王世林，桑仲庆,*，徐敏，梁煜健，易鹏

（1.厦门理工学院 电气工程与自动化学院，厦门 361024；2.龙岩市厦龙工程技术研究院，龙岩 364000；3.广东电网有限责任公司肇庆供电局，肇庆 526000）

0 引言

开关柜是电网系统中的一种关键设备。据权威统计其绝缘故障占37.3%，占有很大的比重，因此开展如何检测PD信号对全面深入了解开关柜运行状态及其“健康”检测具有重要意义[1～5]。

开关柜并非密闭腔体，运行环境本身就有50pC～100pC的放电量乃至更高，对于UHF/AE这类灵敏度很高、TEV这类对接地要求比较高的检测方法[6～13]。误报率极高，反而对开关柜正常准确的智能运维和状态检修造成了极大的困扰。

开关柜的运行环境，决定了开关柜的智能运检对局放测量的精度无特别高的要求[14]，但对可靠性要求较高。根据上述智能运检的工程要求，以及开关设备在PD时的音纹特性，本文提出一种基于音纹特征分析开关柜局放智能识别方法，替代运维专家的耳朵，应用于开关柜的在智能运检中。仿真机现场应用结果表明，本文所提方法可准确识别开关柜PD且具有更好的泛化性能，且工程应用性强。

1 基于工频特征的音纹能量特征提取

现有的基于音纹的设备状态分析，基于大数据及样本训练，总结一般规律的方法居多，但这种方法的总结的是设备音纹信息的一般规律，针对开关柜运行环境，外部噪音多，短暂的，持续的均有，开关柜的局放音纹特征的提取，采用大数据分析作为基础算法，不能满足实际的精确度要求。

PD一般在外施电压幅值绝对值上升部分产生，电压高到某特定程度，在一周可能发生多次放电，且电压越高放电次数越多，并且每次放电间隔不是固定的[15]。局放强度直接决定了振动的程度和声波的相度,间接影响音纹的强度[16]。在工频电压的波峰和波谷附近因放电而引起的震荡波幅度较大，形成的音纹信号强度、频谱信息相对能够体现局放的特征。

本文依据上述原理和推论，设计基于工频识别的局放检测算法，提取开关柜绝缘劣化过程中，音纹信息中的各种频次谐波的含量和比例，制定出基于音纹识别的开关柜局放识别方案。

1.1 自适应波滤波器原理

开关柜运行时,工频电流是长期存在的，对于音纹信息而言,交变工频源是最大的干扰源,为了便于特征提取以及提高识别精度，因而要设计一个滤波器,滤除采取到的信号中的工频干扰信号和随机白噪音。对于前后时刻变化平稳的噪音信号降噪通常采用自适应滤波器，自适应滤波器能根据噪声变化动态地调整自身参数，以适应实际去噪情况，自适应滤波器原理图如图1所示。

图1 自适应滤波器原理图

其中，x(k)表示输入信号，d(k)表示期望信号，w(k)表示滤波器系数，e(k)表示x(k)与d(k)的误差，y(k)表示输出信号。

最小均方误差（LMS）算法在自适应滤波器应用广泛[17]。基于最陡下降法的LMS算法的迭代公式如下：

其中，X(k)=[x1(k),x2(k),...,xM(k)]T,是k时刻输入信号的适量形式，W(k)=[w1(k),w2(k),...,wM(k)]T,是第k时刻滤波器系数的矢量形式。M是LMS自适应滤波器阶数。μ是步长因子，并且满足，λmax是输入自相关矩阵的最大特征值。

1.2 工频能量特征的提取原理

音纹信号经过自适应滤波后,滤除随机白噪音和低频干扰,特别是工频干扰信号。音纹信号的能量随时间变化明显,在背景噪声不大的情况下,短时能量能较好地表现音纹特征。

离散信号能量公式如式(4)所示：

式(4)中，x(k)为离散信号,N为每帧的采样序列。即对每帧采样序列所含采样点幅值的平方进行求和,所得的和为短时帧能量（帧能量特征）。

根据短时帧能量变化特性，设定脉冲能量门限比较逻辑，并获取脉冲帧特征。若脉冲帧具备10ms/20ms的间隔规律,则认为能量脉冲具备工频特性。

2 基于工频特征的音纹频率特征提取

根据电力系统的工频特性,设计数据短窗对工频局放波峰或波谷附近进行频谱和强度分析,建立基于音纹的开关柜局放频域特性模型。

依据本文1中所述的工频特性,分析音纹的频域特性,首先需要对数据进行频率的切片。

为避免相邻数据窗之间的数据干扰，频域通过频率切片函数进行时域无重叠窗移分析，进而获取工频PD处的频谱信息变化规律。如图2所示是在工频局放信号单个周波的5ms短时窗无重叠窗移，以工频局放信号的波峰或波谷前2.5ms为起点，连续窗移一个周波（即4个数据短窗），图2为数据窗移示意图，数据短窗在工频PD的波峰和波谷处交替出现。

图2 数据窗移示意图

设P(W)为P(t)的Fourier变换，称为频率切片函数频率切片,函数需满足条件：

3）P(±∞)＜0。

4）丨P(w)丨≤丨P(0)丨或丨P(t)丨≤丨P(0)丨。

常用的两种频率切片函数及其时域表达式为：

由于P(w)=e-0.5w2具有最佳时频聚集性，故本文选其作为频率切片函数[18]。

其次，通过切片函数，得到频域的数据窗后，对数据窗内的频谱含量定量分析。由于DFT算法其变换点可任意选定相对变换比较灵活，故本文选用DFT算法对短窗数据进行频域分析，为探究PD音纹信息所含各次谐波含量在工频电压周波上的短时变化规律提供了基础。

DFT在频域的离散序列X(m)的指数形式定义为:

式(7)中:x(n)是时域连续变量x(t)的离散采样值,e是自然对数的基，

DFT在频域的离散序列X(m)的直角坐标形式为:

把式(6)中的复指数分解为实部和虚部,其中X(m)是第m个梯度值的输出,如X(0)，X(1)，X(2),…,X(N)。其中m是频域DFT输出序列的指标,n=0,1,2,3,…,N-1，N是输入序列的样点数和DFT输出序列的频率点个数[19]。用其实部与虚部表示任意DFT复输出值X(m)的梯度值为：

根据梯度值求得频点对应的幅值表达式为：

3 音纹局放识别的仿真

依据本文1，2节所述的音纹PD两类特征的提取算法，利用MATALB仿真和试验室的测试数据，仿真验证音纹PD的频域特征分布和工频能量识别的阈值。

试验室中，分别采用球形和尖端模式，通过升压形成对不同地点的柜壁和相互之间的局部放电。按96k/s的采样率，采集音纹放电数据。采集样本为1000次，每次15s。

3.1 短时能量工频特征的提取

首先，对音纹数据滤波、分帧预处理，每帧对应一个帧能量，然后求得所有帧的帧能量之和除以总的帧数的商为平均帧能量，平均帧能量乘以能量因子α得到脉冲帧能量门限。最后,进行脉冲帧特征提取。若当前帧的帧能量值大于脉冲帧能量门限，则将此帧置为1；若当前帧能量值小于脉冲帧能量门限，则把此帧置为0，并记录帧索引，相应得取出了所有脉冲帧（脉冲帧特征）。

所有脉冲帧的帧能量之和除以总帧数得到平均脉冲帧能量，脉冲信噪比SIR和能量因子α定义式为：

工频局放信号特征提取步骤具体如下：

1）采集并导入工频信号；

2）对导入的工频信号进行滤波、分帧预处理；

3）根据能量公式提取帧能量特征；

4）将帧能量特征与脉冲帧能量门限做比较，提取所有脉冲帧能量特征。四个步骤分别与图3局放信号工频特征提取示意图中的波形相对应。（其中能量波形图中上方的实线为脉冲能量门限曲线，中间实线为脉冲帧能量曲线，下方虚线为平均帧能量曲线）。

图3 工频特征提取示意图

3.2 频域特征的提取

提取音纹的工频特征后，以提取的工频脉冲为中心，采用图2模式进行短时数据窗移，分析PD音纹的频域特征。

首先，对工频局放信号进行一个周波的数据短窗窗移，如图4为工频放电600pC的情况，图4(a)为工频电压波波峰处的频谱信息，从中可以看出4kHz频点所对应的能量值最大，3～7kHz频段内频点所对应的能量值明显高于其他频段。图4(b)为非波峰（谷）处的频谱信息。从中可以看出5kHz频点所对应的能量值最大，高能量频点都也集中在3～7kHz频段，但其能量值小的多。

图4 DFT-5ms工频局放信号时频能量波形图

通过对比分析发现：波峰（谷）处所对应的频点最大能量值比非波峰（谷）处的频点最大能量值明显要大，最大能量值所对应的频点均在5KHz附近。此频段为音纹局放的特征频段。为了验证本工频PD信号模型频谱规律的普遍性，后续对不同放电模式、放电位置、放电强度的1000组数据进行频谱分析，均满足上述结论。

对非局放音纹信号，即背景干扰，如风机、人畜声、汽车、音乐等音纹信息，工频特征的提取是不成功的，不能直接进入音纹局放的判别逻辑，诊断为非局放。对非局放音纹信号单个周波频谱分析如图5所示，非工频PD信号的各数据短窗最大特征能量所对应得频点分布差异较大，几乎贯穿整个频段，相比工频PD信号而言无规律可寻。

图5 DFT-5ms非局放信号时能量波形图

3.3 音纹局放的判别逻辑

根据上述仿真分析可知音纹局放特征频段为3～7kHz。对10kV高压开关柜的500ms音纹局放信号片段进行5ms音纹数据短窗分析。每窗中的最大能量特征点展示如图6所示。其中横坐标代表5ms音纹数据短窗的窗索引，纵坐标为该数据短窗内最大的能量特征值，图中下面的横线代表平均能量值，上方的横线为平均能量值的120%(设为能量阈值)。工频信号的周期为20ms，故横坐标窗索引相差为4的脉冲能量特征（代表相邻两个波峰或波谷能量较大）记为20ms脉冲，横坐标窗索引相差为2的脉冲能量特征（代表相邻的波峰与波谷之间能量较大）记为10ms脉冲。以大于能量阈值的10ms脉冲和20ms脉冲个数为依据，可有效判别局放的音纹特性。

图6 工频局放信号能量波形图

若局放音纹片段所含10ms脉冲和20ms脉冲总数大于脉冲总阈值，并且20ms脉冲个数和10ms脉冲个数都分别大于其对应的脉冲阈值，SIR也达到其阈值，则判定为有局放信号，若出现以下状况：

1）总脉冲数或20ms及10ms脉冲数小于所对应阈值（脉冲过少）。

2）SNR小于阈值（脉冲不明显）。

以上出现任意一种情况，则判定为非局放信号。

4 结语

本文根据PD的过程中的工频特性的原理，对音纹信息的工频特征进行提取，再结合DFT算法设计短数据窗，在短数据窗内分析音纹的频谱特征能量变化规律，获取局放判别的频域参数及其能量阈值。依据本文方法设计的音纹局放检测装置在钢铁、电力、铁路行业已经现场应用并正确判别现场的局放特性，有效验证了本文方法的有效性和可靠性。

本文方法适用于配电网数据巨大的开关柜的智能运维，可有效监测因设备老化或制造工艺问题引起的设备绝缘问题。本文目前的方法的测量精度有比较大的提升空间，后续通过细化时间窗切片模式和优化算法，并与超声波传感器结合，完成放电点的定位和精度的提升，并可作为设备的绝缘劣化趋势分析的依据。