郭铁桥，于虹，刘泽坤，2

(1.华北电力大学能源动力与机械工程学院，河北 保定 071000；2.华北电力大学云南电网公司研究生工作站，昆明 650217；3.云南电网责任有限公司电力科学研究院，昆明 650217)

局部放电识别和X射线检测GIS故障研究

郭铁桥1，于虹3，刘泽坤1，2

(1.华北电力大学能源动力与机械工程学院，河北 保定 071000；2.华北电力大学云南电网公司研究生工作站，昆明 650217；3.云南电网责任有限公司电力科学研究院，昆明 650217)

对GIS设置了四种典型缺陷，用基于动态粒子群算法 (DPSO)优化的BP网络对其局放图谱进行识别，能较高效率地判断出缺陷类型；用灰度信息图像配准的方法对X射线数字图像进行处理，可以直观地辨别缺陷形态和位置。通过实验与应用得出，先用局放图谱识别出缺陷类型，再于可能出现故障位置进行X射线检测，可显著提高诊断的准确度和效率，并减少X射线单独检测因时间过长对工作人员的辐射伤害。

局放图谱；BP网络；X射线；图像配准；GIS缺陷

0 前言

气体绝缘开关设备 (GIS)以其可靠性高、占地面积小等优点，在电力系统中得到广泛的应用，是确保电力系统安全稳定运行的重要因素[1]。

局部放电 (PD)检测是常用的GIS故障诊断方法。用神经网络分类器对PD进行模式识别，可提高识别的可靠性和实用性。通过粒子群算法(DPSO)优化BP神经网络能够有效克服BP算法的学习速度慢，对网络参数设置敏感的缺陷，同时保留BP神经网络良好的泛化能力和容错能力[2-3]。

X射线数字成像检测技术已经成功应用于电力设备状态检修当中，其可以在不断电、不拆卸的情况下直观的判断设备的缺陷类型和位置，具有便携、实时、快速、数字化、直观等的优点[4]。文中用基于灰度信息的图像配准方法对X射线数字成像技术的图像进行优化，可以做到不受噪声干扰、快速定位异物及其他缺陷的目的。但是对于一些外观表征不明显的缺陷，X射线检测有一定的局限性。同时，X射线检测方法需要的检测时间是十分漫长的，这会给检测人员的健康带来一定影响。所以文中结合基于DPSO-BP网络的GIS典型缺陷局放信号识别和基于灰度信息图像配准的X射线检测技术，对缺陷类型进行确认，并得出具体位置和形态。

1 DPSO-BP

1.1 BP神经网络

BP算法的学习规则以最小均方误差为准则。设学习样本有P个，则对应的样本输出矢量为d(1)，d(2)，...d(p)，学习的过程就是通过误差校正和权值调整，使各y(p)接近d(p)。当第P个样本输入网络时产生多个输出，均方误差应该是样本P产生的各个输出误差的平方之和，即

那么P个样本产生的误差总和为：

每层的权值和阈值根据以下公式进行修正：

其中，n代表迭代次数；EA(n)是第n次迭代神经网络的输出总误差；g( n)是误差的梯度向量，负号表示梯度的下降方向；x( n)是第n次迭代连接权值 (阈值)；α是训练时的学习常数。

1.2 粒子群算法 (PSO)

1)PSO算法原理

PSO算法首先确定一个N维的解空间D，在空间D中用随机函数初始化一组粒子X1，X2，X3......Xm，每个粒子的初始移动速度为 V1，V2，V3......Vm，第 i个粒子表示为 Xi=Xi1，Xi2，...Xin，其速度为Vi=Vi1，Vi2，......Vin，将Xi带入目标函数可计算出其适应值。第i个粒子搜索到的最好位置为整个粒子群搜索到的最优位置为Pg=，整个粒子群通过粒子速度和位置的更新来搜索整个状态空间，粒子的移动速度和位置通过下面公式来调整。

式中，i=1，2，......，m；其中m是群体中粒子的总数。d=1，2，......，n，n为解空间的维数，即自变量的个数。r1，r2是随机生成的量，取值范围 [0，1]。

为使粒子搜索方向的调整更加灵活，在公式(5)中引入惯性权重，称为惯性权重粒子群优化算法 (WPSO)，其速度调整公式如下：

对惯性权重的值进行动态调整：

式中，tmax是算法的最大迭代次数，t为算法当前迭代次数，wmax为算法迭代开始时惯性权重的取值，wmin为算法达到最大迭代次数时惯性权重的取值。动态调整惯性权重的粒子群算法称为动态粒子群算法DPSO。

1.3 DPSO算法优化BP神经网络

计算过程如下：

2 灰度信息统计的图像配准方法

假设原采集图像为R，数字减影获取的缺陷图像为S，R大小为m×n，S大小为M×N，以参考图像R叠放在待配准图像S上平移，参考图像覆盖被搜索的那块区域叫子图 Sij。搜索范围是：

基于灰度统计的图像配准方法要求参考图像和待匹配图像具有相似的尺度和灰度信息，计算每个位置处参考图像和待匹配图像的互相关。互相关最大的位置就是参考图像中与待匹配图像相应的位置。

常用的互相关计算公式有如下：

3 分析结果

3.1 GIS典型缺陷局放信号识别

本文气体绝缘组合电器 (GIS)上设置了四种常见缺陷类型：高压导杆上尖端、地电极尖端、悬浮电位、盆式绝缘子上金属微粒 (分别用G、D、X、P表示)。

用脉冲电流法检测得到了四种陷类型的局部放电图谱，并结合DPSO-BP神经网络对图谱信号进行了识别。放电图谱及识别结果如图1所示：

图2 局部放电图谱和识别结果

除此，文中还用传统的BP、PSO-BP方法对四种典型缺陷的局部放电图谱进行了识别，三种方法的识别结果对比如表1所示。

表1 三种算法对缺陷识别准确率的比较

三种算法的平均准确率分别为 75.25%、73.00%、82.25%，可以看出，DPSO-BP算法对四种缺陷的识别效果良好，平均识别率超过了80%，对比其他两种算法识别率有了明显提高。

3.2 X射线数字成像缺陷检测

本文采集了GIS中地电极尖端放电、高压导杆尖端、悬浮电位、盆式绝缘子放电四种缺陷数据进行X射线无损检测实验，并用灰度信息统计的图像配准方法对图像进行了处理。文中研究的算法可以在GIS的X射线图像中定位缺陷位置，与局部放电图谱识别技术形成有效的互补，提高GIS的故障诊断准确率。

4 应用实例

110 kV六库中心变电站是怒江供电有限公司所属枢纽变电站，值班人员在GIS室巡视时听到古六老线间隔110 kV GIS发出间歇性的、较大的异响。采用了文中所述方法对其进行现场检测，首先用超声检测法采集局部放电数据，并用DPSO-BP网络方法进行识别。

某中心变GIS的缺陷类型为悬浮电位，现场对可能出现悬浮电位绝缘体和导杆位置进行了X射线图像采集，由于绝缘子断裂和出线导杆倾斜，造成局部放电异常，属于悬浮缺陷，缺陷的形态和位置可以清晰的看到，也证明了局放图谱识别方法分析正确。

5 结束语

1)将DPSO-BP网络算法应用于GIS缺陷局部放电图谱识别。从识别效果上看，DPSO-BP比PSO-BP和传统的BP算法有明显优势。

2)基于灰度信息配准的X射线检测方法可以清晰准确的判断GIS设备缺陷类型和位置信息。

3)文中首先用DPSO-BP算法通过局放识别对GIS缺陷进行预判断，然后在可能出现故障的位置用基于灰度信息配准的X射线检测方法进行缺陷形态和位置信息的确认，这样可以节约时间，提高抢修效率，也可减少X射线单独检测因时间过长对工人身体健康的影响。

[1] 王天健.GIS局部放电检测与故障诊断 [D].北京：北京交通大学，2010.

[2] 但小容，王瑞，杨莉.基于人工神经网络的模式识别[J].图教育技术导刊，2007(3)：87～89.

[3] 纪震，廖惠连，吴青华.粒子群算法及应用 [M].北京：科学出版社，2009.

[4] 于虹，魏杰，王达达，等.X射线数字成像DR检测技术在电力设备状态检修中的应用 [C].全国输变电设备状态检修技术交流研讨会，2011.

[5] 高凯，倪浩，司文荣.GIS局部放电检测及其波形特征分析 [J].华东电力，2010，38(10)：1512-1517.

[6] 侍海军，王光前，张少炎.GIS现场绝缘试验技术 [J].高压电器，2005，41(1)：55-58.

[7] 王晓蓉，杨敏中，董明，等.基于神经网络的局部放电脉冲特征参数选择方法 [J].电工技术学报，2002，17 (3)：72～76.

于虹，女，博士，高级工程师，云南电网公司电力研究院，从事在线监测与故障诊断、状态评估方向的研究。

刘泽坤，男，硕士研究生，华北电力大学云南电科院研究生工作站，从事在线监测与故障诊断、状态评估方向的研究 (email)598128554＠qq.com。

Research on Fault Diagnosis Method of GIS Based on Partial Discharge Recognition of BP Network and X-ray Detection

GUO Tieqiao1，YU Hong3，LIU Zekun1，2
(1 Department of Mechanical Engineering，North China Electric Power University，Baoding，Hebei 071003，China；2 Graduate Workstation of North China Electric Power University，Yunnan Power Grid Corporation，Kunming 650217，China；3 Yunnan Electric Power Research Institute，Kunming 650217，China)

In this paper，one method of DPSO optimized BP network has been applied to recognize partial discharge diagram of GIS four typical defects pre-set.It can judge the defects type more efficiently.X-ray testing technology，based on gray scale image registration can visually identify defect type and location.Through the analysis of the experiment and application，identifying the defects type by partial discharge map firstly，and then testing by X-ray at the possible failure locations，can improve the diagnosis efficiency and accuracy significantly，and reduce the X-ray radiation damage to the staff because of detection alone using too much time.

PD diagram；BP network；X-ray；image registration；GIS faults

TM80

B

1006-7345(2015)04-0005-04

2015-03-14

郭铁桥，男，副教授，华北电力大学，从事在线监测与故障诊断方向的研究 (e-mail)gtq1958＠163.com。