摘要：為克服當前電力系統設備高壓絕緣缺陷識別技術的局限性，利用知識庫系統來診斷電力系統設備高壓絕緣缺陷.采用超高頻(UHF)和IEC60270技術獲取局部放電(PD)數據，再通過捕獲的PD數據來構建相位分辨模式，從而確定PD行為，并創建相關的描述符;利用匹配相關缺陷特征對缺陷進行分類，并確定PD的位置.結果表明，采用本方法所測得的缺陷類型和缺陷位置與實際中缺陷類型和缺陷位置吻合率高達98%，證明了所提方法的有效性.

　　關鍵詞：知識庫系統;局部放電;超高頻;IEC60270技術;相位分辨模式;缺陷分類;描述符;高壓絕緣缺陷識別

　　電氣設施普遍需要進行狀態監測和自動診斷，以便設備在出現故障時能夠識別，進而安排工作人員進行維護，并提高其可靠性.只有有效捕獲指示設備健康狀況信息才能為自動化診斷系統提供依據，而分析設施局部放電(PD)數據是獲取設備健康狀況信息的一種主要方法[1-4].

　　局部放電是不完全橋接兩個電極之間的間隙放電[5]，其可導致光、聲、熱或化學反應的產生.在局部放電過程中，發出的各種信號意味著存在各種檢測其發生的方法，可由電、聲、熱、化學及最近的超高頻(UHF)進行監測.本文將集中討論UHF與電氣技術，并分析基于知識庫系統如何通過識別代表專家尋找到特征相位分解模式的描述符，得出了利用這兩種技術捕獲的局部放電數據缺陷診斷的通用方法.

　　1局部放電超高頻檢測

　　超高頻傳感器是在20世紀80年代為氣體絕緣變電站(GIS)開發的[6]，其設計目的是捕捉由局部放電電流脈沖發出的超高頻(300～3000MHz)電磁波，現有3種不同類型的超高頻傳感器來捕獲PD信號，其在變壓器油閥運行時插入其中;傳感器是安裝在特殊電介質窗上的窗耦合器，該傳感器更適合新的變壓器，因此需要從運行中移除變壓器來安裝此傳感器;傳感器是制造時內置在油箱中的內部連接器.局部放電超高頻監測由于其對噪聲的敏感性和相對抗擾性，已成為公認的監測技術.

　　IEC60270標準提供了測量方法，即是通過使用專用設備測量電流的微小變化而實現的，以獲得明顯的電荷水平.電場測量通常需要利用傳感器與測量電路的相關變化來記錄電流脈沖，例如利用高壓套管(和抽頭)作為耦合.

　　2相位分辨模式

　　要從IEC或UHF傳感器捕獲的局部放電數據中診斷出故障，首先需要將其轉換為通用的可操作格式.一種顯示局部放電數據的方法是繪制絕緣存在的缺陷在3D相位分辨模式上產生的連續脈沖，通過由脈沖的相對振幅、脈沖出現的周期數和電壓周期中脈沖的相位組成的三維軸上繪制每個脈沖;或在IEC數據已知的情況下，繪制表觀電荷的峰值振幅來實現[7].為突出缺陷的相位分辨模式的示例，該模式以50×64浮點數矩陣的形式表示電壓周期的64個相窗口中50個連續周期內的PD活動.首先出現正半周期，介于0°～180°之間;然后出現負半周期，介于180°～360°之間.

　　利用上述形式數據，文獻[8]描述了基于知識庫的系統提供自動缺陷分類的方法，并且知識庫系統還提供了一種存儲有價值PD診斷專家知識的方法.基于增量知識的局部放電數據分析方法最初是利用與超高頻傳感器數據相關的知識創建的，然而，由于高壓設備中局部放電的共同物理性質[9]，基于知識庫系統提供了一種通用的方法：從IEC或UHF傳感器產生的任何相位分辨模式中分類缺陷.本文通過一組IEC數據中盲診斷的案例，突出該應用，該診斷使用來自UHF相位分辨模式中獲取并實現的數據.由于不同高壓設備局部放電物理特性的一致性，該系統具有診斷各種高壓設備(包括電力變壓器、GIS和電纜)缺陷的潛力.

　　3基于知識庫的系統

　　高壓絕緣設備可能會出現不同類型的缺陷，基于知識庫系統主要檢測原理：由于絕緣層內發生的物理過程不同，每個缺陷均會產生不同的局部放電信號[10].先前的研究集中在使用超高頻傳感器來檢測絕緣層內可能出現的7種局部放電缺陷[11-12].此后，專家根據相位分辨模式進一步對缺陷進行分類，因此，目前基于知識庫的系統能夠識別的缺陷為：接觸不良、彈跳粒子、浮動電極、浮動組件、滾動粒子、表面放電和空洞.

　　有限的專家可以查看不同缺陷的階段解決模式并解釋特征.有關缺陷診斷的知識是使用知識工程技術獲得的，如文獻[8]所述.隱性知識是專家可能了解或可能不了解的上下文信息，難以獲得.知識引出技術被用來識別與相位分辨模式和局部放電現象診斷缺陷相關的隱性知識.所得到的知識用統一建模語言(UML)模型[13]表示，以便專家作為規則在系統中實現驗證.基于知識庫的系統分為5個階段，以模擬專家根據階段解決模式診斷缺陷時遵循的過程.

　　將知識分為5個獨立的知識庫，可以方便地添加更多知識，從而提供一個不斷擴充的知識庫.當系統進行診斷時，其可以提供不同程度的解釋，專家通過實驗數據和反饋，對這些知識庫中的知識進行驗證.在知識工程任務中，建立代表專家知識的語義網絡模型.知識與5個階段中的每一個相關聯，需要構造“先條件后行動”規則，并在基于規則實現的系統中[14]提供分類.將語義網絡模型的左側轉換為條件，將右側轉換為操作，例如語義網絡模型左側為“在電壓和零點之間的位置”以及“過零流量”，右側為“空間電荷問題”，則可以轉化為如果“在電壓和零點之間的位置出現過零流量后”，然后認定“空間電荷問題”.

　　為了確定應觸發的規則，需使用推理引擎.推理機的推理部分由兩種基本策略之一完成，即前鏈(數據驅動)或后鏈(目標導向).Drools是一個前向鏈推理引擎的案例[15-17]，并被用于構建本文描述的基于知識庫的系統.Drools的前向鏈引擎通過匹配規則的前提條件來提供結果.為了實現這種數據驅動的方法，Drools使用Rete算法遍歷數據，直到得到較少的匹配結果便給出結論.這些規則存儲在生產內存中的5個知識庫中，而推理引擎匹配的事實則放在工作內存中.在工作內存中，可以進一步調用其匹配新規則.

　　4案例研究

　　為證明基于知識庫系統的有效性與通用性，本文給出了案例研究.案例研究顯示了實驗室測試中記錄的突出缺陷(導線上固定的尖銳金屬物體)的診斷.采用超高頻傳感器，對金屬包殼變壓器通電后的420kVGIS母線短段內的局部放電進行監測.大多數類型的放電通常與50Hz電壓周期特征相位相關，突出物(嚴格說是點對平面的幾何結構)就是典型的例子.

　　施加高電壓(50Hz)的突出物在尖頭處產生最大的幾何場圖案.由于尖端的電場與瞬時交流電壓成正比，因此PD通常出現在90°和270°相位處的電壓峰值附近.當這些脈沖被具有相位分辨能力的測量系統捕獲時，可以被傳遞到基于知識庫的系統中進行分類.下文將詳細說明如何通過的5個階段來為其中的突出示例導出分類.階段1的輸入是一種相位分辨模式，該模式由超高頻傳感器捕獲的局部放電數據創建.

　　使用Gulski的一些統計特征來確定描述符，這些描述符包括：相位、幅度、形狀、起始對稱性、幅度對稱性、形狀對稱性、密度對稱性、脈沖分布等.描述符通過統計分析自動識別，并放置在工作內存中，以便在后期使用.在識別相位分辨模式的描述符前，通常需要消除主相位區域之外的小隨機脈沖，自動去除噪聲，模擬專家的噪聲去除過程.例如在計算脈沖形狀前，系統已自動去除圖2中正半周期內刀片外的脈沖.

　　但值得注意的是，若所分析的模式被認為是隨機的，則不會執行此過程;否則，有效數據可能會丟失.或者用戶可以通過在系統圖形用戶界面(GUI)中選擇一個選項，從模式中手動刪除低于噪聲閾值的脈沖.基于知識庫系統的第2個階段是確定PD行為，從而創建階段1中標識的描述符.推理引擎通過將行為規則庫中的前提條件與工作內存中的描述符匹配來實現這一目標.

　　一旦調用這些行為規則，其結論也將被放置在階段3的工作內存中，而輸出將顯示在中GUI的“行為”選項卡中.階段3匹配了相關的缺陷特征.為了理解分類的來源，有必要檢查與第2階段中確定的PD行為相關的缺陷特征.這些缺陷特征告知用戶金屬部件的物理存在，或放電發生在何種類型的材料之間.階段3的輸出顯示在圖形用戶界面的“特征”選項卡中.階段4為缺陷分類.將圖2中的階段解析模式傳遞到基于知識庫的系統中，即可得到相應的分類情況.系統匹配5種不同的情況，表明缺陷是突出物.

　　1第4行所示，專家也可以根據自己的知識識別突出物的嚴重性.在診斷故障時，缺陷的位置確定尤為重要，第5階段利用專家知識通知用戶第4階段發現缺陷所在設備的子系統.先前的研究著眼于“飛行時間”技術來識別位置，但基于知識庫的系統也可以向用戶提供關于缺陷位置的部分信息.通過調用已診斷缺陷的已識別特征，實現識別缺陷位置的規則.在本案例研究中的知識表明，由于缺陷 是一個突出物，具有高電位下金屬部件的特性，因此可以得出結論：

　　圖形用戶界面分為多個部分.圖形用戶界面的左側顯示使用統計運算符從相位解析模式計算出的描述符.這些描述符允許用戶查看從階段解析模式中提取的特性，專家在從階段解析模式手動診斷缺陷時會查找這些特性.右側顯示放電脈沖的3D相位分辨模式，并顯示從3D模式計算的平均和最大脈沖，以及直接視圖的2D平均和最大圖形.圖形上方的GUI右上角選項卡，允許具有不同專業水平的用戶根據其需求顯示不同的診斷階段.經過多次實驗表明，采用本方法所測得的缺陷類型、位置與實際中缺陷類型、位置吻合率高達98%，證明了該方法的有效性.

　　5結論

　　本文介紹了一種基于知識庫的局部放電數據分析方法，其可將相變模式用作知識庫系統的輸入，并根據IEC60270或UHF傳感器數據對缺陷進行分類.由于與PD行為相關的知識和設備類型無關，因此該知識可用于各種設備，包括變壓器和GIS.利用該方法可以構成通用系統，可以通過多種類型高壓設備的各種傳感數據來診斷缺陷.

　　參考文獻(References)：

　　[1]NikjooR，TaylorN，EdinH.EffectofsuperimposedimpulsesonACpartialdischargecharacteristicsofoil�瞚mpregnatedpaper[J].IEEETransactionsonDielec�瞭rics&ElectricalInsulation，2017，23(6)：3602-3611.

　　[2]LiuY，ZhangG，GengY，etal.ResearchonimpactofopeningvelocityinDRMtestsofSF6highvoltagecircuitbreakers[C]//InternationalConferenceonElectricPowerEquipment�瞫witchingTechnology.Shang�瞙ai，China，2017：511-523.

　　[3]BernalE，SpiryaginM，ColeC.Onboardconditionmonitoringsensors，systemsandtechniquesforfreightrailwayvehicles：areview[J].IEEESensorsJournal，2018，19(1)：4-24.

　　[4]NeettiyathA，VasaNJ，SarathiR.Opticalsensingtechniquesforconditionmonitoringoftransformerinsu�瞝ationmaterial[J].INAELetters，2018，3(1)：1-8.

　　[5]MiticheI，MorisonG，HughesnarboroughM，etal.Classificationofpartialdischargesignalsbycombi�瞡ingadaptivelocaliterativefilteringandentropyfea�瞭ures[J].Sensors，2018，18(2)：406-419.

　　作者：王英潔，曹鐵男