廖瑞金 汪 可 周天春 楊麗君 肖中男

（重慶大學(xué)輸配電裝備及系統(tǒng)安全與新技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室 重慶 400044）

采用局部放電因子向量評(píng)估油紙絕緣熱老化狀態(tài)的一種方法

廖瑞金 汪 可 周天春 楊麗君 肖中男

（重慶大學(xué)輸配電裝備及系統(tǒng)安全與新技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室 重慶 400044）

代替?zhèn)鹘y(tǒng)化學(xué)方法，研究采用局部放電來評(píng)估變壓器油紙絕緣的老化狀態(tài)具有理論意義，并且在變壓器濾油后也存在實(shí)際應(yīng)用價(jià)值。文章在單因子加速熱老化試驗(yàn)的基礎(chǔ)上測(cè)量了不同老化階段試品的局部放電，并利用因子分析方法從局部放電29個(gè)統(tǒng)計(jì)特征參數(shù)中提取了10個(gè)主成分因子向量。引入單位圓描述了油紙絕緣的老化狀態(tài)，建立了以老化半徑R為單一目標(biāo)的三層BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型。分別采用遺傳算法GA和LM算法對(duì)網(wǎng)絡(luò)進(jìn)行了訓(xùn)練，并對(duì)測(cè)試樣本進(jìn)行了老化狀態(tài)識(shí)別，結(jié)果表明GA-BP網(wǎng)絡(luò)較LM-BP網(wǎng)絡(luò)對(duì)老化具有更高的識(shí)別率。

油紙絕緣 熱老化狀態(tài)評(píng)估 局部放電 遺傳算法 BP神經(jīng)網(wǎng)絡(luò)

1 引言

油紙絕緣是油浸式電力變壓器內(nèi)絕緣的主要組成形式，熱應(yīng)力是導(dǎo)致油紙絕緣老化的關(guān)鍵因素。深入開展油紙絕緣的熱老化研究，建立可靠的絕緣診斷系統(tǒng)，對(duì)于確保變壓器及系統(tǒng)的安全運(yùn)行具有重要意義。

化學(xué)診斷法是目前國(guó)內(nèi)外評(píng)估油紙絕緣老化狀態(tài)的主要方法，包括油中溶解氣體分析(DGA)、油中呋喃(Furan)衍生物含量檢測(cè)、聚合度 DP與抗拉強(qiáng)度TS測(cè)量、油中酸值和微水測(cè)量等[1-3]。但這些方法均存在一定的不足：DGA的油中溶解氣體不僅可以來源于紙老化，油在老化過程中也會(huì)產(chǎn)生各種氣體；呋喃衍生物是纖維素老化過程中的特殊產(chǎn)物，但其濃度會(huì)受到熱虹吸器以及濾油的影響；DP和TS需要離線吊罩測(cè)量，且取紙部位不同得到的結(jié)果相差較大；油中酸值和微水含量對(duì)老化過程有著重要的影響，但與老化狀態(tài)之間沒有明顯的相關(guān)性。因此，傳統(tǒng)診斷方法的固有缺陷使得其不再實(shí)用，而電力系統(tǒng)的快速發(fā)展則迫切需要研究能夠克服傳統(tǒng)化學(xué)方法不足的電力變壓器油紙絕緣老化狀態(tài)的在線評(píng)估方法。

局部放電是一種無損的在線監(jiān)測(cè)手段，國(guó)內(nèi)外的多項(xiàng)研究結(jié)果表明局部放電的某些特征量能夠在一定程度上反映不同老化階段的絕緣特性[4-7]，但這些特征量與絕緣真實(shí)老化狀態(tài)之間可能是多維空間上的復(fù)雜非線性關(guān)系，并且油紙絕緣是固液兩相復(fù)合絕緣，老化機(jī)理較單一固、液絕緣復(fù)雜，使得通過某一個(gè)或幾個(gè)特征量的變化來確定其真實(shí)老化狀態(tài)很難實(shí)現(xiàn)，因此需要采用智能化的分析手段，融合多個(gè)老化特征量，對(duì)絕緣所處狀態(tài)進(jìn)行準(zhǔn)確的評(píng)估。模糊算法、神經(jīng)網(wǎng)絡(luò)、因子分析、聚類及判別分析等先進(jìn)的數(shù)學(xué)方法先后用于絕緣老化狀態(tài)的診斷中[8-11]，結(jié)果顯示這些方法能夠?qū)^緣的老化狀態(tài)進(jìn)行有效的評(píng)估。本文通過實(shí)驗(yàn)室對(duì)油紙絕緣試品進(jìn)行加速熱老化試驗(yàn)，并從29個(gè)局部放電統(tǒng)計(jì)特征參量中提取了10個(gè)主成分因子，引入遺傳算法(Genetic Algorithm, GA)建立了以老化半徑R為單一目標(biāo)的三層GA-BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型，使用單因子加速熱老化樣本對(duì)GA-BP網(wǎng)絡(luò)進(jìn)行了訓(xùn)練和驗(yàn)證，并對(duì)比分析了 GA-BP網(wǎng)絡(luò)與基于Levenberg- Marquardt(LM)算法[8]的LM-BP網(wǎng)絡(luò)對(duì)老化的識(shí)別效果。

2 加速熱老化試驗(yàn)及局部放電測(cè)量

2.1 試品的預(yù)處理

試品采用直徑 80mm、厚度分別為 0.5mm和0.1mm的普通牛皮絕緣紙板。試驗(yàn)開始之前首先對(duì)試品進(jìn)行真空浸油預(yù)處理：將絕緣紙板放入120℃/50Pa的真空干燥箱中干燥2h，在真空狀態(tài)下注入溫度為60℃的 25#普通礦物油，保持真空 50Pa，箱內(nèi)溫度為 60℃，浸漬48h，確保絕緣紙浸漬充分。最后將經(jīng)過預(yù)處理的樣品進(jìn)行充氮密封后放入 130℃老化箱中進(jìn)行加速熱老化試驗(yàn)。

2.2 老化試品的聚合度

聚合度是目前公認(rèn)的表征油紙絕緣老化狀況準(zhǔn)確、可靠、有效的判據(jù)[12]。新紙的聚合度為1200～ 1500，經(jīng)過預(yù)處理后降至 1000左右。本文在老化24h以后每隔168h（約7天）測(cè)量一次樣品的聚合度，老化過程中的聚合度變化曲線如圖1所示。老化時(shí)間為1032h時(shí)，聚合度 DP值降到 268，已接近油紙絕緣的壽命終點(diǎn)[13]，老化試驗(yàn)結(jié)束。

圖1 老化過程中的聚合度變化曲線Fig.1 Development of DP with the aging time

2.3 試品模型的局部放電測(cè)量

采用脈沖電流法測(cè)量局部放電，測(cè)量系統(tǒng)如圖2所示，電極結(jié)構(gòu)尺寸參照CIGRE II方法制作[14]。試品放置在裝有變壓器油的聚四氟容器中，為防止變壓器油滲入人工氣隙中，采用硅膠對(duì)兩層絕緣紙板結(jié)合處進(jìn)行密封，并在上、下層分別采用環(huán)氧板及絕緣螺釘螺帽進(jìn)行緊固。

圖2 局部放電測(cè)量系統(tǒng)T1—自耦調(diào)壓器 T2—試驗(yàn)變壓器 R—保護(hù)水阻C1, C2—電容分壓器 D—脈沖電流傳感器 1—高壓電極2—低壓銅板電極 3—人工氣隙 4—環(huán)氧板 5—環(huán)氧螺栓6—環(huán)氧螺母 7—變壓器油 8—0.1 mm 絕緣紙板9—0.5mm絕緣紙板 10—聚四氟容器 11—瓷制容器蓋Fig.2 The measurement system of partial discharge

為了減小噪聲干擾，從試驗(yàn)變壓器高壓端到試品部分添加屏蔽層，并通過電容分壓器同步記錄試驗(yàn)電壓。試驗(yàn)采集局部放電的電壓選擇為起始放電電壓的 1.2倍，并在此電壓下保持 10min，待放電穩(wěn)定并進(jìn)行工頻相位校正后，利用Wavepro7100數(shù)字示波器對(duì)每個(gè)試品采集了 3000個(gè)工頻周期的局部放電原始數(shù)據(jù)。圖3為不同老化階段試品局部放電的幅值分布H(q，?)圖。

圖3 老化試品的局部放電圖譜H(q，?)Fig.3 PD spectra H(q，?) of aged test samples

3 GA-BP神經(jīng)網(wǎng)絡(luò)老化評(píng)估模型的建立

以局部放電因子向量作為輸入，老化狀態(tài)的表征量作為輸出，建立GA-BP神經(jīng)網(wǎng)絡(luò)老化評(píng)估模型的思路是：首先確定 BP網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，輸入訓(xùn)練樣本利用GA對(duì)權(quán)值進(jìn)行優(yōu)化，對(duì)種群最終進(jìn)化代的最優(yōu)個(gè)體進(jìn)行解碼得到網(wǎng)絡(luò)權(quán)值。

3.1 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的確定

3.1.1 輸入?yún)?shù)的選取

根據(jù)采集的局部放電原始數(shù)據(jù)提取了PRPD模式的四個(gè)統(tǒng)計(jì)圖譜及其29個(gè)特征參量，四個(gè)圖譜包括最大放電量-相位分布Hqmax(?)，平均放電量-相位分布Hqave(?)，放電頻數(shù)-放電量分布Hn(?)以及放電頻數(shù)-放電量分布Hn(q)，29個(gè)統(tǒng)計(jì)參量包括偏斜度Sk、陡翹度 Ku、峰值個(gè)數(shù) Peaks、不對(duì)稱度 Asy、相關(guān)系數(shù) Cc以及 Weibull分布尺度、形狀參數(shù)α和β[9,11,15]。為了消除特征量之間的相關(guān)性和簡(jiǎn)化評(píng)估模型，本文利用因子分析方法提取了局部放電統(tǒng)計(jì)參量的10個(gè)主成分因子作為網(wǎng)絡(luò)的輸入?yún)⒘?，依次記?F1～F10。局部放電統(tǒng)計(jì)特征參量的主成分分析流程在文獻(xiàn)[9]中有詳細(xì)描述。

3.1.2 輸出參數(shù)的選取

聚合度 DP是表征油紙絕緣老化狀態(tài)的最佳參量，但是由于老化前后絕緣紙的DP數(shù)值變化范圍較大（1000～200），將其直接作為網(wǎng)絡(luò)輸出來訓(xùn)練GA-BP網(wǎng)絡(luò)，不僅數(shù)據(jù)量龐大，而且收斂速度很慢，因此需要對(duì)聚合度DP進(jìn)行等效變換。另一方面，實(shí)際運(yùn)行中聚合度 DP相同的油紙系統(tǒng)所處環(huán)境的溫度、氧氣以及電壓等參數(shù)均不可能相同，因此本文引入二維平面的單位圓來描述油紙絕緣的老化狀態(tài)，并進(jìn)行歸一化處理（見圖4），使用0和1分別表征未老化和完全老化狀態(tài)。假設(shè)半徑R表征與DP成線性關(guān)系的變量，那么半徑為 R的圓周則表征相同老化狀態(tài)的油紙絕緣系統(tǒng)不同運(yùn)行環(huán)境的集合。

圖4 老化狀態(tài)的單位圓描述Fig.4 Unit circle description of aging condition

目前國(guó)內(nèi)外對(duì)絕緣壽命終止的 DP判斷標(biāo)準(zhǔn)尚未統(tǒng)一，比較一致的看法是：新絕緣紙的平均聚合度以1000考慮，當(dāng)平均聚合度下降到500時(shí)，變壓器的整體絕緣已處于壽命中期；當(dāng)平均聚合度下降到250時(shí)，一般認(rèn)為絕緣壽命終止[12]。采用本文的描述方法，老化半徑R和聚合度DP之間的關(guān)系為

與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)采用的二進(jìn)制判別法不同，本文采用表征油紙絕緣老化狀態(tài)的老化半徑R作為網(wǎng)絡(luò)的單一輸出目標(biāo)。根據(jù) DP將油紙絕緣狀態(tài)劃分為五個(gè)老化階段，每個(gè)老化階段的聚合度區(qū)間及近似對(duì)應(yīng)的老化半徑區(qū)間見表1。

表1 老化階段劃分Tab.1 Division of aging stages

3.1.3 隱含層節(jié)點(diǎn)數(shù)

對(duì)于三層BP網(wǎng)絡(luò)，隱含層神經(jīng)元數(shù)對(duì)BP網(wǎng)絡(luò)的性能有著重要的影響，Kolmogorov定理指出[16]：對(duì)n1個(gè)輸入節(jié)點(diǎn)的單隱含層神經(jīng)網(wǎng)絡(luò)，隱含層節(jié)點(diǎn)數(shù)n2=2n1+1。本文選取隱含層節(jié)點(diǎn)數(shù)為2×10+1=21時(shí)，發(fā)現(xiàn)網(wǎng)絡(luò)的收斂速度較慢，因此 Kolmogorov定理并不適用于本文的GA-BP網(wǎng)絡(luò)。對(duì)不同隱含層節(jié)點(diǎn)數(shù)n2對(duì)應(yīng)的GA-BP網(wǎng)絡(luò)在種群遺傳100代的平均誤差值E進(jìn)行了統(tǒng)計(jì)，見表2。

表2 不同n2的GA-BP網(wǎng)絡(luò)平均誤差ETab.2 Mean error E of GA-BP network with different n2

從表2可以看出網(wǎng)絡(luò)在隱含層節(jié)點(diǎn)數(shù)為10左右時(shí)的收斂性能最佳，結(jié)合網(wǎng)絡(luò)的識(shí)別率最終選擇隱含層節(jié)點(diǎn)數(shù)n2=8，于是確定網(wǎng)絡(luò)結(jié)構(gòu)為10-8-1。

3.2 GA-BP神經(jīng)網(wǎng)絡(luò)[17-18]

3.2.1 編碼方式

采用實(shí)數(shù)編碼方式將網(wǎng)絡(luò)權(quán)值按一定順序編為一個(gè)長(zhǎng)串（w11，w12，…，b1，w21，w22，b2，…，wij，bi，…），其中wij是神經(jīng)元j到神經(jīng)元i的權(quán)值，bi是神經(jīng)元i的閾值。

3.2.2 個(gè)體適應(yīng)度函數(shù)

適應(yīng)度函數(shù)f采用平均誤差E的倒數(shù)，即

式中，yoi為第i個(gè)訓(xùn)練樣本的網(wǎng)絡(luò)輸出值；doi為第i個(gè)訓(xùn)練樣本的網(wǎng)絡(luò)期望輸出值；k為訓(xùn)練樣本數(shù)。

因此，適應(yīng)度值f最大的個(gè)體對(duì)應(yīng)的GA-BP網(wǎng)絡(luò)是同一遺傳代數(shù)里最優(yōu)的。

3.2.3 初始化種群P

設(shè)定初始種群規(guī)模 Pop、最大遺傳代數(shù) Mgen、誤差目標(biāo) Egoal、交叉頻率 Pc和變異概率 Pm，其中Pc和Pm應(yīng)在運(yùn)算過程中隨著適應(yīng)度f的變化而自適應(yīng)變化，Pc和Pm按下式確定：

式中，f為進(jìn)行交叉或變異的個(gè)體適應(yīng)度值；fmax為該代種群個(gè)體的最大適應(yīng)度值；favg為該代所有個(gè)體的適應(yīng)度平均值；Pc1，Pc2，Pm1，Pm2為常數(shù)。

3.2.4 遺傳操作

GA的遺傳操作包括選擇、交叉和變異等。

（1）選擇。采用基于適應(yīng)度比例的選擇策略，計(jì)算每一個(gè)個(gè)體的適應(yīng)度值，并將其排序，對(duì)個(gè)體i的選擇概率Pi為

式中，fi為個(gè)體i的適應(yīng)度。

（2）交叉。以交叉頻率Pc對(duì)個(gè)體Gi和Gj進(jìn)行交叉操作，產(chǎn)生新個(gè)體 Gi+1和 Gj+1，沒有進(jìn)行交叉操作的個(gè)體直接進(jìn)行復(fù)制。具體的交叉過程如下所示：

（3）變異。利用變異概率 Pm突變產(chǎn)生 Gj和Gj+1，將新個(gè)體插入到種群 P中，并計(jì)算新個(gè)體的適應(yīng)度函數(shù)。變異操作如下式所示：

式中，δ∈[0,1]為均勻分布的隨機(jī)數(shù)。

（4）保留最優(yōu)解。將每一代遺傳操作產(chǎn)生的新一代群體的最高適應(yīng)度值與上一代群體的最高適應(yīng)度值比較，若小于上一代的最高適應(yīng)度值，則隨機(jī)淘汰新一代中的一個(gè)個(gè)體，并加入上一代中具有最高適應(yīng)度值的個(gè)體。

3.2.5 網(wǎng)絡(luò)訓(xùn)練

對(duì)每一代按式（2）計(jì)算平均誤差E，當(dāng)E＜Egoal或種群遺傳代數(shù) Gen＞Mgen時(shí)，GA-BP網(wǎng)絡(luò)訓(xùn)練結(jié)束，對(duì)最終進(jìn)化結(jié)果進(jìn)行解碼得到網(wǎng)絡(luò)權(quán)值。

3.3 GA-BP網(wǎng)絡(luò)參數(shù)

隱含層傳遞函數(shù)采用雙曲正切S型函數(shù)，保證網(wǎng)絡(luò)的非線性特征，輸出層激活函數(shù)采用對(duì)數(shù)S型函數(shù)，保證網(wǎng)絡(luò)輸出在[0,1]之間。初始化GA種群規(guī)模Pop=100，最大遺傳代數(shù)Mgen=1000，誤差目標(biāo)Egoal=0.001，并根據(jù)多次試驗(yàn)確定效果最優(yōu)值Pc1=0.9，Pc2=0.35，Pm1=0.03，Pm2=0.04。

3.4 基于GA-BP網(wǎng)絡(luò)的老化評(píng)估模型

定義試驗(yàn)得到的老化樣本見表 3，選擇老化階段A～E的75組數(shù)據(jù)作為訓(xùn)練樣本，不同老化時(shí)間的105組數(shù)據(jù)作為測(cè)試樣本。輸入不同老化階段的訓(xùn)練樣本及對(duì)應(yīng)的老化半徑RA～RE訓(xùn)練GA-BP網(wǎng)絡(luò)，采用表1定義的不同老化階段的R判別區(qū)間對(duì)測(cè)試樣本進(jìn)行老化階段識(shí)別，評(píng)估模型的結(jié)構(gòu)如圖5所示。

表3 老化試驗(yàn)樣本定義Tab.3 Definition of aging experimental sample

圖5 老化評(píng)估模型結(jié)構(gòu)Fig.5 Structure of aging assessment model

4 測(cè)試樣本的老化狀態(tài)評(píng)估

GA-BP網(wǎng)絡(luò)的一組典型訓(xùn)練樣本見表 4，圖6為網(wǎng)絡(luò)訓(xùn)練過程中的平均誤差曲線，保持網(wǎng)絡(luò)結(jié)構(gòu)不變并利用LM算法[8]訓(xùn)練BP網(wǎng)絡(luò)，LM算法的具體原理在文獻(xiàn)[19]中有詳細(xì)描述，訓(xùn)練過程中的平均誤差曲線如圖7所示。GA-BP與LM-BP網(wǎng)絡(luò)性能參數(shù)見表5，由表5可知LM-BP網(wǎng)絡(luò)的性能優(yōu)于GA-BP網(wǎng)絡(luò)，能夠快速收斂并對(duì)訓(xùn)練樣本進(jìn)行充分逼近。分別利用訓(xùn)練完成的GA-BP和LM-BP網(wǎng)絡(luò)對(duì)測(cè)試樣本進(jìn)行老化階段識(shí)別，結(jié)果見表 6。表中數(shù)據(jù)顯示 LM-BP網(wǎng)絡(luò)對(duì)老化后期樣本的識(shí)別率明顯降低，而GA-BP網(wǎng)絡(luò)對(duì)不同老化時(shí)間樣本的識(shí)別率均大于80%，總識(shí)別率達(dá)到84.8%，較LM-BP網(wǎng)絡(luò)有了一定程度的提高。

表4 不同老化階段的一組典型訓(xùn)練樣本Tab.4 A representative group of train samples at different aging stages

試品的局部放電具有一定的分散性，并且老化后期不同老化時(shí)間樣本的聚合度接近，提取的局部放電圖譜及其特征量分散性較為明顯，由此會(huì)產(chǎn)生部分相互干擾的樣本點(diǎn)，LM算法對(duì)這些樣本進(jìn)行充分逼近時(shí)，必然會(huì)影響對(duì)新樣本的識(shí)別，使得網(wǎng)絡(luò)對(duì)老化后期樣本的識(shí)別率下降。GA在尋優(yōu)過程中是同時(shí)處理整個(gè)種群，并且在對(duì)種群個(gè)體進(jìn)行遺傳優(yōu)選時(shí)，不要求目標(biāo)函數(shù)可微，僅需要個(gè)體的適應(yīng)度值，能夠在全局范圍內(nèi)收斂于最優(yōu)點(diǎn)，可以克服標(biāo)準(zhǔn)BP網(wǎng)絡(luò)陷入局部極值點(diǎn)而產(chǎn)生的不正確映射關(guān)系，具有對(duì)新樣本較高的評(píng)估識(shí)別率。從表6中還可以看出GA-BP網(wǎng)絡(luò)對(duì)不同老化時(shí)間樣本的識(shí)別率差別較小，能夠有效避免老化后期不同老化時(shí)間樣本之間的相互干擾，較LM-BP網(wǎng)絡(luò)有著較為明顯的優(yōu)越性。

表5 GA-BP與LM-BP的網(wǎng)絡(luò)性能比較Tab.5 Performance comparison between GA-BP and LM-BP network

圖6 GA-BP網(wǎng)絡(luò)的平均誤差曲線Fig.6 Mean error curve based on GA-BP network

圖7 LM-BP網(wǎng)絡(luò)的平均誤差曲線Fig.7 Mean error curve based on LM-BP network

表6 對(duì)測(cè)試樣本的識(shí)別結(jié)果Tab.6 Assessment results of test samples

5 結(jié)論

本文以單一氣隙缺陷模型為基礎(chǔ)，通過實(shí)驗(yàn)室加速熱老化試驗(yàn)，以局部放電的10個(gè)主成分因子向量為輸入，建立GA-BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型，并對(duì)測(cè)試樣本進(jìn)行了老化狀態(tài)評(píng)估，得到如下結(jié)論：

（1）通過引入單位圓對(duì)油紙絕緣的老化狀態(tài)進(jìn)行了描述以及歸一化處理，將 DP映射為單位圓半徑 R，并在此基礎(chǔ)上以局部放電因子向量為輸入，老化半徑 R為單一輸出目標(biāo)建立了 GA-BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型，對(duì)測(cè)試樣本的診斷結(jié)果表明10個(gè)主成分因子可以較好地表征油紙絕緣的老化狀態(tài)。

（2）分別采用訓(xùn)練完成的 LM-BP和 GA-BP網(wǎng)絡(luò)對(duì)105組加速老化的測(cè)試樣本進(jìn)行了老化狀態(tài)評(píng)估。與LM-BP網(wǎng)絡(luò)相比，GA-BP網(wǎng)絡(luò)對(duì)老化的識(shí)別率得到了一定的提高，能夠?qū)τ图埥^緣的熱老化狀態(tài)進(jìn)行較有效評(píng)估。

本文對(duì)油紙絕緣老化評(píng)估的原理和方法的研究是基于實(shí)驗(yàn)室加速熱老化試品的局部放電數(shù)據(jù)，取得了較好的效果。同樣可基于該方法的原理對(duì)其他放電類型進(jìn)行老化狀態(tài)評(píng)估，但對(duì)于混合放電以及強(qiáng)放電干擾等場(chǎng)合，本文提出方法的有效性還有待進(jìn)一步驗(yàn)證。

[1] Wang M, Vandermaar A J, Srivastava K D. Review of condition assessment of power transformers in service[J]. IEEE Transactions on Dielectrics and Electrical Insulation, 2002, 18(6): 12-25.

[2] 朱德恒, 談克雄. 電絕緣診斷技術(shù)[M]. 北京: 中國(guó)電力出版社, 1998.

[3] Saha T K. Review of modern diagnostic techniques for assessing insulation condition in aged transformers[J]. IEEE Transactions on Dielectrics and Electrical Insulation, 2003, 10(5): 903-917．

[4] Bozzo R, Gemme G, Guastavino F, et al. Aging diagnosis of insulation systems by PD measurements—Extraction of partial discharge features in electrical treeing[J]. IEEE Transactions on Dielectrics and Electrical Insulation, 1998, 5(1): 118-124.

[5] Contin A, Gulski E, Cacciari M, et al. Inference of PD in electrical insulation by charge-height probability distribution: Diagnosis of insulation system degradation[J]. IEEE Transactions on Dielectrics and Electrical Insulation, 1998, 5(1): 110-117.

[6] Del Casale M D L. On multistress aging of epoxy resins: PD and temperature[J]．IEEE Transactions on Dielectrics and Electrical Insulation, 2001, 8(2): 299-303.

[7] Stone G C, Warren V. Effect of manufacturer, winding age and insulation type on stator windingpartial discharge levels[J]. IEEE Electrical Insulation Magazine, 2004, 20(5): 13-17.

[8] 樂波, 謝恒堃. 基于模糊輸出 BP神經(jīng)網(wǎng)絡(luò)的電機(jī)主絕緣老化狀態(tài)評(píng)估方法[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2005, 25(2): 76-81. Yue Bo, Xie Hengkun. Evaluating the aging condition of main insulation in large generator based BP artificial neural network with fuzzy output[J]. Proceedings of the CSEE, 2005, 25(2): 76-81.

[9] 廖瑞金, 楊麗君, 孫才新, 等. 基于局部放電主成分因子向量的油紙絕緣老化狀態(tài)統(tǒng)計(jì)分析[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2006, 26(14): 114-119. Liao Ruijin, Yang Lijun, Sun Caixin, et al. Aging condition assessment of oil-paper based on principal component and factor analysis of partial discharge[J]. Proceedings of the CSEE, 2006, 26(14): 114-119.

[10] 楊麗君, 廖瑞金, 孫才新, 等. 基于Fisher判別法的紙絕緣老化階段識(shí)別[J]. 電工技術(shù)學(xué)報(bào), 2005, 20 (8): 33-37. Yang Lijun, Liao Ruijin, Sun Caixin, et al. Identifying different aging stages of oil-paper based on fisher discriminant method[J]. Transactions of China Electrotechnical Society, 2005, 20(8): 33-37.

[11] Li Jian, Grzybowski S, Yang Lijun, et al. Statistical parameters of partial discharge used to recognize aged oil-paper insulation[C]. Proceedings of 27th International Conference on Power Modulator, Arlington, 2006: 75-80.

[12] 廖瑞金, 梁帥偉, 周天春, 等. 天然酯-紙絕緣老化速度減緩及其原因分析[J]. 電工技術(shù)學(xué)報(bào), 2008, 23 (9): 32-37. Liao Ruijin, Liang Shuaiwei, Zhou Tianchun, et al. Comparison for the mineral oil-paper and the nature ester-paper insulation degradation and cause analysis[J]. Transactions of China Electrotechnical Society, 2008, 23(9): 32-37.

[13] 王萬華. 變壓器絕緣老化診斷中應(yīng)注意的問題[J].高電壓技術(shù), 1995, 21(3): 79-82. Wang Wanhua. The suggestions about transformer insulation aging diagnosis[J]. High Voltage Engineering, 1995, 21(3): 79-82.

[14] Del Casale M D L, Schifani R, Testa L, et al. Partial discharge test using CIGRE method II upon nanocomposite epoxy resins[C]. IEEE International Conference on Solid Dielectrics, Winchester. UK, 2007: 341-344.

[15] 楊麗君, 孫才新, 廖瑞金, 等. 油紙絕緣老化狀態(tài)判別的局部放電特征量[J]. 電力系統(tǒng)自動(dòng)化, 2007, 31(10): 55-60. Yang Lijun, Sun Caixin, Liao Ruijin, et al. Partial discharge features applied in aging condition discrimination of oil-paper insulation[J]. Automation of Electric Power Systems, 2007, 31(10): 55-60.

[17] 周建華, 胡敏強(qiáng). 自構(gòu)形神經(jīng)網(wǎng)絡(luò)在變壓器故障診斷中的應(yīng)用[J]. 電工技術(shù)學(xué)報(bào), 2004, 19(9): 77-81. Zhou Jianhua, Hu Minqiang. Application of autostructural neural network in diagnosing transformer faults[J]. Transactions of China Electrotechnical Society, 2004, 19(9): 77-81.

[17] 陳國(guó)良, 王煦法, 莊鎮(zhèn). 遺傳算法及其應(yīng)用[M]. 北京: 人民郵電出版社, 1996.

[18] Pan C, Chen W, Yun C. Fault diagnostic method of power transformers based on hybrid genetic algorithm evolving wavelet neural network[J]. IET Electric Power Applications, 2008(2): 71-76.

[19] 毛穎科, 關(guān)志成, 王黎明, 等. 基于 BP人工神經(jīng)網(wǎng)絡(luò)的絕緣子泄漏電流預(yù)測(cè)[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2007, 27(27): 7-12. Mao Yingke, Guan Zhicheng, Wang Liming, et al. Prediction of leakage current of outdoor insulators based on BP artificial neural network[J]. Proceedings of the CSEE, 2007, 27(27): 7-12.

An Assessment Method for Identifying Thermal Aging Condition of Oil-Paper Insulation Utilizing Factor Vectors of Partial Discharge

Liao Ruijin Wang Ke Zhou Tianchun Yang Lijun Xiao Zhongnan
（State Key Laboratory of Power Transmission Equipment & System Security and New Technology Chongqing University Chongqing 400044 China）

It is theoretically significant to study on the aging condition assessment of oil-paper insulation based on partial discharge (PD) instead of traditional chemical methods. Moreover, practical application value still exists after refining transformer oil. In this paper, PD of the test samples with different aging degrees was measured after a thermally accelerated aging experiment. Then ten principal component factors were extracted from 29 statistical parameters. The aging condition of oil-paper was characterized utilizing a unit circle. Using the aging radius R as the single objective, an assessment model was established based on a three-layer BP neural network which was trained by genetic algorithm (GA) and Levenberg-Marquardt (LM) algorithm respectively. Finally, the test samples were recognized by the trained GA-BP and LM-BP network. It has been found that GA-BP network has the advantages of higher recognition rates comparing with LM-BP network.

Oil-paper insulation, thermal ageing condition assessment, partial discharge, genetic algorithm, BP neural network

TM835

廖瑞金 男，1963年生，教授，博士生導(dǎo)師，主要從事電氣設(shè)備絕緣在線監(jiān)測(cè)與故障診斷研究和高電壓測(cè)試技術(shù)工作。

國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃資助項(xiàng)目（973項(xiàng)目）（2009CB724505-1）。

2009-06-02 改稿日期 2009-09-28

汪 可 男，1987年生，博士研究生，從事電氣設(shè)備絕緣在線監(jiān)測(cè)與故障診斷研究。