摘要：為克服當(dāng)前電力系統(tǒng)設(shè)備高壓絕緣缺陷識別技術(shù)的局限性，利用知識庫系統(tǒng)來診斷電力系統(tǒng)設(shè)備高壓絕緣缺陷.采用超高頻(UHF)和IEC60270技術(shù)獲取局部放電(PD)數(shù)據(jù)，再通過捕獲的PD數(shù)據(jù)來構(gòu)建相位分辨模式，從而確定PD行為，并創(chuàng)建相關(guān)的描述符;利用匹配相關(guān)缺陷特征對缺陷進(jìn)行分類，并確定PD的位置.結(jié)果表明，采用本方法所測得的缺陷類型和缺陷位置與實(shí)際中缺陷類型和缺陷位置吻合率高達(dá)98%，證明了所提方法的有效性.

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

　　電氣設(shè)施普遍需要進(jìn)行狀態(tài)監(jiān)測和自動診斷，以便設(shè)備在出現(xiàn)故障時能夠識別，進(jìn)而安排工作人員進(jìn)行維護(hù)，并提高其可靠性.只有有效捕獲指示設(shè)備健康狀況信息才能為自動化診斷系統(tǒng)提供依據(jù)，而分析設(shè)施局部放電(PD)數(shù)據(jù)是獲取設(shè)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(dǎo)致光、聲、熱或化學(xué)反應(yīng)的產(chǎn)生.在局部放電過程中，發(fā)出的各種信號意味著存在各種檢測其發(fā)生的方法，可由電、聲、熱、化學(xué)及最近的超高頻(UHF)進(jìn)行監(jiān)測.本文將集中討論UHF與電氣技術(shù)，并分析基于知識庫系統(tǒng)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(shù)捕獲的局部放電數(shù)據(jù)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(jì)80年代為氣體絕緣變電站(GIS)開發(fā)的[6]，其設(shè)計目的是捕捉由局部放電電流脈沖發(fā)出的超高頻(300～3000MHz)電磁波，現(xiàn)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(yùn)行時插入其中;傳感器是安裝在特殊電介質(zhì)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(yùn)行中移除變壓器來安裝此傳感器;傳感器是制造時內(nèi)置在油箱中的內(nèi)部連接器.局部放電超高頻監(jiān)測由于其對噪聲的敏感性和相對抗擾性，已成為公認(rèn)的監(jiān)測技術(shù).

　　IEC60270標(biāo)準(zhǔn)提供了測量方法，即是通過使用專用設(shè)備測量電流的微小變化而實(shí)現(xiàn)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(guān)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(shù)據(jù)中診斷出故障，首先需要將其轉(zhuǎn)換為通用的可操作格式.一種顯示局部放電數(shù)據(jù)的方法是繪制絕緣存在的缺陷在3D相位分辨模式上產(chǎn)生的連續(xù)脈沖，通過由脈沖的相對振幅、脈沖出現(xiàn)的周期數(shù)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(shù)據(jù)已知的情況下，繪制表觀電荷的峰值振幅來實(shí)現(xiàn)[7].為突出缺陷的相位分辨模式的示例，該模式以50×64浮點(diǎn)數(shù)矩陣的形式表示電壓周期的64個相窗口中50個連續(xù)周期內(nèi)的PD活動.首先出現(xiàn)正半周期，介于0°～180°之間;然后出現(xiàn)負(fù)半周期，介于180°～360°之間.

　　利用上述形式數(shù)據(jù)，文獻(xiàn)[8]描述了基于知識庫的系統(tǒng)提供自動缺陷分類的方法，并且知識庫系統(tǒng)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(shù)據(jù)分析方法最初是利用與超高頻傳感器數(shù)據(jù)相關(guān)的知識創(chuàng)建的，然而，由于高壓設(shè)備中局部放電的共同物理性質(zhì)[9]，基于知識庫系統(tǒng)提供了一種通用的方法：從IEC或UHF傳感器產(chǎn)生的任何相位分辨模式中分類缺陷.本文通過一組IEC數(shù)據(jù)中盲診斷的案例，突出該應(yīng)用，該診斷使用來自UHF相位分辨模式中獲取并實(shí)現(xiàn)的數(shù)據(jù).由于不同高壓設(shè)備局部放電物理特性的一致性，該系統(tǒng)具有診斷各種高壓設(shè)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(tǒng)

　　高壓絕緣設(shè)備可能會出現(xiàn)不同類型的缺陷，基于知識庫系統(tǒng)主要檢測原理：由于絕緣層內(nèi)發(fā)生的物理過程不同，每個缺陷均會產(chǎn)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(nèi)可能出現(xiàn)的7種局部放電缺陷[11-12].此后，專家根據(jù)相位分辨模式進(jìn)一步對缺陷進(jìn)行分類，因此，目前基于知識庫的系統(tǒng)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(guān)缺陷診斷的知識是使用知識工程技術(shù)獲得的，如文獻(xiàn)[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(shù)被用來識別與相位分辨模式和局部放電現(xiàn)象診斷缺陷相關(guān)的隱性知識.所得到的知識用統(tǒng)一建模語言(UML)模型[13]表示，以便專家作為規(guī)則在系統(tǒng)中實(shí)現(xiàn)驗證.基于知識庫的系統(tǒng)分為5個階段，以模擬專家根據(jù)階段解決模式診斷缺陷時遵循的過程.

　　將知識分為5個獨(dú)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(kuò)充的知識庫.當(dāng)系統(tǒng)進(jìn)行診斷時，其可以提供不同程度的解釋，專家通過實(shí)驗數(shù)據(jù)和反饋，對這些知識庫中的知識進(jìn)行驗證.在知識工程任務(wù)中，建立代表專家知識的語義網(wǎng)絡(luò)模型.知識與5個階段中的每一個相關(guān)聯(lián)，需要構(gòu)造“先條件后行動”規(guī)則，并在基于規(guī)則實(shí)現(xiàn)的系統(tǒng)中[14]提供分類.將語義網(wǎng)絡(luò)模型的左側(cè)轉(zhuǎn)換為條件，將右側(cè)轉(zhuǎn)換為操作，例如語義網(wǎng)絡(luò)模型左側(cè)為“在電壓和零點(diǎn)之間的位置”以及“過零流量”，右側(cè)為“空間電荷問題”，則可以轉(zhuǎn)化為如果“在電壓和零點(diǎn)之間的位置出現(xiàn)過零流量后”，然后認(rèn)定“空間電荷問題”.

　　為了確定應(yīng)觸發(fā)的規(guī)則，需使用推理引擎.推理機(jī)的推理部分由兩種基本策略之一完成，即前鏈(數(shù)據(jù)驅(qū)動)或后鏈(目標(biāo)導(dǎo)向).Drools是一個前向鏈推理引擎的案例[15-17]，并被用于構(gòu)建本文描述的基于知識庫的系統(tǒng).Drools的前向鏈引擎通過匹配規(guī)則的前提條件來提供結(jié)果.為了實(shí)現(xiàn)這種數(shù)據(jù)驅(qū)動的方法，Drools使用Rete算法遍歷數(shù)據(jù)，直到得到較少的匹配結(jié)果便給出結(jié)論.這些規(guī)則存儲在生產(chǎn)內(nèi)存中的5個知識庫中，而推理引擎匹配的事實(shí)則放在工作內(nèi)存中.在工作內(nèi)存中，可以進(jìn)一步調(diào)用其匹配新規(guī)則.

　　4案例研究

　　為證明基于知識庫系統(tǒng)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(shí)驗室測試中記錄的突出缺陷(導(dǎo)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(nèi)的局部放電進(jìn)行監(jiān)測.大多數(shù)類型的放電通常與50Hz電壓周期特征相位相關(guān)，突出物(嚴(yán)格說是點(diǎn)對平面的幾何結(jié)構(gòu))就是典型的例子.

　　施加高電壓(50Hz)的突出物在尖頭處產(chǎn)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(xiàn)在90°和270°相位處的電壓峰值附近.當(dāng)這些脈沖被具有相位分辨能力的測量系統(tǒng)捕獲時，可以被傳遞到基于知識庫的系統(tǒng)中進(jìn)行分類.下文將詳細(xì)說明如何通過的5個階段來為其中的突出示例導(dǎo)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(shù)據(jù)創(chuàng)建.

　　使用Gulski的一些統(tǒng)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(tǒng)計分析自動識別，并放置在工作內(nèi)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(qū)域之外的小隨機(jī)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(tǒng)已自動去除圖2中正半周期內(nèi)刀片外的脈沖.

　　但值得注意的是，若所分析的模式被認(rèn)為是隨機(jī)的，則不會執(zhí)行此過程;否則，有效數(shù)據(jù)可能會丟失.或者用戶可以通過在系統(tǒng)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(tǒng)的第2個階段是確定PD行為，從而創(chuàng)建階段1中標(biāo)識的描述符.推理引擎通過將行為規(guī)則庫中的前提條件與工作內(nèi)存中的描述符匹配來實(shí)現(xiàn)這一目標(biāo).

　　一旦調(diào)用這些行為規(guī)則，其結(jié)論也將被放置在階段3的工作內(nèi)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(guān)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(guān)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(fā)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(tǒng)中，即可得到相應(yīng)的分類情況.系統(tǒng)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(jù)自己的知識識別突出物的嚴(yán)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(fā)現(xiàn)缺陷所在設(shè)備的子系統(tǒng).先前的研究著眼于“飛行時間”技術(shù)來識別位置，但基于知識庫的系統(tǒng)也可以向用戶提供關(guān)于缺陷位置的部分信息.通過調(diào)用已診斷缺陷的已識別特征，實(shí)現(xiàn)識別缺陷位置的規(guī)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(jié)論：

　　圖形用戶界面分為多個部分.圖形用戶界面的左側(cè)顯示使用統(tǒng)計運(yùn)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(cè)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(yè)水平的用戶根據(jù)其需求顯示不同的診斷階段.經(jīng)過多次實(shí)驗表明，采用本方法所測得的缺陷類型、位置與實(shí)際中缺陷類型、位置吻合率高達(dá)98%，證明了該方法的有效性.

　　5結(jié)論

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

　　參考文獻(xiàn)(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