電力變壓器局部放電UHF診斷系統(tǒng)

何金武，徐 源

(四川省電力公司綿陽(yáng)電業(yè)局，四川 綿陽(yáng) 621000)

徐源(1973- )，男(漢族)，四川達(dá)州人，工程師，學(xué)士，研究方向：高電壓技術(shù)運(yùn)用。

電力變壓器局部放電UHF診斷系統(tǒng)

何金武，徐 源

(四川省電力公司綿陽(yáng)電業(yè)局，四川 綿陽(yáng) 621000)

針對(duì)變壓器內(nèi)部常見(jiàn)絕緣缺陷，設(shè)計(jì)了尖刺、懸浮微粒、沿面、固體氣隙等4種缺陷模型，利用超高頻法獲取了放電譜圖。通過(guò)統(tǒng)計(jì)理論計(jì)算了PD超高頻信號(hào)三維譜圖的統(tǒng)計(jì)特征，以BP神經(jīng)網(wǎng)絡(luò)作為分類(lèi)器，對(duì)所獲得的PD信號(hào)進(jìn)行了識(shí)別，取得了良好的效果，為開(kāi)發(fā)變壓器局部放電在線(xiàn)或離線(xiàn)分析系統(tǒng)奠定計(jì)算基礎(chǔ)。

局部放電；超高頻；絕緣缺陷判別；特征提??；神經(jīng)網(wǎng)絡(luò)

局部放電(partial discharge,PD)是引起電力變壓器絕緣劣化和突發(fā)性故障的重要因素，PD檢測(cè)對(duì)電力變壓器設(shè)備自身及電力系統(tǒng)的運(yùn)行安全至關(guān)重要。在變壓器局部放電的諸多檢測(cè)手段中，超高頻法因其檢測(cè)頻段高，可以有效地避開(kāi)電暈、開(kāi)關(guān)操作等多種電氣干擾，且安全性好等優(yōu)點(diǎn)，在國(guó)內(nèi)外得到了廣泛應(yīng)用。

基于時(shí)間(Time Resolved Partial Discharge，TRPD)和基于相位(Phase Resolved Partial Discharge，PRPD)的分析模式，是目前應(yīng)用于PD分析的主要方法，前者主要考察單次脈沖信號(hào)的幅值和信號(hào)能量隨時(shí)間和頻率的變化關(guān)系，但由于PD自身具有很強(qiáng)的隨機(jī)性，給TRPD模式的應(yīng)用帶來(lái)了很大的局限。目前，工程中主要用其來(lái)檢測(cè)設(shè)備中是否存在局部放電[1]；而后者主要基于局部放電的極性差異，通過(guò)觀察放電次數(shù)和放電幅值隨著工頻相位的分布差異來(lái)分析相應(yīng)的絕緣缺陷。2種信號(hào)分析模式都能為診斷PD提供非常有效的信息，而后者對(duì)PD故障診斷更具實(shí)用意義。

圖1 試驗(yàn)及檢測(cè)回路示意圖

研究表明：變壓器內(nèi)部不同的缺陷類(lèi)型，對(duì)變壓器的危害程度不一，通過(guò)對(duì)變壓器內(nèi)部絕緣缺陷的判別，能為評(píng)估其絕緣狀態(tài)提供重要信息[2-4]。但由于現(xiàn)場(chǎng)測(cè)試人員對(duì)電力變壓器內(nèi)各種絕緣缺陷的PD現(xiàn)象特征了解不夠，難以對(duì)檢測(cè)出來(lái)的PD信號(hào)做進(jìn)一步分析。同時(shí)，現(xiàn)場(chǎng)運(yùn)行的變壓器中UHF信號(hào)的傳輸與檢測(cè)亦對(duì)判別過(guò)程有著很大影響[5-7]，因此對(duì)各種典型缺陷的PD特征分析以獲取對(duì)判別分類(lèi)器貢獻(xiàn)大且穩(wěn)定性好的特征，在變壓器PD判別過(guò)程中突顯重要。本文通過(guò)試驗(yàn)設(shè)置4種典型的絕緣缺陷，分析了相應(yīng)缺陷下PD的譜圖特征，并根據(jù)這些特征差異，提出了一系列對(duì)應(yīng)的特征提取方法，最終通過(guò)BPNN建立了智能化的PD判別系統(tǒng)，為研發(fā)變壓器內(nèi)部PD在線(xiàn)或離線(xiàn)分析系統(tǒng)作算法和仿真計(jì)算方面的基礎(chǔ)準(zhǔn)備。

1 試驗(yàn)設(shè)置

試驗(yàn)接線(xiàn)原理圖如圖1所示。其中：T1為感應(yīng)調(diào)壓器，輸入電壓0～380 V，額定容量1 000 VA；T2為試驗(yàn)變壓器；C1/C2為電容分壓器；R為保護(hù)電阻，50 kΩ；A為超高頻傳感器，天線(xiàn)帶寬為300 MHz～3 GHz；采用高速數(shù)字存儲(chǔ)示波器采集數(shù)據(jù)，其模擬帶寬為1 GHz，單通道采樣頻率為20 GHz。

為了獲得變壓器絕緣缺陷局部放電信號(hào)，設(shè)計(jì)了4種典型的變壓器絕緣缺陷模型：懸浮微粒、沿面、固體絕緣內(nèi)部氣隙、尖刺放電，各缺陷的設(shè)計(jì)參數(shù)及所采集的UHF信號(hào)分別如圖2、圖3所示。

2 試驗(yàn)過(guò)程與結(jié)果

(a)懸浮微粒放電(b)沿面放電(c)內(nèi)部氣隙放電(d)油中尖刺放電

圖2變壓器典型絕緣缺陷模型

(a)懸浮微粒TRPD信號(hào)(b)沿面放電TRPD信號(hào)(c)內(nèi)部氣隙放電TRPD信號(hào)(d)尖刺放電TRPD信號(hào)

圖3典型缺陷下UHF PD信號(hào)

試驗(yàn)中，首先檢測(cè)未放置任何缺陷下，試驗(yàn)裝置的起始放電電壓，保證整個(gè)試驗(yàn)過(guò)程中試品上所加電壓低于此值；其次通過(guò)逐步升壓法[5]采集起始放電階段、放電穩(wěn)定階段、臨近擊穿或閃絡(luò)階段的局部放電信號(hào)。以50個(gè)工頻周期(1 s)為一個(gè)數(shù)據(jù)樣本，示波器的采樣率為50 MS/s，并對(duì)采集的數(shù)據(jù)進(jìn)行了2778∶1的重采樣，即每20 ms采集360個(gè)數(shù)據(jù)點(diǎn)。選取典型的三維譜圖如圖4所示。

(a)懸浮微粒放電PD圖譜(b)沿面放電PD圖譜(c)固體氣隙放電PD圖譜(d)尖刺放電PD圖譜

圖4 4種典型絕緣缺陷下PD譜圖

圖中：pk表示峰值，“+”、“-”分別表示工頻相位的正負(fù)半周，由圖2中各種典型缺陷下獲得的圖譜知：

1) 懸浮微粒放電：整個(gè)工頻周期內(nèi)，放電次數(shù)和幅值分布具有很強(qiáng)的分散性和隨機(jī)性，放電無(wú)明顯的極性效應(yīng)。隨電壓升高放電信號(hào)幅值增大、放電次數(shù)增多，而譜圖形狀基本不變。

2) 沿面放電：正負(fù)半周的信號(hào)幅值相差不大，正負(fù)半周的放電都出現(xiàn)在電壓峰值附近，隨著電壓的升高，放電次數(shù)增多，信號(hào)幅值變化不明顯。

3)固體絕緣內(nèi)部氣隙放電：正負(fù)半周的放電幾乎同時(shí)產(chǎn)生，放電比較穩(wěn)定，譜圖形狀也比較相似。隨電壓的升高放電增強(qiáng)，脈沖幅值相應(yīng)增大，但其分布輪廓幾乎不變。

4)尖刺放電：放電首先出現(xiàn)在工頻負(fù)半周峰值附近，正半周無(wú)放電；隨著電壓的升高，正半周開(kāi)始出現(xiàn)少而幅值大的放電；再次升高電壓，正負(fù)半周的放電次數(shù)都有所增加，但正半周放電次數(shù)仍少于負(fù)半周，UHF信號(hào)平均幅值高于負(fù)半周。

3 特征計(jì)算

由于實(shí)際運(yùn)行的變壓器中，放電源與超高頻檢測(cè)點(diǎn)的位置關(guān)系對(duì)所檢測(cè)到的信號(hào)的幅值有很大影響，另外，由于所設(shè)計(jì)的超高頻傳感器的方向性以及變壓器絕緣的材料結(jié)構(gòu)等的影響，使得超高頻信號(hào)的絕對(duì)幅值很難直接應(yīng)用于變壓器運(yùn)行狀態(tài)的評(píng)估，因此，本文在特征提取工作中，為了削弱上述因素的影響，主要根據(jù)譜圖的形狀及分布的統(tǒng)計(jì)特征參數(shù)判別4種典型缺陷。所計(jì)算的特征參數(shù)如下：

(1)

(2)

(3)

(4)

其中：xi為分布橫坐標(biāo)的離散值；N為放電數(shù)目；μ為樣本均值；σ為標(biāo)準(zhǔn)差；pi為xi出現(xiàn)的概率。

4 BP神經(jīng)網(wǎng)絡(luò)判別

BP神經(jīng)網(wǎng)絡(luò)[8](back propagation artificial neural network，BPNN)是一種典型的多層前饋網(wǎng)絡(luò)，由輸入層、隱含層和輸出層構(gòu)成，層與層之間多為全部連接，同層的單元之間相互獨(dú)立。BPNN的基本思想是通過(guò)網(wǎng)絡(luò)輸出誤差的反向傳播訓(xùn)練網(wǎng)絡(luò)，不斷調(diào)整網(wǎng)絡(luò)的連接權(quán)值，從而使網(wǎng)絡(luò)最終的輸出誤差達(dá)到最小。因此，BPNN具有很好的非線(xiàn)性逼近和分類(lèi)能力。

本文通過(guò)試驗(yàn)，共采集4種缺陷下PD樣本318個(gè)，其中固體絕緣內(nèi)部氣隙放電樣本80組、尖刺放電樣本80組、懸浮微粒放電樣本88組、沿面放電樣本70組。隨機(jī)選取其中一半作為訓(xùn)練樣本，另外一半作為測(cè)試樣本。

(5)

表1 神經(jīng)網(wǎng)絡(luò)輸出編碼

表2 4種缺陷判別結(jié)果

式中：y為x歸一化后的輸出值，ymax、ymin為歸一化期望輸出的最大最小值，本文分別取+1、-1，x表示當(dāng)前集數(shù)據(jù)值，xmax、xmin分別表示整體樣本中的最大、最小值。

應(yīng)用Matlab設(shè)計(jì)了BP神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)的結(jié)構(gòu)NN (15，18，4)，即：輸入層設(shè)為15個(gè)結(jié)點(diǎn)對(duì)應(yīng)于15個(gè)特征量；隱含層為1層，18個(gè)隱含層結(jié)點(diǎn)，隱含層傳遞函數(shù)為Sigmoid型，輸出層設(shè)有4個(gè)結(jié)點(diǎn)，相應(yīng)的編碼見(jiàn)表1。

設(shè)置神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速率net.trainParam.lr為 0.01，BPNN判別結(jié)果如表2所示，計(jì)算得出對(duì)實(shí)驗(yàn)產(chǎn)生的樣本整體的準(zhǔn)確率達(dá)到98.77%，其中固體氣隙放電和沿面放電出現(xiàn)了誤判，主要是因?yàn)檫@兩類(lèi)穩(wěn)定放電時(shí)所產(chǎn)生的譜圖特征稍許相似的緣故。由于設(shè)計(jì)的缺陷比較典型，然而實(shí)際運(yùn)行的設(shè)備中的缺陷并非如此標(biāo)準(zhǔn)，因此文中的識(shí)別準(zhǔn)確率只能用于驗(yàn)證采用的特征提取和缺陷判別方法的可行性。在實(shí)際軟件開(kāi)發(fā)過(guò)程中，真實(shí)可靠的數(shù)據(jù)庫(kù)對(duì)于系統(tǒng)檢測(cè)和分析的效果是至關(guān)重要的。

5 結(jié)語(yǔ)

利用試驗(yàn)?zāi)M變壓器典型的絕緣缺陷，建立圖譜數(shù)據(jù)庫(kù)，分析了各種典型缺陷下的放電特征。通過(guò)觀察所采集的圖譜分布特點(diǎn)，提出采用偏斜度、陡峭度、互相關(guān)系數(shù)等統(tǒng)計(jì)參數(shù)為判別特征量，建立了BP神經(jīng)網(wǎng)絡(luò)PD判別系統(tǒng)。以所提取的特征，對(duì)所模擬的變壓器典型絕緣缺陷進(jìn)行測(cè)試，取得了較好的結(jié)果，驗(yàn)證了以此方法設(shè)計(jì)變壓器內(nèi)部PD判別系統(tǒng)的可行性。

[1 ] 趙煦,孟永鵬,成永紅,等.變壓器現(xiàn)場(chǎng)超高頻局部放電信號(hào)的時(shí)域特征分析 [J].西安交通大學(xué)學(xué)報(bào),2011,45(12):82-87.

[2 ] 汪可,楊麗君,廖瑞金,等.基于離散隱式馬爾科夫模型的局部放電模式識(shí)別 [J].電工技術(shù)學(xué)報(bào),2011,26(8):205-212.

[3 ] 趙曉輝,路秀麗,楊景剛,等.超高頻方法在變壓器局部放電檢測(cè)中的應(yīng)用 [J].高電壓技術(shù),2007,33(8):111-114.

[4 ] 沈煜,阮羚,謝齊家,等.采用甚寬帶脈沖電流法的變壓器局部放電檢測(cè)技術(shù)現(xiàn)場(chǎng)應(yīng)用 [J].高電壓技術(shù),2011,37(4):937-943.

[5 ] 常文治,唐志國(guó),李成榕,等.變壓器局部放電UHF 信號(hào)傳播特性的仿真分析 [J].高電壓技術(shù),2009,35(7):1629-1635.

[6 ] 王頌,趙曉輝,方曉明,等.變壓器局部放電超高頻信號(hào)的外部檢測(cè) [J].高電壓技術(shù),2007,33(8):88-91.

[7 ] 高紅武,李劍,程昌奎,等.油紙屏障對(duì)變壓器局部放電超高頻檢測(cè)信號(hào)的影響 [J].高壓電器,2009,45(4):118-121.

[8 ] 周天春,楊麗君,廖瑞金,等. 基于局部放電因子向量和BP 神經(jīng)網(wǎng)絡(luò)的油紙絕緣老化狀況診斷 [J ].電工技術(shù)學(xué)報(bào),2010,25(10):18-23.

PartialDischargeRecognitionforPowerTransformersBasedonUHF

HEJinwu,XUYuan

(Sichuan Electric Power Corporation Mianyang Branch, Mianyang 621000, China)

Partial discharge is an important feature of the characterization of transformer insulating state, but it also causes further deterioration of insulation. According to typical internal insulation defects, four kinds of defect modeles are designed, including Corona, suspended particulates, surface discharge and air gap in solid insulating material, the discharge spectra is obtained by UHF method. Features of discharge spectra are calculated by statistical theory, and with a BP neural network classifier to recognize PD signal, good result is achieved..

partial discharge(PD); ultra frequency(UHF); typical insulation defect; feature extraction; neural network

2013-05-15

何金武(1967- )，男(漢族)，四川綿陽(yáng)人，高級(jí)工程師，學(xué)士，研究方向：高電壓技術(shù)運(yùn)用。

TM855

A

2095-5383(2013)02-0050-03