基于超声波的GIS组合电器局部放电识别方法

吕顺伦

（深圳妈湾电力有限公司，广东 深圳 518066）

1 基于超声波的GIS组合电器局部放电识别方法

1.1 基于超声波的局部放电信号预处理

由于气体绝缘金属封闭开关设备（Gas Insulated Switchgear，GIS）组合电器局部放电信号具有不稳定、多变性等特点，为了便于对其进行准确识别，需要先对局部放电信号进行预处理操作[1-4]。具体思路是利用超声波传感器检测组合电器内部的超声波信号，再将局部超声放电信号截取成片段的形式，在每个片段中提取对应的特征参量，将所有的特征参量进行组合，形成超声信号时序数据。超声波局部放电检测示意如图1所示。

图1 超声波局部放电检测示意

为了减少噪声干扰，检测前可以在超声波传感器上涂抹超声波高温耦合剂，以提高检测的准确率。将超声波传感器贴在GIS组合电器的上部，当组合电器内部发生局部放电时，气体分子受到电流的影响而互相碰撞产生超声波脉冲，超声波传感器可捕捉该部分脉冲，并将其转化为超声波信号，以数据的形式呈现在显示屏幕中[5]。

在利用超声波传感器捕捉到超声信号后，即可对捕捉的信号进行截取工作，将信号截取为一个个的片段的形式。由于截取时会出现两个部分信号重叠的情况，为了减小截取误差，需要对其进行补帧，可采用矩形加权函数对信号数据进行处理，具体公式为

式中：L为截取信号的长度；n为信号值。当捕捉的信号长度较短，可以用Hann加权函数或Hamming加权函数进行处理，具体公式为

通过上述加权函数即可完成对超声信号的补帧处理。在选择加权函数的过程中，除了要考虑信号的长短，还需考虑频率的分辨率需求[6]。矩形加权函数因为分析带宽较窄，所以分辨率相对较高，但存在一定程度上的信号泄露风险。而后两种加权函数的抗干扰性较强，但是频率的分辨率会受到影响，在实际计算的过程中可以根据频率的需求进行不同的选择。

在对超声信号进行补帧处理后，通过时域方法对信号进行特征参数的提取。首先对分割后的信号提取出频谱分布特征，即

式中：Xi(k)为信号的频谱分布特征；N为频谱变换点数；e为时频参数；xi(n)为片段数为i时的信号值。则可求得该片段下信号功率谱值，即

式中：pi(k)为片段数为i时的局部放电信号的功率谱值；b为功率系数最大值。则即可对超声信号进行时序组合，即

根据上述计算过程即可完成对局部放电信号的预处理，得到局部放电信号的时序组合数据。

1.2 生成分类识别模型

将上述得到的局部放电信号时序数据利用分类识别算法进行处理，即可生成分类识别模型[7]。具体步骤如下文所述。

利用类型特征空间将时序组合数据拆分成向量的形式，将时序数据作为矩阵进行计算，求得降维后的信号特征向量，具体公式为

式中：yT为转化后的时序矩阵数据；ya为降维后的信号特征向量。将降维后的向量进行组合得到向量组，则可计算出向量组与向量之间的距离，具体公式为

式中：yb为超声信号向量组；λ为向量与向量组之间的距离。由于GIS组合电器内部发生局部放电反应时，分子之间的距离会与正常情况下的距离有所不同，通过利用快速傅里叶变换（Fast Fourier Transform，FFT）函数对该距离进行判定，即可构建出分类识别模型，具体表达式为

通过上述计算步骤即可构建出局部放电信号的分类识别模型，将该模型与上述提到的局部放电信号预处理步骤进行结合，即可完成对局部放电信号的有效识别。至此，基于超声波的GIS组合电器局部放电识别方法设计完成。

2 实验验证

2.1 实验环境描述

本次实验选用了一种常规的局部放电识别方法作为对比对象，设计了364 kV的专业局部放电实验仿真平台作为实验载体。同时为了提高实验过程中SF6气体的使用率，通过使用立式绝缘子将放电空间分割成小型气室，保证气室内部气压在0.8 MPa以内。将局部放电信号的检测频段调至400～1 800 MHz，传感器的检测频率调至50 kHz，实验平台的具体结构如图2所示。

图2 局部放电平台结构

为了提高实验结果的准确性，本次实验针对GIS的局部放电特点共设计了4种不同的故障模型，分别是尖端放电模型、内部放电模型、悬浮放电模型以及沿面放电模型，具体模型结构如图3所示。

图3 绝缘故障模型结构示意

其中，尖端放电模型的针尖曲率半径为5 mm，针尖锥度设置为45°，将上电极与下电极之间的距离设置为13 mm。在内部放电模型的上电极与下电极之间注入厚度为5 mm的固体树脂，并在最上方进行开孔处理，直径为15 mm。悬浮放电模型的电极间距控制在10 mm，并在两侧各放置一个长度为8 mm的立柱。沿面放电模型在上电极与下电极之间之间放置一个长度为10 mm的固体树脂圆柱。将文献[3]提出的基于小波变换与方向梯度直方图（Histogram of Oriented Gradients，HoG）算法的变压器局部放电识别方法作为对比方法，与本文设计的基于超声波的识别方法，共同对4种变压器局部放电故障模型进行识别，比较不同方法的识别准确率。

2.2 实验结果

实验结果如表1所示。

表1 实验结果

根据上述实验结果可得，针对不同的故障类型，不同的识别方法的准确率也会有所不同。文献[3]方法的GIS组合电器局部放电识别方法的识别准确率一般保持在85%左右，会有不同程度的波动，并且识别准确率会受到样本数据的增多而降低，这对于GIS组合电器识别检修是非常不利的。而本文提出的基于超声波的GIS组合电器局部放电识别方法，其识别的准确率始终保持在90%以上，应用效果较好，并且不会受到识别数量的影响，这说明提出的局部放电识别方法在准确率和稳定性上优于传统的识别方法。这是由于提出的局部放电识别方法与超声波技术进行了结合，通过分类识别模型对不同的故障均能进行有效的识别，可用于GIS组合电器的局部放电识别工作当中。

3 结 论

本文所提出的GIS组合电器局部放电识别方法与超声波技术进行了有效结合，通过对超声波传感器提取出的局部放电信号进行预处理，得到信号的时序数据，再建立起分类识别模型，可实现对局部放电信号的准确识别。该识别方法通过构建模型的方式，提高了识别的准确率，可应用于GIS组合电器的局部放电识别工作当中，能够对电信号进行准确捕捉与识别，对检测与维修GIS组合电器的工作状态提供了较大帮助，有利于提高检测的效率与检测准确性，对工作人员做出检测诊断提供有效支持。