一种GIS设备局部放电在线监测系统的设计

唐琪

（广东电网有限责任公司佛山供电局 广东 佛山528000）

一种GIS设备局部放电在线监测系统的设计

唐琪

（广东电网有限责任公司佛山供电局 广东 佛山528000）

通过分析GIS设备局部放电监测的重要性，提出一种在线式局部放电监测系统，可以实时的检测出GIS设备的局部放电情况，并将局放数据采集、传输给后台分析软件，再通过实时分析，把局放相关的图像和诊断结果显示出来。接着设计了系统的硬件结构，系统分为传感器，RF射频处理单元，高速数据处理模块和终端分析单元。然后通过混频技术、数字滤波、小波变化和神经网络技术对局部放电信号进行了处理。最后对整个系统进行了功能验证。

GIS设备；射频处理；数字滤波；混频技术；小波变换；神经网络

GIS全称气体绝缘全封闭组合电器，是电力系统的重要设备，由于其密封性很高，GIS很少需要维护，但是由于GIS内部场强很高，一旦发生故障必将引起局部以致全部地区停电，甚至可能造成人员伤亡，到目前为止，国内已发生多起由于GIS绝缘故障引起的GIS变电站事故。导致GIS设备故障的主要原因是其绝缘性能的劣化，当这种性能劣化没有贯穿绝缘介质时，常规的预防性试验手段难以发现缺陷所在，而此时设备绝缘介质中常常有局部放电产生，因此局部放电测试已经越来越多地被运用到电气设备的预防性试验中，产生了良好效果[1-2]。当前的局放测试一般采用周期性测试，无法及时检测出局部放电，也难以发现局部放电的演变趋势，这样就可能错过了设备维护的最好时机。另外，周期性测试完全由试验人员进行，也增加了试验的人力成本。因此本文设计了一种在线式局部放电监测系统，可以实时的检测出GIS设备的局部放电情况，并将局放数据采集、传输给后台分析软件，再通过实时分析，把局放相关的图像和诊断结果显示出来。

1 系统设计

GIS局部放电在线检测方法大体上可分为声测法、化学法、脉冲电流法及特高频法。特高频法因具有抗干扰能力强、灵敏度高、实时性好且能进行故障定位的优点，已成为目前GIS局部放电检测技术中的主要方法。

图1 GIS局放监测系统

如图1所示，本系统分为4个部分，分别是传感器，RF射频处理单元，高速数据处理模块和终端分析单元。由于GIS设备安装和运行的场所非常复杂，各种干扰信号都比较强。而根据实际的生产经验，这些干扰大多集中在频率较低处，而GIS中发生的局部放电时，其信号的频谱很宽，放电过程可以激发出从数赫兹的低频到数千兆赫兹的超高频电磁波信号。因此传感器采用的是超高频传感器，它可采集到0.5 GHz以上频段的局放信号，这样在采集信号时便能规避掉大量的电磁干扰。本系统在GIS检修孔处或盆式绝缘子上安装多路超高频传感器获取局放信号，实现了局部放电信号采集。此信号频率很高，如果要直接进行实时的AD转换和数字信号处理，对ADC和信号处理器的硬件要求很高，且效率低下，价格昂贵。因此信号须经过RF射频处理模块进行滤波、前置放大、混频及检波等处理后，以1~10 MHz带宽信号输出，才能进入数据处理模块。数据处理模块主要包括高速ADC模块和FPGA。本系统中，ADC模块采用的14 bit，50 Msps，便可实现局放信号的同步采样。FPGA采用的是赛灵斯公司的SX50，可以实时处理局放信号。通过小波分析等数字处理技术，在强噪声背景下提取出局部放电信号并统一传给DSP，经集中处理后发给终端分析单元。最终由终端分析单元完成对局部放电信息的放电特征图谱分析、识别和判定。

2 局放信号处理

由于传感器所采集到得信号为特高频信号，ADC和数据处理模块无法直接处理，因此必须在采集后进行信号的预处理，先将信号通过LPF低通滤波器保留1.5 GHz以下频率，进行射频放大，然后将信号采用0.5~1.5 GHz扫频处理方式，再通过三级混频电路，这样便可有效屏蔽干扰较大的频段并提高系统的检测灵敏度。然后再采用下变频技术，使中频输出带宽在10~20 MHz范围内可调，将特高频信号转换成便于AD采用及数字信号处理的信号频带，如图2所示。

中频信号通过ADC转换为数字信号，进入数据处理模块，并在此分离出局放特征信号。在分析GIS原始波形时发现场地内可能存在强电磁干扰，例如移动通讯（2G3G4G）的干扰，或者地铁运行所产生的干扰，这些干扰与局放信号一起经过混频电路进入数据处理模块，给局部放电的诊断带来不便[3-5]。这些干扰一般都集中在某处窄频带，因此只需对干扰信号进行归类汇总，然后分别对各自的窄带进行数字带阻滤波即可大大削弱这些干扰，如图3所示。

图2 局放信号混频处理电路

集中窄频干扰削弱以后便可通过小波处理消除白噪声，提取出局部放电波形。因为局放信号与白噪声在小波分解的深度上分布规律并不一致，低尺度高频系数中包含了绝大部分的白噪声，高尺度系数中则集中了局放信号。因此便要使局放信号在小波分解以后尽可能集中在高尺度系数中，而且不能改变白噪声的分布。本系统采用的是局放信号层层小波分解后低频系数的能量损失最少为寻优依据，逐层确定最优的小波[6-7]。对于一维小波分解，首先定义Eb为近似系数bi在尺度i上的能量百分比，其表达式为：

上式中 bJ，k为近似系数，dJ，k为细节系数，J 为分解尺度，k为第j层近似系数。在此给定小波函数库和小波分解层数J，运用文献[8]介绍的一种算法，得到所有分阶层上的最优小波。然后选定各层最优基小波进行相应层信号的分解、重构和比较，发现局放信号在信号分量b7上集中能量较大。信号经小波分解后，小波阈值选用了软阈值化函数来处理小波系数[9]，在此不予赘述。处理后的效果如图4所示。

图3 数字滤波集中干扰

图4 小波噪声处理

干扰较多部分是原始波形，比较平滑部分是通过小波处理后的波形，通过对比可知，该算法可以大大的削弱白噪声，并且对集中性干扰也有很强的抑制作用，从而可以有效的提取局放信号。在通过FPGA数字处理后，各路局放信号会通过DSP发送给终端分析单元进行故障诊断。

故障诊断主要包含了特征指纹的提取和计算、指纹库的管理和维护、模式识别等子功能模块。它根据神经网络结构的特点，采用了适当的编码形式，构造有效的遗传算子，将遗传算法作为神经网络的学习算法，可实现GIS设备各种放电的模式识别。算法框架如图5所示。首先利用自适应算法将神经网络定位在定位权空间全局最优位置，然后进行局部搜索，使其收敛到最优值[10-15]。

本系统主要根据GIS设备部内可能发生的绝缘介质放电、尖端放电、沿面放电、悬浮电极放电、自由粒子放电这5种放电模式的不同特征，通过大量样本的统计分析，得到不同类型局部放电的频谱和相位图。然后将实测局放信号的频谱和相位作为输入，运用神经网络算法层层类比、搜索、收敛、筛选、提取，从而区分出不同的放电类型[16]，完成了局放信号的诊断，如图6所示。

图5 神经网络框架

图6 神经网络信号处理

3 系统功能验证

完成了系统设计后，对系统功能进行了验证。通过模拟各种放电类型，校验系统能否正确识别和诊断。在现场分别对尖刺放电、沿面放电、悬浮电极放电、自由粒子放电和绝缘缺陷放电进行了检测，系统均能正确诊断出放电类型。

4 结 论

文中首先分析了GIS设备局部放电监测的重要性，提出一种在线式局部放电监测系统，可以实时的检测出GIS设备的局部放电情况，并将局放数据采集、传输给后台分析软件，再通过实时分析，把局放相关的图像和诊断结果显示出来。接着将系统分为四个部分，分别是传感器，RF射频处理单元[17]，高速数据处理模块和终端分析单元，并设计了系统的硬件结构。然后基于系统结构的特点对局部放电信号的处理过程进行了阐述。首先超高频的信号进入RF射频处理单元，通过混频-下变频技术变为系统可处理的频率范围，然后在高速数据处理模块中通过数字滤波和小波变换大大削弱了集中干扰频率和白噪声干扰，提取了局部放电波形。最后在终端分析单元根据神经网络结构的特点，采用了合适的编码形式，应用于GIS超高频局部放电的模式识别中，对各种模式的局部放电进行了识别。本文最后对整个系统进行了功能验证，证明了系统设计的有效性。

[1]冯进，王永兴.高压电缆局部放电检测技术的研究[D].大连：大连理工大学，2010.

[2]谢颜斌，唐炬.超高频局部放电信号等效源数学模型及其与放电量的关联分析[D].重庆:重庆大学，2010.

[3]李立学，江秀臣.GIS局部放电超高频包络检测研究[D].上海：上海交通大学，2009.

[4]周倩，唐炬.组合电器局部放电超高频信号数学模型构建和模式识别研究[D].重庆:重庆大学，2007.

[5]丁登伟，高文胜，刘卫东.采用特高频法的GIS典型缺陷特性分析[J].高电压技术，2010，37（3）：706-710.

[6]李立学，腾乐天，黄成军.GIS局部放电超高频信号的包络分析与缺陷识别[J].高电压技术，2009，35（2）：260-264.

[7]王鹏，吴广宁.方波脉冲电压对局部放电特性及电机绝缘寿命影响机理研究[D].西安:西安交通大学，2009.

[8]张真，黄登山.神经网络在变压器超高频局部放电模式识别中的应用[J].山东大学学报，2004，34（3）：51-54.

[9]管小艳，王开荣.实数编码下遗传算法的改进及其应用[D].重庆:重庆大学，2012

[10]何兰香，郑殿春.基于T_S模型的模糊神经网络局部放电模式识别方法[D].哈尔滨:哈尔滨理工大学，2009.

[11]沈煜，阮羚，谢齐家，等.采用甚宽带脉冲电流法的变压器局部放电检测技术现场应用[J].高电压技术，2011，37（4）937-943.

[12]郑殿春.基于BP网络的局部放电模式识别[D].哈尔滨:哈尔滨理工大学，2005.

[13]毕为民.变压器局部放电监测中以小波包去噪统计量识别放电模式的研究[D].重庆:重庆大学，2003.

[14]杨霁.基于小波多尺度变换的局部放电去噪与识别方法研究[D].重庆:重庆大学，2004.

[15]唐炬.组合电器局放在线监测外置传感器和复小波抑制干扰的研究[D].重庆:重庆大学，2004.

[16]袁江伟，石祥建.一种适用于变频器低电压穿越电源的三重Boost电路仿真及实验分析 [J].供用电，2016（3）：68-75.

[17]王欢，李茹，王娜，等.辉光放电空气等离子体改性聚砜膜的研究[J].西安工程大学学报，2015，29（1）：32-36.

Design of an on line monitoring system for partial discharge of GIS equipment

TANG Qi
（Foshan Power Supply Bureau of Guangdong Power Grid Corporation， Foshan 528000，China）

Through the analysis of the importance of GIS partial discharge monitoring，it puts forward an on-line partial discharge monitoring system.It can detect out situation of partial discharge in GIS and can send the data to the background analysis software.And then through real-time analysis，the local image and diagnostic results are displayed.Then the system is divided into the sensor，RF processing unit， high-speed data processing module and the terminal analysis unit， and designed the hardware structure of the system.Then， the partial discharge signals are processed by mixing technology， digital filter， wavelet transform and neural network technology.Finally， the function of the whole system is verified.

GIS equipment； radio frequency processing； digital filter； frequency mixing technique；wavelet transform；neural network

TN99

A

1674－6236（2017）12-0115-04

2016-05-25稿件编号：201605237

唐 琪（1983—），男，四川阆中人，硕士研究生，工程师。研究方向：电力试验和研究。