XLPE 电力电缆局部放电信号识别法及其关键技术

张周胜，马爱清

(上海电力学院电力与自动化工程学院，上海 200090)

对于检测电力电缆系统局部损伤、缺陷、局部老化过程的最有效的手段是局部放电(Partial Discharge，PD)的测量和分析，但这一技术并没有像所期望的那样被接受.究其原因，主要是传统的基于局部放电幅值大小检测的相位统计分析不足以实现有效的诊断、风险评估，以及基于状态的维护，以至于在线测量中获得的大量数据不能得到合理解释.事实上，只有在产生局部放电源以及干扰源能够被识别的前提下，与局部放电相关的损伤程度才能被评估.因此，进行绝缘诊断和状态评估的一个重要方面是局部放电信号的识别及放电源的分离.目前，一些学者对基于放电脉冲波形的局部放电识别和放电源分离进行了初步研究，如时域波形法、频谱分析法和时频分析法等.但从总体上来说，这几种方法都有其局限性，因此探索更加有效的局部放电信号识别方法具有实际意义.

本文主要分析了目前几种局部放电信号的识别方法及其适用条件和局限性，探讨了局部放电信号识别与状态评估的关键技术.

1 局部放电信号识别方法

目前，用于分析和评估局部放电信号的两种最常用的检测方法是基于相位分辨数据的统计检测法和基于时间分辨数据的波形检测法.采用不同的检测方法(相位分辨或者波形)，PD信号的识别和分离方法也不相同，一般可分为相位统计法、时域波形法、频谱分析法和时频联合分析法4种.第1种是基于局部放电脉冲的统计检测法，后3种是基于局部放电脉冲的波形检测法.

1.1 相位统计法

相位统计法主要应用于相位分辨φ-q-n数据模式(φ为局放脉冲对应的工频相位，q为用视在电荷表示的局放脉冲幅值，n为局放脉冲的个数).例如，统计分布如脉冲高度分布、平均脉冲高度分布、脉冲个数分布等已被用来表示PD信息［1］.一个交流电源电压的完整周期被分成360个窗口，每个窗口代表一个相位度数值.将在所有窗口的最大脉冲高度分布表示的最大放电幅值作为相角φ的函数，如图1所示.

图1 放电幅值相与工频相位的关系

同理，将平均脉冲高度分布表示的平均放电幅值作为相角φ的函数.将脉冲数量分布(对应一定的时间间隔)表示的放电数量作为相角φ的函数.检查和区分这些不同的统计分布、统计参数(通常称为统计算子，如偏斜、峰度、峰数、互相关因素、对称性等)［2］，并进行合适的组合，就可以发现PD方式的识别标志.这些识别标志已经被证明对识别未知放电的产生是非常有用的，已经成为当今PD识别的最主要方式.基于统计参数的PD识别技术已经在各种工业中应用，如XLPE电缆的 PD 识别［3］，检测气隙放电［4，5］，检测电晕放电和表面放电［5］等.

相位统计法提取PD特征不需要获得PD脉冲的时域波形，易于开发具有较高灵敏性的检测系统，如基于IEC60270的系统.虽然相位统计法在识别电缆系统有无PD的产生方面很有用，但是无法用于PD与干扰的识别以及多局部放电源的分离.

1.2 时域波形法

时域波形法(脉冲波形特征化方法)认为从噪音源或者不同的PD源来的脉冲具有不同的形状，可以根据脉冲波形的形状特征进行信号的分离，如图2所示.

图2 局部放电脉冲的固有特征参数

早期的方法一般是通过测量脉冲宽度将PD从噪音中分离［6，7］，但由于PD脉冲波形沿电缆传输将产生高频损耗，致使原始的放电波形到达测量端时已经衰减和变形，而且很难找出PD脉冲波形时域特征参数与电缆传输距离的数学函数关系，因此目前PD脉冲波形时域特征参数法的研究仅局限于电缆绝缘样品的实验研究［8-10］，而无法应用于实际电缆系统的PD识别与分离.

1.3 频谱分析法

频谱分析法主要借助数学工具(如Fourier变换等)对PD脉冲波形的频谱差异进行比对，从而对PD信号进行识别.频谱分析技术已应用于声发射的PD类型的识别［11，12］、变压器的局部放电定位［13］、XLPE 电缆的 PD 类型［14］、GIS 中的运动微粒［15］等.但该方法对电气噪音环境要求较高，这是因为噪音会影响PD脉冲的频率成分，造成差异分析不真实甚至无法进行.另外，窄带干扰可直接应用频域方法进行区分，但脉冲干扰无法直接应用.因此，对于现场环境噪音和干扰复杂的在线PD测量，该方法的应用较为困难.

1.4 时域频域联合分析法

时域和频域联合分析技术是借助于同时评估获得的PD脉冲的时间和频率属性，首先力求将各种放电脉冲分成不同的簇，而每个簇的放电脉冲具有相似的属性，如一种干扰源，或者某一个PD源，然后针对由相似属性脉冲组成的单个簇再进行其他传统的特征参数分析(如统计方法的放电高度和相位分析、时域波形方法的上升时间分析等).因此，时频联合分析技术在簇分类阶段即可将干扰及不同放电源进行分离.

2002年，意大利Bologna大学和Techimp公司的MONTANARI G C和CONTIN A等人提出了以PD脉冲的等效时间长度和等效带宽来进行簇分离，以及利用模糊算法进行分类的思想［16］，并在发电机定子绕组上进行了人工缺陷的实验室试验.在2006年，他们采用相同技术对现场安装后的220 kV和400 kV电压等级的XLPE电缆系统进行了离线测量［17］(在每个电缆接头及终端都进行测量).通过比较每个簇在各个测量点出现的情况来定性判断是干扰还是PD，且判断簇脉冲归属于哪个电缆片段.结果表明，等效带宽-等效时间长度分离能有效地将具有相似属性的放电脉冲进行簇分离.基于等效带宽-等效时间长度的簇分类如图3所示.

图3 基于等效带宽-等效时间长度的簇分类示意

值得注意的是，这些研究都是以同一个放电源的PD脉冲具有相似性为前提的，但需要什么样的相似属性，以及电缆传输、检测与信号预处理对于脉冲波形的影响，从而对等效带宽-等效时间长度分离技术产生有效性影响等却没有相关的研究报道.

2 相位分辨数据统计法的局限性

目前，大部分商业化的PD测量系统都是基于IEC60270标准的离线测量系统，即使采用高频CT(HFCT)传感器应用于在线检测PD，其分析方法仍然较多采用基于PD幅值的相位分辨数据统计法.虽然电缆系统检测局部损伤、缺陷、局部老化过程的最有效手段是局部放电的测量和分析，但这一技术并没有像所期望的那样被接受.原因如下［17］.

(1)只有PD幅值大小(pC)的检测不足以实现有效的诊断、风险评估，以及基于状态的维护.事实上，只有在产生局部放电的源能够被识别的前提下，与局部放电相关的损伤程度才能被评估.例如，在一个绝缘系统表面发生的大的局部放电信号(PDs)，其伤害程度一般比在绝缘内部孔隙触发的低幅值的PDs要低.又如，电树会在小放电幅值的周期中快速增长.

(2)PDs经常被噪音和干扰淹没，或者是被误认为是噪音和干扰.因此，数据的曲解将导致欠维护或者过维护.

(3)PDs本身可能不是劣化的最快原因(如幅值大不一定伤害大)，也不包含所有绝缘缺陷诊断的特性(如没检测出来或者被误当作噪音).

因此，目前基于PD幅值的相位分辨PD的测量方法有其局限性.对一个特定的绝缘系统，当PDs成为最适当的诊断特性时，产生PDs缺陷的识别(与干扰的识别、缺陷间的识别)是风险评估的基础.

3 局部放电识别与放电源分离关键技术

相位统计法、时域波形法和频谱分析法都是在测量完成后的数据处理阶段对复杂的PD信号进行识别，而且这3种方法对于实际电缆系统的在线PD测量具有一定的困难.基于等效带宽-等效时间长度的时频联合分析法对于局部放电信号的识别具有一定的工程应用前景，但若要将其有效应用于电缆局部放电测量，特别是在线监测，仍有以下几个关键问题需要解决.

(1)加强测量动态电流脉冲波形的HFCT超宽带传感器的研究 为了能有效利用簇分类进行PD识别和分离，理想状况是获得GHz范围内具有所有频率成分的完整PD时域波形.但适合在线测量的HFCT传感器由于受到灵敏度和带宽的相互矛盾以及谐振凹陷频率的影响，频带较窄，一般仅为几十兆赫兹.因此，为了满足检测灵敏性要求以及避免凹陷频率对脉冲波形的扭曲影响，需要研究新型的超宽带(UWB)检测HFCT传感器.

(2)加强PD信号识别与分离的有效方法及其对测量系统要求的研究 虽然等效带宽-等效时间长度识别技术相对来说是比较有效的PD识别方法.但是这一方法的前提是同一个簇的脉冲具有相似性，也即同一个放电源的脉冲应该具有相似性才能形成簇.因此，要满足何种相似属性还需要进一步研究.此外，PD脉冲沿电缆传输因衰减与散射导致脉冲波形变化，对等效带宽-等效时间长度识别技术的有效性也会产生影响;等效带宽-等效时间长度识别是基于PD脉冲的真实波形，而HFCT传感器不可能做到GHz检测带宽，因此研究W-T分离技术对测量系统带宽的最低要求十分关键.

(3)加强保持PD脉冲波形不畸变的在线降噪方法的研究 对于脉冲型的干扰以及周期性的窄带干扰(DSI)，可以通过等效带宽-等效时间长度分离技术进行识别，但是白噪音为宽频谱的噪音，无法用等效带宽-等效时间长度分离，需要提前采用有效的消噪算法进行消噪.而无论采用何种算法都不能使得PD脉冲波形畸变，否则会影响PD脉冲的等效带宽-等效时间长度分离.此外，尽管等效带宽-等效时间长度分离技术可以进行PD识别，但为了保证识别的质量和准确性，测量系统对各种噪音和干扰的抑制仍然是必须的.

4 结论

(1)基于局部放电脉冲信号幅值的相位分辨数据统计法能有效识别局部放电的有无，但是无法对局部放电源性质进行识别.

(2)基于局部放电脉冲信号波形的方法虽然能揭示产生局部放电源的性质，但是由于局部放电脉冲信号沿电缆传播会产生高频损耗，而且频谱分析法对电气噪音环境的要求较高，因此时域波形法和频域分析法应用于现场局部放电测量具有较大困难.

(3)时域和频域联合分析法(等效带宽-等效时间长度二维平面簇分类)能有效进行局部放电信号的分离(分离局部放电源以及分离噪音干扰信号)，但该方法有效应用于现场测量或者在线监测还需要在几个关键技术上有进一步的突破.

［1］GULSKI E.Computer-aided recognition of partial discharges using statistical tools［D］.Delft University，1991.

［2］KRIVDA A.Recognition of discharges-discrimination and classification［D］.Delft:Delft University，1995.

［3］MANSOR M，GHANI A B A，GHOSH P S.Partial discharge pattern analysis using statistical technique in XLPE cable under various soil conditions［C］//Proc.IEEE-CEIDP，2002:707-711.

［4］KANG S H，Park Y G，Lee H G，et al.Properties of internal pd pulses in void as a function of time［C］//Proc.IEEEISH，2001:1 039-1 042.

［5］MING Y，BIRLASEKARAN S.Characterization of partial discharge signals using wavelet and statistical techniques［C］//Proc.IEEE-ISEI，2002:9-13.

［6］STONE G C，SEDDING H G，FUJIMOTO N，et al.Practical implementation of ultrawideband partial discharge detectors［J］.IEEE Trans.on Electrical Insulation，1992，27(1):70-81.

［7］CAMPBELL S R，STONE G C，SEDDING H G.Application of pulse width analysis to partial discharge detection［C］//IEEE ISEI，Baltimore，MD，USA，1992:345-348.

［8］OKUBO H，HAYAKAWA N，MATSUSHITA A.The relationship between partialdischarge currentpulse waveformsand physical mechanisms［J］.IEEE Electr.Insul.，2002，18(3):38-45.

［9］PETIT M，GOLDMAN M，GOLDMAN A.Current pulses of air discharges in point to plane electrode systems with a dielectric barrier［C］//Proceedings of the XIII International Conference on Gas Discharges and Their Applications，2000:259-262.

［10］OKUBO H，ISHIDA T，YAMADA T，et al.Partial discharge mechanism in electronegative gases and gas mixtures viewed from current pulse waveform analysis［C］//Proc.IEEEISH，2001:315-318.

［11］BOCZAR T.Identification of a specific type of PD from acoustic emission frequency spectra［J］. IEEE Trans.Dielectr.Electr.Insul.，2001，8(4):598-606.

［12］BOCZAR T，ZMARZLY D.Application of wavelet analysis to acoustic emission pulses generated by partial discharges［J］.IEEE Trans.Dielectr.Electr.Insul.，2004，11(3):433-449.

［13］VAN BOLHUIS J P，GULSKI E，Smit J J.PD pattern and frequency analysis during on-line PD measurements on service aged transformers［C］//Proc.IEEE-ISH，2001:848-851.

［14］THAYOOB Y，GHANI A B A ，GHOSH P S.A new approach to identify electrical PD signal patterns using frequency spectral analysis［C］//Proc.IEEE-CEIDP，2002:716-719.

［15］MEIJER S，ZOETMULDER R G A，SMIT J J，et al.Risk assessment of GIS containing free moving particles using spectral and partial discharge analysis［C］//Proc.IEEEISEI，2002:403-406.

［16］CONTIN A，CAVALLINI G C.MONTANARI，et al.Digital detection and fuzzy classification of partial discharge signals［J］. IEEE Transactionson Dielechicsand Electrical Insulation，2002，9(3):335-348.

［17］MONTANARI G C，CAVALLINI A，PULETTI F.A new approach to partial discharge testing of HV cable systems［J］.IEEE Electrical Insulation Magazine，2006，22(1):14-23.