基于SVR的開關柜局部放電估計模型的研究

洪燦梅 劉愛蓮 李英娜 陳武奮 趙振剛 李 川

(昆明理工大學信息工程與自動化學院，昆明 650500)

基于SVR的開關柜局部放電估計模型的研究

洪燦梅 劉愛蓮 李英娜 陳武奮 趙振剛 李 川

(昆明理工大學信息工程與自動化學院，昆明 650500)

構建了一種基于支持向量回歸機(SVR)的開關柜局部放電估計模型，利用開關柜局部放電在線監測系統所測得的超聲波和高頻脈沖電流數據對SVR模型進行訓練，并驗證其準確度。Matlab仿真結果為：訓練集的均方差為0.015 2，決定系數為0.890，測試集的均方差為0.026 5，決定系數為0.849。該模型有效地對開關柜局部放電量做出了估計，為開關柜出現局部放電提供預警支持。

局部放電 支持向量回歸機 估計模型 高頻脈沖電流 超聲波信號

局部放電是造成電氣設備絕緣劣化和老化的重要因素[1]。目前，局部放電智能算法有模糊理論[2]、神經網絡[3]、小波神經網絡[4]及支持向量機[5]等。把智能計算引入到電力設備局部放電估計中，改善了電氣設備絕緣故障診斷技術，延長了電氣設備的運行時間[6～8]。文獻[9]提出了一種基于最小二乘支持向量機的局部放電模式識別方法。2015年張騰飛等提出了一種基于支持向量機的入侵檢測方法，使用該方法對SCADA系統數據進行監測和分類[10]。2014年翁鋼民和李凌雁將PSO-SVR模型應用于旅游客流量預測中，驗證了該模型是進行旅游客流量預測的有效工具[11]。眾多領域的研究人員都認識到了SVR模型在其領域解決問題的適用性，但在局部放電尤其是開關柜局部放電量估計方面，SVR模型的應用還很少。

筆者采用基于SVR的局部放電估計模型對開關柜局部放電量進行分析與估計，選取了開關柜局部放電在線監測系統所測得的超聲波和高頻脈沖電流數據，仿真出開關柜局部放電量估計值。筆者以云南楚雄35kV腰站變電站作為研究試點,驗證了SVR模型的有效性。

目前，高頻脈沖電流法是能夠實現局部放電定量測量的方法，也是具有國際標準和國家標準的局部放電檢測方法。但在定量測量時也存在一定問題，首先，高頻脈沖電流法只能檢測試品實際點的放電量，對電力設備內的實際局部放電值無法進行直接測量，而產品絕緣材料老化的主要原因是電力設備內的實際放電量；其次，高頻脈沖電流法測量局部放電時，對試驗電源和環境有很高的要求，尤其是在線定量檢測時還存在諸如電磁干擾的濾除、在線標定與離線標定等效性等問題。這對電力設備內局部放電定量檢測來講，并非是一種完全理想的檢測手段。

超聲波法測量電力設備內的局部放電時，超聲波振幅與局部放電的真實放電量呈線性關系；檢測靈敏度不隨試品電容的變化而變化，同時超聲波法還具有操作簡單、不受現場電磁干擾、在線測量結果與離線測量結果相同的特點。如果能夠利用超聲波信號對開關柜局部放電進行放電量的估計，不僅是高頻脈沖電流法定量檢測局部放電的一種有力補充，同時也將大幅拓寬超聲波法檢測局部放電的應用領域。

2 基于SVR的開關柜局部放電估計模型

通過超聲波傳感器和高頻脈沖傳感器可以檢測到開關柜是否存在局部放電，但是無法檢測局部放電的視在放電值；基于SVR的開關柜局部放電估計模型可以通過所檢測的參量(高頻脈沖電流、超聲波信號)找出其中的規律，并訓練出估計模型來估計開關柜局部放電量。SVR估計模型算法流程如圖1所示。

圖1 SVR估計模型算法流程

開關柜局部放電估計模型是以所測得的各個局放值所對應的高頻脈沖電流傳感器和超聲波傳感器的原始數據為基礎，按照需要對數據進行預處理作為輸入樣本訓練集的數據，通過訓練數據選擇合適的核函數和模型參數，構造估計模型，輸入測試數據來估計未來時段的開關柜局部放電量。

利用libsvm軟件包中的函數svmpredict可以實現SVR回歸模型的仿真測試，返回的第一個參數為對應的估計值，第二個參數中記錄了測試集的均方差E和決定系數R2，具體的計算公式如下：

(1)

(2)

核函數類型和模型參數對模型性能的影響較大，因此需要選擇較佳的核函數類型和參數組合。筆者采用默認的RBF核函數，利用交叉驗證方法尋找最佳的參數c(懲罰因子)和g(RBF核函數中的方差)。

利用最佳參數訓練模型，SVR模型訓練完成后，利用函數svmpredict進行仿真測試，訓練集仿真結果如圖2所示。

圖2 訓練集仿真結果對比

可以看出，訓練集的均方差為0.015 2，決定系數達到0.890。利用交叉驗證方法尋找到的最佳參數c和g分別為2.828 4和1 024。放電量跟超聲波傳感器和高頻脈沖電流傳感器具有很強的相關性。

3 開關柜局部放電估計模型性能評價

在對放電量測試集估計之前，需對測試集數據進行歸一化預處理。經過處理后結合測試集對模型進行性能評價，仿真結果如圖3所示。

圖3 測試集仿真結果對比

運用式(1)、(2)中給出的均方差和決定系數的計算方法得出均方差為0.026 5，決定系數為0.849，估計值與實際值的曲線趨勢基本一致。

根據云南楚雄35kV腰站變電站的實際情況，選取了1#開關柜所測得的超聲波與高頻脈沖電流數值進行數據處理和分析，圖4、5是1#開關柜在2014年9-20～11-21所采集到的63個超聲波和高頻脈沖電流傳感器的數據曲線。

圖4 1#開關柜超聲波傳感器數據曲線

圖5 1#開關柜高頻脈沖電流傳感器數據曲線

利用以上所訓練的SVR建立開關柜局部放電估計模型，將超聲波與高頻脈沖電流傳感器所測得的原始數據作為一個輸入量，利用函數svmpredict對開關柜局部放電量進行仿真估計，仿真估計值如圖6所示。

圖6 通過SVR估計模型開關柜局部放電量估計值

對傳感器原始數據進行分析，不僅可以掌握開關柜局部放電的變化情況，而且可以對局部放電量進行估計，并可進一步判斷開關柜絕緣異常狀況，為保證開關柜絕緣安全提供了一種新的思路和方法。

4 結束語

研究了局部放電量的估計方法，從工程實踐中的實際需要和有限條件出發，以云南楚雄35kV腰站變電站開關柜為研究對象，利用回歸型支持向量機模型為實現途徑，構建了基于SVR的開關柜局部放電估計模型，選取了開關柜局部放電在線監測系統所測得的超聲波和高頻脈沖電流數據，輸入已經建立的SVR估計模型，仿真出開關柜局部放電量估計值。結合回歸型支持向量機模型對數據進行模擬分析，得出該模型能夠有效地估計開關柜局部真實視在放電量，對電力安全生產和供電可靠性起到決定性的作用，也提供了一種有效的局部放電量估計方法。

[1] 李錳，張盈利，陳蕾，等.固體絕緣氣隙局部放電模型構建與仿真研究[J].電瓷避雷器，2013，(2):31～34.

[2] 龐驍剛.開關柜局部放電原因分析與處理[J].云南電力技術，2011,39(4):56～57.

[3] 徐焰.開關柜局部放電暫態對地電壓檢測技術[J].供用電，2011,28(1):62～64.

[4] 賈勇勇，姚林朋，黃成軍.應用于局部放電檢測的高速實時數據傳輸系統的設計與實現[J].電氣自動化，2011，33(2):82～85.

[5] 任先文,薛雷,宋陽,等.基于分形特征的最小二乘支持向量機局部放電模式識別[J].電力系統保護與控制,2011,39(14):143～147.

[6] 曾雄杰，江健武，侯俊.TEV和UHF在10kV開關柜帶電檢測中的應用[J].高壓電器，2012,48(1):41～47.

[7] 陶詩洋，馮義，曹佳楣，等.高頻傳感器在10kV電纜帶電檢測中的應用[J].中國電力，2011,44(3):27～30.

[8] 王俊波，章濤，李國偉.在線檢測10kV開關柜局部放電方法研究[J].絕緣材料，2011,44(6):60～64.

[9] 弓艷朋,劉有為,吳立遠.采用分形和支持向量機的氣體絕緣組合電器局部放電類型識別[J].電網技術,2011,35(3):135～139.

[10] 張騰飛,范啟富,劉偉.基于支持向量機的SCADA系統入侵檢測[J].化工自動化及儀表,2015,42(2):153～156.

[11] 翁鋼民,李凌雁.旅游客流量預測：基于季節調整的PSO-SVR模型研究[J].計算機應用研究,2014,31(3):692～695.

(Continued from Page 622)

associated with perforated pipelines; through topological relationship between the pipeline and the valve, that of associating pipelines with valves can realize intelligent query and treatment of emergency incident; and that of the map data correction at various times can correct and maintain map files. The application of these four techniques can achieve the purposes like locating accidents at short time, actuating the valve nearest to the fault pipeline, calling emergency response plan and dealing with pipeline failure. This replaces the artificial experience in locating the fault pipelines and valves and realizes the security and the unity of the map data in map data maintenance.

Keywordsoilfield pipe network,emergency command system, WebGIS,layered superposition, coordinate transformation,associating pipelines and valves,map data correction at various times

ResearchonEstimationModelofPartialDischargeSwitchgearBasedonSVR

HONG Can-mei, LIU Ai-lian, LI Ying-na, CHEN Wu-fen, ZHAO Zhen-gang, LI Chuan

(FacultyofInformationEngineeringandAutomation,KunmingUniversityofScience&Technology,Kunming650500,China)

The SVR-based switchgear partial discharge estimation model was built. Making use of both ultrasonic wave and high-frequency impulse current measured by switchgear partial discharge monitoring system to train SVR model and verify its accuracy was implemented. Simulating it with Matlab shows that, the mean square error of training set stays at 0.015 2 together with a 0.890 determination coefficient; as for a test set’s mean square error of 0.026 5, the determination coefficient can reach 0.849. This model can effectively estimate the switchgear partial discharge quantity and provides early warning for it.

partial discharge, SVR, estimation model, high-frequency pulse current, ultrasonic signal

TH89

A

1000-3932(2016)06-0638-04

2016-04-28(修改稿)基金項目：云南省應用基礎研究計劃項目(2013FZ021)；昆明理工大學人才培養基金項目(KKSY201303044)