電力設備故障聲學檢測技術綜述及展望

張 灦

(國網四川省電力公司，四川 成都 610041)

0 引 言

電力系統的安全穩定運行關乎民生國計，電力系統設備不可避免會發生各種形式的故障，毫無預警的電力事故可能造成嚴重的社會影響，因此加強電力設備的狀態檢測具有重大意義。為了適應電力系統不斷智能化及電力系統不斷提高的檢測要求，無損檢測技術受到越來越廣泛的關注。聲學檢測技術作為無損檢測的典型代表，具有檢測精度高、準確性強、定位方便等優勢。國內外學者已開展若干研究，研究的方向主要涉及聲學檢測技術中信號采集、故障診斷、故障定位以及聲學檢測系統的研發應用等方面。

文獻[1]概述了聲學檢測技術在電力設備絕緣狀態診斷、電力設備故障識別、電力設備局部放電定位等電力領域的應用概況和發展前景，表明聲學檢測技術的不斷完善與發展將在電力系統中具有更重要的作用；但聲學傳感技術、聲信號數據分析方法、故障聲源定位方法等作為限制聲學檢測在電力系統中發展的關鍵技術在該文中缺少對應的評述。文獻[2]研究絕緣子不同放電類型的聲發射信號特征，利用主成分分析法提取聲學信號時域特征，采用可靠性指標進行故障模式識別，提高了模式識別的效率和準確性，為電力設備異常放電類型的識別奠定了一定的基礎。文獻[3]介紹了國內基于超聲波檢測的電力變壓器故障定位技術研究進展，研究表明超聲波傳感器陣列比單個探頭具有更好的定位能力，主要闡述了數學算法對于定位技術優化和超聲波傳感器陣列結構優化的發展現狀。

電力設備的聲學檢測技術正處于飛速發展的階段，其關鍵技術及工程應用方面還有待完善。現有的文獻報道通常單獨介紹不同的聲學檢測技術原理、聲學檢測技術在不同的場景下的應用，較少有系統性的綜述聲學檢測技術的報道。此外，對于聲學檢測技術在電力系統的典型應用場景、主要難點和未來可能的研究方向鮮有文獻報道。

鑒于此，首先，介紹聲學檢測應用于電力系統的基本原理及架構；然后，從故障信號采集、故障信號診斷、故障源定位及典型的應用等方面對相關研究成果進行系統的梳理；最后，提出目前電力系統中的聲學檢測技術存在的問題以及可能的解決思路，為聲學檢測技術在電力系統中的應用發展提供有益的借鑒。

1 電力系統聲學檢測原理

1.1 電力設備異響機理

電力系統中的電力設備異響主要有兩大類[4-5]：1)電力設備機械振動異常引起的異響；2)電力設備異常放電引起的異響。

電力設備機械振動引起的異常聲響通常是由于設備過負荷、設備組件松動或老化、設備潛在缺陷、運輸及安裝不當的情況下，設備受到的電磁力導致設備產生異常振動，進而通過設備的機械結構和空氣傳導，形成異響。如電力變壓器的鐵芯松動異響、風扇異響等都屬于電力設備的機械振動異響。

電力設備放電所致異響的激勵源類型比較多，激勵源主要包括電暈放電、局部放電、沿面放電、微粒放電等。例如，電暈放電導致的異響通常是由于電力設備高壓端表面不均勻而導致電場畸變引起。畸變的電場將電離附近的空氣而產生等離子體，在空氣的電離過程中部分能量以聲音的形式向外傳遞產生異響。

不同電力設備的不同異常作為激勵源所產生的聲信號各具特點，且電力設備故障類型和其激勵產生的聲音信號通常具有強對應關系，因此通過檢測聲音信號對電力設備運行狀態進行監測，保證電力系統正常運行，具有較強的技術可行性。

1.2 聲學檢測系統架構

聲學檢測技術與電力設備故障檢測技術中的超高頻檢測、紅外檢測、光學檢測等技術的本質區別在于所采集和分析的信號不同，但是基本應用架構有著共通之處。聲學檢測技術在電力系統中應用的具體解決方案架構一般如圖 1所示。

圖1 電力系統聲學檢測應用架構

圖 1中，聲學檢測在電力設備故障檢測的應用架構主要包括待測對象層、硬件處理層、數據分析層，各層通過數據交互，為系統應用層提供故障處理解決方案及依據。待測對象層主要為電力系統中需要檢測的關鍵設備；硬件處理層主要功能為高保真地采集待測對象的聲音信號；數據分析層主要是通過聲音信號的識別，從而實現系統設備故障診斷及故障定位。

2 電力設備異常聲信號采集

聲信號精確采集是聲學檢測在電力系統的應用基礎。聲音傳感器作為可將聲音信號轉換為電信號的測量元件，是可準確進行電力設備異常信號聲學檢測的先決條件。根據有效檢測頻率可將聲音傳感器分為噪聲傳感器和超聲波傳感器兩大類，噪聲傳感器有效檢測頻率為20 Hz～20 kHz，超聲波傳感器有效檢測頻率大于20 kHz，可從物理上濾除人耳可聽范圍的背景聲信號，具有較強的抗干擾能力。

聲音傳感器陣列技術比傳統的單一聲傳感器檢測具有更高的檢測精度，更能實現電力設備故障的精確定向[6]。文獻[7]針對電力變壓器中局部放電難以準確定位的問題，引入相控陣列技術，研制了16×16陣元的平面超聲傳感器相控陣列用以故障檢測與定位，但陣元數量較多。文獻[8]研發了一種用于電力設備局部放電檢測的復合式聲傳感器，通過應用高階積量處理技術，對十字形超聲陣列傳感器進行虛擬擴展使其具有61陣元的陣列性能，從而提高了超聲陣列孔徑和方向性銳度，將定位的相對誤差減小為5%，為陣列技術在電力設備故障檢測領域的實用化提供了可能性。

此外，學者在聲傳感器陣列排布對檢測準確率和定位效果等方面的影響也進行了諸多研究。文獻[9]對不同的聲傳感器陣列排布的聲學性能進行了定量評估，對比分析了3×3的平面陣和9個陣元均勻圓環陣的聲源定位效果，采用聲源定向的準確度作為評價指標對聲傳感器陣列排布的性能差異進行定量評價，研究結果表明在陣元數量一致的情況下，均勻圓環陣列具有更優的聲學檢測性能。文獻[10]基于降維技術優化了圓環形局部放電超聲陣列傳感器的稀疏結構，計算時將二維陣列分解為多組一維陣列，采用遺傳算法執行直線陣搜索，最后還原為二維圓形陣列計算其檢測性能，提高了稀疏陣列檢測的成功率和準確度。

3 電力設備故障聲信號分析與診斷

3.1 信號去噪

雖然電力系統中的聲學信號可反映電力設備的異常運行狀態，但是通常也伴隨著噪聲污染，影響檢測結果的準確性。除了電力設備產生的異響外，工作人員運維時走動、巡視車運行、電力設備周圍環境等都會產生干擾噪聲。

如何去除噪聲污染是聲學檢測技術準確檢測的關鍵。除在硬件設計過程中加入濾波環節以外，還可通過數據處理進行去噪，已有研究表明小波去噪是最常用的方法[11]。

小波去噪的質量受到小波基、小波分解層數及閾值設定的限制，目前大多數學者僅僅對其中某一影響因素進行優化，不一定能達到最優的去噪效果[12]。文獻[13]定義了適用于氣體絕緣金屬封閉輸電線路的聲發射小波去噪復合評價指標，并提出一種最優小波去噪算法；該算法通過小波基、分解層數、閾值等自適應選擇，實現最優化去噪效果的目的。文獻[14-15]基于離散小波變換統計與能量分析技術，使用小波數學形態聯合降噪算法對信號進行預處理，利用快速傅里葉變換與均方根技術優化的Morlet小波參數，結合改進組合的神經網絡算法建立了滾動軸承故障振動信號模型。

3.2 特征提取

電力系統中不同設備的不同故障類型對應有不同的聲音信號特征。為了準確地進行故障的分析與定位，電力設備的故障特征提取方法顯得尤為重要。

電力設備異常情況的聲音信號特征提取方法包括統計特征法、小波分析法、指紋特征法等[16]。小波分析法具有能夠從極強背景干擾中檢測微弱信號與提取時-頻結構信息中“指紋”特征的能力[17]。文獻[18]通過對電力設備多種典型缺陷模型數據的統計，提出一種改進的小波分析方法，重新定義了充分利用小波變換域提供的時-頻結構信息的特征量。文獻[19]提出基于風電機組葉片裂紋聲發射信號優化的小波重分配尺度譜裂紋擴展識別方法，利用最小香農熵優化小波基函數的帶寬參數，克服了小波重分配尺度譜的時頻分辨率不能同時達到最佳的困難。文獻[20]提出了自適應白噪聲完備經驗模態分解算法以實現對電力設備放電故障異常聲信號的特征提取。首先，對信號進行分解得到若干個本征模態函數；然后，求取各峭度值；最后，選取合適的峭度值對信號進行重構，提取放電故障的特征量。但是該方法僅針對變壓器的放電故障進行測試，不具有普適性。

3.3 異常識別

隨著人工智能技術的不斷發展，人工智能算法不斷被應用于電力設備故障聲學檢測技術的故障識別方面。神經網絡[21]、支持向量機[22]等人工智能算法在電力設備故障聲學檢測技術應用較多。

人工神經網絡是最常見的應用于電力設備缺陷識別的方法，將所提取到的特征量作為網絡的輸入，利用已知的缺陷樣本改變網絡中的各層神經元的權重來完成學習。最后，設定權重進行電力設備缺陷類型識別，但是訓練過程中存在所需樣本基數大且容易局部收斂問題[23]。應用于電力設備故障聲學檢測的人工神經網絡主要有BP神經網絡、學習向量量化(learning vector quantization，LVQ)、自適應共振理論(adaptive resonance theory，ART)等[24]。

支持向量機適合用于解決樣本較少、數據維度高、非線性等問題，但是難以確定規則化系數，預測的結果不具備統計意義。文獻[25]采用相關向量機(relevance vector machine)有效地解決了上述問題，同時還以概率形式輸出最終結果，提高了電力設備故障的識別率。文獻[26]提出一種多特征融合與改進量子粒子群優化的相關向量機(yelevance vector machine)融合聲音檢測算法，進行斷路器機械故障的識別，解決單一特征識別故障的低準確性和低穩定性問題。

3.4 故障定位

隨著電力系統的不斷發展，電力設備故障準確定位的要求也不斷被提高。目前，基于聲學信號的故障定位技術可大致分為延時定位、衰減定位、聲電聯合定位、基于傳感器陣列的定位技術等。

延時定位通過在待測設備的不同位置布置多個聲傳感器，利用聲音到達不同傳感器的時差乘以波速等于傳感器與距離聲源坐標距離之差的原理，求得聲源的三維坐標[27]。衰減定位通過聲信號能量和傳播距離的指數衰減模型，反推求得到故障聲音位置[28]。

基于陣列傳感器的定位技術采集聲源信號到各聲音傳感器的相位差與方向角度，利用波速成型算法等陣列信息處理技術進行聲源位置的確定。文獻[29]提出一種變壓器局部放電的超聲窄帶陣列信號波達方向估計算法，并提出了一種基于多平臺側向定位原理及優化全局搜索的變壓器局部放電超聲陣列定位方法，大量試驗表明算法定位成功率高，且故障定位精度小于10 cm。

聲電聯合定位中電磁波信號為光速傳播，達到傳感器的時間可視為0，聲傳感器和電傳感器之間的信號延時即為聲源信號傳到檢測點的時間，利用聲信號傳播速度乘以傳播時間即可找到聲源位置。文獻[30]提出應用于氣體絕緣金屬封閉開關設備(gas insulated switchgear，GIS)的聲電聯合定位方法，首先，利用特高頻定位法定位聲源位置的大致范圍；然后，結合特高頻與超聲波進行二次定位，精確定位聲源的確切位置，有效排除了現場干擾并提高了局部放電的定位準確性。文獻[31]通過對基于超聲波傳感器和特高頻傳感器的聲電聯合定位的建模、求解完成GIS盆式絕緣子的局部放電定位，相對于常規的基于到達時差(time difference of arrival，TDOA)的聲電聯合定位法的檢測精度有所提高。

4 聲學檢測技術在電力系統的應用

4.1 噪聲檢測

噪聲檢測在電力設備的變壓器、電抗器、斷路器等關鍵電力設備的機械振動、諧波引起的諧振、典型放電故障檢測中應用廣泛。

文獻[32]基于GIS機械故障時振動產生的噪聲信號輻射的聲場變化特性，采用具有方向性的聲傳感器探頭設計GIS聲場測量的聲成像系統，并驗證了系統的檢測性能，對GIS設備安全穩定運行具有十分重要的意義。文獻[33]開發了基于web技術的變壓器噪聲監測系統，主要實現對監測信號的查詢與顯示交互功能，缺少對異常信號的分析。文獻[34]利用.NET技術開發了一套用于變壓器振動噪聲檢測的綜合分析系統，該系統可采集變壓器穩態與短路沖擊下的噪聲信號，采用不同的分析方法提取噪聲特征量，為全面評估變壓器運行狀態提供了可靠參考。文獻[35]搭建了基于聲音陣列傳感器的電力變壓器鐵芯振動聲成像檢測試驗平臺，得到了圖像特征值和鐵芯不同松動程度的變化規律。

4.2 超聲檢測

超聲波檢測技術的有效檢測頻率較高，因而具有低頻干擾信號噪聲抑制能力，而被廣泛應用于電力變壓器、GIS、斷路器等電力系統關鍵設備的放電故障的檢測。典型的放電故障有局部放電、沿面放電、微粒放電等。

文獻[36]利用超聲波檢測儀與常規脈沖電流檢測儀搭建了交流運行電壓下GIS故障實驗檢測系統，對金屬微粒的運動行為、局部放電及危害程度進行研究。文獻[37]研發了基于無線通信的聲電聯合檢測定位系統，主要用于GIS交流耐壓試驗全過程的局部放電和閃絡放電的檢測。

4.3 聲發射檢測

聲發射檢測主要應用領域包括電力設備絕緣健康狀態、機械健康狀態及局部放電故障的檢測等。

文獻[40-42]從實驗產生的有效聲發射信號特性、故障檢測系統研發和葉片損傷的定位技術等方面，闡明了聲發射技術在風電機組葉片故障檢測的多種應用，但是對風電機組葉片不同裂紋發生階段產生的信號特征量的分析和歸納較少。文獻[43]研發了一種光纖聲發射傳感器，并且利用光纖聲發傳感器的光柵體積小、重量輕、靈敏度高和抗電磁干擾的特點，研制了一套應用于變壓器局部放電的在線監測系統。波蘭的T.Boczar研制了基于聲學檢測法的變壓器局部放電故障專家系統，主要包括測量子系統、處理分析子系統、知識庫和故障分類子系統，并開展大量的聲發射實驗，實驗結果表明該系統具有較高的檢測可靠性[44]。

5 聲學檢測的關鍵問題及研究思路

聲學檢測技術在電力系統中具有良好的發展前景。為了能夠更好地適應電力系統智能化發展檢測要求，聲學檢測技術的檢測有效性及故障定位精確性等方面有待進一步研究。

1)傳感器陣列及算法優化

目前，電力系統聲學檢測技術的發展瓶頸在于定位準確性有待提高和直觀交互性較差。綜合研究聲傳感器陣列的排布規律及信號處理算法，減小聲傳感器在電力系統應用中的檢測誤差，提高電力設備故障定位的準確率。一方面研究聲傳感器陣列的最優排布，提高檢測精度并減少陣元數目降低成本；另一方面深度優化基于陣列信號處理技術的電力設備故障定位或者聲學成像處理算法。

2)聲場仿真技術的發展

隨著計算機技術的快速發展，基于聲學檢測的仿真分析技術具有較好的發展潛力。未來基于聲學檢測的仿真分析技術可更準確地描述聲場，更精準地分析聲波組成成分，可對聲傳感器的設計、故障診斷分析等方面起到理論指導作用。研究聲場理論，構建適應多種環境的電力設備故障聲場分析模型，利用Matlab等軟件對聲場進行仿真并給出可視化結果，從而使得電力設備故障聲信號分析或預測難度得到極大簡化。

3)故障診斷技術的發展

電力系統中的電力設備不僅種類多且運行環境復雜，給基于聲信號的電力設備故障診斷帶來一定困難，因此有必要更深入地研究軟件、硬件處理層面的抗干擾能力、信號高保真能力以及提高去除干擾噪聲信號的能力；故障特征的選擇與提取是電力設備故障聲學檢測技術缺陷識別的前提條件，需提高電力設備故障聲信號特征提取的智能化水平，建立更豐富的特征數據庫，優化特征提取方法的自適應性。

4)故障定位技術

為提高電力設備故障定位的準確性及精度，提高電力設備故障檢測的效率，基于傳感器陣列技術及陣列信號處理方法的定位技術是未來一段時間內聲學檢測故障定位技術發展的重點方向，主要包括陣列信號處理方法的優化、新方法的提出及人工智能算法的應用等。

6 結 論

推進以電力設備故障聲學檢測技術為代表的無損檢測技術的發展，是適應智能電網及電力系統智能化發展的重要舉措。聲學檢測技術具有與設備無直接電氣連接、可實時在線監測、定位準確等優點，為解決電力系統關鍵電氣設備的狀態檢修提供重要支撐，具有廣闊的應用研究前景。

前面主要針對電力設備中故障聲學檢測技術的基本原理、故障分析診斷及典型的應用等方面，綜述了聲學檢測技術的研究現狀和關鍵問題，并對后續可能的研究方向與思路進行探討。希望可以為聲學檢測技術在電力系統故障檢測方面的發展提供有益參考，不斷推進電力系統設備故障檢測技術的發展。