基于无监督聚类算法的风电场高压电缆局放脉冲识别

Posted 2021-04-09 风电运维

【摘要】：针对风电场高压电缆局部放电在线监测中脉冲型干扰难以抑制的技术难题，分析了风电场高压电缆局部放电脉冲及各类干扰脉冲的分布特征。并在此基础上，提出了基于无监督聚类算法的风电场局部放电脉冲识别策略。首先对现场多个工频周期的原始脉冲群依次进行自适应、自学习聚类；然后根据聚类结果计算不同脉冲群的三维分布谱图。最后根据不同类脉冲的分布差异有效地识别出局部放电脉冲。该策略不需要脉冲样本知识，面向复杂的电磁干扰环境具有很强的适应性与实用性，某风电场工程应用实践证明了该策略能准确地实现脉冲识别。

【关键词】：风电场、高压电缆、局部放电、在线监测、脉冲型干扰、脉冲识别

引 言

局部放电是高压设备绝缘劣化的重要标志。监测局部放电是实现高压设备绝缘状态评估与故障诊断的最有效手段之一。然而，由于风电场现场一般处于强电磁干扰环境中，电磁干扰的存在特别是与局部放电脉冲类似度高的脉冲型干扰的存在。严重影响了局部放电在线监测的准确性，从强干扰环境中有效识别局部放电脉冲是亟需解决的技术难题。^[1]目前，主要采用基于监督聚类算法的脉冲辨识方式实现脉冲识别。^[2]监督识别方法需要各类脉冲样本作为先验知识。通过脉冲样本建立各类脉冲的指纹特征及分类规则库。然后对未知脉冲进行分类与识别^[2]由于现场的干扰复杂多样.各种波形特征的脉冲型干扰均可能耦合到测量回路，因而脉冲样本无法囊括全部的脉冲类型。监督识别方法对脉冲样本中未包含的脉冲不具备识别能力，难于面对现场复杂多变的干扰环境^[3]为适应复杂多变的工业现场环境，有效地从强电磁干扰中识别局部放电脉冲。提出了基于无监督聚类算法的局部放电脉冲识别策略，该策略能在不需要脉冲样本的基础上采用自适应、自学习的聚类算法实现现场脉冲的分类、并根据不同类脉冲的分布差异有效识别局部放电脉冲、从某山地风电场的应用效果看，本文提出的脉冲识别方法。具有较好的应用前景。

现场脉冲类型及分布特征

通过理论分析及对局部放电在线监测中的各类脉冲进行统计分析。有效获取了现场脉冲随工频相位的分布特征。从而为局部放电脉冲识别提供了重要依据^[3]-[5]现场脉冲主要包括：

1、局部放电脉冲在工频相位上的分布非常集中。但绝不会出现在固定的工频相位上，大多数的局部放电都发生在工频Ⅰ、Ⅲ周期的象限上。也有些特殊放电如尖端放电，发生在工频信号的极大值附近。

2、周期性干扰脉冲一般分布在工频周期的某些固定的相位上。且一般在每个工频周期上都会出现。

3、随机性干扰脉冲，与工频电压信号无任何关联。在工频周期的分布杂乱无章，不存在任何规律。

显然，从各种脉冲在工频周期上的分布情况上看，可通过计算各类脉冲随工频相位的Ｑ－Φ－ｔ三维谱图。最终实现局部放电脉冲的识别。

基于非监督的聚类算法的局部放电脉冲识别策略

本文提出的脉冲识别策略属于非监督识别方法，不需要脉冲的先验知识及样本脉冲库。可根据脉冲波形的相似性采用自适应，自学习聚类算法实现脉冲分类，然后计算各类脉冲的Ｑ－Φ－ｔ三维谱图，最后根据脉冲的相位分布特征。最终实现局部放电脉冲识别，该方法只需连续多个５个及以上。工频周期的采样数据。不需要脉冲样本，具有较强的工业适应性，其原理见图１。

1

脉冲的自适应自学习聚类

同一激发源产生的脉冲在波形上具有相似性，这是脉冲识别的基础。因此可通过计算脉冲波形的互相关系数，体现脉冲的相似性。来实现脉冲的聚类。具体方法如下：

显然，Ｃ处于区间[0.1]之间。其大小体现了两个脉冲的相似度Ｃ越靠近１。表明两个脉冲信号属于同一激励源产生的脉冲的可能性就越大若人为设定一个判断阈值Ｖｒ，当Ｃ＞Ｖｒ时，则认定两个脉冲为同种类型的脉冲。计算一次检测信号中的所有两个脉冲间的互相关系数。并与Ｖｒ比较。将Ｃ值较大的脉冲划分为同类脉冲Ｃ值较小的脉冲归结为不同类型脉冲。即完成了所有脉冲的脉冲自适应、自学习聚类。显然，这种聚类方式只需计算脉冲间的互相关系数，不需要脉冲的先验知识。

在实际工程应用中自适应自学习聚类方法仍存在以下两方面的问题。

1、现场脉冲具有复杂性，各类脉冲的持续时间并不一致，这将导致应用于傅立叶变换的数据长度ｎ难以确定。对于振荡时间很长的脉冲ｎ值不能取得过小。否则脉冲波形中的一些重要细节信息将无法保留。这对分类结果将会造成很大影响。对于振荡时间短的脉冲ｎ值不能取的过大。否则大量计算时间耗费在傅里叶变换上，直接导致算法复杂度高。不适合于工业应用。

2、阈值Ｖｒ对分类结果影响重大，当选取的ｎ值越大，判决阈值Ｖｒ取较小的值才能保证同类型脉冲被正确聚类。若Ｖｒ的值较小，一些波形差异不大的异类脉冲将被错误地聚类成同类型脉冲。

为解决上述工程难题，对自适应、自学习聚类方法进行优化设计，即首先在时域上计算每个脉冲的特征参数。脉冲的等效时宽Ｔ该参数是表征脉冲振荡延续时间及特性的重要特征量７。并使用等效时宽Ｔ对脉冲初步分类，分类结果为不同的子脉冲群。然后采用自适应、自学习聚类对各子脉冲群进行分类。不同子脉冲群的分类选择与之匹配的ｎ及Ｖｒ值。

2

三维谱图的计算

鉴于不同类型的脉冲在工频上的分布存在显著差异，在实现脉冲聚类后。可根据各类脉冲在工频上的分布最终实现脉冲类型的辨识。本文借鉴Ｑ－Φ－ｔ三维谱图方法来统计脉冲在工频上的分布规律。具体计算方法如下：

1、不考虑脉冲的波形特征，简化脉冲表现方式，以单个脉冲的峰值及脉冲所处工频相位位置简单表征该脉冲。单个脉冲即可用一个三维向量[脉冲峰值、脉冲相位、工频编号]表示。

2、用柱状图的方式，将每类脉冲构成的多个三维向量在一个以峰值Ｑ相位Φ工频编号ｔ为坐标的三维空间上描绘出来。即为脉冲Ｑ－Φ－ｔ三维谱图。

3

脉冲识别

脉冲类的Ｑ－Φ－ｔ三维谱图体现了该脉冲类在工频相位的分布特性。对于脉冲识别意义重大采用自适应、自学习聚类算法对现场连续100ms时间内所有脉冲进行识别的Ｑ－Φ－ｔ三维普图见图２。由图２ａ可知，脉冲类绝大部分集中在工频第Ⅰ、Ⅲ象限内，图２ｂ展示的脉冲类与工频相位无任何关联。其分布无任何规律可循。且在部分工频周期上并未出现。图２ｃ所示脉冲类在工频上的位置固定。且每个工频周期均存在。图２ｄ所示脉冲类遍布于每个工频周期。每个相位上，其分布无规律可循、杂乱无章。结合局部放电脉冲周期性干扰脉冲。随机性干扰脉冲的分布特征。可诊断图２ａ为局部放电脉冲、图２ｂ、ｃ、ｄ为干扰脉冲。其中图２ｂ、ｄ为典型的随机性干扰脉冲。图２ｃ为周期性干扰脉冲。

现场脉冲识别效果

图３为采用基于无监督聚类算法的局部放电脉冲识别策略对云南某风电场３５ｋＶ高压电缆。现场数据的处理结果。由图３可知，现场连续５０个工频周期的脉冲，图３ａ截取了２个工频周期数据。一共被分成４类。其Ｑ－Φ－ｔ三维分布谱图分别对应图３ｂ、ｄ。其中图３ｂ、ｄ。所示的脉冲在工频周期上的分布具有偶然性。分布杂乱无章与工频相位无任何关联。图３ｃ所示脉冲分布在工频的固定相位上，脉冲幅值较接近且基本在每个工频周期均存在。图３ｅ所示脉冲主要分布在工频的象限上。且比较集中结合不同类型脉冲的分布特性可知图３ｂ、ｅ依次对应的脉冲类为随机性干扰脉冲。周期性干扰脉冲随机性干扰脉冲及局部放电脉冲。由此可知，本文提出的策略可有效地从现场复杂的信号中提取局部放电脉冲。

结 语

ａ．提出了基于无监督聚类算法的风电场局部放电脉冲识别策略，采用了基于自适应，自学习聚类算法实现了脉冲分类，并计算不同脉冲类的Ｑ－Φ－ｔ三维谱图。根据不同类脉冲在工频上的分布差异即可实现局部放电脉冲的有效识别。

ｂ．采用无监督聚类算法不需要脉冲先验知识及脉冲样本，能够应对现场复杂多变的干扰环境。从某风电场高压电缆局部放电在线监测处理结果上看，该策略具有较强的适应性。

参考文献:

[1]魏新劳,朱博,庞兵,等.长距离三相电力电缆绝缘在线监测方法[J].中国电机工程学报,2015,35(8):2079-2085.

[2]何 宏 茂.高 压 电 缆 局 部 放 电 带 电 检 测 系 统 研 究[D].保定:华北电力大学,2012.

[3]靖小平,彭小圣,姜伟,等.基于 K-Means聚 类 算 法的自动图谱识别在电缆局部放电在线监测系统中的应用[J].高电压技术,2012,38(9):2437-2446.

[4]SSriram,SNitin,KMMPrabhu,etal.SignalDenoisingTechniquesforPartialDischargeMeasurements[J].IEEETransactionsonDielectricsandElectricalInsulation,2005,12(6):1182-1191.

[5]XZhou,CZhou,IJKemp.AnImprovedMethodologyforApplicationofWaveletTransformtoartialDischargeMeasurementDenoising[J].IEEETransactionsonDielectricsandElectrialInsula-tion,2005,12(3):586-594.

[6]HZhang,TRBlackburn,BTPhung,etal.ANovelWaveletTransformTechniqueforOnlineartialDischargeMeasurements.Part2:OnsiteNoiseRejectionApplication[J].IEEETransactionsonDielectricsandElectricalInsulation,2007,14(1):15-22.

[7]司文荣,李军浩,梁永春,等.采用独立成分分析的局部放电脉冲双通道提取技术研究[J].西安交通大学学报,2008,42(10):1263-1268.

作者简介:

通讯作者:万元 (1981-),男,博士､博士后､高级工程师,研究方向为新能源故障诊断,E-mail:[e-mail]

▓来源：水电能源科学

拓展性阅读

◆ 

◆ 

◆ 

▽  品 牌 推 荐 ▽

软文写作 · 专题报道 · 风电周刊 · 会议策划 · 新闻采访 · 会员服务

风电运维 | 一个专业传播风电运维信息的平台

投稿 & 广告

QQ：1586646189  手机：[phone]

点击右下角 “ 写留言 ” ，分享 你的观点！