基于時間指紋的特高頻局部放電定位法

劉 謹，王哲斐

（1.國網上海市電力公司浦東供電公司，上海201315；2.上海四量電子科技有限公司，上海201315）

0 引言

隨著我國經濟的不斷發展，電力系統的體量和復雜程度日益提高，這就導致了現有電力設備具有電壓等級高、數量大、負荷重的特點［1-7］。在數量龐大的電力設備中，難免會有因為家族性缺陷、偶發缺陷、長期過負荷而引起的設備絕緣劣化，劣化的絕緣會導致局部放電的發生，進而繼續破壞絕緣，形成了惡性循環，直至發生絕緣擊穿，對電力系統、電力設備以及工作人員的安全造成了威脅［8-12］。因此，非常有必要對局部放電現象進行有效的監測。

局部放電發生時，會伴隨著多種物理信號，包括光信號、聲音信號、超聲波信號、電磁波信號等［13-16］。對于光信號和聲音信號，需要電力運維人員進行現場查看，這種方式在精準度和覆蓋面上都有所欠缺；對于超聲波信號，因其在空中傳播衰減較快，因此只適用于單個電力設備的局部放電監測，應用范圍有限；對于電磁波信號，其傳播距離遠，受環境影響相對較小，尤其是其中的特高頻頻段（30 MHz～300 MHz）的電磁波傳播距離遠，衰減較慢，適合用于變電中大范圍空間的局部放電監測［17-21］。

現有的空間局部放電定位方法主要包括3 大類型：時差法（Time Difference of Arriva，TDOA）、到達角度法（Angle of Arrival，AOA）以及信號強度指紋法（Received Signal Strength Indicator，RSSI）［22-25］。其中，TDOA法使用局部放電到達不同位置傳感器的時間差值來計算局部放電源和傳感器之間的距離，進而推算出局部放電源的位置坐標，但到達時間差的采樣精度很難達到較高水平，造成了定位精度不高；AOA 法的原理與TDOA 相似，只是通過局部放電信號到達角度信息來推算局部放電源坐標，易受到環境遮擋的影響；RSSI 法的原理是通過離線階段構建各位置的放電強度指紋庫來進行放電位置坐標的匹配，環境適應性相對較強，不需要信號的高頻采樣，但信號衰減速度并不固定，造成了指紋庫的準確度存在不穩定性［26-29］。

本文針對環境適應性較強的RSSI法進行改進，提出了基于時間指紋的特高頻局部放電定位方法。該方法區別于RSSI法的是，本文提出的定位法建立的是局部放電信號到達時間差指紋庫而非局部放電信號強度指紋庫，其優勢為局部放電信號到達時間相對穩定，這就使得時間指紋庫對于環境的刻畫更為準確，定位精度較高，且并不需要局部放電信號到達時間差的高采樣精度，可以說是綜合了TDOA和RSSI兩種方法的優點。

本文第1章闡述了定位方法的架構，第2章介紹時間指紋庫匹配定位的具體算法，第3 章設計了現場實驗，以驗證本文算法的有效性。

1 系統概述

本文提出的基于時間指紋的特高頻局部放電定位法使用的參量為局部放電產生的特高頻電磁波信號，因此在硬件配置上需要在被測區域的四周設置特高頻傳感器。如圖1 所示，邊長為30 m 的方形被測區域四角，分別設置了一個特高頻傳感器。

具體的定位過程主要分為兩個階段。在階段一中，使用模擬的局部放電源在被測區域內各個監測點進行放電，每次放電均會產生一組信號到達時間差，可表示為：

圖1 本文局部放電定位法示意圖Fig.1 Schematic diagram of partial discharge positioning method in this article

式（1）中，n表示第n個監測點；t1n表示在當第n個監測點發出局部放電信號時，傳感器1接收到信號的時間，即信號到達時間。

本文使用的特高頻傳感器內置濾波模塊，可以有效濾除空間中的背景噪聲。因此，局部放電發生時，收集到的波峰信號強度明顯強于背景噪聲信號。當傳感器收集到的特高頻電磁波信號幅值超過閾值時，則認為局部放電發生，此時即為局部放電信號的到達時間。

用此方式取得每一個監測點的信號到達時間差組（下稱時間指紋），即構成了被測區域的時間指紋庫。

在階段二中，當局部放電發生時，傳感器會采集到一個時間指紋，將該組數據輸入到建立好的時間指紋庫中，使用神經網絡算法對該組數據對應的監測點進行匹配，匹配到的監測點坐標即為局部放電定位結果。

該方法建立的時間指紋庫可以有效地刻畫該監測區域環境信息，而當監測區域發生較大變化時，則需要重新進行采樣學習的過程。

本文提出的局部放電定位方法流程圖如圖2所示。

圖2 本文局部放電定位法流程圖Fig.2 Flow chart of partial discharge positioning method in this article

2 基于神經網絡的時間指紋庫匹配

本文涉及的數據匹配屬于向量匹配，因此選用BP神經網絡加以實現。BP 神經網絡作為前饋多層神經網絡，包括了輸入層、隱含層、輸出層3層網絡，其每層都包含若干神經元，層與層直接使用層函數進行連接，以進行迭代計算的調節［30-32］。其中，隱含層和輸出層之間采用的層函數為線性函數，而為了兼顧神經網絡迭代計算的速度和精度，輸入層和隱含層直接采用sigmoid函數，其表達式為：

式（2）中，Hj表示第j個隱含層的神經元，wi表示輸入層中的第i個神經元權重，n表示輸入層神經元的總數，P表示神經網絡的輸入值。

由于輸入的時間指紋包括4 個值，輸出的定位結果平面坐標包括2 個值，因此本文神經網絡的輸入層和輸出層神經元個數分別為4和2，隱含層的神經元個數經過實驗選取為14個。

向量輸入神經網絡進行匹配的過程，其實就是一種迭代尋優的過程。因此，神經網絡的網絡初值選取對于尋優的速度和準確度非常重要。本文使用粒子群算法（PSO）實現BP 神經網絡初值的優化選取。其迭代公式如式（3）、（4）式所示：

式（3）、式（4）中，v表示粒子運動的速度，x表示粒子的位置，v和x中包含了網絡中所有要尋優的參數；t表示迭代的次數，rand 表示0-1 的隨機數，pbest、gbest 分別為局部最優解和全局最優解，其余的均為調節參數

式（3）中的k為迭代速度調節參數，本文對其做遞減處理：

通過式（5）的處理，k值可以從最大值逐漸變為最小值，保證了尋優過程中先保證速度，后保證精度的最優策略。

BP神經網絡的初值配置完成之后，用采集到的時間指紋庫對其進行訓練。當局部放電發生時，即可輸入訓練好的BP神經網絡，完成局部放電源位置坐標的匹配，輸出定位結果。

3 實驗驗證

3.1 實驗設置

為驗證本文局部放電定位法的有效性，在變電站室外設備區選擇了一塊30 m×30 m 的方形區域，其平面圖如圖1 所示。在方形區域的四個角，分別擺放一個特高頻無線傳感器，其實物圖如圖3 所示。在實驗過程中，首先使用模擬的局部放電源在被測區域內的間隔1 m的監測點進行依次放電，使用4個傳感器采集每個監測點的時間指紋，構成被測區域的時間指紋庫，包含了957 個時間指紋。然后，使用模擬局部放電源在其中若干個監測點進行放電，使用本文的局部放電定位法進行定位結果輸出。

圖3 實驗實景圖Fig.3 Experimental real picture

3.2 定位結果及分析

本算法的定位結果如表1 所示，定位結果的累計概率圖如圖4所示。

表1 定位結果Table 1 Localization results

圖4 定位結果累計概率Fig.4 Cumulative probability of positioning results

在定位過程中使用了3種局部放電定位算法進行對比，包括：TDOA 法、信號強度指紋定位法以及本文的時間指紋定位法。從結果中可以看出，3 種定位方法的性能差距較為明顯。其中，本文提出的基于時間指紋的定位方法，平均定位誤差為1.78 m，最大定位誤差為8.47 m，60.36%的定位誤差在2 m 之內，誤差在5 m之內的比例高達91.75%。

本文提出的定位方法性能明顯優于信號強度指紋定位和TDOA 定位法，并且基本可以在30 m×30 m 的900 m2區域內將定位誤差鎖定在5 m 之內，大多數時候可以鎖定在2 m 之內，這足以幫助工作人員將局部放電源準確定位在某一設備間隔、甚至某一具體設備上，使得工作人員可以快速反應，結合針對單個設備的精確局部放電檢測，及時定位局部放電部位，大大降低了因絕緣損壞而造成的電力設備故障和事故的發生，經濟社會效益明顯。

4 結論

本文針對變電站電氣設備局部放電監測，提出了基于時間指紋的特高頻局部放電定位方法。該方法將基于信號強度指紋法與TDOA 法的優點結合起來，使用局部放電信號到達時間差組成每個監測點的時間指紋，進而構成了整個被測區域的時間指紋庫。當局部放電發生時，將該次放電的時間指紋輸入到建立好的時間指紋庫中，利用神經網絡算法即可匹配出局部放電源位置坐標。現場實驗結果表明，本文提出的基于時間指紋的局部放電定位法性能明顯優于其它方法，平均定位誤差為1.78 m，定位精度較高，性能穩定，可以較好地滿足變電站設備狀態監測應用需求，具有一定的推廣意義。

［參考文獻］（References）

［1］ 陳博博，屈衛鋒，楊宏宇，等.小電流接地系統單相接地綜合電弧模型與選線方法的研究［J］.電力系統保護與控制，2016，44（16）：1-7.CHEN Bobo，QU Weifeng，YANG Hongyu，et al.Research on single phase grounding arc model and line selection for neutral ineffectively grounding system［J］. Power System Protection and Control，2016，44（16）：1-7.

［2］ 汪迪鋒，孔海洋，吳磊，等.XLPE電纜局放信號傳播特性仿真研究［J］.湖北電力，2016，40（01）：53-57，62.WANG Difeng，KONG Haiyang，WU Lei，et al.Simulation study on the propagation characteristics of the partial discharge signals in XLPE cable［J］.Hubei Electric Power，2016，40（01）：53-57，62.

［3］ 白龍雷，周利軍，曹偉東，等.-40 ℃條件下EPR 電纜終端氣隙放電發展特性［J］.高電壓技術，2020，46（10）：3605-3614.BAI Longlei， ZHOU Lijun， CAO Weidong， et al.Characteristics of partial discharge in air gap defects in EPR cable termination under -40 ℃condition［J］.High Voltage Technology，2020，46（10）：3605-3614.

［4］ 臧奕茗，王輝，錢勇，等.基于三維光學指紋和NPSOKELM 的GIL 局部放電定位方法［J］.中國電機工程學報，2020，40（20）：6754-6764.ZANG Yiming，WANG Hui，QIAN Yong，et al.GIL partial discharge localization method based on 3D optical fingerprint and NPSO-KELM［J］.Proceedings of the CSEE，2020，40（20）：6754-6764.

［5］ 童歆，羅浪，夏天，等.帶電檢測電容型電流互感器/套管末屏接地斷開故障可行性研究［J］.湖北電力，2017，41（12）：18-21，27.TONG Xin，LUO Lang，XIA Tian，et al.Feasibility study on live detection of capacitive current ransformer/bushing end screen grounding fault［J］.Hubei Electric Power，2017，41（12）：18-21，27.

［6］ 陳雋，劉帆，吳傳奇，等.GIS典型空穴放電的特高頻現場檢測［J］.湖北電力，2017，41（11）：10-14.CHEN Jun，LIU fan，WU Chuanqi，et al.Field application of UHF detection on GIS cavity partial discharge［J］.Hubei Electric Power，2017，41（11）：10-14.

［7］ 陳紅武.高壓開關柜局部放電特性的檢測研究［J］.電工材料，2020，（05）：40-42，47.CHEN Hongwu.Research on detection of partial discharge characteristics of high voltage switchgear［J］. Electrical Engineering Materials，2020，（05）：40-42，47.

［8］ 周偉，謝毅聰，張偉強.PET中雙屏蔽絕緣殼體關鍵部位的電場分析與優化［J］.高壓電器，2020，56（10）：41-47.ZHOU Wei，XIE Yicong，ZHANG Weiqiang.Electric field analysis and optimization of key parts of double shielded insulation shell in PET［J］.High Voltage Apparatus，2020，56（10）：41-47.

［9］ 馬飛越，張濤，牛勃，等.交流電壓下GIS 中導電微粒的模式識別方法研究［J］.湖北電力，2019，43（06）：28-34.MA Feiyue，ZHANG Tao，NIU Bo，et al.Research on pattern recognition of conducting particles in GIS under AC voltage［J］.Hubei Electric Power，2019，43（06）：28-34.

［10］ 李曉英，劉洋，曹宏，等.40.5 kV 空氣絕緣開關柜絕緣設計與老化試驗研究［J］.高壓電器，2020，56（10）：117-122.LI Xiaoying，LIU Yang，CAO Hong，et al.Discussion on insulation performance of 40.5 kV air-insulated switchgear［J］.High Voltage Apparatus，2020，56（10）：117-122.

［11］ 馬飛越，丁培，牛勃，等.基于飛行時間—高度圖譜的126 kV GIS 異物檢測分析［J］.高壓電器，2020，56（10）：212-219.MA Feiyue，DING Pei，NIU Bo，et al.Analysis of foreign particle detection in 126 kV GIS based on flight timealtitude map［J］.High Voltage Apparatus，2020，56（10）：212-219.

［12］ 劉財明.氣體絕緣開關設備局部放電帶電檢測綜合應用［J］.電氣技術，2020，21（10）：117-122.LIU Caiming. The comprehensive application of partial discharge online detection of gas insulated switchgear［J］.Electrical Engineering，2020，21（10）：117-122.

［13］ 錢帥偉，彭彥軍，周澤民，等.以提升小波包系數熵為特征值的隱馬爾科夫電纜局部放電識別［J］.電氣技術，2020，21（10）：93-102.QIAN Shuaiwei，PENG Yanjun，ZHOU Zemin，et al.Partial discharge pattern recognition using hidden Markov models based on the entropy lifting wavelet coefficients［J］.Electrical Engineering，2020，21（10）：93-102.

［14］ 鄭祥，管鵬，田偉.基于超聲波局部放電信號的開關柜絕緣缺陷類型識別［J］.電子測量技術，2020，43（16）：124-127.ZHENG Xiang，GUAN Peng，TIAN Wei.Identification of insulation defect type based on ultrasonic partial discharge signal［J］. Electronic Measurement Technology，2020，43（16）：124-127.

［15］ 王超，許本茂，馮藩，等.基于聲電聯合及振動的變壓器類設備局部放電現場綜合診斷方法［J］.四川電力技術，2020，43（04）：33-37.WANG Chao，XU Benmao，FENG Fan，et al. On-site comprehensive diagnosis method of partial discharge for transformer equipment based on ultrasonic associated with electromagnetic wave and vibration test［J］.Sichuan Electric Power Technology，2020，43（04）：33-37.

［16］ 厲廣城，夏向陽，羅彥鵬.電力電纜局部放電信號識別與去噪研究［J］.電工材料，2020，（04）：35-37.LI Guangcheng，XIA Xiangyang，LUO Yanpeng.Research on partial discharge signal identification and denoising of power cables［J］.Electrical Engineering Materials，2020，（04）：35-37.

［17］ 譚定彩，鄧聲華，江福章，等.電氣設備局部放電檢測和信號去噪技術綜述［J］.電線電纜，2020，（04）：4-8.TAN Dingcai，DENG Shenghua，JIANG Fuzhang，et al.Review on detection and signal denoising technology of partial discharge in electrical equipment［J］.Wire & Cable，2020，（04）：4-8.

［18］ 譚笑，陳杰，劉洋，等.基于物聯網的電纜局部放電分布式監測系統設計與實現［J］.電測與儀表，2020，57（15）：80-87.TAN Xiao，CHEN Jie，LIU Yang.Design and implementation of distributed monitoring system of partial discharge in cables based on IoT［J］. Electrical Measurement &Instrumentation，2020，57（15）：80-87.

［19］ 曾星宏，程延遠，李海濤，等.高壓開關設備本體狀態監測系統的設計研究［J］.湖北電力，2020，44（03）：80-86.ZENG Xinghong，CHENG Yanyuan，LI Haitao，et al.Research on the design of online monitoring system for high voltage switchgear［J］.Hubei Electric Power，2020，44（03）：80-86.

［20］ 郝曙光，李璐，張偉政，等.基于特高頻法的GIS金屬尖端缺陷局部放電檢測和分析［J］.高壓電器，2020，56（06）：88-92.HAO Shuguang，LI Lu，ZHANG Weizheng，et al.Detection and analysis of partial discharge of metal protrusion defects in GIS based on UHF method［J］.High Voltage Apparatus，2020，56（06）：88-92.

［21］ 楊霖，劉博文，王松，等.GIS 金屬突出物缺陷局部放電發展全過程的嚴重程度評估［J］.高壓電器，2020，56（06）：100-106.YANG Lin，LIU Bowen，WANG Song，et al. Severity assessment of the partial discharge in the total process provoked by metal protrusion defects on GIS［J］. High Voltage Apparatus，2020，56（06）：100-106.

［22］ 周雄，周澤民，彭彥軍，等.特征圖譜時頻信號放電識別算法研究與現場應用［J］.電氣技術，2020，21（06）：63-68，87.ZHOU Xiong，ZHOU Zemin，PENG Yanjun，et al.Research and field application on discharge identification algorithm of characteristic spectrum time-frequency signal［J］.Electrical Engineering，2020，21（06）：63-68，87.

［23］ 吳科，喬運松，熊剛，等.一起同軸電纜發生局部放電的故障分析［J］.電氣技術，2020，21（06）：83-87.WU Ke，QIAO Yunsong，XIONG Gang，et al. Failure analysis of partial discharge of coaxial cable［J］.Electrical Engineering，2020，21（06）：83-87.

［24］ 李穎，王鵬，鄭昌江，等.重復脈沖頻率對變頻電機絕緣PDIV 及PDEV 影響研究［J］.絕緣材料，2020，53（06）：70-76.LI Ying，WANG Peng，ZHENG Changjiang，et al.Effect of repetitive impulsive frequency on PDIV and PDEV of inverter-fed motor insulation［J］.Insulating Materials，2020，53（06）：70-76.

［25］ 白鷺，李小婧，董理科，等.基于超聲波法識別環網柜的局部放電類型研究［J］.電測與儀表，2020，57（11）：42-48.BAI Lu，LI Xiaojing，DONG Like，et al.Study on the partial discharge types of ring network cabinets based on ultrasonic method［J］. Electrical Measurement & Instrumentation，2020，57（11）：42-48.

［26］ 任想，祁利，潘雪莉，等.基于全過程技術管控的絕緣管型母線性能及工程質量提升［J］.湖北電力，2019，43（05）：45-52.REN Xiang，QI Li，PAN Xueli，et al. Improvement of performance and engineering quality of insulated tubular busbar based on whole-process technical control［J］.Hubei Electric Power，2019，43（05）：45-52.

［27］ 董曉虎，程繩，吳軍，等.基于電磁場檢測的輸電線路無人機避障模塊的設計及搭載方法研究［J］.湖北電力，2018，42（05）：39-43.DONG Xiaohu，CHENG Sheng，WU Jun，et al.Design and carrying method of obstacle-avoidance module for transmission line UAV based on electromagnetic field detection［J］.Hubei Electric Power，2018，42（05）：39-43.

［28］ 唐志國，唐銘澤，李金忠，等.電氣設備局部放電模式識別研究綜述［J］.高電壓技術，2017，43（07）：2263-2277.TANG Zhiguo，TANG Mingze，LI Jinzhong，et al.Review on partial discharge pattern recognition of electrical equipment［J］.High Voltage Engineering，2017，43（07）：2263-2277.

［29］ 鄧萬婷，陳敏，劉睿.GIS設備取消例行停電試驗的狀態檢修方法［J］.湖北電力，2017，41（03）：19-24.DENG Wanting，CHEN Min，LIU Rui.GIS condition-based maintenance methods after canceling routine black-out tests［J］.Hubei Electric Power，2017，41（03）：19-24.

［30］ 竇建中，羅深增，金勇，等.基于深度神經網絡的電力調度語音識別研究及應用［J］.湖北電力，2019，43（03）：16-22.DOU Jianzhong，LUO Shenzeng，JIN Yong，et al.Research and application of power dispatching speech recognition based on deep neural network［J］.Hubei Electric Power，2019，43（03）：16-22.

［31］ 羅福多，溫衛寧，文凱，等.特高壓線路工程的工程量組合預測研究［J］.湖北電力，2017，41（02）：1-7，12.LUO Fuduo，WEN Weining，WEN Kai，et al.Combination forecasting methods of ultra high voltage transmission line project quantities［J］.Hubei Electric Power，2017，41（02）：1-7，12.

［32］ 石碩，李君.基于粒子群優化LS-SVM 的光伏功率預測［J］.湖北電力，2016，40（S1）：58-61.