1、 电气设备局部放电检测技术述评 局部放电(partial discharge, PD,简称局放)是绝缘介质中局部区域击穿导致的放电现象。与击穿或者闪络不同,局部放电是绝缘局部区域的微小击穿,是绝缘劣化的初始现象 1-2。电气设备绝缘材料多为有机材料,如变压器油、绝缘纸、环氧等。通常电气设备绝缘体所承受的电场分布是不均匀的,而电介质本身通常也是不均匀的,如气体-固体复合绝缘、液体-固体复合绝缘等。即使是单一的绝缘介质,在制造、运行过程中也会在介质内部出现气泡、杂质等其他物质,这就导致了在绝缘介质内部或表面会出现高场强区域,一旦这些区域的场强高到足以引起该区域的局部击穿,就会出现局部区域的放电,而
2、此时其他区域仍会保持良好的绝缘性能,这就形成了局部放电。它可能产生在固体绝缘孔隙中、液体绝缘气泡中或不同介电特性的绝缘层间。如果电场强度高于介质所具有的特定值,也可能发生在液体或固体绝缘中。局部放电不会立即导致绝缘整体的击穿,但其对绝缘介质的危害异常严重。一旦介质中出现局部放电,通过对其周围绝缘介质不断侵蚀,最终会导致整个绝缘系统的失效。局部放电是造成绝缘劣化的主要原因,也是绝缘劣化的重要征兆和表现形式,与绝缘材料的劣化和绝缘体的击穿过程密切相关,能有效地反映设备内部绝缘的潜伏性缺陷和故障,尤其对突发性故障的早期发现比介损测量、色谱分析等方法要有效得多 3-4。绝缘介质中局部放电现象的研究已经
3、有了近 80 年的历史 5。众多研究者通过试验研究、理论分析、物理建模等方法研究了局部放电的产生机理及基本的放电特性,研究结果表明局部放电与外加电压的类型、绝缘介质本身的材料特性、缺陷处的电场分布及放电所产生的空间电荷有着密切的关系 6-8。局部放电的检测都是以局部放电发生时所产生的各种物理量的检测为基础。当介质中发生局部放电时,会产生电脉冲、电磁波、超声波、光、局部过热及一些新的化学产物,与此相应的出现了电学检测法、声学检测法、光学检测法及化学检测法等。当设备内部发生局部放电时,对局部放电源的定位往往借助这些常见的检测方法,通过多个传感器的检测和空间信号分析等进行局部放电源的定位。此外对检测
4、到的放电信号还需要进行放电类型的识别,因此借助于各种信号分析和智能算法的模式识别方法也是局部放电研究的一个重要内容。随着局部放电研究的深入,众多运行单位和研究者也发现单纯采用传统的放电量、放电频率等参数已经无法满足对设备绝缘状态的评估,利用多个局部放电的相关信息进行局部放电源的危险程度评估也是目前的研究热点。作为电气设备绝缘性能重要的评价手段,局部放电的检测与分析是研究机构、设备制造厂商及电力系统运行部门最为关心的问题,特别是随着近年来高电压等级电网的大量建设,对设备安全可靠运行的重视程度日益增加,电气设备局部放电的研究及现场应用获得了极大的进展。本文针对电气设备局部放电的检测及分析,综述了近
5、年来局部放电检测和分析方面的相关重要研究成果,讨论了目前电气设备局部放电研究及实践中存在的问题及可能的解决思路,提出了今后研究和应用中可能的发展方向。1 局部放电的检测技术电气设备的局部放电测量会在设备出厂、现场试验及设备运行过程中进行,对检测结果的准确分析需要局部放电的强度、模式及定位 3方面信息的准确获得。检测技术是局部放电分析的基础,模式识别给出了导致发生局放的原因及类型,定位则给出了局放源的准确位置,而局部放电的强度则给出了当前局部放电活动的剧烈程度,这 3 方面信息的结合才能进行介质绝缘状态的合理准确评估。局部放电的检测技术一直以来都是局部放电研究领域的重点,目前常用的方法主要有以下
6、几种。1.1 脉冲电流法脉冲电流法是目前唯一有国际标准的局部放电检测方法 9,它是通过获取测量阻抗在耦合电容侧或通过 Rogowski 线圈从电力设备的中性点或接地点测取由于局部放电所引起的脉冲电流,可以获得诸如视在放电量、放电相位、放电频次等信息。传统的脉冲电流法可分为宽带和窄带测量 2 种,宽带检测法的下限检测频率为 30100 kHz 之间,上限检测频率1 GHz的特高频电磁波,该研究组还在实验室中检测到了变压器油中几种典型缺陷放电的特高频信号,并将研制的特高频天线插入实际变压器的油阀中,天线面与油箱内壁在同一平面上,将所测得信号通过一个波导结构从变压器中导出并送入检测装置,这样电磁波到
7、达传感器时衰减较少,同时波导结构也有利于电磁波的无损传播,从而提高特高频法的检测灵敏度(可达 10 pC)。此外,文献26在对 GIS 中局部放电特高频检测的研究基础上,也对其在变压器中的应用进行了实验室研究,并进行了现场实测,在变压器顶部靠近高压侧的箱体上开一介质窗,特高频天线通过介质窗提取局部放电信号,取得了一定的成果。特高频法局部放电检测的方法有特高频宽带检测法和特高频窄带检测法 2 种。2 种检测方法的区别如图 3 所示。特高频窄带测量的中心频率通常为几百 MHz、带宽为几十 MHz,如图3(a)所示,以选择中心频率为 600 MHz,带宽为 100 MHz 为例,则送入检测系统的频带
8、为 550650 MHz,窄带检测方法可以任意选择频带,因而可避开现场的许多干扰,能较有效地抑制外部干扰和提高信噪比,但其检测的是 1 个较窄频带内的信号,检测信号的能量会受到限制。西安交通大学的特高频局放检测是典型的窄带检测设备,其采用混频的方法实现特高频信号的窄带检测,并在现场得到了较好的效果 27。而宽带检测法则将检测频带内的所有信号都送入检测系统,如图 3(b)所示,这种情况下信息量大,可以在足够宽的频率范围内对局部放电进行检测,避免遗漏放电特征峰。但如果有检测频带之内的干扰信号,会造成信噪比低,影响后续的分析。英国 DMS 公司的特高频局部放电检测设备是典型的宽带检测设备 28。特高
9、频检测法由于具有良好的抗电晕性能而适合于局部放电的在线监测,特别是近年来随着局部放电在线监测的快速发展,特高频法在电气设备局部放电的在线监测方面的应用越来越广泛。就特高频法本身而言,近十几年来并未有大的改变,但特高频信号的检测技术,特别是特高频传感器技术近年来的发展较快,涌现出了一系列不同结构、不同形式及适用于不同场合的特高频传感器。对 GIS 进行特高频局部放电检测的传感器主要有内置式和外置式 2种。内置传感器中常用的是平板式和锥形传感器,文献29研究结果表明,平板式传感器在 300 MHz3 GHz 范围内具有优良的频图 3 两种特高频检测方法的差异 Fig.3 Difference of
10、 two UHF detection methods率响应特性,当信号的频率越高时,传感器的增益越大。锥形阻抗与电缆匹配,这种传感器的灵敏度高于平板式传感器。2 种传感器的结构如图 4 所示。双螺旋阿基米德天线和平面等角螺旋天线也是 2 种应用较为广泛的特高频传感器。文献30研究了双螺旋阿基米德天线,已将其应用于变压器的特高频局部放电检测,文献31-32研究了等角螺旋天线,对其结构特征、影响因素等进行了探讨。这 2 种传感器的结构形式如图 5 所示。图中,R 为天线半径, 为旋转角, i(i=1, 2, 3, 4)为扇面半径,O 为原点,D 为天线直径随着分形技术的发展,近年来出现了 1 种基
11、于分形思想的特高频传感器。分形传感器可实现传感器的小型化和多频带。分形传感器中Hibert 分形天线是 1 种结构简单、性能优良的天线。这种天线图形连续,不存在交叉点,曲线自相似迭代,随着分形阶数的增加从 1 维空间填充到 2 维空间 33-34。图 6 为 3 阶和 4 阶 Hilbert 分形天线。图 4 平板和锥形特高频传感器 Fig.4 Disc and cone UHF sensors特高频传感器的研究是近年来的一个热点,除了以上较为成熟的传感器,圆环形、半圆板偶极子天线、二次元对数周期天线等大量的新型传感器形式不断涌现 35,它们具有各自的优缺点,但其应用效果还需要进行现场的进一步
12、验证。目前使用较多的特高频传感器均是无源型,也有学者将信号的滤波、放大等信号处理单元与传感器集成,形成有源传感器。有源传感器信号就地处理,减少了传输中的损耗,但其供电通常采用电池,使用方面没有无源传感器方便。总的而言,对于特高频局部放电检测,其与脉冲电流法在频带上具有较大差异,在检测方法上脉冲电流法主要是“路”的检测,而特高频法主要是“场”的检测,虽然 2 者检测的是同一个物理现象,但由于检测量的不同,2 者之间至今没有建立起一个一一对应的关系,但大量的研究表明 2 者之间的变化趋势是一致的36。目前的国内外学者基本认同脉冲电流法检测的 pC 和特高频法检测的 dB 之间不存在确定的定量对应关
13、系,普遍认为在放电量大小的表征上 2 种检测方法应各自使用各自的单位,2 种检测方法对缺陷检测的灵敏度基本是相当的 37。1.3 超声波检测法在变压器、GIS 等电气设备内部发生局部放电时会产生电荷中和的过程,相应的会产生较陡的电图 5 等角螺旋天线和阿基米德天线 Fig.5 Equiangular spiral and Archimedes UHF antennas图 6 分形天线 Fig.6 Fractal antenna流脉冲,电流脉冲的作用将使得局部放电发生的局部区域瞬间受热而膨胀,形成 1 个类似爆炸的效果,放电结束后原来受热而膨胀的区域恢复到原来的体积,这种由于局部放电产生的一涨一
14、缩的体积变化引起了介质的疏密瞬间变化,形成超声波,从局部放电点以球面波的方式向四周传播 38,因此当发生局部放电时也伴随着超声波的产生,SF6气体中的超声波产生原理如图 7 所示。一方面,局部放电由一连串的脉冲形成,由此产生的声波也是由脉冲形成;另一方面,超声波检测法还可以检测运动颗粒产生的机械波,可用来区分颗粒的运动状态。局部放电产生的声波频谱分布很宽,约为 10 107 Hz,监测到的声波频率随着不同的电气设备、放电状态、传播媒质以及环境条件的不同而改变。由于在 SF6气体中声波的衰减很大,约为空气中的 20 倍,并且高频分量的衰减要比低频分量大得多,因此能检测到的声波低频分量比较丰富,在
15、 GIS 中,除了局部放电产生的声波外,还有导电微粒碰撞金属外壳、电磁振动以及操作引起的机械波振动等发出的声波,但是这些声波的频率都比较低。在 GIS 的局部放电超声波检测中,超声波传感器的谐振频率一般在 25 kHz 左右。而在变压器中,其谐振频率一般在 150 kHz 左右。当电脉冲通过试品时,会产生与电荷分布相关的超声波脉冲,且与空间电荷成比例,这样通过测量超声波信号就可以获得空间电荷的组成部分和存在位置,进一步可以对绝缘材料中的电荷分布进行测量,这些是目前电检测手段无法达到的,GIS 中的金属颗粒跳动时不但会发生局部放电还会产生大量的机械波,使用超声波的方法可以弥补电检测方法检测不到超
16、声波信号的缺点,通过电声信号的结合,能更好地描绘自由金属颗粒的运动轨迹以及评估其危险性 39-40。因为超声波法检测有如上的特点,所以直至目前国内外许多学者一直在进行这方面的研究工作,也取得了不少的成果。20 世纪 80 年代以后,德国 Vallen 公司、美国物理声学公司等相继推出声发射信号采集传感器,声发射传感器的灵敏度得到了较大的提高,使得超声无损检测法更广泛应用于电力设备检测。20 世纪 90 年代初,有学者就开始致力于使用超声波检测 GIS 内部松动颗粒和其他放电的理论和实验室的试验情况,研究结果认为使用超声波法可以检测到 GIS 内部故障或缺陷,并且不同缺陷情况下超声波信号在时域和
17、频域上是不相同的,同时提出了超声波在 GIS 腔体内的传播规律。在此研究基础上,研制出的超声波绝缘监测仪检测 GIS、电缆以及变压器等高压电器内部缺陷具有灵敏度高、定位精度高等特点,并且通过标定甚至可以对放电量进行定量分析 41-43。1996 年以后,研究 GIS 中相对较为常见、也较为危险的自由颗粒引起故障的情况较多 44。研究发图 7 超声波法检测局放示意图 Fig.7 Schema of acoustic detection method for PD现,自由颗粒在 GIS 腔体中飞行时间很长,有可能跳到绝缘子或是其他高场强区而引起闪络。对于这类自由颗粒可以通过超声波信号得到其飞行时间
18、、飞行轨迹等许多有用信息。文献45通过飞行时间、超声波信号幅值等因素对其危险性进行评估,研究发现,自由颗粒可以通过飞行时间-信号幅值图与其他缺陷类型相区别。文献46研究了 GIS 中典型绝缘缺陷的超声波局部放电特性,并提出了 1 种基于超声波信号的放电类型模式识别方法。文献47-48通过使用超声传感器对 GIS 模型内缺陷的检测发现,通过超声信号幅值大小、50/100 Hz 分量大小等可以对缺陷类型进行定性,并且通过超声信号发生率可以推测自由颗粒的移动方向。文献49基于 LABVIEW 平台研制了 1 套变压器局部放电测量系统,在实验室的试验结果表明该系统可以方便地给出局部放电的位置、模式以及
19、放电量信息。常规的局部放电超声波检测采用压电超声波传感器,将超声波信号转化为电信号进行检测并传输。随着光纤技术的发展,近年来有学者开始研究利用光纤本身或者外部敏感元件将超声波信号转化为光强信号的变化,进而通过光敏元件转化为电信号进行局部放电的超声-光检测。较为常用的超声-光检测采用 Fabry-perot、Mach-zehnder和 Michelson 3 种干涉原理。文献50研究了基于 Fabry-perot 干涉原理的超声-光检测技术,并将其应用到变压器的油中局部放电检测。文献51对比了 3 种干涉原理超声-光检测的优缺点。文献52研究了 1 种基于熔锥耦合原理的超声-光传感器。熔锥耦合技
20、术是指将 2 根除去涂覆层的光纤以一定的方式靠拢,在高温下加热熔融,同时向光纤两端拉伸,最终在熔融区形成双锥形式的特殊波导耦合结构,其结构如图 8 所示。在熔锥区,2 根光纤包层合在一起,纤芯足够逼近,形成弱耦合。此时,2根光纤中传输的光会在锥形耦合区域发生能量耦合交换,随着耦合区的加长,能量的耦合交换呈周期性变化。两臂的分光比主要受耦合长度的影响,因此可以通过对分光比的监测实现对应变的传感。图 9 为文献52利用该传感器检测到的油中局部放电信号,其与传统的压电传感器检测到的信号具有较好的一致性。由于光纤传感器本质为介电材料,其传输的是光信号,使用上安全性高;另外加上其良好的温度稳定性,因此可
21、应用于高电压、强电磁干扰的恶劣环境;同时光信号衰减小,便于长距离传输,非常适合大型电力变压器等电力设备运行状态的连续在线监测。甚至可以将光纤传感器直接置于材料内部,和材料融为一体形成智能材料和结构。局部放电的超声波检测具有现场操作简单、应用便捷的特点,一直是现场运行人员局部放电检测的重要手段。在检测方法方面,传统的压电式传感器检测技术已经发展的较为成熟,目前利用光纤进行超声信号的检测是一个具有较大空间的发展方向。此外利用超声波信号进行局放源定位近年来也得到了快速的发展。1.4 其他检测法脉冲电流法、特高频法和超声波法一直是电气设备局部放电检测方面的主要方法,在现场均得到了广泛的应用。除了这 3
22、 种方法外,化学检测法、光检测法等也处于快速发展中,有的也已经在现场得到了应用,并成为现场局放检测的重要手段。绝缘材料在局部放电的作用下会发生分解,因而生成各种新的产物,因此可以通过检测这些新的分解产物的组成和含量来进行局部放电的检测。目前对于变压器等油纸绝缘设备采用色谱技术进行油中溶解气体的检测来判断变压器的内部故障发展的较为成熟,已经广泛应用于变压器的在线故障诊断中。相关的国家标准也给出了基于特征气体的故障类型判断方法。大量的研究者研究了利用智能算法进行油中溶解气体的故障诊断。随着仪器技术的进步,近年来在 SF6气体绝缘设备中应用气体分解产物进行局部放电的检测得到了快速的发展,并在现场得到
23、了迅速的应用。SF 6在局部放电的作用下会发生分解,生成多种类型的气体产物,其气体分解产物的种类和含量受到放电强度、放电类型、电极材料、微水含量、气压等因素的影响,利用分解产物可实现对 SF6绝缘类设备图 8 光纤熔锥耦合超声传感器结构图 Fig.8 Structure diagram of fiber fused taper coupling acoustic sensor图 9 油中不同传感器检测到的局放信号 Fig.9 PD signals detected by difference sensors in oil的故障诊断。近年来众多研究者对 SF6在放电条件下的分解机制及分解过程、S
24、F 6气体分解产物的检测方法、影响 SF6气体分解产物的各种因素及利用 SF6气体分解产物进行放电类型识别等相关内容进行了大量研究,取得了大量的成果,有力的推动了该方面研究的进展53-60。但利用化学方法进行局部放电的检测存在灵敏度不如以上电测法和声测法、且对较短时间内发生的放电故障难以发现,目前通常和其他方法相结合进行局部放电的检测和判断。当设备内部发生局部放电时会辐射出光信号,利用光信号进行局部放电的检测称为光测法。在变压器油中不同类型放电的光信号波长一般在 500700 nm 之间,利用光传感器将光信号检测后通过光电转化可进行局部放电的光信号检测。文献61研究了利用荧光光纤在变压器油中进
25、行局部放电的检测。文献62则将多个荧光光纤传感器放置在油中进行局部放电源的定位。目前光测法多在实验室中进行,还处于研究阶段。由于设备相对昂贵、灵敏度不够高,特别是需要植入设备内部,这极大的限制了光测法的现场应用。但作为一种新的局部放电检测方法,一旦解决了传感器的植入问题,将会是一种非常有使用前景的局部放电检测手段。对于电气设备局部放电的检测而言,目前脉冲电流法、特高频法和超声波法是主流检测方法,分解产物测量等化学检测法是其有力的补充,几种方法各有其优缺点,互相补充可以实现局部放电较为准确的测量和判断。2 局部放电类型的模式识别技术根据电气设备中绝缘缺陷的电场分布情况,可将局部放电的缺陷类型分为
26、如下 3 种基本类型：气体或液体绝缘中的金属尖端放电;固体绝缘内部存在气隙时的气隙放电;沿固体绝缘表面的沿面放电。此外在变压器和 GIS 中还存在由于螺丝松动等金属体接触不良原因而导致的悬浮电位放电、金属微粒存在导致的自由微粒放电。通常将电气设备中的局部放电分为以上 5 种典型放电类型（缺陷类型）。放电类型与放电的危害程度密切相关,根据局部放电的检测进行放电类型的模式识别一直是局部放电研究领域的一个热点。根据局部放电信号进行缺陷类型模式识别的 2 个关键步骤是特征提取方法和模式分类算法。2.1 局部放电信号特征提取方法对于绝缘缺陷局部放电类型的识别,首先要有能够准确描述放电类型的特征量,通常特
27、征提取主要分为时域分析法和统计分析法。时域分析法对一次放电所产生的时域波形特征或其变换结果进行特征提取,但由于局放信号在传输过程中衰减畸变严重,难以准确提取特征量,这种方法现场应用效果欠佳。统计分析法采用统计参数来描绘局放特征,在局部放电模式识别领域是主要的特征提取方法。局部放电的局部放电相位分布(phase resolved partial discharge, PRPD)谱图是最为广泛采用的局部放电统计分析模式。该谱图的 3 维模式是描述局部放电的工频相位 （0360）、放电幅值 q 和放电次数 n 之间关系的 Hn(q, ),其 2 维模式常用的是描述工频相位(0360)和放电幅值 q
28、之间的关系,即 H(q, )谱图。1 个典型的 2 维 H(q, )谱图如图 10 所示。从 3 维谱图 Hn(q, )还可推导出最大放电量 qmax与相位 谱图H(qmax, ),平均放电量 qn与相位 谱图 H(qn, ),放电次数 n 与相位 谱图 H(n, ),放电次数 n 与放电量 q 谱图 H(n, q)等。基于局部放电 PRPD 谱图,文献63提出了采用统计算子作为特征量进行模式识别的方法。该方法所提出的统计算子包括偏斜度 sk,陡峭度 ku,局部峰个数 Pe,不对称度 Q,相关系数 c 等。这些统计算子描述了 PRPD 谱图的形状特征,认为不同的放电类型具有不同形状特征的谱图,
29、采用统计算子进行计算可以获得放电类型。基于统计算子的局部放电类型识别方法自提出以来获得了大量的应用,也是目前局部放电模式识别中应用最为广泛的特征提取方法。除基于 PRPD 谱图的统计算子,文献64提出基于 Weibull 分布提取特征算子。认为局部放电的放电幅值分布符合双参数 Weibull 分布,即Fig.10 PRPD pattern of PD “ style=“box-sizing: border-box; color: rgb(43, 43, 43); text-decoration: none;“图 10 局部放电 PRPD 谱图 Fig.10 PRPD pattern of PD
30、象,而分形则是描述自然界复杂形状的有效工具,因此基于分形特征进行局部放电类型识别也是 1 种有效的方法。文献65基于局部放电 3 维谱图,利用空缺率和分维数 2 个分形特征作为特征算子进行放电类型识别。文献66将分维数、空缺率和 Weibull 分布参数相结合作为特征参数进行模式识别。局部放电谱图实际上是 1 种图像形式,利用H(q, )谱图形成局部放电灰度图像,可提取图像特征进行放电类型的模式识别。文献67研究了一种基于双向 2 维最大间距准则的局部放电灰度图像特征提取的方法。文献68则采用局部放电正负半周灰度图像的分维数、二阶广义维数及高值灰度图像分维数 6 个分形特征作为特征算子进行局部
31、放电的模式识别。以上提到的局部放电特征提取方法均是基于放电 PRPD 谱图,其基本出发点是提取局部放电相位谱图的形状特征,利用不同放电类型具有不同的谱图形状特征进行模式识别。近年来有研究者研究了利用局部放电混沌特征进行特征量的提取进而进行模式识别。从时间序列上而言,局部放电具有混沌特性,因此可将局部放电时间序列在高纬相空间重构并获得各种混沌吸引子,从混沌吸引子谱图可提取特征算子进行模式识别。文献69研究了油纸绝缘 5 种典型缺陷的混沌吸引子,如图 11 所示。从混沌吸引子中分别求取最大 Lyapunov 指数、关联维和Kolmogorov 熵等混沌特征量作为特征算子进行放电类型的模式识别。总之
32、,局部放电信号特征提取的思路是借助于局部放电统计分析,如局放 PRPD 谱图、混沌特征吸引子等,从中提取能够反映放电类型差异的特征算子,利用这些特征算子作为训练数据进行未知放电类型的模式识别。在局部放电类型模式识别中,除了特征算子,模式识别算法也是其中的关键步骤。2.2 模式识别算法局部放电的模式识别算法也称为模式识别分类器。在局部放电模式识别研究领域,模式识别算法的研究是其中的一个热点,众多研究者研究了各种不同类型、不同结构的算法。目前常用的模式识别算法均是具有“智能”特征的算法,其流程为首先利用实验室中不同局部放电类型的样本数据作为训练数据进行模型学习,通过调整算法中的参数建立数据特征与放
33、电类型之间的映射关系,该过程称为模式识别算法的学习过程。实际应用时以待识别的图 11 油纸绝缘 5 种典型缺陷2 维混沌吸引子 Fig.11 2D chaotic attractors of five typical defects of oil paper insulation数据作为输入,对放电类型进行识别,输出放电类型。目前应用最为广泛的模式识别算法是神经网络算法 70。神经网络是1 种模拟人脑进行识别的数学算法,它由多个具备线性或非线性映射能力的神经元组成,神经元之间通过权系数相连。神经元是具有非线性映射能力的的函数,其信息分布存储于连接权系数中。人工神经网络具有较高的容错性和鲁棒性,
34、其知识获取能力极强,能够有效处理含噪声的数据,这在局部放电的模式识别中极具优势。最为广泛应用的神经网络是反向传播神经网络(back-propagation, BP),该神经网络采用反向传播算法进行训练,是一种有导师学习网络,目前 2 层 BP神经网络是最为常用的模式识别算法。此外径向基神经网络(radial basis function, RBF)、自组织特征映射神经网络(self-organizing map, SOM)、自适应共振神经网络(adaptive resonance theory, ART)、遗传算法神经网络(genetic algorithm,GA)等不同类型的神经网络算法均被
35、应用于局部放电的模式识别中。神经网络算法应用于局部放电模式识别有较长的历史,效果也较为明显,神经网络在局部寻优时比较成功,但也存在对初始权值和阈值的选取敏感;容易陷入局部极小点,致使学习过程失效;算法收敛速度慢,效率低;网络结构设置依赖于使用者的经验等缺点。针对神经网络的缺点,近年来1 种新的机器学习算法支持向量机(support vector machines,SVM)逐步应用到了局部放电的模式识别中。SVM 是建立在统计理论和结构风险最小化原则上的 1 种机器学习算法,它采用核函数代替原模式空间的矢量运算来实现非线性变换。SVM 能够克服小样本、多维数、局部极小点等问题,是一种极具优势的模
36、式识别算法,近年来得到了诸多研究。文献71在传统 SVM 的基础上提出了 1 种基于最小二乘支持向量机(LS-SVM)的局部放电模式识别方法,将其应用到了直流电压下油纸绝缘的模式识别。此外文献72研究了 1 种基于模糊逻辑的局部放电模式识别方法;文献73采用仿生模式识别理论进行局部放电的模式识别;文献74提出采用矢量量化和快速匹配相结合的局部放电模式识别方法;文献75则引入离散马尔科夫模型进行局部放电模式识别。总的来讲,局部放电的模式识别算法越来越多的采用智能算法,在算法的精确性及适用性上均进行了诸多研究,该领域需要较为深厚的数学知识,是局部放电领域最具有活力的研究方向,但由于局部放电本身的复
37、杂性及缺陷分类的不确定性以及实际有效样本的不足,目前还没有哪一种算法能够真正在现场检测中做到不需人工介入进行放电类型的准确识别。3 局部放电源定位技术电气设备内部局部放电源的定位研究一直是局放研究领域的一个热点。对于 GIS 设备,其结构为同轴结构,局部放电源的定位较为简单,而大型电力变压器由于结构复杂、体积庞大,其内部局部放电源的定位则更加困难,目前局部放电源的定位主要针对大型电力变压器进行研究。电力变压器内部局部放电源的定位主要有电气定位法、超声定位法及特高频定位法以及将它们相互结合应用的方法,此外近年来还有光学定位法等。当变压器内部存在局部放电时,放电脉冲会沿绕组传播到达测量点,该脉冲由
38、行波分量、电容分量及振荡分量组成,包含了局部放电源的位置信息,通过对脉冲进行时域和频域的分析可以确定局放源的具体位置。由此而发展起来的电气定位法包括起始电压定位法、多端测量定位法、行波定位法、电容分量定位法、端点脉冲频谱分析法等,文献76等对电气定位法进行了较多研究。电气定位法对测量的精度要求极高,但其定位精度有限,且不能进行空间定位,近年来对电气定位法的研究不多,目前研究较多的是利用超声波法和特高频法对局部放电源进行空间定位。3.1 特高频定位法利用特高频法进行变压器局部放电源的定位是近几年来的研究热点。大型电力变压器内部存在铁芯、绕组等部件,文献77通过实验证明了特高频电磁波传播过程中经过障碍物时会发生绕射现象,验证了最短光程原理,并提出了基于最短光程原理的局放源定位思想。文献78则在此基础上进一步将变压器分为若干立体网格,先确定电磁波在网格内的传播速度,然后搜索确定故障发生的网格位置进行局放源的定位。
