高壓輸電線路絕緣子工況評估模型及仿真研究

李 毅，唐德東，石 巖

（重慶科技學院 電氣工程學院，重慶 401331）

0 引言

絕緣子的污閃是高壓輸電線路普遍存在的問題，其原因是大氣中的塵埃沉積到絕緣子表面遇到各種天氣因素，塵埃受潮后形成一層薄薄的導電層，它能使絕緣子水平發(fā)生災難性的下降，進而造成輸電線路事故。近年來，由于中國經(jīng)濟的快速發(fā)展，導致輸電電壓持續(xù)升高和環(huán)境問題日益惡化，從而使輸電線路污閃問題已日趨嚴重，現(xiàn)已發(fā)展成為僅次于雷擊之后的輸電線路事故“肇事者”。

污閃構(gòu)成對輸電線路安全運行的嚴重威脅，且作為選擇絕緣水平的決定性因素，這已成為國內(nèi)外專家的一致共識[1]。電力部門高度重視，積極采取了相關(guān)防范措施。但是電力部門采用的常規(guī)防污手段，如定期清掃和調(diào)整設備爬距等具有盲目性和欠合理性等缺點。正在發(fā)展的特高壓輸電線路若繼續(xù)采用常規(guī)的防污手段必將造成人力和經(jīng)濟上的更大浪費。只有建立更加科學的絕緣子工況在線監(jiān)測體系，才能合理地確定清掃周期或是否調(diào)整爬距，避免盲目浪費。

1 絕緣工況間接評估原理

國內(nèi)外大量研究表明，輸電線路絕緣子的絕緣工況與流經(jīng)其表面的泄漏電流有密切聯(lián)系，且其兩者之間呈近似線性反比的關(guān)系[1,2]。一般認為，當單片懸式絕緣子的泄漏電流幅值在0mA～25mA之間時，可以認為絕緣子為絕緣良好狀態(tài)[1]，或根據(jù)《國家電網(wǎng)公司DL/T741-2010架空輸電線路運行規(guī)程》的相關(guān)規(guī)定，電壓等級在500kV及以上的輸電線路絕緣電阻不小于500MΩ（28片絕緣子組合成串）也能被認為是絕緣良好狀態(tài)。此外，還有絕緣合格（300MΩ～500MΩ），絕緣低值（240MΩ～300MΩ），零值絕緣（小于240MΩ）等絕緣子工況。

但在實際工程中，不論是絕緣電阻還是泄漏電流都不便于不停電測量或直接測量?？紤]到保證特高壓輸電線路的供電可靠性，實現(xiàn)泄漏電流的間接測量進而評估絕緣子的絕緣工況就顯得尤為重要和高效。

絕緣子工況間接評估，即根據(jù)電力部門大量的歷史運行數(shù)據(jù)，利用MATLAB人工神經(jīng)網(wǎng)絡來擬合絕緣子的作用電壓U、鹽密ρESDD和環(huán)境相對濕度RH與泄漏電流Ih之間的復雜非線性關(guān)系，工程中利用這一關(guān)系，在掌握特定絕緣子的作用電壓U、鹽密ρESDD和環(huán)境相對濕度RH的前提下即可實現(xiàn)泄漏電流的間接測量，進而根據(jù)運行規(guī)程的相關(guān)規(guī)定即可評估絕緣子的絕緣工況。

該方法的前提條件是獲得大量的污穢實驗數(shù)據(jù)，同時神經(jīng)網(wǎng)絡的結(jié)構(gòu)和傳遞函數(shù)也影響評估的可信度，論文將在這兩個方面進行研究。

2 訓練數(shù)據(jù)的獲得與預處理

2.1 污穢實驗數(shù)據(jù)的獲取

實驗環(huán)境：試驗中大氣壓強保持不變（取試驗室所處大氣壓強975kPa），溫度取試驗時室內(nèi)溫度約26℃，在試驗過程中溫度變化控制在±2℃。

實驗裝備：選用懸式瓷絕緣子（FXB-10/70）為試品，在圖1所示試驗原理圖下進行。試品染污采用GB/T458522004 推薦的固體涂層法[3,4]。

實驗過程：首先，將按比例配制的染污液對4組試驗絕緣子分別進行均勻染污，然后將染污后的試驗絕緣子懸掛靜置24h，自然陰干，不可加熱與風干。然后，將陰干后的絕緣子逐個轉(zhuǎn)移至利用干燥劑和超聲波發(fā)霧器營造的人工霧室中進行試驗。試驗時迅速加壓至實驗電壓后，穩(wěn)定電壓3s～5s后即可記錄下圖1電路中精密電阻R1加壓后流經(jīng)的泄漏電流的前10個周期波形[3]。需要注意的是，實驗過程中要嚴格控制作用電壓，以保證實驗絕緣子不發(fā)生閃絡，其表面染污不被破壞。

圖1 人工污穢實驗裝置電氣原理圖Fig.1 Electrical schematic diagram of artificial contamination experiment device

表1 原始污穢實驗原始數(shù)據(jù)和歸一化數(shù)據(jù)對照表Table 1 Raw data and normalized data comparison tables for original contamination experiments

最后，污穢實驗所得實驗數(shù)據(jù)經(jīng)過波形分析后，即可得到對應實驗絕緣子在特定的溫濕度和作用電壓下表面的泄漏電流幅值。但該值還不能直接用于網(wǎng)絡的訓練和仿真，在網(wǎng)絡訓練前，還需對其進行壞值剔除和歸一化預處理。

2.2 污穢實驗數(shù)據(jù)的預處理

為了降低或消除神經(jīng)網(wǎng)絡訓練過程中可能發(fā)生的數(shù)值問題、量綱差異問題、神經(jīng)元過飽和問題和“大數(shù)吞小數(shù)”問題，以及使網(wǎng)絡快速地收斂，提高絕緣子工況評估模型的仿真性能，經(jīng)過比較分析，選定采用最大最小法來進行數(shù)據(jù)的歸一化預處理，其原理如下：

其中，xmax為數(shù)據(jù)序列中最大數(shù)；xmin為數(shù)據(jù)序列中的最小數(shù)。

在Excel中，對原始污穢實驗數(shù)據(jù)進行分類并調(diào)用公式進行處理，見表1。

把歸一化后的數(shù)據(jù)分組導入MATLAB的Workspace中繪制出分布圖，如圖2所示。

圖2 最大最小值法歸一化后數(shù)據(jù)分布圖Fig.2 Data distribution after normalization of maximum minimum method

3 建立工況評估模型

3.1 神經(jīng)網(wǎng)絡的創(chuàng)建

選用BP（Back propagation）神經(jīng)網(wǎng)絡進行建模分析，采用MATLAB神經(jīng)網(wǎng)絡工具箱（Nntool）中的newff函數(shù)用于創(chuàng)建BP神經(jīng)網(wǎng)絡。其形式如下：

net=newff（P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF）

該網(wǎng)絡設定P為用于網(wǎng)絡訓練的3×143維輸入數(shù)據(jù)矩陣，3個輸入向量分別為作用電壓U、鹽密ρESDD和環(huán)境相對濕度RH；T為用于網(wǎng)絡訓練的1×143維輸出數(shù)據(jù)矩陣，輸出向量為泄漏電流Ih；隱含層的層數(shù)選定為雙層，神經(jīng)元個數(shù)根據(jù)經(jīng)驗公式sqrt(n+m)+a，（n為輸入節(jié)點數(shù)，m為輸出節(jié)點數(shù)，a為1～10的數(shù)）和優(yōu)化分析后確定為9和1[5]；傳遞函數(shù)TF初步選定為tansig，purelin；網(wǎng)絡訓練函數(shù)BTF選擇常用的動量反傳和動態(tài)自適應學習速率的梯度下降函數(shù)traingdx，Levenberg-Marquardt。

此外，將X定義為用于網(wǎng)絡仿真測試的3×15維輸入數(shù)據(jù)矩陣；Y為用于網(wǎng)絡仿真測試的1×15的輸出數(shù)據(jù)矩陣。其選取規(guī)則為：在所有的污穢實驗數(shù)據(jù)構(gòu)成的點集合中，選擇能反映對應的較大點集合特征的一個特征點，并保證該數(shù)據(jù)矩陣中的數(shù)據(jù)盡量等可能地取自于4組實驗環(huán)境，從而保證目標神經(jīng)網(wǎng)絡的適用性。

3.2 模型的仿真

利用A=sim(net,X1)函數(shù)將所建立的神經(jīng)網(wǎng)絡模型來進行預測輸出，并把原輸出和預測輸出繪制到一張圖上進行對比分析，如圖3所示，預測誤差見表2。

圖3 net4仿真輸出和原輸出對照圖Fig.3 Net4 Simulation output and original output control diagram

表2 net4的仿真結(jié)果Table 2 Simulation results of net4

分析表4所示的模型仿真結(jié)果，發(fā)現(xiàn)當泄漏電流幅值＜10mA時，最大絕對誤差約為3.1mA，考慮到泄漏電流值較小時易受噪音、氣壓等外界不可控影響因素的影響，因而這樣的預測結(jié)果也是可以接受的；當泄漏電流幅值處于10mA～25mA時，雖然部分數(shù)據(jù)相對誤差較大，高達21%，但是同樣的絕對誤差并不大，不足以導致絕緣子絕緣狀態(tài)的誤判，因為當絕緣子的泄漏電流幅值在0mA～25mA之間時為安全狀態(tài)[1]；當泄漏電流幅值＞25mA時，神經(jīng)網(wǎng)絡的仿真結(jié)果是十分優(yōu)秀的，最大相對誤差為1.6%，最大絕對誤差不足1.2mA，與試驗結(jié)果基本相符，完全能滿足工程中通過泄漏電流估算來進行絕緣子污穢度狀態(tài)評估的需要。因此，采用神經(jīng)網(wǎng)絡仿真的方法得到的泄漏電流幅值與試驗結(jié)果相比具有較好的一致性。

圖4 神經(jīng)網(wǎng)絡回歸性能圖示Fig.4 Neural network regression performance diagram

3.3 模型的評價

仿真分析結(jié)果表明，本文所建立的神經(jīng)網(wǎng)絡模型的仿真性能是比較不錯的。如圖4中分別反映的是神經(jīng)網(wǎng)絡對訓練、確認、測試、所有數(shù)據(jù)的回歸性能，其中關(guān)鍵的確認和測試樣本的相關(guān)系數(shù)均不低于0.975，所有樣本數(shù)據(jù)的平均回歸性能表現(xiàn)為0.98，且其擬合線附近散點較少，擬合線的截距也較小，此外仿真均方差表現(xiàn)為8.58e-05，誤差曲面梯度為0.00573，完全能滿足工程上對泄漏電流預測的需要。

4 結(jié)論

泄漏電流的幅值作為表征絕緣子絕緣狀態(tài)的特征量，可以直接反應絕緣子的絕緣工況，進而對防止污閃事故具有重要的參考價值。課題以大量人工污穢試驗數(shù)據(jù)為依據(jù)，利用MATLAB中神經(jīng)網(wǎng)絡庫函數(shù)對數(shù)據(jù)進行分析處理，建立了一種預測泄漏電流幅值的BP神經(jīng)網(wǎng)絡模型，仿真分析表明：單片污穢絕緣子的泄漏電流幅值與作用電壓、相對濕度和鹽密之間滿足一定的潛在關(guān)系，該關(guān)系可用本文所建立的模型來較為準確地映射，其仿真均方差表現(xiàn)為8.58e-05，誤差曲面梯度為0.00573，回歸系數(shù)為0.98，且在閾值附近有良好的識別性。因此，采用人工神經(jīng)網(wǎng)絡方法對該函數(shù)關(guān)系進行逼近及建立相應的評估模型，是直接且有效的，并且其仿真結(jié)果有助于工程上對泄漏電流的估算、絕緣子工況的評估和指導污閃事故的預防。