基于相位分辨統計技術的局部放電類型分析

王鳳林，楊俊英，孫煥均

（國網天津市電力公司武清供電分公司，天津 301700）

1 引言

局部放電是絕緣與導體之間發生的不完全放電，不同的局部放電類型對絕緣性能的影響不同。對局部放電類型進行分類和分析對于評價放電的危害性具有重要意義，在現場也有助于檢修人員對電力設備缺陷的排查[1]。

檢修人員一般通過局放測量儀獲取被測電力設備（如GIS、電纜和開關柜）的相位分辨數據，其基本參數包括相位角φ,局放電荷大小q和局放脈沖數n，相位分辨數據通常采用（φ-q）和（φ-n）的組合并以圖譜方式顯示給檢修人員，檢修人員可以通過圖譜中脈沖的相位特征來分析是否存在局部放電，但對進一步分析局部放電類型缺乏分析依據[2]。

大量的局部放電檢測結果表明，不同局放類型的相位分辨數據所生成的（φ-q）和（φ-n）圖譜分布具有不同的對稱程度和方向，根據這個特點，本文將引入分布統計中偏度和峰度作為局部放電相位分辨數據的重要統計參量，用于判定相位分辨數據分布的不對稱程度以及方向，計算方法如下文所示[3][4]。

2 相位分辨數據的統計參量的計算方法

2.1 （φ-q）相位分辨數據統計參量的計算方法

圖1 （φ-q）相位分辨數據統計分析示意圖

局部放電的脈沖周期與電網工頻周期對應，每個周期包含0-360度相位角，局放測量儀將0-360度相位角劃分成一定數量的相位窗數，并在每個相位窗數上記錄當前窗的脈沖幅值，生成（φ-q）相位分辨數據,以相位角φ為橫軸，以局放電荷幅值q為縱軸，可以生成（φ-q）二維圖譜[5]。如果對多個工頻周期的局放數據進行累計觀測，則采用相位窗口幅值平均值Hqn（φ）作為（φ-q）二維圖譜相位窗口的幅值。對于單個缺陷，（φ-q）相位分辨數據分布均可以用正態分布來描述，其偏度和峰度統計參賽量如公式（1）和公式（2）所示[6][7]。

其中：

Vi為各個相位窗口的局放幅值Hqn（φ）；

m為局放幅值Hqn（φ）的平均值，可參考公式（3）[6]；

σ為局放幅值Hqn（φ）的標準差。

偏度和峰度是參照正態分布來評價的，偏度是局放相位分辨數據對稱性程度指標，Sk=0表示其數據分布形態與正態分布的偏斜程度相同；Sk＞0表示其數據分布形態與正態分布相比為右偏，數據右端有較多的極端值；Sk＜0表示其數據分布形態與正態分布相比為左偏，數據左端有較多的極端值。偏度的絕對值數值越大表示其分布形態的偏斜程度越大。

峰度是局放相位分辨數據分布尖銳程度指標，Ku=0表示該總體數據分布與正態分布的陡緩程度相同；Ku＞0表示該總體數據分布與正態分布相比較為陡峭；Ku＜0表示該總體數據分布與正態分布相比較為平坦。峰度的絕對值數值越大表示其分布形態的陡緩程度與正態分布的差異程度越大。

2.2 相位分辨數據統計參量計算方法

圖2 （φ-n）相位分辨數據統計分析示意圖

局放測量儀在每個相位窗數上記錄當前窗累計的脈沖數量，生成（φ-n）相位分辨數據,以相位角φ為橫軸，以累計的局放脈沖數n為縱軸，可以生成（φ-n）二維圖譜。

（φ-n）相位分辨數據分布偏度和峰度的計算可參考公式（1）和公式（2），其中Vi為各個相位窗口的局放脈沖累計值n，m為各個相位窗口的局放脈沖累計值n的平均值，σ為局放幅值各個相位窗口的局放脈沖累計值n的標準差。

圖3

3 相位分辨數據的統計參量實例計算分析

為了驗證分布統計參量偏度和峰度對于分析局放類型具有較大價值的判斷依據，本文將從已知局放類型和未知局放類型的相位分辨數據中計算出偏度和峰度值，并通過數值和圖譜比較，推斷出未知局放類型的相位分辨數據所屬的局放類型。

已知局放類型的相位分辨數據包括氣隙放電、沿面放電、電暈放電三種局放類型，未知局放類型的相位分辨數據有三個，分別是數據1，數據2，數據3。

3.1 （φ-q）相位分辨數據統計參數實例計算

圖3為已知和未知放類型相位分辨數據的（φ-q）局圖，其數據經過計算，其統計參量偏度和峰度值如表1所示，其中H代表0-180度正半周相位窗口幅值平均值代表180-360度負半周相位窗口幅值平均值。

表1 局部放電（φ-n）相位分辨數據統計參量計算值

3.2 （φ-n）相位分辨數據統計參數實例計算

圖4為已知和未知局放類型相位分辨數據的（φ-n）圖，其數據經過計算，其統計參量偏度和峰度值如表2所示，其中n+（φ）代表0-180度正半周相位窗口累計脈沖數，n-（φ）代表180-360度負半周相位窗口累計脈沖數。

表2 局部放電（φ-n）相位分辨數據統計參量計算值

3.3 局放數據的統計參數實例分析

本文將所計算出的相位分辨數據統計參量值，以圖表的形式表示并進行交叉比較分析，如圖5,圖6所示。

交叉比較分析結果如下：

①從圖5（a）和圖6（a）可知，數據3的統計參量曲線與氣隙放電的相位數據統計參量曲線相近，因此可較為確定推測數據3為氣隙放電；

②從圖 5（a）（b）和圖 6（a）（b）可知數據 2 的統計參量曲線與氣隙和沿面的放電的相位數據的統計參量曲線相近，因此可推測數據2可能是氣隙放電或沿面放電中的一種，其中是氣隙放電的概率更大；

圖4

圖5 相位分辨數據的統計參量比較圖

圖6 相位分辨數據的統計參量比較圖

③從圖5（b）和圖6（b）可知，數據1的統計參量與氣隙放電的相位數據的統計參量相近，因此可較為確定推測數據1的放電類型為沿面放電；

④從圖5和圖6可知，數據1、數據2和數據3的統計參量曲線均與電暈放電的相位數據統計參量相差較大，所以數據1，數據2和數據3均可確定不是電暈放電類型。

分析結果與數據1、數據2及數據3的實際所屬放電類型一致。

4 結論

①上文的分析結果表明采用分布統計技術進一步處理和的相位分辨數據，能為分析和判斷局部放電類型提供有價值判斷依據。

②僅僅采用分布統計技術還不能完全實現局部放電類型的自動分析和判斷，但由本文提出和的相位分辨數據偏度和峰度統計參量計算方法，其結果可以作為人工智能算法（如神經網絡算法）處理的重要特征參數，得到進一步的分析和處理。