基于脉冲电流法的高压开关柜局部放电在线监测系统设计.pdf

Microcomputer Applications Vol.39,No.11,2023文章编号：10 0 7-7 57 X（2 0 2 3)11-0 0 43-0 5基于脉冲电流法的高压开关柜局部放电在线监测系统设计李钊枢，林宪峰1，余佳玺，许超（1.国网黑龙江省电力有限公司，黑河供电公司，黑龙江，黑河16 4399；2.国网黑龙江省电力有限公司，电力科学研究院，黑龙江，哈尔滨150 0 30）摘要：为了监测高压开关柜局部放电状态是否属于故障状态，设计基于脉冲电流法的高压开关柜局部放电在线监测系统。超高频传感器模块采集高压开关柜运行状态的超高频信号，发现高压开关柜存在局部放电状态后，驱动脉冲电流信息检测模块采集开关柜放电信号，并通过基于2 代小波去噪的高压开关柜局部放电信号去噪方法，将局部放电信号进行去噪后导入DSP模块，DSP模块使用基于最优二元树复小波分解的放电信号特征提取方法，提取最优二元树复小波分解的放电信号特征，再启动基于神经网络与证据理论的局部放电特征融合识别模型，判断识别局部放电是否属于故障放电。经测试，此系统可有效监测高压开关柜局部放电状态，具有应用价值。关键词：脉冲电流法；高压开关柜；局部放电；在线检测系统；特征融合识别中图分类号：TP311Design of On-line Partial Discharge Monitoring Systemfor High Voltage Switchgear Based on Pulse Current MethodLI Zhaoshu,LIN Xianfeng,SHE Jiaxi,XU Chao?(1.Heihe Power Supply Company of State Grid Heilongjiang Electric Power Co.,Ltd.,Heihe 164399,China;2.Electric Power Research Institute,State Grid Heilongjiang Electric Power Co.,Ltd.,Harbin 150030,China)Abstract:In order to monitor whether the partial discharge state of high voltage switchgear belongs to fault state,an on-linepartial discharge monitoring system of high voltage switchgear based on pulse current method is designed.The UHF sensormodule collects the UHF signal of the operation state of the high-voltage switchgear.After finding that the high-voltageswitchgear has a partial discharge state,the pulse current information detection module is driven to collect the discharge signalof the switchgear,and the partial discharge signal is denoised and introduced into the DSP module through the partial dischargesignal denoising method of the high-voltage switchgear based on the second generation wavelet denoising.The DSP module usesthe discharge signal feature extraction method based on the optimal binary tree complex wavelet decomposition to extract thedischarge signal features of the optimal binary tree complex wavelet decomposition,and then starts the partial discharge featurefusion recognition model based on neural network and evidence theory to judge whether the identified partial discharge belongsto fault discharge,After testing,the system can effectively monitor the partial discharge state of high voltage switchgear,andisofapplicationvalue.Key words:pulse current method;high voltage switch cabinet;local discharge;online detection system;feature fusion recogni-tion化，能量耗损严重 1-2。若电场为强电场模式，绝缘材料也会0引言被击穿,开关柜基本放电对设备的绝缘效果存在负面影响，智能电网属于一种新型电网结构，其主要将传感检测技开关柜也将停止工作。术、通信技术、控制技术等高新技术应用在物理电网中。智开关柜属于开关器械，因为其在制作、装配的过程中都能电网的核心结构之一为开关柜，开关柜工作的可靠性对电不能保证万无一失，所以故障率较高。目前，我国对高压开网运行模式是否存在异常有直接影响。高压开关柜长时间关柜绝缘性能的监测大多是人工检查与保护的模式，虽然事地运行在高压模式中，绝缘材料在电场的影响下逐渐出现老故发生概率不大，但是人工检查需要断电检查，设备断电会基金项目：国网黑龙江省电力有限公司黑河供电公司科技资助项目（52 2 42 0 2 0 0 0 Y7）作者简介：李钊枢（198 8 一），男，本科，工程师，研究方向为运维管理；林宪峰（197 2 一），男，本科，高级工程师，研究方向为运维管理；余佳玺（197 8 一），男，本科，工程师，研究方向为运维管理；许超（198 6 一），男，硕士，工程师，研究方向为运维管理。基金项目文献标志码：A43微型电脑应用2 0 2 3年第39 卷第11期Microcomputer Applications Vol.39,No.11,2023对电力设备的检修存在一定影响-51。绝缘事故出现时，将伴随着放电状态，所以，通过放电状态的监测便可判断高压开关柜的绝缘性能是否存在异常，以此判断高压开关柜工作状态。文献 6 系统可使用脉冲电流法快速检测局部放电信息，但此系统抗噪性较差；文献 7 系统可使用声电联合的模式准确监测局部放电状态，但操作难度大。本文设计基于脉冲电流法的高压开关柜局部放电在线监测系统，可实现高压开关柜局部放电状态的有效监测，且对含噪放电信号具有滤噪功能。1高压开关柜局部放电在线监测系统1.1系统结构图1是系统结构图。上位机监控模块通信模块DSP模块超高频脉冲电流信传感器模块息检测模块图1系统结构图1中，系统主要分为上位机监控模块、通信模块、DSP模块、超高频传感器模块、脉冲电流信息检测模块和电源模块。超高频传感器模块采集高压开关柜运行的超高频信号，发现高压开关柜存在局部放电状态后，驱动脉冲电流信息检测模块采集开关柜放电信号，并通过基于2 代小波去噪的高压开关柜局部放电信号去噪方法，将局部放电信号进行去噪后导人DSP模块,DSP模块使用基于最优二元树复小波分解的放电信号特征提取方法，提取最优二元树复小波分解的放电信号特征，再启动基于神经网络与证据理论的局部放电特征融合识别模型，识别局部放电模式是否属于故障放电，如果存在故障，则将故障信息传输至上位机监控模块进行故障报警。（1）超高频传感器模块图2 是超高频传感器模块的结构示意图。超高频传感器立放大电路立前端滤波放大电路立频谱搬移电路偏置电路键盘、显示DSP最小系统1以太网图2 超高频传感器模块结构高压开关柜如果存在局部放电模式，便会出现较大的电基金项目磁波，超高频传感器模块使用超高频传感器采集高压开关柜运行过程中的电磁波信号，并导入放大电路与前端滤波放大电路，电磁波信号得以放大与去噪，再导入频谱搬移电路中，完成高频信号降频，降频后信号在偏置电路中可把信号变换成满足DSP最小系统可处理的电压信号 E8-101。（2）脉冲电流信息检测模块图3是脉冲电流信息检测模块的结构示意图。电流互感器调理采集通信图3脉冲电流信息检测模块结构图3中，脉冲电流信息检测模块主要分为电流互感器、监测阻抗和采集CPU。高压开关柜内部出现局部放电问题电源模块后，放电信号会在中性点接地线等位置输出脉冲电流信号，采集CPU会采集此电流信号以备后续操作。此监测模块可实现脉冲电流信号的在线监测与离线监测。脉冲电流信号检测的基本原理图见图4。当高压开关柜Da出现局部放电时,D。将存在电压跳变值U,Dk处的耦合电容把此U耦合至检测阻抗Wa中，Wa将发射脉冲电流I至检测装置。Dk限流阻抗图4脉冲电流信号检测的基本原理1.2基于2 代小波去噪的高压开关柜局部放电信号去噪方法高压开关柜局部放电信号在第2 代小波分解去噪时，步骤依次是分解、预测、更新。(1)分解高压开关柜局部放电信号分解方法：Yh+2.d=(Yk.4m)(Yh+1,=(Yk.1m+2)其中，高压开关柜局部放电信号采样序列是Yk，原采样序列分解后获取的偶样本序列与奇样本序列依次是Yk+2.d、Y+1，k 是高压开关柜局部放电信号分解层数，d、分别代表偶样本序列与奇样本序列的分解因子，代表样本序列时钟、报警数目。(2)预测e+1=Y+1-2Q(j)Y+.d44.微型电脑应用2 0 2 3年第39 卷第11期监测阻抗M采集CPU检测装置WaLDaM(1)(2)Microcomputer Applications Vol.39,No.11,2023其中，局部放电信号值预测器以及预测器的长度依次是Q(j）、M,e k+i是Yk+2.a预测Yk+1的预测偏差值。(3)更新r+1=Y+2.-2 V(i)Y+1.其中，局部放电信号更新器以及更新器的长度依次是V(i)、N，r k+1是Yk+2.d预测Yk+1，获取的逼近信号。将经过分解后高压开关柜局部放电信号的细节信号使用阅值实施处理，软阈值ths：ths:=dek其中，第k层细节信号标准差是；d 是常数，dE 2，4。为了防止软阈值函数处理后的局部放电信号存在失真问题，本文设计新的阈值函数：sgn(e,)(e;|-h)，le;|th s ke=1e,Ithsk其中，处理前局部放电信号的细节信号是e，处理后细节信号是ei，h 是伴随细节信号变化而变化的向量。把通过阅值处理后局部放电细节信号、逼近信号实施重构。更新重构与预测重构：Ya+2.d=rk+2-V(ek+2)Yt+1.=eh+1+Q(Yh+2.a)合并成：Yk=Yh+2.d+Yh+1.2综上所述，Y就是去噪后的局部放电信号。1.3基于最优二元树复小波分解的放电信号特征提取方法1.3.1最优二元树复小波分解层数设计使用最优二元树复小波分解方法分解高压开关柜局部放电信号Y，分解层数增多时，高频信息也随之增多，此时，信号的高频系数与低频系数之间的长度变短，不能充分描述信号潜在的时频特征 11。为了充分挖掘局部放电信号Y的时频特征，将Y实施小波分解，分解时需要合理设计分解层数。奇异值能够描述Y的奇异信息量，奇异信息的复杂水平可通过奇异嫡体现 12。针对Y经小波分解后的奇异熵，如果分解层数变多，但奇异熵没有变化，表示分解层数变多，但奇异信息增量与复杂度增量没有变多，此时的小波分解层数即为最优值。求解最优分解层数的方法：（1）建立模值序列复合矩阵，将信号Y实施分解，获取每层复小波系数数值序列，压缩整理后获取复合矩阵P。（2）将复合矩阵P实施奇异值分解，分解尺度是i时，矩阵P的奇异熵F：F,=ZAF,j1其中，F，是矩阵P的奇异增，s是分解层级。（3）设置奇异熵相对增量是Seror：Serror=(F,-F,-1)/F-1其中,F-1是分解尺度是j一1时矩阵P的奇异熵。根据增量Serror判断分解层数是否为最优值，如果Serror的值大于提前设置的阈值，则目前层数需要增加，反之即为最优值。基金项目1.3.2基于最优分解层数下局部放电信息特征提取（1）将Y实施s层分解，获取Y高频、低频系数实部与虚部；V（2）运算复小波系数模值L|=V(seL+lnL),seL、ln L(3)j=1(4)(5)(6)(7)(8)(9)(10)45.微型电脑应用2 0 2 3年第39 卷第11期依次是Y的实部与虚部向量。建立复小波系数模值序列Ei,E2,Er。（3）建立Y的每个高频系数模值序列的Hankel矩阵Ti,T2,.,Ti:E1E2E2E3Ti=：LE,Ei+1EI+（4）将Hankel矩阵实施奇异值分解，获取Y的I个奇异值矩阵，选择各个奇异值矩阵的最大奇异值，设成局部放电信号Y每个分解尺度中高频奇异信息含量特征，并建立对应的特征向量GI。1.4基于神经网络与证据理论的局部放电特征融合识别模型图5是模型的结构图。局部局部放电放电信号信号特征特征集1集2神经网络初步识别初步识别初步识别单元1单元2支支证据源1证据源2DS证据理论立（监测结果）图5模型结构针对1.3小节提取的局部放电信号特征Gl，使用子神经网络将特征参数子空间映射学习至故障空间，以此能够把高维空间的映射关系分解成低维映射关系，降低局部放电信号特征识别的难度。此外，神经网络中每个子网络可建立初步识别单元，每个识别单元的识别结果都能够看作综合判断的证据体，把每个子网络的输出变换成证据体的概率质量函数，通过证据理论融合各个证据体的概率质量函数，获取每个识别单元共同识别后的监测结果。在1.3小节提取的局部放电信号特征Gr空间中设计诊断子网络W，并实施训练，让W具备学习能力，之后使用已知属性样本集，检测每个W，的训练效率、识别精度。基于证据理论的局部放电特征融合识别步骤如下。（1）构建局部放电特征融合识别结构2，按照高压开关柜典型的局部放电类型，构建的局部放电特征融合识别结构是=（2 1，2 2，2,），2 是局部放电类型。（2）设计局部放电类型识别证据，把各个子神经网络的输出设成DS理论的输人证据体；E.7Ei+1局部放电信号特征集初步识别单元立证据源3(11)Microcomputer Applications Vol.39,No.11,2023（3）设计中每个局部放电类型命题的概率质量函数。在神经网络识别过程中，每个神经网络的输出都可以描述局部放电信号特征参数空间与故障模式命题的关联性，能够直接把每个子神经网络的输出变换成DS理论里每个命题的概率质量函数 13-15。假定第j个子神经网络分类局部放电特征后，第i个节点的输出是D,B,，那么证据F，划分至命题B，的概率质量函数：n;(B,)2D,B,其中，n是高压开关柜局部放电信号特征分类次数。（4）合成证据。使用DS证据融合模式，运算每个证据体共同判断局部放电特征分类推理决策的可信度函数。（5）输出局部放电特征分类的监测结果。通过下式给出监测结果B：Be=max(Ce(B,)其中，max(Ca（B,）)是最大可信度。2实验分析实验在MATLAB仿真软件中测试本文系统的应用效果。本文系统中的脉冲电流信息检测模块电流互感器频率特征示意图如图6 所示。-17-19-21-23-25-270图6 电流互感器频率特征如图6 所示，此互感器频率区间的频率特征波动较为平稳，未曾出现较为激烈的振荡变化，表示脉冲电流信息检测模块电流互感器在采集高压开关柜局部放电信号时，应用性能较为稳定，有效可行。这是因为高压开关柜内部出现局部放电故障后，采集CPU会先采集此电流信号储备在检测模块中，保证了电流互感器后续采集信号时的稳定性。以高压开关柜针板放电、内部放电2 种典型的放电模式（见图7)为例，测试本文系统的监测效果。本文系统监测结果效果图如图8 所示。分析图8 可知，本文系统监测结果效果图中，A、B、C 三相的监测信息清晰明了，且可直接显示监测的局部放电监测结果为正常。这是因为本文方法基于最优二元树复小波分解方法能够充分描述信号潜在的时频特征；通过基于神经网络与证据理论的局部放电特征融合识别模型将特征映射学习至故障空间，能够把高维空间的映射关系分解成低维映射关系，降低了放电信号特征识别的难度，由此保证了监测信息的完整和清晰。以内部放电模式为例，测试本文系统在监测内部放电时对放电信号的去噪效果。原始放电信号如图9 所示。引入基金项目D,B,(12)(13)50100频率/MHz微型电脑应用2 0 2 3年第39 卷第11期(a）针板放电(b)内部放电图7 放电模式设备编码监测结果信息检索界面索引相别：A放电强度：OpCOpC3534pC放电频度：0是否异常：(a)针板放电150200B0否是2021-10-2314:21250设备编码监测结果信息检索界面索引相别：A放电强度：OpC4211pC23pC放电频度：0是否异常：否是香2021-10-2314:21(b）内部放电图8 本文系统监测结果效果图12090/60300-30-6002468101221416时间/s图原始放电信号46C809BC124212Microcomputer Applications Vol.39,No.11,202330%噪声的放电信号如图10 所示。去噪后的放电信号如图11所示。12090/60300-30-600246810121416时间/s图10引入30%噪声的放电信号1209060300-30-602466 10 12 14 160时间/s图11本文系统去噪后放电信号如图9 图11所示，本文系统可有效滤除噪声影响，虽然没有滤波全部噪声信息，但是可恢复放电信号大范围的原始信息，可满足应用需求。这是因为本文使用超高频传感器模块采集信号时通过全前端滤波放大电路，电磁波信号去噪；通过基于2 代小波去噪的高压开关柜局部放电信号去噪方法，将局部放电信号进行去噪，有效滤除了噪声影响。3总结本文主要针对高压开关柜局部放电问题进行深入研究，并设计了在线监测系统，系统中使用的脉冲电流法在实验中被证实可稳定、有效采集高压开关柜局部放电信号，且本文系统对高压开关柜多种放电状态监测后监测结果清晰明了，在高压开关柜局部放电状态时，可有效滤除噪声影响，恢复放电信号大范围的原始信息。综上所述，本文系统可作为高压开关柜局部放电在线检测的应用工具，后续的研究工作会将本文系统应用于实际的监测任务中进行性能测试。1范敏，叶会生，段肖力，等.真型开关柜模拟缺陷下的局部放电试验研究J中国电力，2 0 19，52（2）：基金项目134-138.2徐卫东，聂一雄，周文文，等.固体绝缘开关柜局部放电模式识别优化算法J.高压电器，2 0 19，55（5）：100-107.3任双赞，曾肖明，吴经锋，等.基于TEV和超声波的开关柜局部放电便携式检测仪的研制 J.电测与仪表，2 0 2 0,57(8)：135-139.4刘鑫，李珉，郭锐强.基于宽频特性测量的电气设备局部放电检测 J.计算机仿真，2 0 2 0，37（5）：37 9-38 3.5高阳，谷彩连，刘宝良，等高压开关柜局部放电特性分析与抗干扰研究 J.电力电子技术，2 0 2 0，54（3）：15-19.6 刘鹏，潘越，王哲铭，等基于套管屏蔽环的开关柜脉冲电流法在线局部放电检测系统J.水电能源科学，2021,39(2):160-164.7张晓新，任庆庆，林峰，等.基于声电联合的开关柜局部放电在线监测系统研究 J.电测与仪表，2 0 19，56(23):107-111.8 3张敏，方健，郝方舟，等，基于穿心特高频传感的开关柜局部放电检测有效性试验 J.南方电网技术，2020,14(3)23-28.吴凡，罗林根，胡岳，等.基于接收信号强度和圆形特高频无线传感阵列的局部放电测向方法.高电压技术,2 0 2 0,46(6)：19 39-19 47.10陈继明，许辰航，李鹏，等.基于时频分析与分形理论的GIS局部放电模式识别特征提取方法J.高电压技术,2 0 2 1,47(1):2 8 7-2 9 5.11臧旭，马宏忠，吴金利，等.基于改进集总经验模态近似的GIS放电故障诊断J.高压电器，2 0 2 0，56(6):129-137.12徐永干，姜杰，唐昆明，等，基于Hankel矩阵和奇异值分解的局部放电窄带干扰抑制方法.电网技术，2020,44(7):2762-2769.13张重远，岳浩天，王博闻，等.基于相似矩阵盲源分离与卷积神经网络的局部放电超声信号深度学习模式识别方法J.电网技术，2 0 19，43（6）：190 0-190 7.14苏群，周求宽，刘明军，等.基于统计特征的变压器超高频局部放电信号识别与分析 J.电子器件，2 0 19，42(6):1394-1398.15罗新，牛海清，宋廷汉，等.基于S变换和概率神经网参考文献络的局部放电特征提取及放电识别方法 J.南方电网技术,2 0 2 0,14(7)：17-2 3.（收稿日期：2 0 2 2-0 3-10）微型电脑应用2 0 2 3年第39 卷第11期47.