10_kV电缆接头典型缺陷局部放电类型模式识别_桂俊峰.pdf

文章编号：1673-0291（2023）03-0140-09DOI：10.11860/j.issn.1673-0291.20220070第 47 卷 第 3 期2023 年 6 月Vol.47 No.3Jun.2023北京交通大学学报JOURNAL OF BEIJING JIAOTONG UNIVERSITY10 kV电缆接头典型缺陷局部放电类型模式识别桂俊峰 1，刘岳楠1，2，逯华 1，耿民 3，邱超军 3，王喜莲 1（1.北京交通大学 电气工程学院，北京 100044；2.中国船舶集团有限公司 系统工程研究院，北京 100094；3.中车唐山机车车辆有限公司 动车检修部，河北 唐山 063035）摘要：针对配电网10 kV电缆接头典型缺陷常见放电类型识别精度低问题，根据电缆接头常见放电类型建立4种放电模型，搭建局放试验平台并获取模型的放电谱图.对谱图的分布特征、矩特征、纹理特征进行提取，对比反向传播（Back Propagation，BP）神经网络算法和网格搜索参数优化的支持向量机算法（Support Vector Machine，SVM）对放电模型特征序列的识别精度.制作 4种电缆接头典型缺陷实物模型并获取其放电谱图，提取谱图分布特征、矩特征及纹理特征.对比 BP神经网络、基于网格搜索参数优化的SVM和基于遗传算法参数优化的SVM等3种算法对电缆接头缺陷放电类型的识别精度.研究结果表明：基于遗传算法参数优化的 SVM算法能对电缆接头缺陷放电谱图的组合特征进行准确识别，且识别率高于其他传统算法，在电缆局部放电模式识别领域具有一定的工程应用价值.关键词：电力电缆；中间接头；典型缺陷；局部放电；放电类型；特征提取中图分类号：TM247 文献标志码：APattern recognition of partial discharge types for typical defects in 10 kV cable jointsGUI Junfeng1,LIU Yuenan1,2,LU Hua1,GENG Min3,QIU Chaojun3,WANG Xilian1（1.School of Electrical Engineering,Beijing Jiaotong University,Beijing 100044,China；2.System Engineering Research Institute of China Shipbuilding Corporation,Beijing 100094，China；3.Motor Train Maintenance Department of CRRC Tangshan Locomotive and Rolling Stock Co.,Ltd.,Tangshan Hebei 063035,China）Abstract:To address the issue of low identification accuracy of common discharge types of typical defects in 10 kV cable joints in distribution network,this study established four discharge models based on the common discharge types of cable joints.A partial discharge test platform is built and the discharge spectrum of the model is obtained.The distribution,moment,and texture features of the spectrum are extracted,and the recognition accuracy of the discharge model feature sequence is compared with the Back Propagation(BP)neural network and the Support Vector Machine(SVM)algorithm optimized by the grid search parameters.Physical models of four typical defects in cable joints are created,and their discharge spectra are obtained.The distribution,moment,and texture features of the spectra are extracted.The recognition accuracy of three algorithms,namely BP neural network,SVM based on grid search parameter optimization,and SVM based on genetic algorithm parameter optimiza收稿日期：2022-06-11；修回日期：2022-08-12基金项目：国家自然科学基金（50907004）Foundation item:National Natural Science Foundation of China（50907004）第一作者：桂俊峰（1975），男，河南信阳人，讲师，博士.研究方向为电力设备状态监测及故障诊断.email：.引用格式：桂俊峰，刘岳楠，逯华，等.10 kV电缆接头典型缺陷局部放电类型模式识别 J.北京交通大学学报，2023，47（3）：140-148.GUI Junfeng，LIU Yuenan，LU Hua，et al.Pattern recognition of partial discharge types for typical defects in 10 kV cable jointsJ.Journal of Beijing Jiaotong University，2023，47（3）：140-148.（in Chinese）桂俊峰等：10kV电缆接头典型缺陷局部放电类型模式识别第 3 期tion,for cable joint defect discharge types is compared.The results show that the support vector machine algorithm based on genetic algorithm parameter optimization can accurately identify the combined features of cable joint defect discharge spectrum,and the recognition rate is higher than other traditional algorithms.This algorithm has engineering application value in the field of cable partial discharge pattern recognition.Keywords:power cables；intermediate joints；typical defects；partial discharge；discharge types；feature extraction随着我国城市化进程加快，用电量激增，10 kV XLPE 电缆的敷设量也大大增加.电缆中间接头作为电缆的薄弱环节，其在生产、制作及使用过程中可能产生各种缺陷，如连接管毛刺、绝缘表面悬浮颗粒等1.在高电压作用下，缺陷位置周围电场会发生畸变，进而产生局部放电现象.局部放电长期的存在会导致电缆接头绝缘性能不断劣化，严重时会导致绝缘击穿.因此应对电缆接头局部放电初期现象加以检测，及时判定缺陷的放电类型，以减小损失.目前，国内外学者对接头缺陷类型和放电类型二者单独进行了研究，而对二者对应关系的研究分析较少.如文献 1-3 都是对接头典型缺陷类型的自识别研究；文献 4-5 建立了能描述电缆接头缺陷放电类型的放电模型，只单独对放电类型进行了识别研究.电缆接头不同种类缺陷对周围电场分布的影响差异较大.工程上通过放电谱图的差异对缺陷类型加以区分5.通过检测到的局部放电信号，可对电缆缺陷类型进行模式识别.识别步骤包括特征提取和分类两部分.特征提取在识别任务中至关重要，如果使用区分度较高的特征序列，那么使用简单的分类器也能得到令人满意的结果.常用的特征提取方法包括谱图的分布特征5、矩特征6、分形特征7、纹理特征8和放电脉冲的时频特征9等.而分类器通过对特征空间中的样本进行划分进而使不同样本的分类误差较小，常用的分类器包括 BP 神经网络算法10、支持向量机算法（SVM）11、随机森林算法12、卷积神经网络算法 13等.为从多角度对局部放电数据进行特征提取并获得满意的分类效果.本文在原有文献单独研究缺陷类型和放电类型的基础上，进一步研究电缆接头典型缺陷类型与放电类型的对应关系，基于电缆接头常见放电类型设计了放电模型，并对 4 种接头典型缺陷所对应的放电类型进行识别.主要对局部放电谱图的分布特征、矩特征、纹理特征等 39 维特征序列进行提取，结合遗传算法参数寻优的 SVM 智能诊断模型对接头典型缺陷的放电类型进行识别分类，并与 BP 神经网络算法和网格搜索参数寻优的SVM 算法的分类结果进行了对比.1 放电模型局放谱图获取1.1 典型放电类型模型电缆中间接头在生产、制造及安装过程中容易出现多种缺陷，可将缺陷的放电类型分为悬浮放电、内部放电、电晕放电、沿面放电 4种5，14.根据放电类型设计了悬浮、内部、电晕、沿面4种放电模型，如图 1所示.4种放电模型支撑板和上下支柱均采用环氧树脂材料，接地电极均采用高度为 14 mm、底面直径为 130 mm 的圆柱形铜板，电极表面和边缘均打磨光滑，尽可能保证无毛刺和尖角，并可通过调节支撑柱处螺母控制电极间的距离.悬浮放电模型在绝缘板上方放置有一半径为5 mm、高度为 10 mm 的金属铜柱，以尽量使悬浮放电模型和接头绝缘表面存在悬浮颗粒时的结构相似.内部放电模型在下层环氧树脂绝缘板中设置一个半径为 5 mm、高度为 1 mm 的柱形气隙，将两层绝缘板黏合在一起模拟接头绝缘内部气隙放电.电晕放电模型模拟电缆接头中间连接管存在毛刺时电场极不均匀现象.设置针电极的锥角为 30，锥尖与图 14种典型放电模型实物图Fig.1 Physical picture of four typical discharge models141北京交通大学学报第 47 卷接地电极距离为 10 mm.沿面放电模型两电极中间垂直放入高度为 20 mm、半径为 10 mm 表面光滑的环氧树脂绝缘材料.绝缘材料电阻率较小，容易吸附空气中的水分子，进而使模型更容易发生沿面放电.1.2 典型放电模型试验平台搭建为获取不同放电类型的局放试验特性，搭建局放信号测试平台见图 2.调压器连接 220 V 工频电源，调压范围为 0250 V，变压器变比为 1 110，通过 调 压 器 控 制 升 压 变 压 器 输 出 电 压 范 围 为 027.5 kV，采用 50 M 的限流电阻进行限流.在放电模型两端施加高电压，将高频电流传感器（High Frequency Current Transformer，HFCT）环 绕 在 放电模型的接地线上，模型发生局部放电时会有微弱的脉冲电流信号流过接地线.HFCT 将该信号输出到局放采集装置，采集器连接到 PC 机，进而对放电数据实时储存，实现局部放电测试.试验过程中保证局放检测仪和调压器连接的电源同相，确保脉冲相位数据采集的准确性.