車載牽引變壓器套管絕緣狀態的測評方法研究

王海濤， 張傳輝

(1. 中車青島四方機車車輛股份有限公司，山東 青島 266111；2. 西南交通大學 電氣工程學院，四川 成都 610031)

0 引 言

車載牽引變壓器套管(on-board traction transformer bushing，OTTB)被廣泛應用于電氣化鐵路的車載牽引供電系統(traction power supply system, TPSS)中，起絕緣和支持作用的關鍵附件，主體為固體絕緣，在現場運行中長期受到電、熱和機械等多種因素的相互作用，其絕緣性能逐漸劣化[1]54。車載套管絕緣性能喪失輕則導致機車電力單元停運，重則導致旅客生命財產損失。隨著中國高鐵外交的興起，保障列車安全運行，準確獲取OTTB的絕緣狀態具有重大意義。

OTTB絕緣性能的常規檢測方法主要有絕緣電阻法、工頻介質損耗法和局部放電測試等方法[2]，常規方法通常難以實現絕緣狀態的有效診斷。頻域介電譜法(frequency-domain dielectric spectroscopy，FDS)因其施加電壓低、無損測試、抗干擾能力強和攜帶信息豐富等優點受到了絕緣狀態評估領域的廣泛關注，是目前被廣泛應用于油紙絕緣狀態測評最有效的方法之一。在油紙絕緣方面，FDS的研究已經取得了階段性的成果[3-5]。車載牽引變壓器套管絕緣與油紙絕緣在絕緣介質和絕緣結構方面尚有區別。目前，將FDS應用于OTTB絕緣狀態測評的研究鮮見報道，利用FDS的特征來評估OTTB絕緣狀態的方法也有待于進一步探究。近年來，人工智能方法越來越受到相關學者的青睞。其中，BP神經網絡(BP neural network，BPNN)由于具有較強的非線性映射能力，逐漸成為其他改進網絡的基礎，天牛須搜索(beetle antennae search，BAS)實現過程只需一個天牛個體，具有快速收斂的優點，現多采用優化BP權值和閥值[6]115以及改進BAS的方式[7]60來提高算法評估的適用性及穩定性。

本文首先對多支不同運行里程的車載牽引變壓器套管進行FDS測試，分析了FDS測試譜圖變化特征，并提取車載牽引變壓器套管老化特征量，通過萊維分布優化的BAS算法對BPNN的初始權值和閾值進行尋優，構造出最適用的訓練模型。通過本文提出的改進算法可克服傳統BPNN模型穩定性差、參數易陷入局部最優的缺點，并對改進BAS-BP模型評估車載牽引變壓器套管絕緣狀態的準確性和有效性進行驗證。

1 車載牽引變壓器套管的FDS研究

對不同運行里程的車載套管進行FDS測試，試驗采用DIRANA介電響應測試儀，測試電壓為200 V，測試頻率范圍為10-3Hz～103Hz，測試原理如圖1所示。為了防止套管表面電流影響，在測試之前應該清理套管表面，保證測量準確性[8]163。

圖1 介電響應測試原理

由于車載套管不存在類似于油浸式高壓套管末屏的低壓測試端子。目前常規處理方式為將測試設備低壓端夾具固定于傘裙上，需首先明確傘裙位置接線對套管頻域介電譜測試結果的影響。對同一套管不同傘裙的FDS進行測試，從法蘭最近的傘裙開始，依次將各個傘裙標記為1～5號，測試結果如圖2(a)所示，從圖中可知，同一套管不同傘裙處的介質損耗曲線基本一致，低壓測試端連接傘裙位置對于套管頻域介電譜測試結果影響可忽略不計。

如圖2(b)所示的復介電常數實部ε′表現的是電介質束縛電荷的能力，用于表征整體絕緣性能[8]165，在10-3Hz～10-1Hz頻段內，隨著頻率的升高，5條曲線的復介電常數實部逐漸下降，同一頻率下，運行里程越長實部越大，不同運行里程套管的頻域介電曲線在此頻段呈現出明顯的差異性。在10-1Hz～103Hz頻段內的值基本相同。

復介電常數虛部曲線如圖2(c)所示，用來表征電介質的損耗。在100Hz～103Hz頻段內，不同運行里程測試曲線十分接近，在100Hz～101Hz頻段內，測試曲線出現了弛豫峰值。在10-3Hz～100Hz頻率范圍內，頻率越低差異更加明顯，曲線分散性明顯增加，表明頻率越低，更容易分析曲線特征。

介質損耗因數曲線如圖2(d)所示，車載套管介質損耗主要由極化損耗和電導損耗兩部分構成。在10-3Hz ～100Hz頻段內，隨著頻率逐漸降低，低頻介損曲線低頻變化趨勢更明顯。這是因為運行里程越大的套管，絕緣老化越嚴重，套管的老化會引起絕緣結構的變化，并會產生一系列雜質[8]163。電介質束縛電荷增多，極化時間減少，極化損耗與電導損耗都將增大，導致介質損耗增加。這是由于隨著頻率的降低電介質極化可以跟上電場變化而逐漸增強，這使得極化損耗不斷增強。而在同時，極化產生的容性電流密度也在增強。由于電介質在不同頻段所主導的極化種類不一樣[1]55，當頻率變化時，不同極化種類極化增強和削弱的速度是不一樣的。和實部虛部曲線類似，在100Hz～103Hz范圍，5條曲線較為接近。

圖2(e)為不同運行里程下的功率因數角曲線，相位的選擇是基于等效電路的阻抗參數，其理由是介電參數值整個測量頻率范圍內在-90°到0之間變化，該參數是指電容或電阻效應，不取決于樣品幾何形狀的容量和電阻值。從圖中可以看出，在10-3Hz～100Hz頻段內，在同一頻率下，運行里程大的角度較大，頻率越低功率因數角曲線變化分散性越明顯。

圖2 車載套管頻域介電譜

2 絕緣狀態評估模型

BPNN通常在訓練的過程中不需要引入新的參數，只依賴于誤差函數對初始權值和閾值的調整[6]116。因此，優化初始值的賦值對BP神經網絡尤為重要。BAS的實現過程只需一個天牛個體，相對于模擬退火、遺傳算法等算法，大大降低了優化的計算復雜度[7]60。萊維飛行是一種服從萊維分布的隨機搜索路徑方法，萊維飛行搜索方法已經被廣泛地應用于數值參數優化領域，通過萊維飛行改進BAS算法使其更容易跳出局部最優點[8]167。采用萊維分布改進BAS-BP網絡模型步驟如下。

(1) 構造天牛須朝向的隨機向量，設定向量空間維數k，若初始網絡模型的結構為A-B-1，則空間維數k=A×B+A×1+B+1。式中：A為輸入層端神經元的數量；B為隱含層結構中神經元的數量；1為輸出層端神經元的數量。

(2) 確定模型的適應度函數。利用給定數據的均方根誤差作為該網絡模型的適應度評價函數，及時調整空間區域搜索過程。適應度函數為：

(1)

式中：N為總的訓練集樣本個數；tsim(i)為第i個樣本經過模型計算后輸出的數值；yi為第i個樣本的真實值。

(3)基于萊維分布的步長因子設置[8]167。步長因子δ可以從萊維分布中得到：

Levy～δ=t-λ,(1<λ≤3)

(2)

式中：t為迭代次數。步長因子δ可以通過計算得到：

(3)

式中：β為常數；u和v服從正態分布。

(4)

(5)

(6)

式中：β通常取1.5；z為變量。

(4) 天牛初始位置的設定。選取[-1,1]區間內的隨機數作為天牛須搜索算法的初始參數。

(5) 適應度函數的數值計算。通過適應度函數表達式計算天牛初始位置的適應度函數值。

(6) 根據文獻[6-7]所述方法對天牛左右須空間向量坐標位置以及天牛位置進行更新，并對迭代結束條件進行判定。

(7) 最優解的獲取。當算法的迭代結束時，即可得到模型訓練的最優解，即BPNN的最優權值和最優閾值。

(8) 將求解的BPNN的最優權值和最優閾值代入BPNN模型，最終解出輸出層的輸出參量。

3 算例分析

3.1 特征參量提取

表1 測試參量特征頻段

3.2 評估模型參量定義

(7)

式中：li為運行里程標幺值,表征老化程度，li數值越大，表示OTTB絕緣老化越嚴重，取0～1;xi為實際運行公里數；xmax為最大運行公里數，通常工程中最大運行里程數為480萬公里(強制報廢里程)。

3.3 評估模型驗證

本文共測試了60組不同運行里程下車載牽引變壓器套管介電譜曲線，隨機選擇其中50組作為改進BAS-BP神經網絡訓練樣本，剩下的10組作為驗證樣本。將驗證數據代入改進BAS-BPNN評估模型中進行驗證，并與傳統BPNN輸出結果進行比較，結果如表2所示。從表2可知，改進BAS-BPNN模型的輸出結果與真實值具有高度的一致性，隨著運行里程的增加，套管老化程度加深，評估結果誤差較小且相對穩定，評估最大誤差為2.45%。BPNN模型同一里程下的評估誤差跳躍性較大，評估最大誤差為7.44%，算法輸出的穩定性對評估結果影響波動較大。與傳統BPNN模型評估結果相比，改進BAS-BP神經網絡模型具有誤差小，魯棒性更優異，老化狀態評估穩定的優勢。

表2 算法輸出結果

4 結束語

通過對車載牽引變壓器套管絕緣狀態的測評方法研究，低壓傘裙測試端位置不影響FDS測試結果，低頻段曲線對于反映套管絕緣狀態更為敏感，頻域介電譜法可以作為一種牽引變壓器套管的狀態評估方法。本文通過萊維分布改進的BAS-BP神經網絡模型較傳統BP神經網絡模型具有評估誤差小，評估穩定的特點，可為實際工程中OTTB狀態評估提供新的方法。