基于多維量測數據序列的電壓互感器故障識別方法

，，， ，，

(國網四川省電力公司電力科學研究院，四川 成都 610041)

0 引 言

隨著電力系統智能化程度的不斷深入，作為其基礎的電力系統感知數據變得越來越重要。電壓互感器量測數據是重要的感知數據源頭之一，是實現電力系統智能分析與控制的前提條件[1]。錯誤的量測數據不僅可能導致自動裝置誤動和拒動，還可能誤導調度人員做出錯誤決策，嚴重影響電力系統安全穩定運行。然而，電壓互感器故障是無法完全避免的，因此，亟需一種行之有效的電壓互感器故障識別方法，當電壓互感器發生故障時，能及時準確地識別出故障，避免錯誤測量數據造成不良影響。

近年來，電壓互感器故障識別技術受到了廣泛研究，并形成諸多方法。這些方法可以歸納為以下兩類：1)基于離線試驗的故障識別方法；2)基于在線監測數據的故障識別方法?；陔x線試驗的故障識別方法能夠準確分析故障原因，但受停電計劃的限制，且難以準確反映在運電壓互感器的運行狀態。文獻[2]通過電磁裝置電壓互感器吊心檢查，發現高壓繞組內部存在短路故障，并通過加壓試驗得到了進一步的證實。文獻[3]通過電壓互感器解體檢查，發現分壓電容器與電磁單元變壓器之間的接線絕緣破裂導致互感器讀數偏低。文獻[4]通過電氣試驗發現中間變壓器高壓側存在匝間短路、部件燒壞或擊穿等絕緣損壞，通過油樣分析發現可能存在繞組匝間、層間短路等故障。基于在線監測數據的故障識別方法能夠準確實時反映在運電壓互感器的運行狀態，及時發現故障，避免錯誤量測數據導致不良后果。文獻[5]通過建立電容式電壓互感器中電容擊穿個數與二次電壓波動的關系，結合EMS中的二次電壓量測值，識別電壓互感器故障原因。文獻[6]利用電壓互感器量測值分析了一起電容式電壓互感器底座上端發熱故障的原因，結果與離線試驗分析結果相一致。文獻[7]研制了一種包括電壓監測裝置、數據處理裝置、同步時鐘裝置、交換機、服務器和遠程接收裝置的電容式電壓互感器誤差在線監測系統。文獻[8]提出了一種直流電壓互感器在線監測系統，通過監測和提取直流電壓互感器典型故障的電流特征量識別故障原因，包括雷電干擾、閃絡和電容擊穿。

上述基于在線監測數據的故障識別方法均是結合電壓互感器的結構特點和故障特征，通過分析某一個電壓互感器的量測數據識別故障。這些方法僅適用于特定類型、特定結構的電壓互感器，普適性較差。下面提出了一種基于多維量測數據序列的電壓互感器故障識別方法，屬于在線監測數據的故障識別方法。該方法通過在線分析多個電壓互感器的量測數據識別故障，無需利用電壓互感器的結構特征，適用于所有類型的電壓互感器。首先，利用經驗模態分解法對電壓互感器量測數據進行去噪處理，消除噪音干擾；其次，利用時間序列分層聚類法對多維電壓互感器量測數據進行分析，識別電壓互感器故障位置。

1 基于經驗模態分解的信號去噪

經驗模態分解是一種基于信號局部特征的信號分解方法，該方法吸取了小波變換多分辨率的優勢，同時克服了小波變換選取小波基與確定分解尺度的困難，是一種自適應信號分解方法[9]?；诮涷災B分解的信號去噪[10-11]的基本思路如下：首先是信號分解，即利用經驗模態分解法將原始信號分解為多個分量信號；其次是信號去噪，即分別對各分量信號進行去噪處理后，再通過信號疊加得到去噪信號。

1.1 信號分解

經驗模態分解方法假設所有信號都是由若干個固有模態函數(intrinsic modefunction，IMF)和一個殘余量(residual volume，RV)組成，其中IMF滿足以下兩個條件：1)信號的極值點個數與過零點個數之差必須等于或小于1；2)信號的上、下包絡線的均值為0。通過經驗模態分解，任何信號s都可以表示為

(1)

式中：fi為第i個IMF；Vr為RV；N為IMF的總數。

經驗模態分解過程就是獲取fi和Vr的過程，具體步驟如下：

1)令i=1；

2)令x=s；

3)利用三次樣條函數對x的極大值點進行曲線擬合，得到上包絡線u；

4)利用三次樣條函數對x的極小值點進行曲線擬合，得到下包絡線v；

5)求取上、下包絡線的均值m=(u+v)/2；

6)求取x與包絡線均值的差值d=x-m；

7)判斷d是否滿足IMF的兩個條件，若是，則令fi=d，i=i+1，否則，令x=d并進入步驟3)；

8)判斷fi是否為單調函數，若是，令Vr=s-fi，否則，令s=s-fi并進入步驟2)。

1.2 信號去噪

信號去噪的基本思路為：首先，采用閾值法對每個IMF進行處理；其次，對處理后的IMF和RV進行信號疊加，得到去噪信號。閾值去噪法包括硬閾值去噪法和軟閾值去噪法，硬閾值方法可以很好地保留圖像邊緣等局部特性，而軟閾值處理可以使圖像邊緣更加平和。結合電壓互感器量測數據及其在所提方法的應用特點，采用軟閾值去噪法，具體步驟如下：

1)求取fi的閾值ti。

(2)

2)對fi進行軟閾值處理，處理后的fi記為Fi。

(3)

3)通過信號疊加求和，得到去噪信號S。

(4)

2 基于時間序列分層聚類的故障判定

2.1 時間序列相似性度量

時間序列是指在相同時間間隔下獲得，并且和時間變化順序相關的序列值的集合[12]。時間序列相似性度量是時間序列數據挖掘的基礎，一般通過時間序列之間的距離來衡量，距離越小，相似性越大，反之亦然[13]。時間序列之間的距離通常采用歐氏距離、動態彎曲距離和編輯距離，這里結合電壓互感器量測數據及其在所提方法的應用特點，采用歐氏距離。設有時間序列X={xi}和Y={yi}，則X和Y的歐氏距離dX,Y為

(5)

一個或多個相似時間序列組成一個時間序列類，時間序列類的相似性采用平均歐氏距離表征，平均歐氏距離越小，相似性越大，反之亦然。設有兩個時間序列類X={Xi}m和Y={Yi}n，其中Xi和Yi為時間序列，則X和Y的平均歐氏距離DX,Y為

(6)

若有M個時間序列類X1、X2、…、XM，可采用距離矩陣D表示所有時間序列類之間的距離。

(7)

式中，Di,j=Dxi,xj。

2.2 時間序列分層聚類

時間序列分層聚類[14-15]是以時間序列為研究對象進行分層聚類分析，首先將所有時間序列均看作不同的類，然后依次將最相似的兩個類合為一類，依此類推，直到滿足某一閾值條件或所有時間序列合為一類。

設有一組時間序列X={Xi}N，則時間序列分層聚類的步驟如下：

1)把每個時間序列Xi看作是一個時間序列類Xi，計算距離矩陣，記為D1，令Dp1,q1=min(D1)，其中min表示取最小值；

2)把時間序列類Xp1和Xq1包含的所有時間序列合為一個時間序列類，其他時間序列類不變，計算距離矩陣，記為D2，令Dp2,q2=min(D2)；

3)依此類推，直至某一次Dpi,qi大于閾值Dthr或全部時間序列合為一類。

2.3 分層聚類閾值確定及故障判定

在500 kV電壓等級中，電壓互感器的允許測量誤差為2‰?？紤]到斷路器和隔離開關的接觸電阻等因素，當任意兩回出線的電壓互感器量測值之差超過6‰(即2.2 kV)時，則認定有電壓互感器發生故障。

利用24 h內每隔1 h的電壓互感器量測值進行分析，每個電壓互感器的24個量測值形成一個時間序列。結合上述電壓互感器故障判定方法，可根據式(8)設定分層聚類閾值Dthr為11。

(8)

由于多個電壓互感器同時故障的概率很小，因此，當利用時間序列分層聚類將電壓互感器分為兩類及以上時，則認定包含電壓互感器數量最多的一類是非故障互感器，而其他是故障電壓互感器。

3 案例分析

四川宜賓500 kV敘府變電站的500 kV部分包括11回出線，分別是1號主變壓器高壓側、2號主變壓器高壓側、沐敘一線、沐敘二線、敘瀘一線、敘瀘二線、戎敘一線、戎敘二線、平敘一線、賓敘一線、賓敘二線。春季檢修時發現賓敘一線A相和賓敘二線C相的兩臺500 kV電容式電壓互感器(capacitor voltage transformer, CVT)出現電容介損異常，經返廠解剖試驗，發現這兩臺CVT發生電容擊穿。

為了避免三相運行不平衡的影響，將所提方法分別應用于上述11回出線的各相CVT的量測數據。

1)信號去噪

以A相CVT量測數據為例展示信號去噪效果。

圖1 去噪前后的A相CVT量測數據

敘府變電站500 kV 11回出線A相CVT的連續24個時刻的量測值如圖 1所示，其中，上半部分是原始數據，下半部分是利用基于經驗模態分解的信號去噪法處理后的數據。

由圖 1可以看出，利用基于經驗模態分解的信號去噪，可有效消除信號噪聲，提高數據可用性，為下一步基于時間序列分層聚類的故障識別提供有利條件。

2)電壓互感器故障識別

利用時間序列分層聚類分別對A、B、C三相CVT量測數據進行聚類分析，并進行可視化展示，分別如圖 2、圖 3、圖 4所示。圖中，橫坐標表示相應出線的電壓互感器編號，1為沐敘二線，2為沐敘一線，3為1號主變壓器高壓側，4為敘瀘一線，5為敘瀘二線，6為2號主變壓器高壓側，7為戎敘一線，8為戎敘二線，9為平敘一線，10為賓敘二線，11為賓敘一線；縱坐標表示時間序列類之間的平均歐氏距離；兩個時間序列類的平均歐氏距離由連接它們的橫線的高度表示。

圖2 A相CVT量測數據聚類結果可視化

由圖2可知，電壓互感器1、2、3、4、5、6、7、8、9和11號A相的量測數據序列之間的平均歐氏距離均小于閾值，而電壓互感器10的量測數據序列與上述電壓互感的量測數據序列的平均歐氏距離大于閾值，由此可以判定電壓互感器10，也就是賓敘一線A相的電壓互感器發生故障。

由圖3可知，B相所有電壓互感器的量測數據序列的平均歐氏距離均小于閾值，由此可以判定B相無電壓互感器發生故障。

圖3 B相CVT量測數據聚類結果可視化

圖4 C相CVT量測數據聚類結果可視化

由圖4可知，電壓互感器1、2、3、4、5、6、7、8、9和10號C相的量測數據序列之間的平均歐氏距離均小于閾值，而電壓互感器11的量測數據序列與上述電壓互感器的量測數據序列的平均歐氏距離大于閾值，由此可以判定電壓互感器11，也就是敘二線C相的電壓互感器發生故障。

綜上可知，所提方法的分析結果與電壓互感器的實際故障情況一致，從而表明了所提方法的正確性。

4 結 語

前面提出了一種基于多維量測數據序列的電壓互感器故障識別方法，通過分析多個電壓互感器的在線量測數據，能夠準確實時地識別電壓互感器故障，且適用于所有類型的電壓互感器。該方法首先利用經驗模態分解法對電壓互感器量測數據進行去噪處理；然后，利用時間序列分層聚類法對電壓互感器量測數據進行分析，識別電壓互感器故障；最后，將所提方法應用于實際電壓互感器量測數據，結果顯示所提方法能夠有效消除量測數據噪聲，并準確識別出發生故障的電壓互感器，從而驗證了方法的合理性和有效性。