隨著柔性高壓直流輸電的快速發(fā)展,直流交聯(lián)聚乙烯(Cross-Linked Polyethylene, XLPE)電纜憑借其優(yōu)良的絕緣性能得到越來越多的應(yīng)用。我國多個高壓直流輸電項(xiàng)目陸續(xù)投入運(yùn)行,亟需完善在線監(jiān)測和故障預(yù)警系統(tǒng),以保證供電的可靠性。局部放電(Partial Discharge, PD)作為判斷電力設(shè)備狀態(tài)的一項(xiàng)重要指標(biāo)已被國際電工委員會(IEC)列入檢測標(biāo)準(zhǔn),但是直流電纜局部放電的模式識別和故障診斷研究仍有待深入。
早在20世紀(jì)90年代,國外就有學(xué)者研究了直流電壓下局部放電的機(jī)理。
國內(nèi)也有不少學(xué)者對直流局部放電的模式識別做了一些研究,主要集中在儲能電容器、氣體絕緣金屬封閉開關(guān)設(shè)備、變壓器油紙絕緣上,但是涉及XLPE電纜的研究相對較少。
但是現(xiàn)階段的直流局部放電模式識別中常用偏斜度、互相關(guān)系數(shù)等統(tǒng)計(jì)算子進(jìn)行特征提取,依賴人工經(jīng)驗(yàn),在隨機(jī)性很強(qiáng)的直流電纜局部放電信號的分類中有一定局限性,而卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network, CNN)則使用不斷學(xué)習(xí)的卷積核,在提取圖像固有特征的過程中自我改進(jìn),在不需要人為提取統(tǒng)計(jì)算子的基礎(chǔ)上完成自適應(yīng)特征提取。
目前,該方法已在變壓器、交流電纜等模式識別中取得了一定的應(yīng)用,但是鑒于直流電壓下的局部放電缺少相位信息,該方法在直流局部放電中鮮有應(yīng)用。
為此,上海交通大學(xué)電氣工程系、國網(wǎng)浙江省電力有限公司電力科學(xué)研究院的研究人員,利用CNN針對線芯尖端毛刺、絕緣內(nèi)部氣隙、絕緣表面劃痕和外半導(dǎo)電層爬電四種典型絕緣缺陷的局部放電信號進(jìn)行模式識別研究。
圖1 直流電纜局部放電試驗(yàn)系統(tǒng)
圖2 XLPE電纜的四種缺陷模型
首先采集四種典型絕緣缺陷電纜的局部放電信號作為樣本,再利用自適應(yīng)的卷積核進(jìn)行特征提取,池化層進(jìn)行特征映射,非線性多分類器進(jìn)行回歸分類,最終得到訓(xùn)練完成的CAFFE網(wǎng)絡(luò)。通過設(shè)置不同求解器參數(shù)、網(wǎng)絡(luò)結(jié)構(gòu)和訓(xùn)練樣本數(shù)量對缺陷識別結(jié)果進(jìn)行對比分析,發(fā)現(xiàn)利用改進(jìn)的Alexnet網(wǎng)絡(luò),采用衰減學(xué)習(xí)率方式的模式識別框架的平均識別正確率最高,達(dá)到了91.32%,相比于傳統(tǒng)模式識別算法至少提高了8.97%。
圖3 模式識別流程
圖4 改進(jìn)后的Alexnet網(wǎng)絡(luò)結(jié)構(gòu)
研究者最后得到以下結(jié)論:
以上研究成果發(fā)表在2020年第3期《電工技術(shù)學(xué)報》,論文標(biāo)題為“基于卷積神經(jīng)網(wǎng)絡(luò)的直流XLPE電纜局部放電模式識別技術(shù)”,作者為朱煜峰、許永鵬、陳孝信、盛戈皞、江秀臣。