戴鋒 ，陳軒，王立憲，馬宏忠

（1.國網(wǎng)江蘇省電力有限公司檢修分公司，江蘇 南京 211102；2.河海大學(xué)能源與電氣學(xué)院，江蘇 南京 211100）

氣體絕緣金屬封閉輸電線路（GIL）是我國跨區(qū)域、長距離電能輸送的重要輸電設(shè)備，已先后應(yīng)用在天生橋水電站、溪洛渡水電站和蘇通GIL綜合管廊等重要輸變電建設(shè)之中[1-3]。局部放電（PD）是造成GIL內(nèi)部絕緣裂化、影響GIL設(shè)備絕緣性能的主要原因[4]。

目前，國內(nèi)外對于GIL及其他高壓設(shè)備的局部放電監(jiān)測主要包括振動(dòng)法、暫態(tài)對地電壓（transient earth voltage，TEV）定位法、超聲波法、特高頻法以及脈沖電流法。文獻(xiàn)[5-7]利用振動(dòng)法，以GIL設(shè)備異常振動(dòng)信號為研究對象，利用振動(dòng)信號特征對GIL內(nèi)部局部放電故障進(jìn)行診斷。但在實(shí)際工程中，GIL振動(dòng)信號包含GIL的固有振動(dòng)信號與噪聲信號等干擾，而且由于振動(dòng)信號的監(jiān)測極易受外界環(huán)境的影響（例如GIL設(shè)備相間渦流引起的振動(dòng)[8]），導(dǎo)致測得的頻譜過于復(fù)雜，這些因素都影響著利用振動(dòng)信號對GIL設(shè)備內(nèi)部局部放電進(jìn)行診斷的可靠性。文獻(xiàn)[9-10]對TEV和超聲波在高壓開關(guān)柜局部放電診斷方面的研究表明，超聲波雖不受電磁干擾，但是由于超聲波在固體中的衰減速度較快，導(dǎo)致利用其對高壓設(shè)備內(nèi)部局部放電進(jìn)行檢測靈敏度較低；而當(dāng)高壓設(shè)備內(nèi)部產(chǎn)生局部放電時(shí)，產(chǎn)生的暫態(tài)對地電壓信號會(huì)首先在設(shè)備內(nèi)部傳播，利用TEV定位法對局部放電進(jìn)行定位準(zhǔn)確性不高，同時(shí)TEV信號較易受到電磁干擾。文獻(xiàn)[11]表明特高頻檢測法靈敏度雖高，但在實(shí)際工程中易受到電磁干擾。

GIL設(shè)備內(nèi)部的局部放電缺陷大多由設(shè)備在出廠、運(yùn)輸、安裝以及運(yùn)行過程中造成的尖端金屬污染物引發(fā)。GIL內(nèi)部為稍不均勻電場，絕緣形式主要為氣體-固體復(fù)合絕緣體，內(nèi)部的局部放電首先以區(qū)域性輕放電為主，在放電過程中SF6的分解會(huì)產(chǎn)生對絕緣子有腐蝕性的物質(zhì)[12]，隨著氣體-固體復(fù)合絕緣體絕緣性能的不斷退化，最終GIL內(nèi)部局部放電造成放電擊穿。

相比于其他檢測方法，脈沖電流檢測法具有更豐富的局部放電信息，也常被用作高壓設(shè)備局部放電的離線檢測方法[13]。由于脈沖電流包含信息復(fù)雜，目前尚沒有有效的分析方法對其內(nèi)部放電特征信息進(jìn)行分析，所以利用局部放電產(chǎn)生的脈沖電流實(shí)現(xiàn)GIL故障定位與診斷的研究相對匱乏。

在信號分析與處理方面，快速傅里葉變換方法常用于振動(dòng)信號的分析，其處理非線性與非平穩(wěn)信號的過程復(fù)雜，準(zhǔn)確性也不具有優(yōu)勢；經(jīng)驗(yàn)?zāi)B(tài)分解法（empirical mode decomposition，EMD）常被用作處理非平穩(wěn)與非線性信號，但其存在模態(tài)混疊與端點(diǎn)效應(yīng)[14-16]。相比之下，Teager能量算子解調(diào)方法不僅能估計(jì)復(fù)雜信號的能量波動(dòng)，又可以實(shí)現(xiàn)時(shí)間、頻率、能量包絡(luò)的多重分析[17]。文獻(xiàn)[18]利用Teager能量算子對電纜中的局部放電信號傳播行為進(jìn)行研究，精準(zhǔn)度較高；文獻(xiàn)[19]利用灰色關(guān)聯(lián)度和Teager能量包絡(luò)聯(lián)合對軸承振動(dòng)行為進(jìn)行分析進(jìn)而得出早期故障診斷結(jié)果。小波包變換可以有效對高頻序列進(jìn)行特征提取，同時(shí)在時(shí)域與頻域的優(yōu)化方面也比傅里葉變換、小波變換等方法更具有優(yōu)勢[20]。

在智能學(xué)習(xí)算法方面，機(jī)器學(xué)習(xí)算法（support vector machine，SVM）需大量的樣本數(shù)據(jù)進(jìn)行訓(xùn)練；BP神經(jīng)網(wǎng)絡(luò)需要人工參與設(shè)置權(quán)值和閾值等參數(shù)，去依賴性不夠理想；卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks，CNN）是深度學(xué)習(xí)領(lǐng)域中性能較為優(yōu)異的方法，但由于其反向傳播過程中的平移不變性，導(dǎo)致該算法在反向傳播過程中需要大量的數(shù)據(jù)進(jìn)行訓(xùn)練與試錯(cuò)。極限學(xué)習(xí)機(jī)（ELM）是基于前饋神經(jīng)網(wǎng)絡(luò)（feedforward neuron network，F(xiàn)NN）的改進(jìn)方法，優(yōu)化了反向傳播過程，只需人工設(shè)置隱藏層的初始節(jié)點(diǎn)個(gè)數(shù)即可，適用于非監(jiān)督學(xué)習(xí)問題，具有一定的自適應(yīng)性。

針對脈沖電流檢測法以及其他方法中存在的不足，文中提出了基于Teager能量譜極限學(xué)習(xí)機(jī)的GIL局部放電故障診斷與定位方法，設(shè)計(jì)了兩種局部放電缺陷。首先，利用Teager算子對脈沖電流能量波動(dòng)進(jìn)行計(jì)算，形成Teager能量譜；其次，利用小波包變換對特殊能量頻段占比進(jìn)行計(jì)算；最后，以特殊頻段能量占比為依據(jù)，結(jié)合ELM實(shí)現(xiàn)GIL設(shè)備局部放電故障診斷與定位。

1 試驗(yàn)系統(tǒng)及信號獲取

1.1 試驗(yàn)平臺(tái)及缺陷設(shè)置

文中建立了110 kV的GIL試驗(yàn)平臺(tái)來模擬尖端放電與絕緣子沿面放電兩種放電缺陷。

GIL故障模型包含調(diào)壓器、濾波器、隔離保護(hù)裝置、220 kV無局放變壓器、分壓器以及110 kV GIL試驗(yàn)腔體。GIL設(shè)備導(dǎo)電桿直徑60 mm，腔體內(nèi)直徑360 mm，試驗(yàn)腔體含石英觀察窗便于拆卸與觀測，試驗(yàn)平臺(tái)如圖1所示。

信號同步采集系統(tǒng)使用HCPD-2622型局部放電檢測儀，最大采樣頻率20 MHz，放電測量靈敏度0.1 pC，放電量量程0.1～10 000 pC。

故障設(shè)置參數(shù)。尖端放電缺陷設(shè)置需結(jié)合GIL設(shè)備額定電壓與結(jié)構(gòu)參數(shù)，為防止起始電壓過高，尖刺長度不宜過短，確定為65 mm，材質(zhì)為鋁，用絕緣膠帶固定在導(dǎo)電桿上；絕緣子沿面放電鋁線長度55 mm，用絕緣膠帶固定于絕緣子凸面，缺陷設(shè)置如圖2所示。

1.2 試驗(yàn)標(biāo)準(zhǔn)及參數(shù)

缺陷模擬試驗(yàn)在工頻周期電壓下開展，試驗(yàn)標(biāo)準(zhǔn)及參數(shù)如下：

1）電源系統(tǒng)：試驗(yàn)系統(tǒng)功能來自380 V常規(guī)電源。為了調(diào)節(jié)試驗(yàn)電壓，將380 V電源接入感應(yīng)調(diào)壓器，調(diào)壓器實(shí)現(xiàn)出口電壓的精確控制。將調(diào)壓器輸出接入升壓器，將電壓升高至試驗(yàn)電壓。

2）調(diào)壓器：額定容量56 kV·A；額定輸入電壓380 V；額定輸出電壓0～420 V。

3）升壓器：額定電壓0.4/250 kV；額定電流125/0.2 A；測量繞組電壓比1/1 000。

4）GIL脈沖電流測量時(shí)，需要考慮放電的相位，因此采用電容器串聯(lián)的方式設(shè)計(jì)了分壓器，分壓變比1/1 000。

5）為了增強(qiáng)試驗(yàn)擊穿的保護(hù)，試驗(yàn)系統(tǒng)接入了110 kΩ保護(hù)電阻和430 pF耦合電容；HCPD-1-2型測量阻抗輸出脈沖電壓波形，阻值為75Ω。

6）利用信號采集儀可以實(shí)時(shí)測量放電量、放電次數(shù)、工頻周期內(nèi)的放電波形與統(tǒng)計(jì)相位。脈沖電流試驗(yàn)電路如圖3所示。

1.3 試驗(yàn)步驟

試驗(yàn)過程采用逐步升壓法，從初始電壓0 kV逐漸升高電壓，當(dāng)觀察到第一次出現(xiàn)脈沖電流信號時(shí)確定為該位置的局部放電起始電壓V0，并保持恒壓3 s，重復(fù)此試驗(yàn)5次。在確定起始電壓之后按步長5 kV逐步升高電壓，同時(shí)通過局部放電檢測儀記錄不同階段的脈沖電流信號，當(dāng)出現(xiàn)密集放電信號時(shí)保持恒壓3 s，具體的試驗(yàn)流程如圖4所示。

1.4 信號獲取

圖5為利用試驗(yàn)平臺(tái)測取的高壓導(dǎo)電桿發(fā)生尖端放電與絕緣子發(fā)生沿面放電后的脈沖電流的時(shí)域信號，圖6為兩種不同位置PD缺陷單次放電脈沖電流時(shí)域圖。

2 信號分析與特征提取

2.1 Teager-Kaiser能量譜

由于Teager-Kaiser能量算子在待分析信號的每一時(shí)刻，都利用三個(gè)相關(guān)樣本值來進(jìn)行能量計(jì)算，所以其對時(shí)間變化率較為敏感，可以精準(zhǔn)捕捉信號能量的波動(dòng)特征，適合于分析脈沖電流這種瞬時(shí)變化較快的物理量。

定義Teager-Kaiser算子（TKEO）為f(·)，若待分析信號x(t)為連續(xù)信號，其可以表示為

式中：x'(t)，x″(t)分別為信號x(t)的一階求導(dǎo)和二階求導(dǎo)。

若待分析信號y(t)為離散信號，求導(dǎo)可以利用時(shí)間差代替，表示為

2.2 DESAs算法

為對信號的包絡(luò)v（t）、頻率y（t）與能量聯(lián)合進(jìn)行分析，Maragos等人基于TKEO算子提出了離散能量分離算法（discrete energy separation algorithms，DESA-s），包含DESA-1a，DESA-1，DESA-2三種類型，經(jīng)過對比，其運(yùn)算能力最好的為DESA-1型[20]，表示如下：

2.3 基于Teager能量譜的放電脈沖信號分析

對兩種放電情況進(jìn)行Teager-Kaiser能量變化特征分析，繪制Teager能量譜如圖7與圖8所示。

通過兩種放電情況Teager能量譜的對比可以發(fā)現(xiàn)：兩種放電情況的能量密度都發(fā)生在20 kHz以上的頻段，隨著電壓等級的增加，兩種放電情況的能量密度也有所增加，但能量密度發(fā)展整體趨勢不受影響，故放電脈沖能量波動(dòng)特征不會(huì)因?yàn)殡妷旱燃壍淖兓a(chǎn)生本質(zhì)變化。

針對放電故障的不同位置，從Teager能量譜角度出發(fā)，尖端放電脈沖能量密度呈“尖刺”狀，且其能量密度分布多集中在40～50 kHz，80～95 kHz，120～130 kHz以及160～170 kHz頻段；絕緣子沿面放電脈沖能量密度呈“波浪”狀，其能量密度分布多集中在20～95 kHz頻段。

產(chǎn)生這一現(xiàn)象的原因在于二者的故障位置不同，尖端放電位置發(fā)生在導(dǎo)電桿上，在發(fā)生局部放電時(shí)電壓等級高、脈沖電流大，能量占比較大，又因?qū)щ姉U導(dǎo)電性能好，脈沖電流衰減速度快，因此在其故障特征頻段范圍內(nèi)能量密度普遍偏高且呈“尖刺”狀上升下降；而發(fā)生絕緣子沿面放電時(shí)脈沖電流較小，能量占比較小，且由于絕緣子優(yōu)異的絕緣特性導(dǎo)致脈沖電流衰減較慢，所以能量密度波動(dòng)難以達(dá)到尖端放電的效果，而呈“波浪”狀。因此，在GIL設(shè)備發(fā)生局部放電時(shí)，工作人員可以依據(jù)Teager能量譜的波動(dòng)特征對放電類型與放電位置進(jìn)行粗略判斷。

2.4 基于小波包變換的脈沖能量特征提取

在GIL實(shí)際運(yùn)行過程中，脈沖電流信號不夠穩(wěn)定，雖得出尖端放電與絕緣子沿面放電兩種放電脈沖的能量波動(dòng)特征，但在20～95 kHz范圍內(nèi)兩種放電現(xiàn)象均存在能量波動(dòng)，工作人員仍需具體工況數(shù)據(jù)才能對放電故障類型與位置進(jìn)行準(zhǔn)確診斷。

為進(jìn)一步提高GIL局部放電故障定位與診斷的準(zhǔn)確性，文中采用小波包變換（WPT）對Teager能量譜進(jìn)行分解，提取能量特征。對三種電壓等級下兩種放電情況的Teager能量譜進(jìn)行13層小波包變換，對于尖端放電取0～200 kHz全部頻段，對于絕緣子沿面放電取0～118 kHz頻段，單個(gè)頻帶寬度為112 Hz，由于試驗(yàn)與Teager能量譜頻率單位均為kHz級別，在進(jìn)行小波包變換時(shí)單個(gè)圖像頻段的始末頻率量相差不大，最大為112 Hz，故圖像中將一個(gè)頻段內(nèi)的峰值用該頻段內(nèi)整數(shù)值的平均值表示。其次，由于研究的目的是尋找不同放電情況能量占比的主要區(qū)別，故圖中盡可能忽略能量占比小于5%的頻段，將其余待分析點(diǎn)繪制成折線圖便于觀測，峰值坐標(biāo)已進(jìn)行近似處理，如圖9和圖10所示。

可以發(fā)現(xiàn)，尖端放電情況在三種電壓等級下的能量占比峰值均在46 kHz，91 kHz，125 kHz出現(xiàn)，絕緣子沿面放電情況在三種電壓等級下的能量占比峰值均在23 kHz，52 kHz，90 kHz出現(xiàn)，且隨著電壓等級的提高，兩種放電情況峰值的能量占比整體有所提高。除此之外，兩種故障位置的能量峰值出現(xiàn)的3個(gè)特殊頻段相差較大。因此，將兩種試驗(yàn)所得三個(gè)電壓等級各50組數(shù)據(jù)中的3個(gè)頻段能量占比求和，經(jīng)對比發(fā)現(xiàn)，尖端放電與絕緣子沿面放電的能量最小值占比分別為25%～35%，23%～34%，相差不大；而能量最大值占比分別為50%～60%，30%～40%。這也印證了Teager-Kaiser能量譜中的能量波動(dòng)特征，由于尖端放電的能量波動(dòng)呈“尖刺”狀，能量最大值與最小值相差較大，占比區(qū)分明顯；而絕緣子沿面放電的能量波動(dòng)呈“波浪”狀，能量最大值與最小值相差較小，占比區(qū)分近似。造成這一現(xiàn)象的物理試驗(yàn)原因是：當(dāng)尖刺位置在絕緣子表面時(shí)，第二頻段的能量占比增加，峰值區(qū)間變大。結(jié)合Teager能量譜的能量波動(dòng)特征與小波包變換后的能量特征占比可以對局部放電故障位置進(jìn)行大致判別。

3 基于ELM的GIL局部放電定位與診斷

3.1 極限學(xué)習(xí)機(jī)

極限學(xué)習(xí)機(jī)（ELM）作為一種人工智能算法，其優(yōu)勢在于設(shè)定的只有隱藏層節(jié)點(diǎn)個(gè)數(shù)，在運(yùn)行過程中網(wǎng)絡(luò)的輸入權(quán)值以及隱元的偏置無需人為調(diào)整，并且產(chǎn)生的最優(yōu)解有且僅有一個(gè)。其結(jié)構(gòu)圖如圖11所示，ELM最終表示如下：

式中：x為輸入向量；L為隱藏層單元數(shù)量；βj為權(quán)重向量，位于隱藏層和輸出層之間；ωj為位于輸入和隱藏層輸出之間的權(quán)重；gj為激活函數(shù)，文中使用對于特征值感知更為明顯的Sigmoid函數(shù)作為激活函數(shù)；bj為偏置。

ELM的反向傳播過程如下：

其中

式中：H為隱藏層輸出矩陣；T，β分別為訓(xùn)練集目標(biāo)矩陣與權(quán)重向量矩陣；m為輸出數(shù)量；D為樣本數(shù)量。

3.2 診斷流程

由于本文研究的目的不僅是對局部放電類型進(jìn)行診斷，而且還要對其故障位置進(jìn)行判別，故將三種電壓等級下尖端放電與絕緣子沿面放電實(shí)驗(yàn)數(shù)據(jù)各50組進(jìn)行合并，按4∶1的比例進(jìn)行模型訓(xùn)練與測試，每種電壓等級下，1～40組用來訓(xùn)練，41～50組用來測試，高壓導(dǎo)電桿故障位置設(shè)為“0”，絕緣子故障位置設(shè)為“1”，診斷流程如圖12所示。最后，將診斷輸出與實(shí)際結(jié)果進(jìn)行對比，得出綜合故障診斷準(zhǔn)確率96.8%，具有較高的準(zhǔn)確性。

3.3 實(shí)例分析與對比

選取尖端放電和絕緣子沿面放電三種電壓等級各2組數(shù)據(jù)，共12組數(shù)據(jù)輸入ELM模型進(jìn)行分類，診斷結(jié)果如表1所示。3個(gè)頻段能量占比分別用Class1～Class3表示。

表1 故障模擬診斷結(jié)果Tab.1 Diagnosis results of fault simulation

由表1可知，在61.2 kV導(dǎo)電桿處的尖端放電（由字體加粗標(biāo)出）出現(xiàn)了誤判現(xiàn)象，其余診斷均正確，精確度較高。為對比文中方法與其他在線監(jiān)測方法的診斷速度與準(zhǔn)確性，文中與MEEMD[7]、卷積神經(jīng)網(wǎng)絡(luò)[21]以及Kohonen方法[22]進(jìn)行了對比，檢驗(yàn)標(biāo)準(zhǔn)為響應(yīng)時(shí)間Tr，存儲(chǔ)花銷，判別準(zhǔn)確度δ，結(jié)果如表2所示。

表2 模型評價(jià)指標(biāo)Tab.2 Model evaluation index

結(jié)合表2可以發(fā)現(xiàn)，在四種方法中效果最不理想的是MEEMD方法，由于此方法需對放電信號進(jìn)行多次分解與處理，導(dǎo)致其響應(yīng)時(shí)間較長，所需存儲(chǔ)花銷也更大，同時(shí)此方法只適用于對是否產(chǎn)生局部放電故障進(jìn)行診斷，而不能對于故障位置進(jìn)行判別；Kohonen方法診斷效果較MEEMD方法有所提升，但該方法需要逐個(gè)計(jì)算競爭層節(jié)點(diǎn)個(gè)數(shù)以及多次人工設(shè)置參數(shù)，導(dǎo)致該方法也需要一定的響應(yīng)時(shí)間與存儲(chǔ)花銷，同時(shí)算法的去依賴性也很低。對比發(fā)現(xiàn)，卷積神經(jīng)網(wǎng)絡(luò)與文中方法表現(xiàn)較好，相比卷積神經(jīng)網(wǎng)絡(luò)，文中方法省去了卷積和池化等操作，也無需大量訓(xùn)練數(shù)據(jù)，對于局部放電的脈沖能量特征與頻段提取，具有一定的針對性。結(jié)合表中檢驗(yàn)標(biāo)準(zhǔn)，驗(yàn)證了文中方法對于GIL局部放電的故障定位與診斷具有一定的有效性。

4 結(jié)論

針對基于脈沖電流的GIL局部放電故障定位與診斷方法研究的不足，文中設(shè)計(jì)了兩種不同類型與位置的局部放電缺陷，并提出基于Teager能量譜極限學(xué)習(xí)機(jī)的GIL局部放電故障定位與診斷方法，得出結(jié)論如下：

1）根據(jù)三種電壓等級下尖端放電與絕緣子沿面放電的Teager能量譜，發(fā)現(xiàn)當(dāng)故障位于導(dǎo)電桿上時(shí)，局部放電的脈沖能量波動(dòng)呈“尖刺”狀，當(dāng)故障位于絕緣子上時(shí)，局部放電的脈沖能量波動(dòng)呈“波浪”狀。同種故障類型與位置下，達(dá)到相近能量密度峰值趨勢與電壓等級呈正相關(guān)；

2）在不同故障位置，3個(gè)特殊頻段的能量占比之和的最大值的波動(dòng)范圍有顯著區(qū)別，尖刺放電占比50%～60%，絕緣子沿面放電占比30%～40%，根據(jù)能量占比聯(lián)合Teager能量譜基本可以確定故障發(fā)生位置；

3）對Teager能量譜進(jìn)行小波包變換，提取特殊頻段特征，對特殊頻段能量占比進(jìn)行分析并作為特征代入極限學(xué)習(xí)機(jī)進(jìn)行分類與診斷，綜合準(zhǔn)確率達(dá)到96.8%，可以實(shí)現(xiàn)對于GIL局部放電故障的有效定位與診斷。