全文HTML
--> --> -->关于电气绝缘材料局部放电的报道有很多[6-10]. 张若兵等[11]采用经验模态分解与Teager能量算子相结合的方法, 对放电脉冲进行有效分割, 并利用时域反射法对放电点进行精确定位. 经计算放电定位准确率高达81%, 验证了该方法可在允许误差范围内实现局部放电源的高准确定位, 这为电缆局部放电定位提供新的解决思路. Ahmed等[12]研究了中压交联聚乙烯电缆绝缘的诊断方法, 发现在局部放电发展过程中, 只有电树枝出现后放电强度急剧上升, 电缆绝缘性能的严重退化, 局部放电量才会出现激增现象. Iorkyase等[13]利用无线电指纹识别技术提取局部放电信号的强度, 进而利用k-近邻定位算法和前馈神经网络定位算法实现局部放电的精确定位. 结果发现, 神经网络算法在噪声环境下具有优异的稳定性, 平均定位误差均小于2 m.
将近年来研究****对局部放电定位的研究成果汇总, 如表1所列[14-22]. 大量相关文献报道发现[23-25], 局部放电定位研究主要集中在利用简单算法与传感器综合实现定位, 或复杂算法对放电信号进行图像化处理实现放电定位, 而关于不同算法的局部放电定位精度, 以及放电源真实放电量的相关研究至今未见报道.
使用算法 | 研究对象 | 综合距离误差ΔR/cm | 最大偏差Dmax/cm |
广义互相关算法 | 油箱体内 | 3.9 | 4.4 |
时延法 | 变压器绝缘 | 0.8 | 0.6 |
基于高斯-牛顿迭代的等值声速修正算法 | 1.7 | 1.6 | |
粒子群优化算法 | 2.2 | 1.9 | |
遗传算法 | 1.8 | 2.0 | |
多平台测向与全局搜索的阵列定位的结合 | 三电容放电管模型 | 7.8 | 6.0 |
基于测向线公垂线中点的局部放电相控超声几何定位算法 | 13.9 | 10.3 | |
Chan算法 | 电缆绝缘 | 9.0 | 12.0 |
表1局部放电的超声定位精度比较
Table1.Comparison of ultrasonic location accuracy of PD.
本文采用声-声检测法结合不同算法对局部放电源的定位精度进行对比分析, 并结合声波传播损耗和声压衰减效应, 建立超声信号标定的数学模型, 揭示超声信号与放电量的定量关系, 为实现局部放电源放电强度的推算提供理论依据.
![](https://wulixb.iphy.ac.cn/fileWLXB/journal/article/wlxb/2021/9/PIC/9-20201727-1_mini.jpg)
Figure1. Test system schematic diagram of ultrasonic testing (T1, isolating transformer; T2, voltage regulator; C1, L1, low-voltage low-pass π filter; T3, high voltage test transformer; C2, L2, high-voltage low-pass filter; CK, coupling capacitor; Zin, detection impedance; T, Tank; S, piezoelectric sensor; AMP, preamplifier; DAQ, data acquisition card).
在试验系统中, 为了产生局部放电信号, 将针-板放电模型置于1 m × 0.5 m × 0.5 m箱体中, 其中直径为0.6 mm、曲率半径为3 μm的钨针为高压针电极, 直径为75 mm、厚度为10 mm的抛光黄铜板为地电极, 而4 mm针-板间放置不同厚度的电缆纸, 其结构示意图如图2所示. 值得注意的是, 为了避免外界空间中的电磁信号干扰, 需将整个实验系统置于良好的屏蔽室中, 以提高测量精度. 与此同时, 局部放电产生的声波在介质内以球面波的形式向外传播, 在电缆油与金属箱体介质的界面处会发生折射和反射, 因此, 箱壁处的传感器除了采集到正常声波外, 还存在界面处的反射波. 为了保证测量的准确性, 在不与传感器接触的其他三个箱壁和底部均铺设一层疏松多孔的聚酯纤维作为吸声材料.
![](https://wulixb.iphy.ac.cn/fileWLXB/journal/article/wlxb/2021/9/PIC/9-20201727-2_mini.jpg)
Figure2. Schematic diagram of needle-plate discharge model (1, high voltage wire; 2, polyethylene sample; 3, support frame of polytetrafluoroethylene; 4, copper electrode; 5, cable oil).
本文以不同位置超声波传感器检测到的时间差为计算依据, 以确定局部放电源位置, 即到达时差法(time difference of arrival method, TDOAM)[27,28]. 由于TDOAM不用考虑声发射信号到达指定传感器的时间, 并且其定位精度满足要求, 因此, 利用TDOAM对油箱内局部放电源定位的基本原理进行分析. 为了研究方便, 选取油箱的一底角为坐标原点O(0, 0, 0), 并保证箱体处于第一象限, 建立空间笛卡尔坐标系. 在箱体内以针板模型的针尖为局部放电源, 其位置为P(x, y, z), 而箱体外表面安装n个传感器, 其位置坐标分别为: S1(x1, y1, z1), S2(x2, y2, z2), S3(x3, y3, z3), ···, Si(xi, yi, zi), ···, Sn(xn, yn, zn), 其示意图如图3所示. 以超声波传感器S1为参考传感器, 获取的信号为基准信号, 则传感器Si与传感器S1接收的声发射信号的时间差为
![](https://wulixb.iphy.ac.cn/cn/article/doi/10.7498/9-20201727_M1.png)
![](https://wulixb.iphy.ac.cn/cn/article/doi/10.7498/9-20201727_M2.png)
![](https://wulixb.iphy.ac.cn/fileWLXB/journal/article/wlxb/2021/9/PIC/9-20201727-3_mini.jpg)
Figure3. Location illustration of PD source and ultrasonic sensors in the oil tank.
![](https://wulixb.iphy.ac.cn/fileWLXB/journal/article/wlxb/2021/9/PIC/9-20201727-4_mini.jpg)
Figure4. Schematic diagram of ultrasonic time difference in TDOAM.
由于超声波在油箱内传播路径复杂, 等效声速ve受到温度、压力等因素的影响. 在实际应用中, 一般加入变量ve, 可以在一定程度上提高定位的精度. 此时, 局部放电源的定位方程应满足下式:
QGA是量子计算与遗传算法相结合的产物, 是一种基于量子比特(量子位)和量子力学状态叠加等计算原理的混合概率算法[29-31]. QGA的程序过程如表2所列, 其中N为种群大小, Q(t)为初始种群, Cmax为每一代的最大值,
![](https://wulixb.iphy.ac.cn/cn/article/doi/10.7498/9-20201727_M3.png)
![](https://wulixb.iphy.ac.cn/cn/article/doi/10.7498/9-20201727_M4.png)
![](https://wulixb.iphy.ac.cn/cn/article/doi/10.7498/9-20201727_M5.png)
![](https://wulixb.iphy.ac.cn/cn/article/doi/10.7498/9-20201727_M5-1.png)
![](https://wulixb.iphy.ac.cn/cn/article/doi/10.7498/9-20201727_M6.png)
![](https://wulixb.iphy.ac.cn/cn/article/doi/10.7498/9-20201727_M7.png)
![](https://wulixb.iphy.ac.cn/cn/article/doi/10.7498/9-20201727_M8.png)
![](https://wulixb.iphy.ac.cn/cn/article/doi/10.7498/9-20201727_Z-20210426025230-1.png)
![](https://wulixb.iphy.ac.cn/cn/article/doi/10.7498/9-20201727_Z-20210426025230-2.png)
过程 | 程序 |
种群初 始化 | $Q\left( t \right) = \left| { {\psi _{q_j^0} } } \right\rangle = \displaystyle\sum\limits_{k = 1}^{ {2^m} } {\dfrac{1}{ {\sqrt { {2^m} } } }\left| { {S_k} } \right\rangle }$ |
预设进 化条件 | Cmax, t, N, Pmax, Pc |
算法 实现 | For t = 1, 2, 3, ···, Cmax |
for i = 1, 2, ···, N | |
${P_i} = {f_i}\Big/\sum\limits_{i = 1}^N { {f_i} }$ | |
$\quad P(t) = \left\{ {p_1^t, p_2^t, \cdots, p_n^t} \right\},$ | |
${P_c} \!=\! \left\{\!\!\!\! \begin{array}{l}\dfrac{ { { {P_{c\max} } + {P_{\min} } } } }{ {1 \!+\! \exp\left\{ {A\left[ {\dfrac{ {2(f-f')} }{ { {f_{\max} } - {f_{\rm{avg} } } } } } \right]} \right\} } } \!+\! {P_{c\min} }, ~{f \!\geqslant\! {f_{\rm{avg} } } } \\ {P_{c\max} }, \qquad\quad\qquad\qquad\quad\qquad\qquad{f \!\leqslant\! {f_{\rm{avg} } } } \end{array} \right.$ | |
${P_m} \!=\! \left\{\!\!\!\! \begin{array}{l} \dfrac{ { { {P_{m\max} } - {P_{\min} } } } }{ {1 \!+\! \exp\left\{ {A\left[ {\dfrac{ {2( {f'' - f'})} }{ { {f_{\max} } - {f_{\rm{avg} } } } } } \right]} \right\} } } \!+\! {P_{m\min} }, ~~{f'' \geqslant {f_{\rm{avg} } } } \\ {P_{m\max} },\;\;\; \qquad\quad\qquad\qquad\qquad\qquad\quad{f'' \leqslant {f_{\rm{avg} } } } \end{array} \right.$ | |
${F_{t + 1} }({U({x, y, z, {v_{\rm{e} } }})}) \!=\! {C_{t\max} } \!-\! {U_t}( {x, y, z, {v_{\rm{e} } }})$ | |
$X_i \;\& \; x_{ {\rm best}, i}\; \& \; f(x) > f(x_{ {\rm best}, i}) \; \& \; \Delta \theta_i$ | |
S(αi, βi); | |
end | |
end | |
S(αi, βi); P(t); X; |
表2QGA的程序过程
Table2.Procedures of QGA.
xi | xbest,i | f (x) > f (xbest,i) | Δθi | S(αi, βi) | |||
αi βi > 0 | αi βi < 0 | αi = 0 | βi = 0 | ||||
0 | 0 | false | 0 | 0 | 0 | 0 | 0 |
0 | 0 | true | 0 | 0 | 0 | 0 | 0 |
0 | 1 | false | 0.01π | +1 | –1 | 0 | ± 1 |
0 | 1 | true | 0.01π | –1 | +1 | ± 1 | 0 |
1 | 0 | false | 0.01π | –1 | +1 | ± 1 | 0 |
1 | 0 | true | 0.01π | +1 | –1 | 0 | ± 1 |
1 | 1 | false | 0 | 0 | 0 | 0 | 0 |
1 | 1 | true | 0 | 0 | 0 | 0 | 0 |
表3量子旋转门的调整策略
Table3.Adjustment strategies of quantum rotation gates.
以此为依据, 寻求局部放电过程中超声波信号的电压幅值与视在放电量间的关系, 并以相关系数作为表征二者相关性的特征参数. 为了描述两组不同变量的集合X与Y间的相关关系, 特引入统计学中的参数—相关系数. 设PXY为变量X与变量Y之间的相关系数, 则计算式如下式所示:
![](https://wulixb.iphy.ac.cn/cn/article/doi/10.7498/9-20201727_M15.png)
脉冲电流法测量局部放电时, 示波器仅显示放电的电压信号, 而不能直接显示放电量, 这需用脉冲电流法校正曲线来估算. 经脉冲电流法校正后, 脉冲电流电压U与视在放电量Q之间的关系如下式所示:
![](https://wulixb.iphy.ac.cn/fileWLXB/journal/article/wlxb/2021/9/PIC/9-20201727-5_mini.jpg)
Figure5. Calibration curve of pulse current method.
与此同时, 一段时间内局部放电的超声信号平均电压与脉冲电流平均电压呈线性关系, 则超声信号的平均电压
![](https://wulixb.iphy.ac.cn/cn/article/doi/10.7498/9-20201727_M16.png)
利用4个不同位置超声波传感器进行局部放电试验. 设针-板模型中针电极的初始位置为(x0, y0, z0), 传感器1, 2, 3和4的位置分别为(x1, y1, z1), (x2, y2, z2), (x3, y3, z3)和(x4, y4, z4). 当局部放电位置和视在放电量均不确定时, 保持4个传感器位置不变, 利用(3)式即可通过传感器1, 2, 3和4的坐标位置, 计算出新的局部放电位置(x01, y01, z01). 此时, 以传感器1为例, 利用下面公式可计算出传感器1与初始标定放电点间距离为s10, 与新的放电点间距离为s11:
4.1.局部放电源的定位精度分析
若针-板放电模型的针尖为放电源, 则放电源的位置坐标为P(x, y, z), 而油箱外表面4个超声波传感器的位置坐标为Si(xi, yi, zi) (i = 1, 2, 3, 4). 此时以第1个传感器接收超声波信号的时刻T为时间基准, 而ti (i = 2, 3, 4)为其他传感器接收信号的时刻, 则时延![](https://wulixb.iphy.ac.cn/cn/article/doi/10.7498/9-20201727_M17.png)
算法 | 参数 | 数值 |
QGA | 群体数量 | 40 |
最大遗传次数 | 200 | |
GA | 群体数量 | 40 |
最大遗传次数 | 200 | |
重组概率 | 0.9 | |
变异概率 | 0.01 | |
SAA | 初始温度 | 10 |
最终温度 | 0.0001 | |
衰减系数 | 0.8 | |
冷却新状态迭代次数 | 1000 | |
PSO | 种群大小 | 40 |
学习因子 | 2 | |
初始惯性权值 | 0.9 | |
原始粒子群 | 1 | |
迭代次数 | 100 |
表4局部放电定位的算法参数
Table4.Algorithm parameters of PD localization.
利用QGA, GA, SAA, PSO算法以及广义互相关法(generalized cross correlation method, GCC)等算法计算局部放电的位置和平均绝对误差如表5和图6所示. 此五种算法均可实现不同放电源的定位, 但其定位精度各有不同, 其中QGA的定位较为精准, 其平均绝对误差低至(0.17 ± 0.04) cm, 而GCC定位最为粗糙, 平均绝对误差高达(1.32 ± 0.14) cm.
算法 | 位置 | |||
实验组1 (12, 14, 6) cm | 实验组2 (14, 10, 6) cm | 实验组3 (15, 11, 6) cm | 实验组4 (16, 12, 6) cm | |
QGA | (11.79, 13.61, 5.78) | (13.78, 9.88, 6.06) | (14.88, 10.86, 5.90) | (15.82, 11.84, 5.88) |
GA | (12.33, 14.24, 5.73) | (13.62, 10.22, 6.16) | (14.65, 11.24, 6.22) | (16.34, 12.30, 6.24) |
SAA | (11.58, 13.41, 5.78) | (13.66, 10.32, 6.24) | (15.34, 11.22, 6.20) | (16.32, 12.28, 6.26) |
PSO | (12.12, 14.21, 6.15) | (14.32, 9.72, 5.84) | (15.42, 11.28, 6.30) | (16.42, 12.34, 6.32) |
GCC | (13.38, 15.06, 7.42) | (15.51, 9.62, 6.94) | (15.71, 8.32, 7.24) | (14.76, 10.31, 7.13) |
表5不同算法的局部放电定位
Table5.The PD location of different algorithms.
![](https://wulixb.iphy.ac.cn/fileWLXB/journal/article/wlxb/2021/9/PIC/9-20201727-6_mini.jpg)
Figure6. Average absolute errors of PD location under different algorithms.
但仅用绝对误差说明其定位精度是并不准确的, 特采用相对误差εr, 最大偏差Dmax以及综合距离误差ΔR等误差在各个角度进行分析, 其计算式分别如下面公式所示:
![](https://wulixb.iphy.ac.cn/fileWLXB/journal/article/wlxb/2021/9/PIC/9-20201727-7_mini.jpg)
Figure7. Average errors of PD location under different algorithms: (a) εrx, εry and εrz; (b) Dmax and ΔR.
在图7中, 无论是绝对误差、最大偏差还是综合误差, GCC的误差值均明显高于其他四种误差, 以综合误差为例, GCC的误差为2.37 cm, 约QGA的7.65倍, 定位精度最为粗糙. 而在其他四种误差中, QGA的误差量明显较小, 最大平均相对误差仅为2.08%, 相比传统的GA, SAA和PSO最高可提高86.54%, 占有绝对的定位优势, 这与绝对误差的计算结果相一致.
2
4.2.超声波信号标定精度分析
为了保证测试数据的一致性, 采用脉冲电流法与超声波法同时测量局部放电信号, 可认为脉冲电流信号的放电量即为超声波信号对应的放电量. 为了减小误差, 在数据处理过程中, 每组试验均取150个数据进行曲线拟合, 并取400 μs内平均值作为超声信号电压![](https://wulixb.iphy.ac.cn/cn/article/doi/10.7498/9-20201727_M18.png)
利用超声波传感器分别在针-板电极间放入2, 3和4 mm的电缆纸进行局部放电试验. 针板间隙内不同电缆纸厚度的超声信号电压幅值与放电量的关系如图8所示, 其系统灵敏度和相关系数如表6所列. 由图8和表6可知, 超声波信号的平均电压幅值与视在放电量间呈现一定的正相关性, 且基本属于线性关系. 但随着传感器测量位置的不同, 放电信号测试距离的改变, 超声信号会由于衰减出现一定的误差, 这需要对局部放电超声波信号进行进一步的标定.
![](https://wulixb.iphy.ac.cn/fileWLXB/journal/article/wlxb/2021/9/PIC/9-20201727-8_mini.jpg)
Figure8. Fitting curves of voltage amplitude and discharge amplitudes at different thickness of insulating papers: (a) 2 mm; (b) 3 mm; (c) 4 mm.
电缆纸厚度/mm | 系统灵敏度 | 相关系数 |
2 | 14.91 | 0.99 |
3 | 14.37 | 0.99 |
4 | 14.84 | 0.99 |
表6系统灵敏度和相关系数的变化
Table6.Change of system sensitivity and correlation coefficients.
为了观察放电源与传感器间测量距离s对测量结果的影响, 在油箱外表面放置4个超声波传感器, 其位置分别(0, 7, 6), (17, 10, 6), (25, 7, 6)和(17, 23, 6), 经过大量实验数据计算可获取其标定参数, 如表7所列.
线性系数 | K0 | K1 | K2 | K3 | K4 |
数值 | 5.01 | 2.98 | 2.93 | 2.86 | 2.95 |
表7局部放电的线性系数
Table7.Linear coefficients of PD.
在超声频率100 kHz下进行放电源视在放电量的计算, 其结果如图9所示, 其中sy为放电位置确定的放电曲线, 而sw为标定拟合, 即放电位置和视在放电量未知时计算的放电曲线. 当s为7.00 cm时, sy和sw的曲线完全重合, 这说明标定拟合是完全准确的.
![](https://wulixb.iphy.ac.cn/fileWLXB/journal/article/wlxb/2021/9/PIC/9-20201727-9_mini.jpg)
Figure9. Relationship between apparent charge and voltage at different measuring distances.
由图9可知, 当超声信号电压相同时, 随着测量距离s逐渐增加, 由于超声信号的衰减, 放电声源的视在放电量亦逐渐增大, 以超声波信号电压幅值33 mV为例, 当测量距离s为37.80 cm时, 经推算其对应的视在放电量为633.83 pC, 与测量距离7.00 cm相比, 视在放电量增大了28.51%. 并且, 随着测量距离增加, 单位测量距离的放电增长量ΔQ也在逐渐增大. 当s为13.89 cm时, 与测量距离7.00 cm相比, 放电增长量ΔQ为4.03 pC/cm, 而当s为37.80 cm时, 与测量距离7.00 cm相比, 放电增长量ΔQ为4.57 pC/cm, ΔQ的增长速率提高了13.40%. 通过视在放电量和放电增长量的分析可知, 放电源的定位计算对局部放电的视在放电量, 乃至放电强度的推算具有重要意义.
1)局部放电源定位结果表明, 利用QGA计算局部放电源的定位较为精准, 其最大平均相对误差仅为2.08%, 与传统的GA, SAA和PSO相比最高可提高86.54%.
2)局部放电超声波信号电压幅值与视在放电量间的相关系数高达0.99, 从而揭示其线性正相关性.
3)利用局部放电的视在放电量与超声信号电压的线性关系, 结合声波传播损耗和反射及折射导致的声压衰减效应, 建立了局部放电源放电强度标定的定量计算模型. 在针-板放电模型中, 当超声信号电压为33 mV, 测试距离为7.00 cm时, 局部放电源的放电曲线与标定拟合曲线几乎完全重合, 说明了标定定量模型的准确性;
4)当超声信号电压幅值相同时, 由于声压衰减效应, 随着测试距离增大, 放电源处的视在放电量逐渐增加. 当测试距离为37.80 cm时, 局部放电源的视在放电量为633.83 pC, 与7.00 cm相比, 放电强度增大了28.51%.