基于融合聚類的220 kV變電站局部放電定位方法

單 強

（國網新疆電力有限公司，新疆 烏魯木齊 830000）

0 引 言

電力設備絕緣缺陷是一個逐漸發展的過程，局部放電作為其重要征兆之一，對其的檢測和分析是避免絕緣擊穿故障出現的重要預防技術[1]。在實際的工作過程中，由于變電站內本身的信號構成較為復雜，無論是站內的信號還是外界環境的信號，都在運行空間內有一定程度的融合，這就使得對局部放電進行定位時難度較大。在上述干擾噪聲的作用下，放電位置的計算結果往往存在一定的誤差，這不僅在一定程度上對具體的檢修效率產生了負面影響，同時也增大了故障進一步擴大的可能性[2-4]。通過分析當前局部放電定位方法可以發現，脈沖電流法和特高頻電磁波法應用較為廣泛[5]，在技術不斷發展的背景下，超聲波檢測法以及光學檢測法等也開始受到越來越多的關注[6]。但是隨著配電環境的復雜程度逐漸提高，受局部放電信號中噪聲的干擾，上述方法對放電位置的定位存在較大的誤差。如何對變電站局部放電位置進行準確的定位，依舊是現階段電力系統管理工作的重點。

為解決這一問題，本文以220 kV變電站為研究對象，提出了基于融合聚類算法的局部放電定位方法，并通過測試驗證了設計的定位方法具有較高的準確性。

1 變電站局部放電定位方法設計

1.1 放電信號奇異值分解

影響變電站局部放電定位精準度的主要因素是放電信號中存在噪聲[7]。為此，本文首先采用奇異值分解（Singular Value Decomposition，SVD）的方式對放電信號進行非線性濾波降噪處理，通過這樣的方式，使得信號中能量較大的時頻特征能夠得到最大限度地保留，同時能量較小的時頻特征也能夠得到有效剔除，在此基礎上實現對高斯白噪聲的抑制[8]。

首先，假設局部放電信號的矩陣為Y，并且其構成為m×n，在此非零矩陣的定義下，其秩數為z，此時存在

式中：V和U分別表示局部放電信號的正交矩陣參量；D表示V和U正交矩陣的奇異值。需要注意的是，局部放電信號中各成分所占比例主要是借助奇異值參數的大小得以體現的，即信號某成分的含量越高，對應的奇異值也相對較大。在實際的局部放電信號中，噪聲成分為非主要成分，因此其對應的奇異值也相對較小。根據這一特點，本文Y矩陣進行SVD運算的目標是保留較大的奇異值，并剔除較小的奇異值。為了實現對噪聲的有效抑制，在奇異值保留設置階段，本文以奇異值差分譜為基礎進行確定。假設將上述計算后得到的奇異值序列為

在此基礎上，局部放電信號的奇異值差分譜可以表示為

按照式（3）所示奇異值差分譜中任意2個相鄰奇異值參量的變化程度確定保留或是剔除。

當相鄰奇異值的差值較大時，表明此時信號中對應的成分相關性較弱。計算得到奇異值差分譜中所有相鄰奇異值的差值較大的點，并將各個點對應的奇異值作為劃分局部放電定信號和噪聲信號的基準，得到降噪后的信號。

1.2 基于融合聚類的放電信號定位

在得到去噪后的放電信號后，本文采用融合聚類的方式實現對信號對應位置信息的計算。

首先，以時域波形幅值為基準對信號進行劃分，其劃分方式可以表示為

式中：y為以時域波形幅值為基準的放電信號劃分結果；k為信號的離散序列參數；f(x)為信號的時域波形幅值；x為放電信號的波形信息；c為信號的幅值參數；b為放電信號對應的時域寬度；a為信號的雙指數振蕩衰減系數。通過這樣的方式，實現對信號的初步劃分。

再以各個劃分結果對應的信號特征為基礎與變電站的額定輸出信號進行對比，其計算方式可以表示為

式中：H(y)為y劃分結果與局部放電信號的矩陣Y的一致性函數，sim為擬合函數。按照式（5）所示的方式，對各個信號劃分結果進行聚類，其中對應的聚類標準如表1所示。

表1 放電信號聚類標準

按照表1所示的方式對信息進行聚類，最后根據各行聚類的數量確定放電位置，即信號數據最多的聚類對應的位置即為最終計算得出的放電位置。

通過這樣的方式，完成對變電站局部放電位置的定位。

2 應用測試與分析

為了驗證本文提出放電定位方法的有效性，進行了對比試驗測試，其中，對照組分別為文獻[4]提出的建立在線性預測殘差分析與壓擴算法基礎上的局部放電定位方法、文獻[5]提出的以射頻檢測技術為基礎的局部放電定位方法以及文獻[6]提出的融合了三維光學指紋和非線性粒子群-核極限學習機（Nonlinear Particle Swarm Optimization-Kernel Extreme Learning Machine，NPSO-KELM）的局部放電定位方法。通過對比3種方法的定位結果與實際放電位置之間的關系，對本文方法的應用價值進行分析。

2.1 測試環境設置

本文在某220 kV的變電站為基準進行現場測試，對于放電信號的設置，借助模擬局部放電器實現。為了降低偶然性對測試結果的影響，共設置了4個放電位置，分別進行4組測試，對應4路局部放電信號時域波形幅值分別為 0.01 V、0.02 V、0.03 V、0.04 V。在此基礎上，分別采用4種方法進行定位計算。

2.2 測試結果與分析

在上述基礎上，分別統計了不同方法的定位結果與實際位置之間的關系，其結果如圖1所示。

圖1 不同方法放電定位結果對比

在圖1中，十字標識表示設置的放電位置信息，圓形標識表示本文方法的定位結果，正方形標識表示線性預測殘差分析方法的定位結果，五角星標識表示射頻檢測技術的定位結果，三角形標識表示NPSOKELM方法的定位結果。從圖1中可以看出，對比4種測試方法，本文方法的定位結果與設置位置的重疊率最高，距離最近，對照組的3種方法測試結果均呈現出了一定的偏差。

在此基礎上，本文對具體定位誤差進行分析，得到的均值數據結果如圖2所示。

圖2 不同方法定位誤差對比

通過觀察圖2中的數據可以看出，4種定位方法的定位誤差均隨著放電信號時域波形幅值的增加而逐漸降低。但是對具體的誤差數據信息進行分析，其存在明顯的差異，其中，NPSO-KELM方法的誤差最大值達到了2.15 m，最小值也達到了1.47 m，整體誤差水平相對較高，射頻檢測方法的定位結果表現出的波動性更強，表明其受放電信號的影響更加明顯，其中最大誤差達到了2.26 m，為所有測試結果中的最大值，最小誤差為1.16，僅次于本文方法，線性預測殘差分析方法的定位結果整體表現出了更高的穩定性，誤差基本穩定在1.20～2.09 m，但是其仍存在一定的提升空間。相比之下，本文方法的測試結果明顯優于對照組，誤差區間為0.30～0.50 m，不僅具有較高的穩定性，并且誤差也處于較低水平。測試結果表明，本文設計的基于融合聚類的變電站局部放電定位方法可以實現對放電位置的準確定位，能夠在實際的故障檢修中發揮有效作用。

3 結 論

局部放電作為電力系統故障的重要顯性信號，對其進行準確的分析是確保相關檢修措施能夠及時開展的基礎，從宏觀角度分析，其直接關系到電力系統供電的穩定性以及對應區域用電的可靠性。本文提出基于融合聚類的220 kV變電站局部放電定位方法，實現了對不同放電強度的準確定位，提高了局部放電位置的定位準確度，能夠為實際的變電站局部放電定位提供有價值的參考，促進變電站檢修工作及時有效的開展，最大限度降低電力系統的安全隱患。