like locating accidents at short time, actuating the valve nearest to the fault pipeline, calling emergency response plan and dealing with pipeline failure. This replaces the artificial experience in locating the fault pipelines and valves and realizes the security and the unity of the map data in map data maintenance.

Keywordsoilfield pipe network,emergency command system, WebGIS,layered superposition, coordinate transformation,associating pipelines and valves,map data correction at various times

ResearchonEstimationModelofPartialDischargeSwitchgearBasedonSVR

HONG Can-mei, LIU Ai-lian, LI Ying-na, CHEN Wu-fen, ZHAO Zhen-gang, LI Chuan

(FacultyofInformationEngineeringandAutomation,KunmingUniversityofScience&Technology,Kunming650500,China)

The SVR-based switchgear partial discharge estimation model was built. Making use of both ultrasonic wave and high-frequency impulse current measured by switchgear partial discharge monitoring system to train SVR model and verify its accuracy was implemented. Simulating it with Matlab shows that, the mean square error of training set stays at 0.015 2 together with a 0.890 determination coefficient; as for a test set’s mean square error of 0.026 5, the determination coefficient can reach 0.849. This model can effectively estimate the switchgear partial discharge quantity and provides early warning for it.

partial discharge, SVR, estimation model, high-frequency pulse current, ultrasonic signal

TH89

A

1000-3932(2016)06-0638-04

2016-04-28(修改稿)基金项目：云南省应用基础研究计划项目(2013FZ021)；昆明理工大学人才培养基金项目(KKSY201303044)