基于特高频无线智能传感器的局部放电定位法

杨森，熊俊，郑服利，钟少泉，罗林根

(1．广州供电局有限公司电力试验研究院，广东 广州 510410，2．上海交通大学 电气工程系，上海 200240)

基于特高频无线智能传感器的局部放电定位法

杨森1，熊俊1，郑服利1，钟少泉1，罗林根2

(1．广州供电局有限公司电力试验研究院，广东 广州 510410，2．上海交通大学 电气工程系，上海 200240)

鉴于传统有线传输的局部放电监测系统需要铺设信号传输线，安装维护工作量大。研制了利用无线传感网络技术的UHF无线智能传感器。同时为克服现有基于时延的UHF局部放电定位技术所带来的昂贵硬件开销等问题，提出了基于信号幅值强度分布的局部放电定位方法，具有低硬件成本及易实现性的特点，能很好的适应性复杂空间环境的影响。试验结果表明，平均定位误差为1.009 m，59%的定位误差低于1 m，定位方差也较小，具有很好的推广应用价值。

局部放电；特高频；无线智能传感器；信号幅值强度分布；神经网络

0 引 言

绝缘劣化是导致变电站装置故障的重要原因之一[1]，导致这一类故障的主要原因有接触不良、毛刺以及内部有杂质等[2]。由于这类故障存在，设备在投入运行后就会发生局部放电(Partial Discharge，PD)，然后进一步劣化绝缘，恶性循环后就容易造成绝缘击穿，引发更大的事故。因此，局部放电位置的定位对于电力设备的安全运行至关重要。但是传统的局放监测系统需要铺设信号传输线，安装维护工作量大，增加了系统的复杂度和现场测试的工作量。本文提出基于无线传感网络技术来实现状态监测智能传感节点之间数据和信息的传输，多个智能传感器实现无线组网。实际应用中，智能传感器在安装、拆卸、移动方面具有现有系统不可比拟的灵活性。

基于UHF传感器的局部放电定位算法可以利用与局部放电位置相关的参数[3]，例如到达时间(Time of Arrival, TOA)、到达时间差(Time Difference of Signals, TDOS)、到达角度(Angle of Arrival, AOA)以及接收信号强度等[4-6]。TOA、TDOA、AOA这三种方法都有着较高的精度，但是对于硬件和软件的要求较高，价格昂贵，且在实现上有一定的困难，容易造成较大的误差[7]。相比之下，基于接收信号强度的定位技术对于硬件的要求较小，易于实现[8]。因此，在UHF无线智能传感器的基础上，本文提出基于信号幅值强度分布的局部放电定位方法，首先给出了离线阶段的信号幅值强度分布图建立方法，包括测量方案、数据处理方法以及图库的建立等，然后应用BP神经网络算法实现对局部放电准确定位，最后通过现场试验验证了本文提出方法的精确性和稳定性。

1 UHF无线智能传感器体系架构及实现

本文提出采用无线传感网络技术和超高频电磁信号联合的检测方法，构想了一套可用于多种场合的电力设备局部放电在线检测系统。检测设备的组成框架示意如图1所示，主要包括超高频智能传感器、无线传感网络和便携式数据分析单元组成。每个设备可采用多个智能传感器，用于检测超高频电磁信号；多个智能传感器通过无线技术自动组网，每个智能传感器有一个标识，通过无线网络实现数据的传输及共享，数据分析单元对多个智能传感器获得的超高频电磁信号进行融合处理分析，给出缺陷定位和诊断结论。

图1 基于UHF无线智能传感器的局部放电检测示意图

UHF无线智能传感器节点组成架构设计如图2所示，由信号耦合器、信号调理模块、局放脉冲参数提取模块、电源模块和无线组网通信模块。信号耦合器实现特高频、高频或超声信号的耦合接收；信号调理模块包括滤波、放大、检波等单元；局放脉冲参数提取模块主要对调理后的局部放电信号进行采集和基本特征初步提取；无线组网通信模块用于实现智能传感器之间的无线自组网和无线授时同步。

UHF无线智能局放传感器安装方便，每个传感器既可独立运行，也可以形成自组织无线传感器网络实现多通道检测。对于不同规模的设备只需配置不同数量的无线智能传感器即可实现多个间隔或设备的完全覆盖，系统结构灵活，扩展性极强。

图2 UHF无线智能传感器实现框图

2 信号幅值强度分布法应用于局部放电定位

传统的基于信号幅值强度的定位方法是基于测距法来实现的[9]。根据信号传输理论，无线电信号的强度是随着距离的增大而减小的，量化这种衰减的模型主要有Shadowing模型[10]：

(1)

式中Pr(d)是距离信号源d处的信号强度；Pr(d0)是距离信号源d0处的信号强度，作为参考；n是衰减系数，其值受到环境的影响；Xσ是一个高斯随机变量，其均值为0，标准差为σ。

根据Shadowing模型，理论上测得了信号强度就可以求出信号源与接收者之间的距离。例如现在有3个接收传感器，已知其坐标分别为(x1,y1,z1)、(x2,y2,z2)、(x3,y3,z3)，信号源坐标设为(x,y,z)，并且测得了信号源与三个传感器之间的距离d1、d2、d3，则可以列出方程组：

(2)

通过Newton迭代法等非线性方程组解法即可求得信号源坐标[11]。但是基于信号幅值强度测距的定位方法由于模型中的n和Xσ很容易受到环境的影响从而造成模型的不稳定，在实际应用中存在较大的缺陷。

本文提出的信号幅值强度分布法作为一种场景分析法，可以较好地克服空间环境对定位的影响。具体实施时分为在离线阶段建立信号强度分布图及在线阶段实现定位功能。假设局放源在测量点RPj处时，传感器APi测得的局放信号强度为{φi,j(τ),τ=1,…,p,p>1}，其中p代表了测量次数，这样便生成了反映被测环境中信号幅值强度的分布图：

(3)

(4)

其中L表示传感器个数，N表示测量点个数，p表示在每个测量点的测量次数，φi,j表示局放源在测量点RPj处时传感器APi测得的局放信号强度均值(p次测量求均值)。Ψ的列向量Ψj=(φ1,j,φ2,j, …,φL,j)T，即为测量点RPj的强度分布图，表征当局放源位于RPj点时所有传感器的信号幅值。以此为依据来实现在线阶段对局部放电进行精确定位。

3 信号幅值强度分布图的建立

现场测试场地为某高压实验大厅，这里的空间环境和电磁环境都较为复杂，可以很好的模拟变电站的环境。UHF无线智能传感器和测试现场如图3所示。

测量点成网格状均匀分布，间隔为1米，共49个并建立坐标系，四个传感器AP1、AP2、AP3、AP4所在位置的坐标分别为(7, 7) (1, 7) (1, 1) (7, 1)。

具体方案为：使用标准局部放电源在每一个测量点放电10次，将4个UHF传感器接收到的10次波形全部记录下来。这样一共采集到49*10=490个波形。经过测量和数据处理后，得到了归一化的信号幅值相对值。由此分别绘出4个UHF无线传感器的信号幅值强度分布图，如图4所示。

从得到的信号幅值强度分布图可以看出，局放源越靠近传感器时，信号幅值相对越大，这是符合信号传播模型的衰减趋势的。而信号幅值强度分布图的不规则性则来源于试验场地复杂的空间及电磁环境的影响。对照场地平面图可以看出，信号幅值强度分布图能较好地反映出测试现场的空间信息。

图4 信号幅值强度分布图建立结果

4 基于BP神经网络的局部放电定位算法

基于信号幅值强度分布的定位法本质上是一种模式识别方法。BP神经网络作为一种多层前馈神经网络，较为适合模式识别[12]。BP神经网络由输入层、隐含层以及输出层构成。由于每一个参考点有4个幅值，因此输入层有4个神经元；输出的是放电源坐标(x，y)，所以输出层有两个神经元；隐含层的神经元数目经过实验选取为12个。

本文的BP神经网络的输入层和隐含层选用sigmoid函数：

(5)

式中hiddenj为第j个隐含层神经元，wi,t为输入层神经元的权重，n为输入层神经元的数目。

在隐含层和输出层直接采用线性传输函数。训练算法选用Levenberg-Marquardt算法。该算法作为牛顿法的改进版本，能够使网络快速的收敛，其表达式为：

xk+1=xk-[JTJ+μI]-1JTe

(6)

式中JT为雅克比矩阵，e为网络误差向量。

如表1所示，训练目标为神经网络输出坐标与真实坐标的欧氏距离，小于0.001则停止迭代。

表1 定位结果

综上结果可知，信号幅值强度分布法的定位精度明显优于幅值测距法，平均定位误差为1.009 m。其中，幅值测距定位因为只计算一次所以没有列出其方差。定位结果显示了基于信号幅值强度分布的局部放电定位算法具有精度高和稳定性好的特点。

5 结束语

本文提出了基于无线传感网络技术的UHF无线智能传感器技术框架和实现方法，并以此为基础，研究了基于信号幅值强度分布的局部放电定位方法。首先根据实际测量结果分析了基于幅值测距的定位方法在局部放电定位中的缺陷。然后，基于变电站复杂的地理环境和电磁环境，提出使用基于BP神经网络和信号幅值强度分布图进行局部放电定位的方法。最后使用模拟的局部放电信号进行算法测试，得到以下几点结论：

(1)相对于传统的基于有线传输的局放检测系统，无线智能传感器能极大地提高现场检测效率。

(2)无线智能传感器信号幅值强度分布图建立结果合理，较好地反映出了信号传播模型的衰减趋势以及空间信息。

(3)基于信号幅值强度分布的定位算法有着较好的精确性和稳定性，结合其低的软硬件成本，具有很好的实际应用价值。

[1] PORTUGUES I E, MOORE P J, GLOVER I A, et al. RF-based partial discharge early warning system for air-insulated substations[J]. IEEE Transactions on Power Delivery, 2009, 24(1): 20-28.

[2] RAMIREZ NINO J, RIVERA CASTANEDA S, GARCIA COLON V R, et al. Analysis of partial electrical discharges in insulating materials through the wavelet transform[J]. Computational Material Science, 1998, 9(3): 379-388.

[3] YAACOB M M, ALSAEDI M A, RASHED J R, et al. Review on partial discharge detection techniques related to high voltage power equipment using different sensors[J]. Photonic Sensors, 2014, 4(4): 325-337.

[4] 王沁，于锋，张晓彤，等．一种基于能量衰减特征的无线传感器网络定位算法[J]．小型微型计算机系统，2009，30(6): 1082-1088.

[5] MAO GUOQIANG, FIDAN BARIS, ANDERSON BRIAN D O. Wireless sensor network localization techniques[J]. Computer Network, 2007, 51(10): 2529-2553.

[6] 邓宏彬，贾云得，刘书华，等．一种基于无线传感器网络的星球漫游机器人定位算法[J]．机器人，2007，29(4): 384-388.

[7] SINAGA H H, PHUNG B T, BLACKBURN T R. Partial discharge localization in transformers using UHF detection method[J]. IEEE Transactions on Dielectrics and Electrical Insulation,2012,19(6): 1891-1900.

[8] 侯慧娟，盛戈皞，孙岳，等．基于电磁波信号传播衰减模型的变电站局部放电定位方法[J]．电工技术学报，2014，29(6): 326-332.

[9] 刘怀东，吴贺，王曦冉，等．局部放电全站定位综合算法[J]．中国电力，2014，47(11): 64-69.

[10] 彭宇倩，曾碧，肖红，等．基于BP神经网络的实时动态参数定位方法[J]．计算机工程与设计，2014，35(10)：3679-3684.

[11] 侯慧娟，盛戈皞，苗培青，等．基于超高频电磁波的变电站局部放电空间定位[J]．高电压技术，2012，38(6): 1334-1340.

[12] 石晓伟．基于BP神经网络和改进质心算法的室内无线定位技术的研究[D]．北京：北京工业大学，2012.

Partial Discharge Localization Based on UHF Wireless Smart Sensors

Yang Sen1, Xiong Jun1, Zheng Fuli1, Zhong Shaoquan1, Luo Lingen2

(1. Power Test & Research Institute, Guangzhou Power SupplyBureau Co. Ltd., Guangzhou Guangdong 510410, China，2. Department of Electrical Engineering,Shanghai Jiao Tong University, Shanghai 200240, China)

Considering that the partial discharge (PD) detection system for traditional wire transmission requires huge workload of installation and maintenance due to inevitable laying of signal transmission lines. In this paper, a smart wireless UHF sensor is presented on the basis of wireless sensor network technology. On the other hand, in order to avoid high cost of hardware due to present UHF partial discharge localization based on time delay, it proposes a partial discharge localization methodology based on signal amplitude intensity distribution, which, characterized through low hardware cost and easy implementation, is highly applicable to complex spatial environment. Test results show that the mean localization error is 1.009 m, with 59% of localization errors under 1m, and that its localization variance is small. Thus, it has a good value for popularization.

partial discharge; UHF; wireless smart sensor; signal amplitude distribution; neural network

10.3969/j.issn.1000-3886.2017.02.034

TP212.6

A

1000-3886(2017)02-0110-03

杨森(1989-)，男，湖南人，助理工程师，长期从事高压设备预防性试验、状态监测新技术应用工作。 熊俊(1983-)，男，江西人，高级工程师，主要从事高压设备预防性试验管理、状态检测新技术应用与推广。 郑服利(1978-)，男，广东人，工程师，长期从事高压设备预防性试验、状态监测新技术应用工作。 少泉(1973-)，男，广东人，工程师，长期从事高压设备预防性试验、状态监测新技术应用工作。 罗林根(1982-)，男，福建人，博士，研究方向为输变电设备状态监测，智能电网。

定稿日期: 2016-10-18

(1．广州供电局有限公司电力试验研究院，广东 广州 510410，2．上海交通大学 电气工程系，上海 200240)

摘 要： 鉴于传统有线传输的局部放电监测系统需要铺设信号传输线，安装维护工作量大。研制了利用无线传感网络技术的UHF无线智能传感器。同时为克服现有基于时延的UHF局部放电定位技术所带来的昂贵硬件开销等问题，提出了基于信号幅值强度分布的局部放电定位方法，具有低硬件成本及易实现性的特点，能很好的适应性复杂空间环境的影响。试验结果表明，平均定位误差为1.009 m，59%的定位误差低于1 m，定位方差也较小，具有很好的推广应用价值。