李亚锦， 刘英男， 于大洋

(山东大学电气工程学院， 山东 济南 250061)

1 引言

避雷器是变电站中重要的过电压保护设备，其正常运行对变电站的安全稳定运行具有重要意义。但避雷器在内部受潮、阀片老化等因素的影响下，其电阻片劣化，阻性电流增长，在运行电压或过电压情况下易发生故障或发热，严重时甚至爆炸，影响电网运行安全。

为保证避雷器安全运行，变电站避雷器在线监测技术已得到广泛应用[1]，获取了多源异构的状态监测数据。避雷器作为站内重要设备，可靠性高，缺陷发生概率低，缺陷的样本数据少。且设备更换时间周期短，很多避雷器设备在寿命周期内没有出现过故障情况，使得缺陷数据样本更少。而停电试验发现的缺陷数据，多保存在各试验班组中，数据分散，信息“隔离”。上述问题导致包含多维特征的避雷器缺陷分类有效样本较少，影响基于大量标记样本数据的人工智能技术在避雷器状态评价中应用的效果。

针对避雷器劣化、老化状态的监测与评估，结合试验和实际运行经验，现有研究已提出泄漏电流、阻性电流、阻性电流三次谐波、五次谐波等多个避雷器评价指标[2]，并制定了相应的检修试验规程[3]和趋势分析方法[4]实现避雷器的状态评价。但外部温湿度[5]以及工频电磁场干扰[6]会导致阻性电流的量取误差偏大，影响分析结果。针对上述问题，有研究提出了在线参数修正方法[7]、阻性电流谐波补偿法[8]，但建立的温度、湿度、全电流三维曲面模型具有一定的复杂性，谐波补偿法也只能针对基波电压下的阻性电流进行提取。……