局部放電識別和X射線檢測GIS故障研究

郭鐵橋，于虹，劉澤坤，2

(1.華北電力大學能源動力與機械工程學院，河北 保定 071000；2.華北電力大學云南電網公司研究生工作站，昆明 650217；3.云南電網責任有限公司電力科學研究院，昆明 650217)

局部放電識別和X射線檢測GIS故障研究

郭鐵橋1，于虹3，劉澤坤1，2

(1.華北電力大學能源動力與機械工程學院，河北 保定 071000；2.華北電力大學云南電網公司研究生工作站，昆明 650217；3.云南電網責任有限公司電力科學研究院，昆明 650217)

對GIS設置了四種典型缺陷，用基于動態粒子群算法 (DPSO)優化的BP網絡對其局放圖譜進行識別，能較高效率地判斷出缺陷類型；用灰度信息圖像配準的方法對X射線數字圖像進行處理，可以直觀地辨別缺陷形態和位置。通過實驗與應用得出，先用局放圖譜識別出缺陷類型，再于可能出現故障位置進行X射線檢測，可顯著提高診斷的準確度和效率，并減少X射線單獨檢測因時間過長對工作人員的輻射傷害。

局放圖譜；BP網絡；X射線；圖像配準；GIS缺陷

0 前言

氣體絕緣開關設備 (GIS)以其可靠性高、占地面積小等優點，在電力系統中得到廣泛的應用，是確保電力系統安全穩定運行的重要因素[1]。

局部放電 (PD)檢測是常用的GIS故障診斷方法。用神經網絡分類器對PD進行模式識別，可提高識別的可靠性和實用性。通過粒子群算法(DPSO)優化BP神經網絡能夠有效克服BP算法的學習速度慢，對網絡參數設置敏感的缺陷，同時保留BP神經網絡良好的泛化能力和容錯能力[2-3]。

X射線數字成像檢測技術已經成功應用于電力設備狀態檢修當中，其可以在不斷電、不拆卸的情況下直觀的判斷設備的缺陷類型和位置，具有便攜、實時、快速、數字化、直觀等的優點[4]。文中用基于灰度信息的圖像配準方法對X射線數字成像技術的圖像進行優化，可以做到不受噪聲干擾、快速定位異物及其他缺陷的目的。但是對于一些外觀表征不明顯的缺陷，X射線檢測有一定的局限性。同時，X射線檢測方法需要的檢測時間是十分漫長的，這會給檢測人員的健康帶來一定影響。所以文中結合基于DPSO-BP網絡的GIS典型缺陷局放信號識別和基于灰度信息圖像配準的X射線檢測技術，對缺陷類型進行確認，并得出具體位置和形態。

1 DPSO-BP

1.1 BP神經網絡

BP算法的學習規則以最小均方誤差為準則。設學習樣本有P個，則對應的樣本輸出矢量為d(1)，d(2)，...d(p)，學習的過程就是通過誤差校正和權值調整，使各y(p)接近d(p)。當第P個樣本輸入網絡時產生多個輸出，均方誤差應該是樣本P產生的各個輸出誤差的平方之和，即

那么P個樣本產生的誤差總和為：

每層的權值和閾值根據以下公式進行修正：

其中，n代表迭代次數；EA(n)是第n次迭代神經網絡的輸出總誤差；g( n)是誤差的梯度向量，負號表示梯度的下降方向；x( n)是第n次迭代連接權值 (閾值)；α是訓練時的學習常數。

1.2 粒子群算法 (PSO)

1)PSO算法原理

PSO算法首先確定一個N維的解空間D，在空間D中用隨機函數初始化一組粒子X1，X2，X3......Xm，每個粒子的初始移動速度為 V1，V2，V3......Vm，第 i個粒子表示為 Xi=Xi1，Xi2，...Xin，其速度為Vi=Vi1，Vi2，......Vin，將Xi帶入目標函數可計算出其適應值。第i個粒子搜索到的最好位置為整個粒子群搜索到的最優位置為Pg=，整個粒子群通過粒子速度和位置的更新來搜索整個狀態空間，粒子的移動速度和位置通過下面公式來調整。

式中，i=1，2，......，m；其中m是群體中粒子的總數。d=1，2，......，n，n為解空間的維數，即自變量的個數。r1，r2是隨機生成的量，取值范圍 [0，1]。

為使粒子搜索方向的調整更加靈活，在公式(5)中引入慣性權重，稱為慣性權重粒子群優化算法 (WPSO)，其速度調整公式如下：

對慣性權重的值進行動態調整：

式中，tmax是算法的最大迭代次數，t為算法當前迭代次數，wmax為算法迭代開始時慣性權重的取值，wmin為算法達到最大迭代次數時慣性權重的取值。動態調整慣性權重的粒子群算法稱為動態粒子群算法DPSO。

1.3 DPSO算法優化BP神經網絡

計算過程如下：

2 灰度信息統計的圖像配準方法

假設原采集圖像為R，數字減影獲取的缺陷圖像為S，R大小為m×n，S大小為M×N，以參考圖像R疊放在待配準圖像S上平移，參考圖像覆蓋被搜索的那塊區域叫子圖 Sij。搜索范圍是：

基于灰度統計的圖像配準方法要求參考圖像和待匹配圖像具有相似的尺度和灰度信息，計算每個位置處參考圖像和待匹配圖像的互相關。互相關最大的位置就是參考圖像中與待匹配圖像相應的位置。

常用的互相關計算公式有如下：

3 分析結果

3.1 GIS典型缺陷局放信號識別

本文氣體絕緣組合電器 (GIS)上設置了四種常見缺陷類型：高壓導桿上尖端、地電極尖端、懸浮電位、盆式絕緣子上金屬微粒 (分別用G、D、X、P表示)。

用脈沖電流法檢測得到了四種陷類型的局部放電圖譜，并結合DPSO-BP神經網絡對圖譜信號進行了識別。放電圖譜及識別結果如圖1所示：

圖2 局部放電圖譜和識別結果

除此，文中還用傳統的BP、PSO-BP方法對四種典型缺陷的局部放電圖譜進行了識別，三種方法的識別結果對比如表1所示。

表1 三種算法對缺陷識別準確率的比較

三種算法的平均準確率分別為 75.25%、73.00%、82.25%，可以看出，DPSO-BP算法對四種缺陷的識別效果良好，平均識別率超過了80%，對比其他兩種算法識別率有了明顯提高。

3.2 X射線數字成像缺陷檢測

本文采集了GIS中地電極尖端放電、高壓導桿尖端、懸浮電位、盆式絕緣子放電四種缺陷數據進行X射線無損檢測實驗，并用灰度信息統計的圖像配準方法對圖像進行了處理。文中研究的算法可以在GIS的X射線圖像中定位缺陷位置，與局部放電圖譜識別技術形成有效的互補，提高GIS的故障診斷準確率。

4 應用實例

110 kV六庫中心變電站是怒江供電有限公司所屬樞紐變電站，值班人員在GIS室巡視時聽到古六老線間隔110 kV GIS發出間歇性的、較大的異響。采用了文中所述方法對其進行現場檢測，首先用超聲檢測法采集局部放電數據，并用DPSO-BP網絡方法進行識別。

某中心變GIS的缺陷類型為懸浮電位，現場對可能出現懸浮電位絕緣體和導桿位置進行了X射線圖像采集，由于絕緣子斷裂和出線導桿傾斜，造成局部放電異常，屬于懸浮缺陷，缺陷的形態和位置可以清晰的看到，也證明了局放圖譜識別方法分析正確。

5 結束語

1)將DPSO-BP網絡算法應用于GIS缺陷局部放電圖譜識別。從識別效果上看，DPSO-BP比PSO-BP和傳統的BP算法有明顯優勢。

2)基于灰度信息配準的X射線檢測方法可以清晰準確的判斷GIS設備缺陷類型和位置信息。

3)文中首先用DPSO-BP算法通過局放識別對GIS缺陷進行預判斷，然后在可能出現故障的位置用基于灰度信息配準的X射線檢測方法進行缺陷形態和位置信息的確認，這樣可以節約時間，提高搶修效率，也可減少X射線單獨檢測因時間過長對工人身體健康的影響。

[1] 王天健.GIS局部放電檢測與故障診斷 [D].北京：北京交通大學，2010.

[2] 但小容，王瑞，楊莉.基于人工神經網絡的模式識別[J].圖教育技術導刊，2007(3)：87～89.

[3] 紀震，廖惠連，吳青華.粒子群算法及應用 [M].北京：科學出版社，2009.

[4] 于虹，魏杰，王達達，等.X射線數字成像DR檢測技術在電力設備狀態檢修中的應用 [C].全國輸變電設備狀態檢修技術交流研討會，2011.

[5] 高凱，倪浩，司文榮.GIS局部放電檢測及其波形特征分析 [J].華東電力，2010，38(10)：1512-1517.

[6] 侍海軍，王光前，張少炎.GIS現場絕緣試驗技術 [J].高壓電器，2005，41(1)：55-58.

[7] 王曉蓉，楊敏中，董明，等.基于神經網絡的局部放電脈沖特征參數選擇方法 [J].電工技術學報，2002，17 (3)：72～76.

于虹，女，博士，高級工程師，云南電網公司電力研究院，從事在線監測與故障診斷、狀態評估方向的研究。

劉澤坤，男，碩士研究生，華北電力大學云南電科院研究生工作站，從事在線監測與故障診斷、狀態評估方向的研究 (email)598128554＠qq.com。

Research on Fault Diagnosis Method of GIS Based on Partial Discharge Recognition of BP Network and X-ray Detection

GUO Tieqiao1，YU Hong3，LIU Zekun1，2
(1 Department of Mechanical Engineering，North China Electric Power University，Baoding，Hebei 071003，China；2 Graduate Workstation of North China Electric Power University，Yunnan Power Grid Corporation，Kunming 650217，China；3 Yunnan Electric Power Research Institute，Kunming 650217，China)

In this paper，one method of DPSO optimized BP network has been applied to recognize partial discharge diagram of GIS four typical defects pre-set.It can judge the defects type more efficiently.X-ray testing technology，based on gray scale image registration can visually identify defect type and location.Through the analysis of the experiment and application，identifying the defects type by partial discharge map firstly，and then testing by X-ray at the possible failure locations，can improve the diagnosis efficiency and accuracy significantly，and reduce the X-ray radiation damage to the staff because of detection alone using too much time.

PD diagram；BP network；X-ray；image registration；GIS faults

TM80

B

1006-7345(2015)04-0005-04

2015-03-14

郭鐵橋，男，副教授，華北電力大學，從事在線監測與故障診斷方向的研究 (e-mail)gtq1958＠163.com。