直流XLPE电缆局部放电模式识别技术研究

刘日朗 秦浩洋 陈鹏飞 黄宇平

（广东电网有限责任公司广州供电局 广东省广州市 510630）

直流XLPE 电缆以其高绝缘性，成为直流输电中的主要应用电缆，其局部放电模式作为评价其输电稳定性的重要条件，必须引起相关部门的重视。针对其局部放电模式的识别技术，能够为保证其放电的可靠性提供依据[1]。在我国，针对该识别技术的研究并不少见，主要是通过分析该电缆局部放电的脉冲频率，以此得出其是否存在重复放电的现象，进而得出识别结果。但传统技术在实际中应用后体现出识别查准率的缺陷，造成此现象的主要原因为针对其放电行为特征的提取不精准。由此可见，传统技术中存在的问题已经逐渐显露出来，为此，本文以直流XLPE 电缆局部放电模式为例，针对其识别技术加以优化设计，致力于从根本上提高其识别查准率。

1 直流XLPE电缆局部放电模式识别技术

1.1 提取局部放电行为特征

在局部放电模式识别中，必须预先提取局部放电行为特征。基于行为特征的实时性特点，通过时域、频域和时频三类，提取其行为特征，并以几何特征、空间、方向、匹配特征以及距离作为局部放电行为特征指标[2]。局部放电行为特征指标具体内容，如表1所示。

结合表1 所示，离散化处理表1 中的局部放电行为特征[3]。设离散化处理后的局部放电行为特征为T，则有公式（1）。

在公式（1）中，R 指的是局部放电行为特征的周长相似；e 指的是局部放电行为特征的长度相似度；l 指的是局部放电行为特征的Hausdo 距离；m 指的是局部放电行为特征的欧氏距离；F 指的是局部放电行为特征匹配权重系数；n 指的是直流XLPE 电缆长度，为实数。根据公式（1）可推导出局部放电行为特征的空间峰值比，设局部放电行为特征的空间峰值比为，则有公式（2）。

在公式（2）中，N 指的是离散系数；J 指的是局部放电行为特征转向函数。通过公式（2），得出局部放电行为特征的空间峰值比，基于行为特征度量的方式，通过计算局部放电行为特征系数，提取其行为特征[4]。设局部放电行为特征系数为Y，则有公式（3）。

在公式（3）中，X 指的是对应阶次；p 指的是增益效果。通过上述公式，实现局部放电行为特征提取。但初步提取到的局部放电行为特征与实际仍然存在误差，在后续计算中还需要通过因子分析算法处理局部放电行为特征描述子。

1.2 处理局部放电行为特征描述子

考虑到在提取局部放电行为特征时，未考虑到局部放电的特征[5]。因此，在局部放电分类识别过程中，还需要基于因子分析算法处理局部放电行为特征描述子。首先，通过因子分析算法划分局部放电的信息空间以及物理空间，将高频局部放电信息划分到信息空间，将低频局部放电信息划分到物理空间，在多维空间中寻找出训练数据的最佳拟合平面；而后，将原局部放电信息与进行处理后局部放电信息设定为两组通道；最后，根据行为特征描述子的向量进行局部放电信息输出处理，实现直接将识别局部放电信息进行输入或输出处理。基于因子分析算法处理局部放电行为特征描述子可用方程式的手段进行表示，设处理后的局部放电行为特征描述子为D(x,y)，则有公式（4）。

在公式（4）中，K 指的是局部放电行为特征向量维度；k 指的是维度，为实数，通常情况下取值为1；y 指的是直流XLPE 电缆内部阻值；rk指的是在采样率。通过公式（4），可以基于因子分析算法处理局部放电行为特征描述子，而经过处理后的局部放电行为特征描述子则可以直接反映出局部放电模式中的细微部件信息，以此，为下文基于行为特征分类提供基础数据。

1.3 基于行为特征的局部放电模式分类

在处理局部放电行为特征描述子的基础上，基于行为特征，分析局部放电中的细微部件信息[6]。为了进一步掌握行为特征在局部放电模式中的规律，采用对局部放电行为特征降维处理的方式，选取局部放电某一具备行为特征的空间（此空间应相对目标类别具备一定相关性），采用信息反复交互的方式，权衡局部放电行为特征与局部放电分类，上述提出局部放电中的两种行为特征分别使用G、V 表示，则存在行为特征的局部放电差准则融合计算可用如下计算公式表示。

公式（7）中：r 指的是局部放电之间的信息交互行为。根据上述计算公式，假定存在相同行为特征的局部放电属于多元变量，则基于行为特征的局部放电分类可表示为如下：

公式（8）中：Sm指的是局部放电行为特征可能存在的多元变量；d 指的是局部放电分类识别控制系数，通常情况下用常数表示。通过公式（8），实现基于行为特征的局部放电分类。

1.4 建立局部放电模式识别矩阵

基于行为特征实现局部放电分类后，标志局部放电所属类型，建立局部放电行为特征分类识别矩阵，将分类后局部放电的若干字段进行ColumnGroup 定义。在局部放电行为特征分类识别中，首先，要建立局部放电行为特征与计算机识别之间的逻辑关系；再通过将局部放电映射到同一个行为特征表示空间；最后，得到维数一致的行为特征向量。设局部放电行为特征分类识别矩阵为E，可得公式（9）。

在公式（9）中，M 指的是局部放电数据的字符长度；N 指的是局部放电的语义特征；x(i,j)指的是局部放电缺陷在共享空间的投影距离。利用公式（9）可得出局部放电行为特征分类识别投影，使局部放电分类识别成为可能。

1.5 实现局部放电模式识别

在完成上述研究的基础上，本文构建一个局部放电模式识别数据集，通过重构权值的方法直接省略前期的降噪处理流程[7]。面对在识别中运算复杂的情况，以行为特征参数作为高精度识别依据，计算识别的波动幅度标准差。设局部放电模式识别的波动幅度标准差为v，则有公式（10）。

在公式（10）中，γ 指的是局部放电模式中待识别信号的最大参数值。根据公式（10）对波动幅度标准差进行判断，在此基础上，通过识别过程中的正交分量与正常信号的同相分量的绝对值，得出识别表达式。设局部放电模式识别表达式为τ，则有公式（11）。

通过公式（11），得出τ的具体数值，在lm与lj均为正数的前提下，当 时，能够取得高精度的识别结果；当τ>m 时，则证明该次识别结果无效。至此，完成直流XLPE 电缆局部放电模式识别。

2 实例分析

2.1 实验准备

以下将采用设计实例分析的方式，验证本文设计识别技术在实际的应用中的作用。本次实例分析对象选取直流XLPE 电缆，本次实验内容为直流XLPE 电缆局部放电模式识别。首先，使用本文设计识别技术，识别直流XLPE 电缆局部放电模式，通过MATALB软件测试其识别查准率，并记录，将其设为实验组；再使用传统识别技术，识别直流XLPE 电缆局部放电模式，同样通过MATALB软件识别其查准率，并记录，将其设为对照组。由此可见，本次实验主要内容为测试两种识别技术的识别查准率，识别查准率越高证明该技术的识别精度越高。通过10 次对比实验，针对实验测得的识别查准率，记录实验数据。

2.2 实验结果与分析

根据实验结果得出两种识别技术下的识别查准率，具体结果如表2 所示。

表1：局部放电行为特征指标

表2：实验组与对照组实验结果对比

从表2 中的数据结果可以看出，实验组识别查准率明显高于对照组，具有现实推广价值，值得在现实中被大力应用。

3 结束语

本文通过实例分析的方式，证明了设计识别技术在实际应用中的适用性，以此为依据，证明此次优化设计的必要性。因此，有理由相信通过本文设计，能够解决传统直流XLPE 电缆局部放电模式识别中存在的缺陷。但本文同样存在不足之处，主要表现为未对本次识别查准率测定结果的精密度与准确度进行检验，进一步提高识别查准率测定结果的可信度。这一点，在未来针对此方面的研究中可以加以补足。与此同时，还需要对直流XLPE 电缆的优化设计提出深入研究，以此为提高直流XLPE 电缆质量提供建议。