采用高階累積量的環網柜局部放電在線檢測

楊凱， 樊真， 張認成， 楊建紅， 趙尚程， 陳首虹

(華僑大學 機電及自動化學院， 福建 廈門 361021)

?

采用高階累積量的環網柜局部放電在線檢測

楊凱， 樊真， 張認成， 楊建紅， 趙尚程， 陳首虹

(華僑大學 機電及自動化學院， 福建 廈門 361021)

摘要：根據環網柜的絕緣缺陷，設計3種典型的局部放電模型，搭建局部放電試驗平臺.借助射頻電流傳感器獲取局部放電混合信號，經過放大和高速A/D采樣后，將信號送入微型計算機進行處理.采用四階累積量作為局部放電特征量，抑制隨機噪聲干擾，提高信噪比.通過Otsu算法確定檢測判據，實現局部放電的在線檢測.將檢測算法移植到現場可編程門陣列(FPGA)上，研發環網柜局部放電在線檢測裝置.試驗結果表明：該裝置能夠適應較強的噪聲環境，且具有良好的實時檢測效果.

關鍵詞：局部放電； 高階累積量； 環網柜； 放電模型； 現場可編程門陣列； 在線檢測

環網柜作為環網運行方式中的重要設備，其安全可靠性直接影響到供電系統的正常運行[1].據統計，絕緣性故障位居環網柜各類故障發生率之首，而局部放電(PD)是環網柜絕緣故障的重要征兆和表現形式[2-3].因此，對環網柜局部放電實時監測,可及時掌握環網柜的工作狀態，避免發生安全事故.現有的環網柜局部放電檢測方法包括小波分析、數學形態濾波和獨立分量分析等.對于高斯信號，采用小波將局部放電信號進行不同尺度地分解，對小波系數進行處理，從而抑制白噪聲[4-5].對于非高斯信號，采用基于最小均方算法構造自適應的形態開、閉組合形態濾波器，降低局部放電中的周期性干擾的影響[6].還可根據局部放電與噪聲的相互獨立性，運用獨立量分析方法，從混合信號中分離出單一的局部放電，恢復出局部放電的重要特征信息[7].這些方法基于離線分析,在提取局部放電信號、降低噪聲干擾上取得了一定成效.然而，開發小型在線檢測裝置還有待進一步研究.本文將高階累積量作為局部放電特征量，設計了局部放電在線檢測算法，并移植到FPGA上，研發了一種在線檢測裝置.

1實驗部分

1.1　試驗平臺的建立

根據環網柜局部放電檢測要求，試驗平臺應能模擬不同工況下環網柜的局部放電試驗.該平臺主要由待測品、標準測量系統、數據采集分析系統和FPGA開發系統等部分組成,其原理如圖1所示.

圖1　試驗平臺原理Fig.1　Principle of experiment platform

待測品包括故障環網柜和放電模型.通過研究環網柜內部結構及其工作情形發現，環網柜內引起局部放電故障的主要缺陷有高壓母線連接處接觸不良、柜內表面存在金屬毛刺、柜內帶有可移動的金屬微粒、絕緣體內部制造缺陷等.將這些故障進行模擬近似后，設計并制作了針板模型、內部缺陷模型和懸浮電極模型，可用于模擬電暈放電、內部放電和懸浮放電等.試驗過程中，高壓施加在模型兩端，模型結構及詳細尺寸,如圖2所示.

(a) 針板模型　　　　(b) 內部缺陷模型　　　(c) 懸浮電極模型圖2　典型放電模型(單位：mm)Fig.2　Typical discharge model (unit：mm)

1.2　局部放電試驗

按照圖1所示接線，通過升壓控制臺調節施加電壓，從零開始逐漸升高電壓，直至從局放儀上觀測到明顯的局部放電量.利用PXI高速數據采集系統,以20 MHz的采樣頻率采集試驗過程中的局部放電信號，并記錄局放儀上顯示的放電量，如表1所示.

表1　三種模型和環網柜的局部放電

不同放電模型產生明顯局部放電的電壓也有所不同.其中，針板模型在電壓達到5 kV時開始產生局部放電，隨電壓的升高，局放量急劇增加；內部缺陷模型在電壓達到4 kV時開始產生局部放電，而從4 kV升高至9 kV時局放量增幅緩慢；懸浮電極模型在2 kV左右就產生了一定的局放量，至3 kV時急劇增加，然而隨著電壓的升高，放電量的增幅卻變得比較緩慢；故障環網柜在1 kV時就有少量的局放，當達到6 kV后迅猛增大.由于引起局部放電的缺陷情況不一樣，不同電壓下聚集在放電電極兩端的電荷量也會不一致，再加上場強分布不均勻，因此，各情況下的局放量也有較大差別.

在局部放電試驗過程中，采集的典型局部放電波形，如圖3所示.混合信號中包含有較強的隨機噪聲，看不到明顯的局部放電特征，難以直接檢測出局部放電故障.這些噪聲包括線路噪聲、熱噪聲和環網柜內部隨機干擾等，它們接近于高斯分布.為了有效地抑制噪聲干擾并實現實時檢測，可引入統計量分析方法，從理論上講，對于有色噪聲，二階統計量是敏感的，它難以分離原始信號和背景噪聲.因此,文中采用高階累積量的方法檢測局部放電.

(a) 針板模型在7 kV時 (b) 內部缺陷模型在10 kV時

(c) 懸浮電極模型在3 kV時 (d) 故障環網柜在5 kV時圖3　局部放電波形Fig.3　Waveform of partial discharge

2高階累積量的降噪原理

對于高斯信號，其統計特性可用其均值(一階矩)和方差(二階矩)完整描述；但對于非高斯信號，需要用更高階的統計量才能完整描述其統計特性，而且高階累積量對未知譜特性的高斯噪聲具有良好的抑制效果.對隨機向量s=[s1,s2,…,sl]T,l=1,2,…，其聯合特征函數定義為

式(1)中:ωl為角頻率.s的r階矩和累積量分別定義為

式(2)～(3)中：r=r1+r2+…+rl.

假設隨機噪聲z服從高斯分布N(0，σ2)，其中，σ2為z的方差.由式(2)，(3)計算可得,各階矩m1，m2，…，m8分別為0，σ2，0，3σ4，0，16σ6，0，105σ8.各階累積量c1，c2，…，c8分別為0，σ2，0，0，0，0，0，0.從以上計算可發現，高于二階的z的矩不一定為0，而高于二階的z的累積量恒等于0.因此,高階累積量能夠較好地消除高斯噪聲的影響.

局部放電信號通常用4種數學模型描述，分別為單指數衰減函數(SEAW)、雙指數衰減函數(DEAW)、單指數衰減振蕩函數(SEAOW)和雙指數衰減振蕩函數(DEAOW)[8]，其數學表達式為

式(4)中:τ為衰減系數;A為局部放電脈沖幅值;f0為振蕩頻率.

選擇式(4)所列4種數學模型構成局部放電的模擬信號，其中包含4個不同的局部放電波形，通過加入隨機噪聲得到混合信號，分析混合信號的四階累積量，如圖4所示.圖4中：C表示累積量.由圖4可知：四階累積量能夠有效地抑制了隨機噪聲，恢復了混合信號中原始局放信號的特征.

(a) 原始信號 (b) 混合信號 (c) 混合信號的四階累積量圖4　模擬的局部放電信號分析Fig.4　Analysis of simulative partial discharge signal

3局部放電的在線檢測方法

3.1　特征信號的提取

雖然高階累積量可以消除高斯噪聲，但當階數太高時,運算量大，在實際應用中須盡可能降低階數.對于傳感器實測的環網柜局部放電混合信號，先進行零均值化處理，分析混合信號的各階統計量.對于零均值信號,有c3=m3.在環網柜有局放和無局放情況下,實測信號的三階和四階矩及累積量的計算結果,如圖5所示.圖5中：C表示累積量.由圖5可知:在計算無局放和有局放的統計量時，除四階累積量外，均產生一定程度的混疊，難以有效地提取混合信號中局部放電的特征信息.因此，可將四階累積量作為局放特征量.

采用移動時間窗計算信號的四階累積量，移動原理如表2所示.每移動一個采樣點，就計算一次窗內數據的累積量.由于窗長度L的選擇會影響計算結果，因此,選用計算后信號的信噪比(signal to noise ratio,SNR)和脈沖數(pulse number，PN)作為評價指標來選擇合理的L，使SNR和PN達到最大.經過對比計算大量的局部放電數據，得出L與歸一化后的信噪比和脈沖數的關系,如圖6所示.由圖6可知:L=32為最佳值.

圖6　評價指標變化曲線Fig.6　Changing curves of the evaluation index

計算次序時間窗內采樣點1x1 x2 x3 … xL2x2 x3 x4 … xL+1??nxn xn+1 xn+2 … xn+L-1

3.2　在線檢測算法

由式(3)可知:在四階累積量的計算過程中,存在四次方運算，計算量較大，對檢測裝置的硬件要求較高.為了保證實時檢測并兼顧裝置的性價比，采用近似遞推公式[9]計算四階累積量，即

式(5)中:k為計算次序;0≤β<1，稱為遺忘因子.

那么，當前時刻四階累積量的計算可由前一時刻的累積量加上修正值實現，大大減少了運算量，便于環網柜局部放電的在線檢測.

最大類間方差法(Otsu)[10]在圖像分割方面獲得了廣泛應用，對放電模型及環網柜進行大量試驗，借鑒其分割思想，以確定局部放電的識別閾值，計算公式為

式(6)中:w0為噪聲比例;u0為噪聲均值;w1為局部放電信號比例;u1為局部放電信號均值;u為混合信號均值.

從0到最大幅值,以步長0.1選取t，分別計算w0,u0,w1,u1和a.當a達到最大時，即為最佳識別閾值.所求最佳識別閾值a=3.6時,放電模型和環網柜局部放電檢測結果,如圖7所示.由圖7可知：該檢測算法對較強的噪聲具有良好的抑制作用，能大幅度提高信噪比，實現局部放電在線檢測.

(a) 針板模型原始 (b) 針板模型處理后 (c) 內部缺陷模型原始

(d) 內部缺陷模型處理后 (e) 懸浮電極模型原始 (f) 懸浮電極模型處理后

(g) 故障環網柜局放原始 (h) 故障環網柜局放處理后圖7　局部放電檢測結果信號Fig.7　Detection result signals of partial discharge

4基于FPGA在線檢測裝置的研發

為了滿足環網柜局部放電在線檢測和裝置的安裝要求，選用Xilinx公司的Spartan-6系列FPGA的XC6SLX16-FTG256作為核心處理器.

FPGA內部四階累積量算法的運算示意圖，如圖8所示.x4(k)是輸入信號，前一級基本模塊的輸出作為到下一級基本模塊的輸入，將32個基本模塊串聯，構成了四階累積量遞推算法的頂層模塊，所有模塊共用一個時鐘.文中算法采用了流水線的運算方式，在經過32個啟動時鐘后,每個時鐘周期都能輸出一個新的累積量值.

局部放電在線檢測裝置結構緊湊，可安裝于環網柜內部.通過Modelsim軟件讀取FPGA處理信號的結果，如圖9所示.混合信號通過FPGA在線檢測裝置后，較強的噪聲得到了極大地降低，局部放電信號被有效地提取出來，達到了預期的在線檢測效果.綜上所述，所研發的在線檢測裝置對環網柜局部放電具有良好的識別效果.

圖8　四階累積量算法示意圖 圖9　算法調試結果　　　Fig.8　Diagram of fourth-order cumulants Fig.9　Algorithm debugging results

5結論

1) 通過遞推算法計算四階累積量，提取了混合信號中局部放電特征量，所設計的在線檢測算法既能減少運算量，提高信號處理速度，又能保證抑制混合信號中未知譜特性的高斯噪聲的干擾.

2) 基于FPGA的環網柜局部放電在線檢測裝置,能適應較強噪聲環境下局部放電的在線檢測，系統實時檢測效果良好.

參考文獻：

[1]胡秋野,楊世春,歐景茹.論環網柜在城市電網中的應用[J].高電壓技術,2004,30(增刊1):8-9.

[2]DING Dengwei,GAO Wensheng,YAO Senjing,et al.Analysis of excitation characteristics of ultra high frequency electromagnetic waves induced by PD in GIS[J].High Voltage Engineering,2013,39(8):1893-1901.

[3]岳森.10 kV環網柜的常見問題分析及對策[J].電氣時代,2014(2):52-53.

[4]LI Jian,JIANG Tianyan,GRZYBOWSKI S,et al.Scale dependent wavelet selection for de-noising of partial discharge detection[J].IEEE Transactions on Dielectrics and Electrical Insulation,2010,17(6):1705-1714.

[5]DEY D,CHATTERJEE B,CHAKRAVORTI S,et al.Cross-wavelet transform as a new paradigm for feature extraction from noisy partial discharge pulses[J].IEEE Transactions on Dielectrics and Electrical Insulation,2010,17(1):157-166.

[6]劉云鵬,律方成,李成榕,等.基于數學形態濾波器抑制局部放電窄帶周期性干擾的研究[J].中國電機工程學報,2004,24(3):169-173.

[7]楊凱,張認成,楊建紅,等.基于頻率約束獨立分量分析的開關柜局部放電故障識別[J].高電壓技術,2014,40(11):3452-3460.

[8]李立學,黃成軍,曾奕,等.GIS局部放電信號超高頻包絡檢波電路的研制[J].高壓電器,2008,44(5):406-408.

[9]郭業才,趙俊渭,陳華偉.基于四階累積量極性迭代的自適應動態譜線增強快速算法[J].兵工學報,2004,25(2):171-174.

[10]CHEN Zhongshan,TU Yan.Improved image segmentation algorithm based on OTSU algorithm[J].International Journal of Advancements in Computing Technology,2012,4(15):206-215.

(責任編輯： 黃曉楠英文審校： 楊建紅)

On-Line Partial Discharge Detection of Ring Main Unit

Using Higher-Order Cumulants

YANG Kai, FAN Zhen, ZHANG Rencheng, YANG Jianhong,

ZHAO Shangcheng, CHEN Shouhong

(College of Mechanical Engineering and Automation, Huaqiao University, Xiamen 361021, China)

Abstract：According to the insulation defects of ring main unit, three kinds of typical partial discharge (PD) models were designed, and the PD test platform was built. With used radio frequency current sensor to obtain the mixed PD signals, and the signals were sent to a microcomputer for processing after amplification and high-speed A/D sampling. Then, fourth-order cumulants were used as PD characteristic to suppress the random noise. Meanwhile, the signal to noise ratio (SNR) was improved. Detection criterion was determined by the Otsu algorithm in order to realize the on-line PD detection. The detection algorithm was transplanted to the field-programmable gated array (FPGA) and an on-line PD detection device for ring main unit was developed. The experimental results showed that the device could adapt to the strong noise environment, and had good effects of real-time detection.

Keywords：partial discharge; higher-order cumulants; ring main unit; discharge model; field programmable gate array; on-line detection

基金項目：福建省產學合作科技重大項目(2012H6013)； 福建省科技計劃重點項目(2013H0028)； 福建省泉州市科技計劃重點項目(2014Z114)

通信作者：張認成(1961-)，男，教授，博士，主要從事機電系統安全檢測技術及儀器的研究.E-mail:phzzrc@hqu.edu.cn.

收稿日期：2015-03-09

中圖分類號：TM 835

文獻標志碼：A

doi:10.11830/ISSN.1000-5013.2016.01.0021

文章編號：1000-5013(2016)01-0021-06