GIS局部放電潛伏性故障多因子數(shù)據(jù)流融合診斷

劉曉軍

（甘肅電投河西水電開(kāi)發(fā)有限責(zé)任公司，甘肅 張掖 734000）

0 引言

GIS也稱為氣體絕緣組合電氣設(shè)備（Gas Insulated Switchgear，GIS），其屬于一種高壓配電裝置，主要通過(guò)母線、斷路器、隔離開(kāi)關(guān)、避雷器等多種設(shè)備和裝置進(jìn)行組合后形成，因此GIS也被看作開(kāi)關(guān)站。GIS具有優(yōu)秀的絕緣、滅弧性能以及占地少，可靠高，安全強(qiáng)，維護(hù)小等諸多優(yōu)點(diǎn)，但是其在制造、現(xiàn)場(chǎng)安裝、驗(yàn)收等各環(huán)節(jié)中，容易因質(zhì)量管控不嚴(yán)而遺留潛伏性缺陷，造成設(shè)備帶病運(yùn)行，極大地影響整體安全運(yùn)行水平。并且其主要用于高壓配電，一旦潛伏性缺陷影響關(guān)鍵設(shè)備，甚至發(fā)生故障后，危害較大、波及范圍較廣、后果嚴(yán)重。因此，如何排除或確診GIS潛伏性故障，成為電力企業(yè)對(duì)于高壓配電系統(tǒng)安全運(yùn)行管理的重要內(nèi)容。

耿伊雯 等人對(duì)GIS內(nèi)部4種典型絕緣缺陷產(chǎn)生的局部放電進(jìn)行光電同步測(cè)量。采用信息融合與判斷決策技術(shù)對(duì)UHF法與光測(cè)法聯(lián)合采集得到的局部放電相位分析圖譜的統(tǒng)計(jì)特征參量進(jìn)行識(shí)別和判斷。但該方法在復(fù)雜的環(huán)境下會(huì)降低檢測(cè)精度和可靠性[1]。楊勇 等人使用端口系數(shù)法仿真與實(shí)測(cè)特高頻信號(hào)的泄漏特征，比較敞開(kāi)式與澆筑孔式盆式絕緣子泄漏特性的差異，分析澆筑孔形狀和尺寸對(duì)其影響規(guī)律。利用脈沖注入法測(cè)試某特高壓GIS內(nèi)外置特高頻信號(hào)的特性，但該方法無(wú)法充分考慮到各種情況下外部信號(hào)泄漏的全部特點(diǎn)[2]。王彥彪等人采集人為設(shè)置的4種缺陷缺陷局部放電信號(hào)，進(jìn)行數(shù)據(jù)預(yù)處理構(gòu)建超高頻和超聲信號(hào)的特征空間，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行深層特征提取，利用網(wǎng)絡(luò)的Softmax分類器預(yù)測(cè)結(jié)果，但該方法需要對(duì)更多的缺陷進(jìn)行測(cè)試和分析，以提高準(zhǔn)確性和可靠性[3]。王利福 等人為可靠識(shí)別GIS局部放電故障，將EEMD能量矩與ISSA-SVM算法相結(jié)合，形成故障識(shí)別模型，用于完成不同類別的GIS局部放電故障識(shí)別；但是該方法在應(yīng)用時(shí)，如果故障處于潛伏或者接近的情況下，識(shí)別誤差較大[4]。張聰聰 等人為提升GIS局部放電缺陷診斷精度，采用卷積網(wǎng)絡(luò)構(gòu)件GIS局部放電缺陷診斷模型，該模型是以GIS局部放電檢測(cè)圖譜為基礎(chǔ)，通過(guò)模型完成局部放電故障診斷；該方法無(wú)法獲取故障的多因子特征，對(duì)于潛伏性故障的診斷精度較低[5]。多因子數(shù)據(jù)指的是描述GIS局部放電故障形成的多種因素以及特征，結(jié)合這些數(shù)據(jù)即可獲取充分描述GIS局部放電潛伏性故障的數(shù)據(jù)流。本文針對(duì)GIS局部放電潛伏性故障的特性，以多因子數(shù)據(jù)流為基礎(chǔ)，實(shí)現(xiàn)GIS局部放電潛伏性故障診斷。

1 GIS局部放電潛伏性故障診斷

1.1 GIS局部放電潛伏性故障診斷方法架構(gòu)

本文為可靠實(shí)現(xiàn)GIS局部放電潛伏性故障診斷，結(jié)合GIS局部放電潛伏性故障的形成特性以及影響因素，以多因子數(shù)據(jù)為基礎(chǔ)，結(jié)合卷積神經(jīng)網(wǎng)絡(luò)和改進(jìn)D-S證據(jù)理論，提出GIS局部放電潛伏性故障診斷方法，該方法整體架構(gòu)見(jiàn)圖1。

圖1 GIS局部放電潛伏性故障診斷方法架構(gòu)

該方法整體分為2個(gè)模塊，分別為多因子數(shù)據(jù)獲取模塊和故障診斷模塊，其中故障診斷模塊由故障初期診斷子模塊、診斷決策子模塊組成。

多因子數(shù)據(jù)獲取模塊：該模塊主要是采集GIS運(yùn)行信號(hào)，其主要是依據(jù)傳感器、放電信號(hào)監(jiān)測(cè)儀、示波器等設(shè)備完成；并且獲取采集信號(hào)中的多因子特征，文中以能夠描述GIS局部放電的時(shí)頻特征、幅度、阻尼分量以及信號(hào)震蕩4種多因子特征。

故障初期診斷子模塊：該子模塊主要是依據(jù)多因子數(shù)據(jù)獲取模塊獲取的多因子特征，構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)初步診斷模型，對(duì)GIS局部放電潛伏性故障進(jìn)行初步診斷。

診斷決策子模塊：該子模塊則利用D-S證據(jù)理論生成潛伏性故障決策規(guī)則，潛伏性故障診斷模塊輸出的初步診斷結(jié)果輸入該模塊后，將其作為故障決策的基本概率幅值，并依據(jù)合成規(guī)則進(jìn)行證據(jù)決策融合，以此獲取最終的GIS局部放電潛伏性故障診斷結(jié)果。

1.2 多因子特征提取

多因子數(shù)據(jù)獲取模塊依據(jù)傳感器、放電信號(hào)監(jiān)測(cè)儀、示波器等設(shè)備采集的GIS運(yùn)行信號(hào)[6-8]，由于獲取GIS運(yùn)行信號(hào)中包含其運(yùn)行的完整的信號(hào)數(shù)據(jù)，為保證GIS局部放電潛伏性故障診斷的精準(zhǔn)性[9，10]，文中先進(jìn)行多因子特征提取。該提取主要通過(guò)2個(gè)部分完成，分別通過(guò)時(shí)頻分析方法和Prony方法完成，2個(gè)部分提取詳情如下所述。

1.2.1 時(shí)頻特征提取

時(shí)頻特征是描述GIS在不同時(shí)域和頻域下的變化情況[11，12]，依據(jù)該變化可對(duì)GIS局部放電潛伏性故障類別進(jìn)行判斷[13，14]。因此多因子數(shù)據(jù)獲取模塊通過(guò)時(shí)頻分析方法提取GIS時(shí)頻特征，為GIS局部放電潛伏性故障診斷提供可靠依據(jù)。

文中選擇時(shí)間重心、持續(xù)時(shí)間以及等效均方帶寬作為時(shí)頻特征的識(shí)別特征量[15]，三者詳情如下：

（1）時(shí)間重心：如果采集的任一個(gè)信號(hào)的時(shí)域用L（t）表示，則時(shí)間重心ta的公式為：

其中，t表示時(shí)間，dt表示時(shí)間間隔的微元，即微小的時(shí)間單位。采用標(biāo)準(zhǔn)偏差εt表示平均值，其公式為：

獲取的GIS時(shí)域信號(hào)用LG（t）表示，對(duì)其進(jìn)行標(biāo)準(zhǔn)化處理得出：

基于上述步驟獲取GIS運(yùn)行信號(hào)的時(shí)間重心，其公式為：

（2）持續(xù)時(shí)間：

（3）等效均方帶寬：

采用傅里葉變換對(duì)LG（t）進(jìn)行處理后得出處理的信號(hào)L（ω），其和時(shí)間的波形較為接近；如果頻率密度用|L（ω）|2表示，等效均方帶寬表達(dá)式為：

通過(guò)公式（6）可描述信號(hào)的時(shí)頻的分布特征。

1.2.2 信號(hào)的幅度、阻尼分量以及震蕩特征提取

除時(shí)頻特征外，還有能夠描述GIS局部放電的幅度、相位、阻尼分量以及信號(hào)震蕩3種多因子特征，這四種多因子特征的提取，采用Prony方法完成，步驟如下。

獲取采集的L個(gè)GIS運(yùn)行信號(hào)，如果時(shí)間序列用η（t）表示，對(duì)其進(jìn)行離散處理后，引入Prony方法，獲取相對(duì)應(yīng)的第n個(gè)因子特征分解結(jié)果ηn，設(shè)運(yùn)行安全域復(fù)指數(shù)為zk，其虛數(shù)部分表示正弦波的幅度，實(shí)數(shù)部分表示余弦波的幅度。將GIS運(yùn)行信號(hào)由時(shí)域轉(zhuǎn)換到頻域，求解安全域特征量yn：

式中：φk表示復(fù)常數(shù)；n∈（1，2，...，N），表示時(shí)間序列樣本數(shù)；k表示維度。

對(duì)公式（7）進(jìn)行加權(quán)處理，得到：

式中：ci表示加權(quán)系數(shù)。

結(jié)合公式（7）和公式（8），進(jìn)行加權(quán)系數(shù)重新排列，如果出現(xiàn)待觀察的值/結(jié)果，則：

如果初始加權(quán)系數(shù)等于1，則：

對(duì)其求解后得出：

基于此可知：zk即為公式（11）的根，其系數(shù)ci和公式（8）的和一致。

zk的表達(dá)式為：

式中：αk和ωk分別表示阻尼因子和幅度。

結(jié)合上述內(nèi)容即可獲取GIS運(yùn)行信號(hào)的幅度、阻尼因子。

信號(hào)震蕩特征ψ則通過(guò)零點(diǎn)進(jìn)行定義，其公式為：

式中：sign（xn）表示符號(hào)運(yùn)算符，其公式為：

通過(guò)公式（14）即可獲取信號(hào)震蕩特征。

1.3 GIS局部放電潛伏性故障診斷

故障診斷模塊是由故障初期診斷子模塊、診斷決策子模塊組成的診斷模型，兩個(gè)模塊分別通過(guò)卷積神經(jīng)網(wǎng)絡(luò)和D-S證據(jù)理論，完成GIS局部放電潛伏性故障診斷。故障診斷模塊結(jié)構(gòu)見(jiàn)圖2。

圖2 GIS局部放電潛伏性故障診斷模型

（1）故障初期診斷子模塊：通過(guò)上述2.3小節(jié)獲取的全部多因子特征形成特征子空間后，構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)初步診斷模型，并對(duì)模型的參數(shù)進(jìn)行初始化處理。通過(guò)樣本學(xué)習(xí)實(shí)現(xiàn)網(wǎng)絡(luò)學(xué)習(xí)，并采用訓(xùn)練完成的樣本進(jìn)行網(wǎng)絡(luò)模型的測(cè)試，獲取網(wǎng)絡(luò)模型的性能參數(shù)。卷積層激活公式為：

式中：ωij表示卷積核；b表示偏置項(xiàng)；y表示卷積運(yùn)算結(jié)果；f表示激活函數(shù)。

卷積神經(jīng)網(wǎng)絡(luò)模型通過(guò)卷積層和池化層的多層組合處理后，可對(duì)多因子特征進(jìn)行降維處理，最后用過(guò)分類器完成GIS局部放電潛伏性故障初步診斷，輸出初步診斷結(jié)果Yi。

（2）診斷決策子模塊：將卷積神經(jīng)網(wǎng)絡(luò)模型輸出的結(jié)果Yi作為該模型中D-S證據(jù)理論的證據(jù)體，在此基礎(chǔ)上通過(guò)診斷規(guī)則進(jìn)行最終診斷，獲取GIS局部放電潛伏性故障最終診斷結(jié)果。其詳細(xì)流程如下所述：

步驟1：以GIS可能發(fā)生或者存在的局部放電潛伏性故障為依據(jù)，確定故障集G={A1，A2，...，An}，其中A表示所有可能發(fā)生的故障結(jié)果，并完成G的訓(xùn)練。

步驟2：確定卷積神經(jīng)網(wǎng)絡(luò)模型輸出的Yi。

步驟3：獲取不同類別GIS局部放電潛伏性故障的基本可信分配度mi（Aj），其主要通過(guò)對(duì)Yi進(jìn)行歸一化處理得出，歸一化函數(shù)計(jì)算公式為：

式中：yi（Aj）表示卷積神經(jīng)網(wǎng)絡(luò)模型輸出值，且對(duì)應(yīng)第j個(gè)故障類別；λ表示沖突因子。

設(shè)定故障輸出誤差，其計(jì)算公式為：

步驟4：引入不確定度m（G），采用證據(jù)理論合成方法將對(duì)Yi進(jìn)行計(jì)算和融合，獲取其不確定度m（G）和最終的mi（Aj）結(jié)果。

步驟5：依據(jù)步驟4的計(jì)算結(jié)果進(jìn)行GIS局部放電潛伏性故障決策診斷，獲取的最終診斷結(jié)果Ac需依據(jù)判斷規(guī)則得出：

規(guī)則1：

規(guī)則2：

規(guī)則3：

式中：f（A）表示信任函數(shù)；μ1、μ2和γ均為設(shè)定閾值。診斷結(jié)果需同時(shí)滿足上述3個(gè)規(guī)則，即為最終的診斷結(jié)果。

2 測(cè)試分析

為驗(yàn)證本文方法的應(yīng)用效果，以某電力公司管轄范圍內(nèi)的35 kV的GIS變電站作為實(shí)例測(cè)試對(duì)象，采集該GIS變電站運(yùn)行3個(gè)月的相關(guān)數(shù)據(jù)，采集設(shè)備相關(guān)參數(shù)見(jiàn)表1。

表1 采集設(shè)備參數(shù)詳情

該GIS變電站在運(yùn)行過(guò)程中普遍存在4種局部放電情況，其詳情見(jiàn)表2。

表2 局部放電類型

參數(shù)設(shè)定：μ1、μ2和γ三者取值分別為0.30、0.30和0.1，迭代次數(shù)為120次，學(xué)習(xí)率為0.01，網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量為32。

為驗(yàn)證本文方法對(duì)于GIS運(yùn)行信號(hào)多因子特征提取效果，獲取本文方法應(yīng)用后，對(duì)于多因子特征的提取效果，其通過(guò)多特征因子的能量分布情況進(jìn)行描述，測(cè)試結(jié)果見(jiàn)圖3。

圖3 多特征因子的能量分布結(jié)果

依據(jù)圖3測(cè)試結(jié)果可知：在不同的信號(hào)頻率和波動(dòng)幅度下，本文方法應(yīng)用后，多特征因子的能量呈現(xiàn)全域內(nèi)的不規(guī)則分布情況，表示在特征空間內(nèi)，不同的特征呈現(xiàn)不同的能量分布結(jié)果，因此，本文方法可靠能夠獲取GIS運(yùn)行信號(hào)中的多因子特征，提取效果良好。

為驗(yàn)證本文方法對(duì)于GIS局部放電潛伏性故障特征的提取效果，采用本文方法對(duì)GIS運(yùn)行信號(hào)進(jìn)行多因子特征提取，獲取特征提取結(jié)果，由于篇幅有限，結(jié)果僅呈現(xiàn)4種局部放電的幅值特征提取結(jié)果，見(jiàn)圖4。

圖4 幅值特征提取結(jié)果

依據(jù)圖4測(cè)試結(jié)果可知：本文方法具有GIS運(yùn)行信號(hào)多因子特征提取能力，能夠獲取描述GIS局部放電潛伏性故障的多因子特征，為其故障診斷提供可靠依據(jù)。

為直觀驗(yàn)證本文方法對(duì)于GIS局部放電潛伏性故障診斷的應(yīng)用性，獲取本文方法在不同運(yùn)行時(shí)間內(nèi)，隨著信號(hào)頻率的不斷變化，對(duì)于4種GIS局部放電潛伏性故障診斷結(jié)果，見(jiàn)圖5。

圖5 4種GIS局部放電潛伏性故障診斷結(jié)果

依據(jù)圖5測(cè)試結(jié)果可知：本文方法具有較好的GIS局部放電潛伏性故障診斷能力，能夠完成不同類別局部放電故障的診斷，即使兩個(gè)故障之間存在一定重疊情況，本文方法依舊能夠精準(zhǔn)完成故障類別的診斷，是由于本文方法在進(jìn)行故障診斷時(shí)，是以GIS局部放電多因子特征完成，因此可充分結(jié)合不同放電故障的多因子特征完成最終診斷。

為驗(yàn)證本文方法對(duì)于GIS局部放電潛伏性故障的診斷性能，獲取本文方法在不同放電量下，對(duì)于4種潛伏性故障的診斷結(jié)果的類間離散度指標(biāo)結(jié)果，該指標(biāo)用于描述各個(gè)故障類別之間的區(qū)分程度，其取值范圍在0~1之間，其值越大，表示區(qū)分程度越好，則本文方法的診斷性能越佳。測(cè)試結(jié)果見(jiàn)圖6。

圖6 潛伏性故障的診斷結(jié)果的類間離散度指標(biāo)結(jié)果

依據(jù)圖6測(cè)試結(jié)果可知：本文方法應(yīng)用后，對(duì)于各個(gè)類別的GIS局部放電潛伏性故障診斷結(jié)果的類間離散度結(jié)果均在0.94以上，表示本文方法的應(yīng)用性能較好，對(duì)于GIS局部放電潛伏性故障診斷的結(jié)果可靠性較高，準(zhǔn)確判斷故障類別。

3 結(jié)論

GIS局部放電潛伏性故障具有顯著的突發(fā)性和潛伏性，不易被發(fā)現(xiàn)，進(jìn)而導(dǎo)致高壓電力系統(tǒng)的運(yùn)行存在較大安全隱患，為保證高壓電力系統(tǒng)的安全運(yùn)行，本文提出GIS局部放電潛伏性故障多因子數(shù)據(jù)流融合診斷方法，并對(duì)該方法的應(yīng)用情況進(jìn)行相關(guān)測(cè)試。結(jié)果顯示：本文所提方法可有效提取GIS局部放電潛伏性故障多因子特征，并且精準(zhǔn)完成不同類別的GIS局部放電潛伏性故障診斷，滿足應(yīng)用性需求。