基于鲸鱼算法改进小波神经网络的GIS局部放电诊断方法研究.pdf

第 卷第期年月计算技术与自动化C o m p u t i n gT e c h n o l o g ya n dA u t o m a t i o nV o l ,N o J u n 收稿日期:基金项目:海南电网有限责任公司儋州供电局项目(S C )作者简介:吴育坚(),男,海南琼海人,本科,高级工程师,研究方向:配电网智能化控制与故障诊断分析.通信联系人,E m a i l:z h u h a i h u a w a n g h u w o r c o m c n文章编号:()D O I:/j c n k i j s j s y z d h 基于鲸鱼算法改进小波神经网络的G I S局部放电诊断方法研究吴育坚,钟立锋,李俊文,马前,尹舵,曾海峰(海南电网有限责任公司儋州供电局,海南 儋州 )摘要:针对封闭式气体绝缘开关装置由于生产、运输安装和运行环境等因素,引发的局部放电现象而造成的绝缘故障问题,提出了一种基于改进鲸鱼算法与小波神经网络结合的封闭式气体绝缘开关装置局部放电诊断方法.该方法利用灰度图谱与矩特征实现对局部放电信号的特征提取,基于矩特征值构建小波神经网络的输入样本集;然后使用改进鲸鱼算法对小波神经网络参数进行寻优,以解决神经网络存在的参数敏感问题;最后将优化好且训练完成的小波神经网络应用于绝缘开关装置局部放电诊断中.改进鲸鱼算法引入非线性收敛因子与自适应思想提升了算法的性能,对小波神经网络的超参数有较好的寻优效果.仿真结果表明,相比于通用参数配置的小波神经网络,改进诊断方法诊断精度提升了 .关键词:绝缘开关装置;局部放电;小波神经网络;改进鲸鱼算法中图分类号:T P 文献标识码:AP a r t i a lD i s c h a r g eD i a g n o s i sM e t h o do fG I SB a s e do nW h a l eA l g o r i t h ma n dI m p r o v e dW a v e l e tN e u r a lN e t w o r kWUY u j i a n,Z HONGL i f e n g,L I J u n w e n,MAQ i a n,Y I ND u o,Z E NG H a i f e n g(D a n z h o uP o w e rS u p p l yB u r e a u,H a i n a nP o w e rG r i dC o,L t d,D a n z h o u,H a i n a n ,C h i n a)A b s t r a c t:T h e i n s u l a t i o n f a i l u r e c a u s e db yp a r t i a l d i s c h a r g e c a u s e db yp r o d u c t i o n,t r a n s p o r t a t i o n,i n s t a l l a t i o na n do p e r a t i o ne n v i r o n m e n to f e n c l o s e dg a s i n s u l a t e ds w i t c hd e v i c e i s i n v e s t i g a t e d Ac a b l ep a r t i a l d i s c h a r g ed i a g n o s i sm e t h o db a s e do ni m p r o v e dw h a l ea l g o r i t h ma n dw a v e l e tn e u r a l n e t w o r k i sp r o p o s e d T h em e t h o du s e s t h eg r a ys p e c t r u ma n dm o m e n t f e a t u r et oe x t r a c t t h e f e a t u r e so fP Ds i g n a l s,a n dc o n s t r u c t st h e i n p u ts a m p l es e to fw a v e l e tn e u r a ln e t w o r kb a s e do nt h em o m e n tc h a r a c t e r i s t i cv a l u e T h e na n i m p r o v e dw h a l eo p t i m i z a t i o na l g o r i t h mi su s e d t oo p t i m i z e t h ep a r a m e t e r so f t h ew a v e l e t n e u r a ln e t w o r kt os o l v e t h ep r o b l e mo fp a r a m e t e r s e n s i t i v i t y F i n a l l y,t h eo p t i m i z e da n dt r a i n e dw a v e l e tn e u r a ln e t w o r ki sa p p l i e dt op a r t i a l d i s c h a r g ed i a g n o s i so f i n s u l a t e ds w i t c h g e a r T h e i m p r o v e dw h a l eo p t i m i z a t i o na l g o r i t h mi n t r o d u c e sn o n l i n e a rc o n v e r g e n c e f a c t o ra n da d a p t i v e t h o u g h t t o i m p r o v e t h ep e r f o r m a n c eo f t h ea l g o r i t h m,a n dh a sag o o do p t i m i z a t i o ne f f e c t o nt h eh y p e r p a r a m e t e r so f t h ew a v e l e t n e u r a l n e t w o r k T h e s i m u l a t i o nr e s u l t s s h o wt h a t c o m p a r e dw i t ht h ew a v e l e t n e u r a l n e t w o r kw i t hg e n e r a l p a r a m e t e r c o n f i g u r a t i o n,t h ed i a g n o s i sa c c u r a c yo f t h e i m p r o v e dm e t h o d i s i m p r o v e db y K e yw o r d s:G I S;p a r t i a l d i s c h a r g e;w a v e l e tn e u r a l n e t w o r k;w h a l eo p t i m i z a t i o na l g o r i t h封 闭 式 气 体 绝 缘 开 关 装 置(g a si n s u l a t e ds w i t c hg e a r,G I S)作为城区配电网中至关重要的组成部分,其运行稳定性、可靠性与经济发展、社会稳定密切相关,因此科学有效地诊断G I S的绝缘计算技术与自动化 年月状态,是保障电网安全可靠运行的基础.然而,受目前生产制造水平、运输手段和安装技术的制约,以及运行环境中的不可控因素影响,G I S设备的局部放电(p a r t i a ld i s c h a r g e,P D)现象时有发生.因此,如何通过对G I S设备绝缘故障的诊断,来提高电网稳定运行能力成了研究的重点.目前,针对G I S的绝缘性能检测问题,常规检测方法主要包括超声波类、化学材料类、光学仪器类、脉冲电流和特高频等.但P D信号检测通过对设备缺陷状态下的放电量,可实现对设备绝缘状态的无损检测.同时,智能算法是对由于P D引起的G I S故障类型特征参数提取,以及故障类型诊断识别中的重要步骤.通过对飞鱼算法的改进,有效地实现了对G I S设备故障类型识别率的提升.对多分类支持向量机利用多项概率似然函数优化后,有效改善了多分类支持向量机算法性能.而通过稀疏分解法分解特征信号,这种方式不仅简化了运算,而且能一定程度地提高检测设备的故障类型识别率.文献 利用小波包分解算法提局部放电信号特征,利用B P神经网络实现模式识别.为解决G I S设备P D信号识别问题,提出了一种基于灰度图谱矩特征提取以及小波神经网络(w a v e l e tn e u r a ln e t w o r k,WNN)识别的P D信号诊断方法,针对WNN的参数敏感问题,提出利用改进鲸鱼算法(i m p r o v e dw h a l ea l g o r i t h m,I WA)对WNN进行参数寻优,最后利用缺陷P D特征样本库对参数优化完成的WNN进行训练,并诊断G I S的典型缺陷.G I S典型故障类型模拟实验将G I S作为P D采集对象.G I S在实际运行过程中存在的典型故障主要有四种:沿面放电故障、内部气隙放电故障、尖端放电故障以及悬浮放电故障,其对应位置如图所示.图常见绝缘缺陷 沿面放电沿面放电模型试品由两块环氧树脂板粘合而成,放电通道长度为 mm.施加电压至 k V时,测得局部放电信号个周波内时域波形如图所示,图为电压U相位角(U)二维谱图.图沿面放电信号时域波形图沿面放电U谱图 内部放电内部放电模型试品在环氧板中心转有一空气隙,而后用一层薄的绝缘胶将两环氧板粘合.施加电压至 k V时,测得内部放电模型个周波内的时域波形如图所示,U二维谱图如图所示.尖端放电尖端放电模型实验中,调整尖端间距使其能够较为容易放电但又不至于产生连续的电弧.尖端放电与沿面放电、内部放电特有很大的不同,实验中发现,尖端间距对放电过程的影响很大.图和图分别为大间距和小间距下尖端放电信号的时域波形.其中,小间距下尖端放电的U二维谱第 卷第期吴育坚,等:基于鲸鱼算法改进小波神经网络的G I S局部放电诊断方法研究图如图所示.图内部放电信号时域波形图内部放电U谱图图大间距下时域波形尖端间距较大则击穿电压较高,尖端间不能形成自持放电,此时属于电晕放电,如图所示,电晕放电首先在负半周发生.在尖端间距较小时,由于击穿电压降低,尖端间可以形成自持放电,而此时由于正空间电荷加强了正极性下针尖前方电场,使得放电区不断扩大,最终导致间隙的击穿,如图所示,自持放电首先在正半周发生,并且在正半周放电后,正空间电荷的重新分布,使得负半周较尖端间距较大时不再发生强烈电晕放电.综上,可得G I S的种典型P D信号特征见表.图小间距下时域波形图尖端放电U谱图局部放电信号特征提取由第节分析可知,通过检测装置所采集到的P D信号进行特征提取可得到P D相位与放电量q,由此可构成q二维向量.放电相位与放电量q二维向量可构成一个平面,将平面均分为MN的小区域,统计各区域的局部放电次数n,以此构成qn的三维P D图谱,将三维P D图谱灰度化后在q平面映射可得灰度图谱.矩特征提取是一种可实现提取局部放电q灰度图谱中像素点之间统计学分布特征的特征提取算法,本文提取H u矩作为WNN的输入量.由于中心矩p g能够较好地反映灰度图谱的特征,可计算技术与自动化 年月将p g作为WNN输入量.根据p g与几何矩mp q的计算关系,可得到如表所示的个特征值:表G I S绝缘缺陷及其特征故障类型幅值和相位二维图谱特征幅值和放电次数统计特征金属尖端()P D信号充满整个统计周期,且集中于负半周期.()P D信号随机性强,无规律.()P D幅值波动范围:d B m,放电次数均匀,包络线特征不明显.()在统计周期内,较低的放电频率(d i s c h a r g ef r e q u e n c y,D F),最大放电频率(fm a x)小于 .绝缘内部气隙或沿面放电()P D信号充满整个统计周期.且正、负半周P D信号相似.()信号以 d B m为中心的圆形区域均匀分布.()P D幅值波动范围:d B m,放电幅值与次数负相关,包络线特征明显,呈三角形形状.()在统计周期内,D F最高,但fm a x .自由金属颗粒()P D信号充满整个统计周期,且信号对称分布.()信号幅值以 d B m为中心呈现“矩形状”分布.()P D幅值波动范围:d B m,放电次数无规则,峰值约为 d B m,但包络线具有尖峰特征.()在统计周期内,D F较高,且fm a x .悬浮放电与自由金属颗粒相似与自由金属颗粒相似表神经网络输入特征值特征值序号特征值特征值含义 区域灰度质量 水平轴惯性矩 垂直轴惯性矩 水平轴不对称性 垂直轴不对称性f/()主轴方向特征参数 基于I W A W N N的G I S局部放电诊断方法 小波神经网络WNN由Z h a n g等于 年提出,目前,使用较为广泛的紧致型结构构建三层WNN如图所示.图三层WNN结构图中,输入层节点个数、隐含层小波元以及输出节点个数分别为m,n,N.对WNN进行前向计算可得隐含层第i个小波神经元的输入hi为:himkk ixk,i,n()式中,xk为第k个输入样本,k i为输入层节点k与隐含层第i层之间的连接权值,隐含层中选用M e x i h a t小波基及其尺度函数作为小波神经元,输出层节点采用经典的S i g m o i d函数.经过小波元激励后,第i个隐含层小波元输出oi为:oiai,bi(hi)ai(hibiai)e(hibi)/ai()式中,ai和bi为隐含层第i层的伸缩平移系数,e为自然底数.由此可知输出层第j个节点输出yj为:yj/(e(nij ioi),j,N()式中,j i为隐含第i层与输出节点j之间的连接权值.WNN输出误差函数定位E为:ENNj(yjyj)()式中,y为输出层第j个节点的期望输出值.改进鲸鱼算法为解决WNN中存在的超参数设置困难的问题,提出一种I WA对超参数进行寻优.鲸鱼算法(w h a l ea l g o r i t h m,WA)主要分为三个阶段:标记阶段、围猎阶段以及搜索阶段.鲸鱼在发现猎物后将执行以螺旋式缩小包围圈的狩猎行为,其位置更新方式如下所示:X(t)X(t)AD,p Deb lc o s(l)X(t),p()DCX(t)X(t)DX(t)X(t)()式中,p为,随机数,当p 时,可认为第 卷第期吴育坚,等:基于鲸鱼算法改进小波神经网络的G I S局部放电诊断方法研究鲸鱼种群将执行缩小包围圈行为,向猎物的位置靠近,当p 时,鲸鱼种群将执行螺旋式围猎以更加精准地捕食猎物;t为当前迭代次数;X(t)为当前猎物位置;X(t)为当前鲸鱼位置;b,l为螺旋式路径参数,其中b为常数,l为,之间的随机数;D与D为猎物与鲸鱼距离;A,C为系数向量,其定义如下:As rs,Cr()stTm a x()式中,s为收敛因子,其值属于,导致在算法迭代后期始终小于.当|s|时,算法不具备全局搜索能力;r与r均为,随机数;Tm a x为最大迭代次数.为提升鲸鱼算法的全局搜索能力,鲸鱼除执行包围狩猎行为外,还需在解空间中搜寻新的猎物,其位置更新公式如下:X(t)Xr a n d(t)AD()DCXr a n d(t)X(t)()式中,Xr a n d(t)为鲸鱼个体随机位置,当A时,由式()可知鲸鱼将随机更新位置并远离当前猎物,当A时,鲸鱼将对猎物执行包围狩猎行为.由上述分析不难发现,传统WA在迭代后期难以跳出局部最优,缺乏全局搜索能力,并且在优化过程中对于局部最优解的搜寻也有一定的局限性.因此,本文提出非线性收敛因子s,以提升算法的全局搜索能力;同时引入自适应思想,在鲸鱼种群位置更新公式中加入自适应权重,以提升算法前期是全局搜索能力以及后期的局部精细搜索能力.非线性收敛因子s以及自适应权重取值如下所示:ssi(sisn)(tTm a x)()m i n(m a xm i n)e(k t/Tm a x)()式中,si与sn分别为初值以及终值.鲸鱼算法寻优前期,s数值较大且下降速度慢,而寻优后期,s下降速度加快,这有利于算法收敛.m i n、m a x为惯性权重最值;k、为曲率调节量,k、的取值直接影响到的下降速率.改进自适应鲸鱼算法更新公式如下:X(t)X(t)AD,p Deb lc o s(l)X(t),p()X(t)Xr a n d(t)AD()基于I W A W N N的G I S局部放电诊断方法流程由式()至式()可以看出,当WNN结构确定时,网络输出层主要受参数aj,bj,k i,j i 的影响,不同参数配置下的WNN性能也大相径庭,因此如何合理利用优化算法寻找到最优参数就显得十分重要.因此,本文提出利用I WA对WNN参数进行寻优,以解决WNN存在的参数敏感问题.其实现过程是将I WA算法优化输出得到的全局最优解对应WNN最佳结构参数,选取G I S故障样本数据对WNN进行学习训练,直到得出WNN的均方误差达要求或迭代次数达到最大.此时将优化好且训练完成的WNN应用于G I S局部放电诊断中,便可得到故障诊断结果,其流程如图 所示.图 G I S局部放电诊断流程仿真验证 网络构建及训练WNN的结构如图所示,输入层数量由基于q灰度图谱所提取到的P D信号矩特征数量决定,由表可知,输入层节点数量应为;WNN输出结果应覆盖典型种缺陷和无缺陷五种情况,因此输出层节点数量应为;隐含层节点数根据经验通常可设置为 左右.然后需得到输入网络的训练集与测试集,对四种G I S典型缺陷进行脉冲电流冲击试验以得到局部放电信号数据,随后对局部放电信号数据进行灰度图谱与矩特征处理,得到个输入特征值.本文构建种类型数据集共 个P D样本数据,将特征数据集以的比例划分为训练集及测试集.将训练集输入WNN中进行训练,设定迭代次数为 次,然后通过测试集来评估基于WNN的P D自动诊断能力.G I S设备P D诊断结果与分析应用 节所构建的WNN结构对G I S局部计算技术与自动化 年月放电信号进行训练,训练过程中由交叉熵计算得到的网络损失函数变化如图 所示.图 训练集网络损失由图 可知,训练集网络损失在到 次迭代时逐渐减小,在 次以后趋于稳定,整体呈现出下降的趋势,说明网络训练的有效性.为验证利用改进鲸鱼优化算法优化小波神经网络参数的有效性,将已训练完成且经过自适应鲸鱼算法优化参数的I WA WNN与通用参数配置的WNN以及利用传统鲸鱼算法优化参数的WA WNN进行局部放电诊断对比,其对比结果如表所示,三种算法诊断精度如图 所示.表三种方法诊断结果缺陷类型类型类型类型类型平均精度I WA WNN WNN WA WNN 图 三种算法诊断精度通过三种诊断方法对比可以看出,经过自适应鲸鱼算法优化参数后的I WA WNN相较于传统WNN以及传统鲸鱼算法优化参数的WA WNN,在诊断精度上有较大提升,平均精度的提升上,分别达到了 以及.从图 可以看出诊断精度均能在 次迭代后趋于稳定,I WA WNN诊断精度最高,高达 以上,而WNN算法诊断精度最低,约,与 表数据 相吻合,这 表明I WA WNN能够有效地根据P D信号诊断G I S的典型缺陷.综上所述,I W A优化后的I W A WN N在诊断准确率上优于其他两种诊断算法,这主要是因为I W A对传统W A收敛因子进行改进,加快了收敛速度和全局最优解的搜索能力,进而实现I W A WN N诊断准确率优于W A WN N,而I W A WN N和W A WN N算法均对WN N的敏感参数进行优化,避免了WN N敏感参数受人为给定因素影响,进而提高了诊断准确率.因此,说明本文所提I W A WN N算法在G I S典型故障诊断中的有效性.结论针对局部放电信号识别难度大与识别精度的问题,提出了结合灰度矩特征提取的WNN实现的局部放电自动诊断方法.针对WNN存在的参数难以确定的问题,提出了I WA对WNN参数进行优化.结果表明,I WA WNN具有较好的学习能力以及较高的诊断精度,能够有效提升G I S的P D信号诊断的准确性,具有一定工程实用价值.参考文献龙曼仪,李茂军,张辉,等基于轻量型卷积神经网络的交通标志识别J计算技术与自动化,():Z H E NL,L U OL,S H E N GG,e t a l UH Fp a r t i a l d i s c h a r g e l o c a l i s a t i o nm e t h o d i ns u b s t a t i o nb a s e do nd i m e n s i o nr e d u c e dR S S If i n g e r p r i n tJ I E TG e n e r a t i o nT r a n s m i s s i o na n dD i s t r i b u t i o n,():田妍,张锐健,董志雯,等 G I S局部放电缺陷定位分析J高压电器,():周电波,丁登伟,盖世诚,等基于超声波诊断的G I S设备异常分析方法J中国电力,():Z H O U W,Q I A OS,L IL,e t a l C r e e p i n gd i s c h a r g em o n i t o r i n go f e p o x ys p a c e r s i nG I Su s i n gan e wt a r g e tg a sC S JH i g hV o l t a g eE n g i n e e r i n g,():唐炬,曾福平,范庆涛,等基于荧光光纤检测G I S局部放电的多重分形谱识别J高电压技术,():L I J,HA NX,L I UZ,e t a l An o v e lG I Sp a r t i a l d i s c h a r g ed e t e c t i o ns e n s o rw i t hi n t e g r a t e do p t i c a la n d UH F m e t h o d sJI E E ET r a n s a c t i o n so nP o w e rD e l i v e r y,():薛爱惠平,钱勇,钟勇,等一种特高频G I S局部放电无线便携检测系统的研制J电气自动化,():,郭俊,吴广宁,张血琴,等局部放电检测技术的现状和发展J电工技术学报,():张晓星,唐炬,孙才新,等基于核统计不相关最优鉴别矢量集的G I S局部放电模式识别J电工技术学报,():律方成,金虎,王子建,等基于主成分分析和多分类相关向量机的G I S局部放电模式识别J电工技术学报,():律方成,谢军,李敏,等局部放电稀疏分解模式识别方法J中国电机工程学报,():罗新,牛海清,胡日亮,等基于小波包分解的X L P E配电电缆局部放电波形特征提取与识别J高压电器,():闫家男基于特高频法的G I S局部放电故障类型在线智能识别研究D南昌:南昌大学,李剑局部放电灰度图象识别特征提取与分形压缩方法的研究D重庆:重庆大学,Z HA N GQ U s i n gw a v e l e t n e t w o r k i nn o n p a r a m e t r i c e s t i m a t i o nJ I E E ET r a n s a c t i o n so nN e u r a lN e t w o r k s,():M I R J A L IL,S E Y E D AL T h ew h a l eo p t i m i z a t i o na l g o r i t h mJA d v a n c e s i ne n g i n e e r i n gs o f t w a r e,: