基于D-S证据多源信息融合与固态光电倍增-UHF联合检测的GIS局部放电模式识别

耿伊雯，芮逸凡，范 路，王亚林，尹 毅

（上海交通大学a. 电子信息与电气工程学院；b. 电力传输与功率变换控制教育部重点实验室，上海 200240）

0 引言

气体绝缘组合电器（gas insulated switchgears，GIS）以其占地面积小、可靠性高和电磁污染低等优点在城市电网中得到广泛运用。局部放电（partial discharge，PD）是绝缘介质中局部区域击穿导致的放电现象，是绝缘劣化的初始现象，也对设备绝缘起着加速劣化的作用[1]。六氟化硫（SF6）绝缘中，局部放电辐射出的电磁波可达数GHz 的特高频范围[2]，明显区别于低频电磁干扰，因此特高频（ultrahigh frequency，UHF）法广泛应用于GIS 局放检测。M D JUDD 等[3]对GIS 中特高频电磁波辐射产生机理及相应的检测方法进行了系统研究；丁登伟等[4]采用特高频法对绝缘缺陷进行聚类分析。然而现场环境中常有难以预测的严重电磁干扰发生，此时UHF 法由于其灵敏度高的特性，极易发生误检的情况[5-6]。

光学检测法是近年来兴起的一种非接触式局部放电检测方法。电气设备在局部放电时会使SF6气体分子发生电离产生光子，光电传感器检测到光辐射信号后将其转化为电信号输出，具有极高的灵敏度和抗干扰能力。靳贵平等[7]利用光学成像法制作的紫外成像仪成本昂贵，且灵敏度相对较低，不能体现放电强弱；黄晓博[8]提出传统的光电倍增管工作电压高，且采谱速度慢，受强光影响大。GIS腔体内部绝缘结构复杂，当局放缺陷发光源处于检测死角时，光传感器与光源之间的遮挡物会严重影响光传感器的检测效果，这些因素都会影响光局放的检测效果[9-10]。因此两种局部放电测量方法均存在固有缺陷，但是在测量时从灵敏度和抗干扰能力上具有互补的可能性。然而，目前很少有学者针对局部放电进行光-电联合测量开展研究。

此外，针对GIS中局放模式的识别，国内外学者开展了大量研究[11]，唐炬等[12]提出了一种计算局放光信号灰度图像的多重分形谱概率算法，对GIS 内4种典型绝缘缺陷进行了有效模式识别；刘永刚[13]采用改进共轭梯度算法优化后的反向传播神经网络作为识别器对GIS 内部光信号进行模式识别；王彩雄[14]基于UHF 法建立了放电模式谱图库及特征指纹信息库，从与放电相位相关和无关的特征量进行分层辨识。但是针对GIS典型绝缘缺陷的光电融合模式识别的研究较少。

本文提出基于Goubau 天线和硅光电倍增管（silicon photomultiplier，SiPM）联合的GIS 光-电联合局部放电检测方法，搭建GIS 内部典型绝缘缺陷下局部放电光电联合测量平台，同步采集SF6气体中4种典型绝缘缺陷下光-电联合检测局部放电数据，分析比较不同缺陷下UHF法和光测法的局部放电相位分布图谱（PRPD）特性。对UHF 法和光测法测得的PRPD 图谱进行特征量提取，利用多层感知机与D-S 证据融合理论对4种绝缘缺陷样本进行模式识别。

1 局部放电光电联合测量系统

1.1 Goubau特高频传感器

UHF 法使用天线作为传感器的载体，天线性能的优劣会直接影响信号的采集与后续处理[15]。由于局部放电信号频谱主要分布在300～1 500 MHz[14]，需要采用宽带特高频天线作为传感器监测局部放电。因此本文设计具有较宽频段的Goubau 天线作为UHF传感器进行局放测量研究。

本文设计的Goubau 天线是由加顶单极天线优化后得到[16-18]，顶部有两对共4个盘型导体，分为A对导体和B对导体。其中较大的A对导体用来接收电磁辐射信号，导体下方通过扁铜条进行连接；较小的B 对导体用于接地。设计使用的Gaobau 天线和驻波比实测结果如图1 所示。从图1 可以看出，在400～1 000 MHz 的频段内天线驻波比小于2，两个谐振点位于500 MHz 和1 000 MHz，具有较强的信号接受能力。仿真结果还表明，该天线的增益在子午面上随着角度的增大而增加，在赤道面上的方向角为30°～150°和-150°～-30°，方向角区间较宽，具有较好的方向性。

图1 Goubau天线实物图和驻波比实测图Fig.1 Goubau antenna and test result of VSWR

1.2 SiPM局部放电传感器

固态光电半导体技术在近年来得到了快速发展，SiPM 由于增益高、灵敏度高、偏置电压低等优点，在微弱光探测领域得到了广泛应用。SiPM是由数个工作在盖革模式下的雪崩二极管单元组成，当有光子入射时便输出对应幅值的电脉冲。与传统的光电倍增管（photomultiplier tube，PMT）相比，SiPM 仅需30 V 工作电压即可获得约106的信号增益[19-21]。

本文基于SiPM 阵列设计了一种局部放电光电传感器。光电传感器主要由4×4 的雪崩二极管阵列、供电模块、信号处理3个模块构成。硅光电阵列实现对局部放电发出的弱光进行光电转换，供电模块为SiPM 施加工作电压，信号处理单元通过I-U转换电路将光电流信号转化为电压信号，再经信号放大单元放大后输出，调理电路图和传感器实物如图2 所示。采用3D 打印外壳将SiPM 电路整合成一个完整的模块。

图2 SiPM传感器调理电路及实物图Fig2 Conditioning circuit and structure of SiPM sensor

1.3 实验平台

本文搭建基于光测法与UHF 法的光电联合测量平台，可以同步采集GIS 内部绝缘缺陷局部放电时产生的电磁辐射和光辐射信号，如图3 所示。测量平台主要包括：局部放电测试回路、试验腔体、缺陷试样、硅光电倍增局放传感器、特高频局放传感器和信号采集系统。

图3 局部放电光电联合测量平台示意图Fig.3 Partial discharge optical-electrical combined testing platform

试验时，对GIS 腔体充入气压为0.3 MPa 的SF6气体，通过Tektronix 4034C 型示波器及自主设计的Labview 数字采集系统同时采集光辐射信号与UHF电磁辐射信号，采集频率为1 GHz。使用1 000∶1分压比的电容分压器采集工频正弦信号作为相位参考。其中硅光电传感器偏置电压为28.5 V，输出模式为标准输出，光信号强度与放电电流脉冲成对应关系，检测波长范围为200～900 nm，中心波长为420 nm，光子检测效率为50%，增益为4×106。本文对UHF 传感器添加前置放大电路与滤波电路以提高UHF 信号信噪比，其中前置放大电路带宽为0.1～1 000 MHz，平均增益为23.5 dB，噪声系数为3 dB；带通滤波电路带宽为400～1 200 MHz。光电联合检测的局部放电典型时域波形如图4 所示，UHF信号波形呈现衰减振荡，衰减波形峰值的极性能反映局部放电的极性；光信号波形始终为正极性单个脉冲信号，这是由光信号的检测机理决定的，采样电阻及内部结电容大小决定脉冲宽度。

图4 局部放电时域波形Fig.4 Time domain waveform of PD

1.4 GIS典型放电缺陷模型

GIS 设备中的绝缘缺陷按照部位和性质可以分为：金属导杆以及壳体内壁的金属毛刺、导电和不导电的自由微粒、盆式绝缘子表面凹凸或裂纹、盆式绝缘子内部的微孔等。本文制作了气隙放电、悬浮放电、沿面放电及尖端放电4种典型的GIS 绝缘缺陷模型，如图5所示。

图5 4种典型绝缘缺陷模型Fig.5 Four typical insulation defect models

1.5 实验结果分析

本文采集4种典型绝缘缺陷在1.1 倍起始放电电压下的UHF 电磁辐射和光辐射信号。沿面放电缺陷和尖端放电缺陷在400 ms 内的UHF 局放脉冲波形与光局放脉冲波形的对比分别如图6 和图7 所示。从图6 和图7 可以看出，两种信号在相位上有一定的对应关系，但在放电脉冲个数上存在差异。沿面放电时，UHF 脉冲个数多于光脉冲个数，这是由于沿面放电发生在缺陷的各个角度，当光信号有遮挡时，SiPM 传感器容易发生漏检现象，此时UHF传感器的检测效果优于SiPM 传感器；尖端放电时，主要产生电晕放电现象，在初始电离阶段，光辐射已能被单光子级别的SiPM 捕捉，而此时UHF 电磁辐射较弱，未能被采集，因此针对光辐射现象明显的局部放电，SiPM 传感器检测效果优于UHF 传感器。由此可以看出，对于不同缺陷的局部放电，两种检测方式进行联合检测可以形成互补的效果。

图6 沿面放电下UHF信号与光信号对比Fig.6 Comparison of UHF signal and optical signal under surface discharge

图7 尖端放电下UHF信号与光信号对比Fig.7 Comparison of UHF signal and optical signal under tip discharge

各类缺陷在UHF 法与光测法下的PRPD 图谱如图8～11所示，放电的密集程度用颜色表示，颜色越红表示该相位和幅值的放电越密集。

图8 气隙缺陷局部放电PRPD图Fig.8 PRPD patterns of void defects

图9 悬浮缺陷局部放电PRPD图Fig.9 PRPD patterns of floating defects

图10 沿面缺陷局部放电PRPD图Fig.10 PRPD patterns of surface defects

图11 尖端缺陷局部放电PRPD图Fig.11 PRPD patterns of point defects

从4种缺陷局部放电PRPD 图谱可以看出，在相同缺陷模型下，UHF 法和光测法采集得到的PRPD 图谱形状类似，但存在微小不同。从图8～11可以看出，气隙放电主要发生在正负半周电压上升的相位，即42°～90°、220°～264°两个区间范围，正负半周放电脉冲基本上对称；悬浮放电相位分布相对较广而分散，在0°～90°、180°～270°相位均有分布，呈现微弱的极性效应，正半周放电脉冲密度大于负半周；沿面放电呈现较强的极性效应，负半周放电脉冲大而少，正半周放电脉冲平均幅值小而多，放电相位分布在32°～90°、210°～282°；尖端放电呈现明显的极性效应，正负半周极不对称，且放电脉冲位于正负半周90°相位附近，较为对称分布于90°左右。

2 基于多层感知机的局部放电模式识别

由上节可以看出，4种典型绝缘缺陷局部放电的PRPD 图谱有相似也有不同之处，单凭PRPD 图谱直接判断放电类型容易产生误判，因此需对图谱进一步分析研究，本文提出使用多层感知机模型对局部放电进行模式识别。

2.1 多层感知机原理

多层感知机（multilayer perceptron，MLP）适用于更为广泛的各类回归与分类的应用场景。多层感知机原理如图12所示。

图12 多层感知机原理图Fig.12 Schematic diagram of multilayer perceptron

多层感知机在单层神经网络的基础上引入了一至多层隐藏层（hidden layer），每层之间是全连接的，且每个隐藏层的输出通过激活函数进行变换。在计算完每层隐层各隐单元（hidden unit）的加权求和之后，对结果应用激活函数（activation function）将非线性因素引入神经元，使得神经网络可以任意逼近任何非线性函数。激活函数通常为正切双曲线函数（tanh），tanh 函数可以将元素的值变换到-1和1之间，在输入值较小时接近-1，在输入值较大时接近1。在引入隐藏层的神经网络中加入激活函数tanh，对隐藏变量使用非线性函数进行变换，如式（1）所示

式（1）中：w是输入层x与隐层h之间的权重；k为第t层隐单元标号；h是计算的中间结果。将函数结果用于加权求和，最终计算得到输出ŷ，如式（2）所示。

式（2）中：v是隐层h与输出ŷ之间的权重。权重w和v从数据中学习得到。隐层中的结点个数可根据数据集的复杂程度自由设置。

2.2 PRPD特征量提取

PRPD 的偏斜度Sk、陡峭度Ku、局部峰点数Pe、互相关系数Cc、不对称度φ、Weibull 分布参数等，可以用来描述PRPD 二维图谱的形状差异及正负半周的轮廓区别。利用PRPD 图谱统计特征参数进行模式识别，可以降低局部放电在放电时间上随机分布特性带来的影响，同时体现局部放电工频周期内的重复性特征。

（1）偏斜度Sk

偏斜度Sk描述了绝缘内部缺陷局部放电在每个工频周期内分布分不对称状态与程度，偏斜度为正时，分布正偏；偏斜度为负值时，分布负偏。其计算如式（3）所示。

式（3）中：xi为局放脉冲幅值；μ为局放脉冲幅值均值；N为局放脉冲数量；σ为标准差。

（2）陡峭度Ku

陡峭度Ku描述了局部放电图谱形状相对于正态分布的凸起程度，正态分布时，Ku一般为3。其计算如式（4）所示。

式（4）中：xi为局放脉冲幅值；μ为局放脉冲幅值均值；N为局放脉冲数量；σ为标准差。

2.3 基于多层感知机的模式识别

本文选取偏斜度Sk及陡峭度Ku作为多层感知机识别输入参量，以整个工频周期的Ku和Sk作为特征向量l1～l2，以工频负半周的Ku和Sk作为特征向量l3～l4，以工频正半周的Ku和Sk作为特征向量l5～l6，即UHF 法PRPD 模式识别的特征向量为A=[l1,l2,l3,l4,l5,l6]，光测法PRPD 模式识别的特征向量为B=[l1,l2,l3,l4,l5,l6]。

本文设计两层感知机模型，输入节点数i=6，输入节点X1～X6对应l1～l6特征向量，第一层隐层节点数为30个，第二层隐层节点数为20个，输出层节点数为4，对应4种绝缘缺陷的概率。UHF 法和光测法样本总数N1、N2各为240个，为保持样本数平衡，每种缺陷类型均为60组样本，从每种缺陷类型放电样本中随机各取15 组样本作为测试样本，剩余45组样本作为训练样本。UHF 法和光测法局放PRPD图谱模式识别结果如表1所示。

表1 UHF法与光测法局放模式识别率Tab1 Recognition rate of PD patterns by UHF method and optical method

从表1 中可以看出，UHF 法和光测法均有较高的识别率，UHF 法平均识别率为79.75%，对于气隙缺陷和沿面放电有较高的识别率；光测法平均识别率为89.50%，对于气隙缺陷、悬浮缺陷、尖端缺陷均具有较高的识别率。两种方法对于不同缺陷有不同的识别精度，这是由于不同缺陷模型的放电模式各有不同，产生的光信号与高频电磁信号有强弱差别。由此可以看出UHF 法与光测法在模式识别上具有一定的互补性，可以采用信息融合理论进行联合识别。

3 基于D-S证据理论的光电联合识别

3.1 D-S证据理论原理

D-S 证据（Dempster-Shafer）理论是一种进行不确定性推理的算法，引入了概率分配函数、置信函数、似然函数等，降低了传统概率论需要完整的先验、条件概率及统一识别框架等要求，不仅能够有效表达随机不确定性，更能表达不完全信息以及主观不确定性信息。理论中的Dempster 组合规则满足交换律和结合律的特性，可以在不具备先验条件的情况下，融合证据，有效降低系统的不确定性[22]。

（1）建立模式识别框架

在D-S 证据理论中，一个问题进行判决的所有可能结果的集合被称为识别框架。本文的识别框架为气隙放电、悬浮放电、沿面放电和针尖放电4类典型绝缘缺陷，为便于表述，识别框架Φ用A1、A2、A3、A4表示，不确定度为θ，如式（5）所示。

（2）选取证据并构建基本概率指派

识别框架Φ的幂集构成命题集合2Φ，∀A⊆Φ，若函数m:2Φ→[0,1]满足式（6）条件，则函数m被称为基本概率指派（basic probability assignment，BPA），m(A)是命题A的基本概率数，即准确分配给A的信度。

本文以光测法和UHF 法下测得的局部放电数据经多层感知机模式识别后的输出值作为2个独立的证据，并将其转换为满足D-S证据理论的BPA。

（3）信息融合

D-S证据理论提供Dempster组合规则来实现多个证据的融合，本质上是证据的正交和。本文设m1和m2分别为光信号和UHF信号的基本概率指派，用m表示m1和m2组合后的新证据，则Dempster组合规表示为式（7）。

式（7）中：A1～A4为UHF 法下各类放电缺陷类型；B1～B4为光测法下放电缺陷类型；k称为冲突系数，用于衡量证据之间的冲突程度，k越大，则冲突越大。当k=1 时，会导致“Zadeh”悖论问题，即各证据体高度冲突时，会产生与常理相悖的结果。

（4）证据决策

当计算出全部证据下识别框架Φ下所有可能结果的BPA 后，采用相关规则来判定绝缘缺陷的分类。

规则1：m(Amax1)= max {m(Ai),Ai⊂Φ)

规则2：m(Amax1)>m(θ)

规则3：m(Amax1)-m(Amax2)>ε

其中，规则1 表示应选择具有最大可信度的命题作为输出，规则2 表示判定结果的BPA 须大于不确定度的BPA，规则3中，m(Amax1)为某判定结果类型的最大BPA，m(Amax2)为第二大BPA，ε为阈值，即判定结果BPA 与其他命题BPA 之差应大于设定阈值。同时满足上述3 条规则，才能输出系统判定结果[23-26]。基于光电方法联合测量的多层感知机与DS证据理论融合局部放电模式识别算法流程如图13所示。

3.2 基于D-S证据理论的融合模式识别

对UHF 法及光测法获取的绝缘缺陷局部放电数据进行多层感知机训练后，按照流程图13采用DS 证据理论进行信息融合。对于每组局部放电数据样本，UHF 电磁信号与光信号数据作为两种独立证据体，经多层感知机训练后获得每种缺陷类型的基本概率赋值函数BPA。

图13 基于多层感知机的D-S证据理论融合图Fig.13 D-S evidence theory fusion graph based on multi-layer perceptron

以一组光电联合检测数据为例，由式（7）计算两种信号输出BPA 的融合BPA，结果如表2 所示。由表2 数据可知，使用UHF 法局部放电PRPD 图谱作为单一证据进行模式识别时，对于悬浮缺陷和尖端缺陷，BPA 分别为0.38 和0.36，不确定度为0.18，识别结果为悬浮缺陷，但悬浮缺陷和尖端缺陷类型BPA 十分相近，易出现误判。使用光测法局部放电PRPD 图谱作为单一证据进行模式识别时，悬浮缺陷类型的BPA 远大于其他类型，但不确定度仍然较高。经过Dempster 组合规则进行融合后，悬浮缺陷的BPA 达到0.682，不确定度下降至0.030 5，可确定识别结果为悬浮缺陷。

表2 一组典型数据的基本概率赋值结果Tab2 Results of BPA in different methods of a set of typical data

基于D-S证据理论对两种测量方法下获得的全部样本进行GIS典型绝缘缺陷局部放电光电融合检测，最终识别结果如表3所示。

表3 基于D-S证据理论的局放模式识别结果Tab.3 Recognition results of D-S evidence theory

由表3 可知，经过D-S 证据理论进行信息融合后的GIS内部典型绝缘缺陷局部放电模式识别准确率均有所提升，每种缺陷识别率均达到86.7%以上。沿面放电缺陷仍是识别率最低的缺陷。D-S证据理论较好地融合了UHF法与光测法的优势，改善了单种测量方法进行模式识别的识别率不平衡现象。

4 结论

本文提出了基于Goubau 天线和SiPM 联合的GIS光电联合局部放电检测方法，对GIS中4种典型绝缘缺陷局部放电进行光电联合测量。对两种测量方法下的PRPD 图谱进行特征量提取，采用多层感知机建立了局部放电模式识别模型，并通过D-S证据理论进行信息融合后对4种缺陷进行模式识别再决策，解决了不同缺陷类型在同种测量方法下的模式识别不准确的问题，得出如下结论：

（1）测量GIS 中不同缺陷局部放电时，Goubau天线与SiPM 传感器均有较好的灵敏度，且在不同缺陷局放测量上具有一定的互补性。

（2）与采用单一证据体进行局部放电模式识别相比，采用D-S证据理论信息融合后进行模式识别，各类缺陷平均识别率达到86.7%以上，缺陷识别结果不平衡问题得到改善，结果更稳定与可靠。