一种复合绝缘子老化状态检测技术

2023-11-20党军朋杨红伟罗康顺吴振升

电工材料 2023年5期

何杰，党军朋，杨红伟，罗康顺，吴振升，丁浩

（1. 云南省电网有限公司玉溪供电局，云南玉溪 653100；2. 北京交通大学电气工程学院，北京 100044）

0 引言

与电瓷以及玻璃绝缘子相比，复合绝缘子由有机材料合成，其质量轻且具有很好的弹性。另外，硅橡胶复合绝缘子还具有优良的耐污性能[1]，由于这些突出的优点，硅橡胶复合绝缘子在国内外得到了广泛应用。但随着其广泛应用，诸多问题开始显露出来，例如，随着运行时间的延长，硅橡胶复合绝缘子的老化现象会异常严重[2]。绝缘子老化状态检测技术有傅里叶变换红外光谱法、泄露电流检测、热刺激电流法等，这些方法或易受环境以及操作人员的影响[3]，或只能探究绝缘子局部的老化，故误差较大。因此，复合绝缘子的状态检测被广泛研究。文献[4]通过使用泄漏电流分析法，研究证明了泄漏电流的增大和放电能够加重破坏复合绝缘子的憎水性能，进而加速复合绝缘子的老化程度。文献[5]通过研究硅橡胶复合绝缘子在外部环境中长期运行而出现的老化问题，提出一种基于模糊综合评价的绝缘子状态评估方法，结果表明该方法能够有效准确地检测出绝缘子的老化状态。文献[6]通过研究复合绝缘子表面腐蚀等的老化途径，研究表明硅橡胶材料有很好的抗老化性能。文献[7]表明，复合绝缘子在潮湿的环境中可能会出现电晕放电，进而加快复合绝缘子的老化。

1974 年，Fleming 在描述光谱线频率范围时，首次提出了太赫兹波（Terahertz）这一概念。太赫兹波指频率在（0.1～10）THz 范围内的电磁波，其波段能够覆盖半导体、等离子体等物质的特征谱。相较于傅里叶变换红外光谱，太赫兹脉冲的典型脉宽以皮秒为量级单位，因此其稳定性更优，抗干扰性更强[8]。相较于X 射线，太赫兹光子的能量很低，1 THz 的光子能量只有约4 meV，所以对于被检测物质来说，不易使其遭受破坏，并且能检测出其他射线检测不到的密度相对较小的物质材料。与其他射线相比较，太赫兹波对一些材料的穿透能力更强。

基于以上理论，为了更好地检测出复合绝缘子的老化程度，本项目通过研究太赫兹信号在复合绝缘子中传输的特性，提出了一种新的探索状态检测的方法。结果表明，基于太赫兹技术更能精确地检测复合绝缘子的老化程度。

1 太赫兹信号的测量原理分析

在电力系统运行过程中，随着时间的增加，复合绝缘子的老化程度也在增大，在电网运行中出现的故障亦会增加[9]。实验过程中，硅橡胶复合绝缘子充当为传输介质，利用太赫兹技术向硅橡胶复合绝缘子发送太赫兹波来检测绝缘子的老化程度。在电磁波理论中，电磁波传输特性中非常重要的一个参数是波矢量，用表示。当介质为理想介质时，波矢量按式（1）计算：

式中：e→n为波的传输方向的单位矢量；k为波数，表示波矢量的大小；ω为波的角频率；ε为介质的相对介电常数；μ为介质相对磁导率。从式（1）可看出，当电磁波在理想介质中传播时，电磁波的幅值不会发生衰减。当电磁波在有损耗介质中传播时，则波矢量按式（2）计算：

从式（2）中可以看出，当介质为有损介质时，电磁波在该介质中传输时波形会发生衰减。同时，当电磁波从一种媒介穿过至另一种媒介时，会发生波的折射和反射。根据电磁波理论，反射系数按式（3）计算：

式中：η1为电磁波穿入第一种介质的波阻抗，η2为电磁波穿入第二种介质的波阻抗。

透射系数按式（4）计算：

老化会使复合绝缘子的电导率和介电常数发生改变，所以当电磁波在老化后的绝缘子中传播时，会发生电磁波的反射，使电磁波的能量衰减。并且由于老化后的绝缘子内部分层比较多，电磁波会发生多次折反射，加剧了电磁波能量衰减。

可用散射参数S来描述信号在介质中传播的损耗特性，如图1所示。

图1 信号折反射示意图

如图1所示，当入射波穿入介质时，会发生波的反射和透射，且反射波和透射波随着传输介质的不同而不同，即入射信号表现出不同的散射程度。回波损耗（S11）和插入损耗（S21）表达式分别为式（5）和式（6）：

式中：a1为输入功率；b1为反射功率；b2为透射功率。因此，随着绝缘子老化程度的增加，输入的损耗也会增大。通过比较S参数，可以判断绝缘子的老化程度。本研究通过比较S11参数来判断绝缘子的老化程度。

2 基于BP神经网络识别的太赫兹信号处理

2.1 太赫兹信号的产生

本研究对11 种老化程度不同的绝缘子进行检测。检测设备为矢量网络分析仪，该系统由扩频控制机、矢量网络分析仪主机以及S参数测试模块构成。

矢量网络分析仪主机产生本振信号和射频信号，之后两种信号进入扩频控制机。扩频控制机中含有中频增益控制模块，两种信号分别进入相应的信号放大装置中进行功率放大和稳幅。将放大后的信号输送到两个S参数测试模块中，其中一个S参数测试模块接收信号，另外一个发送信号。在S参数测试模块中，射频信号经过多级放大与倍频模块后会产生太赫兹信号，再经过混频器变频为中频信号，最后经扩频控制机放大后送入矢量网络分析仪主机进行信号分析，通过对中频信号的提取来获取测试的S参数。测试原理如图2所示。

图2 太赫兹矢量网络分析仪测试原理

2.2 基于小波变换的太赫兹信号去噪处理

由于信号产生过程中设备易受到环境以及人为因素的影响，造成信号中可能会存在一些干扰信号。为使实验的结果更加准确，在检测实验之前，采用小波变换对信号进行去噪预处理。

在小波变换去噪中，阈值去噪法具有计算量较小、实现简单、去噪效果较好等优点，所以本研究选择阈值去噪法对太赫兹信号进行去噪处理[10]。

小波阈值去噪过程一般涉及到对小波基和分解层数的选择、阈值的选取规则和阈值函数的设计，这些因素都会影响最终的去噪效果。

2.2.1 小波基的选择

一般来说，选取小波基函数要考虑支撑长度、消失矩、对称性、正则性以及相似性等因素。常见的小波基有haar 小波、dbN 小波、symN 小波、coifN小波等。本研究选择symN 对太赫兹信号进行去噪。

2.2.2 分解层数的选择

分解层数取得越大，则噪声和信号表现的不同特性越明显，越有利于二者的分离。文献[11]提出了一种基于白噪声检验的确定分解层数的方法，本研究选用该方法来确定分解层数。

2.2.3 阈值的选取

常见的阈值的选取方法有固定阈值估计、极值阈值估计、无偏似然估计以及启发式阈值估计等。通过对比发现，固定阈值估计和启发式阈值估计去噪比较彻底，故本研究选用启发式阈值估计来确定阈值。

2.2.4 阈值函数选择

常用的阈值函数有软阈值和硬阈值方法。文献[12]综合考虑软阈值和硬阈值的优缺点，提出了一种双阈值的去噪方法。结果表明，双阈值的小波去噪方法的去噪效果更优，故本研究选用该文献所提出的双阈值的小波去噪方法。

2.3 基于BP神经网络识别的太赫兹信号处理

在对太赫兹信号进行去噪处理后，通过BP 神经网络对去噪后的信号进行老化程度识别处理。BP神经网络的模型结构如图3所示。

图3 BP神经网络的模型结构

本文将老化程度分为5个等级，如图4所示。

图4 样品老化程度标定分类

根据图4，将老化等级分为5类，见表1。

表1 样品老化程度标定分类

通过BP 神经网络模型识别各个样品的老化程度，将BP 神经网络模型输出的预测值与真实值相比较，以此判断BP 神经网络模型是否精确。目标函数为误差函数，表达式为式（7）。

式中，yi为神经网络模型的输出值；yi0为期望输出值，e为误差，e越小，精确度越高。若e较大，则BP神经网络模型将不断学习，直至e下降到某一可接受的误差范围。

经过BP 神经网络模型预测后的部分结果如图5 所示。由图5 可知，4#和3#的预测值在真实值附近，且距真实值极近。由此可得结论，经过BP 神经网络模型预测后的误差在可满足的范围内，预测精度较高。

图5 BP神经网络模型预测结果

3 实验过程及其结果分析

3.1 取样与样品预处理

实验的样品为来自10 kV～110 kV 电力线路的复合绝缘子，并将绝缘子分为11 个样本，其中包含两只新的、未使用过的硅橡胶绝缘子。将这11个绝缘子样本全部编号，之后分别在每支绝缘子的高压侧、远离高压侧以及中间部分用小刀割下相同数量的伞裙样本，即以绝缘子高压侧的第一片伞裙为起点，以间隔同样的距离取样，直至低压侧的最后一片伞裙为止。之后再利用切片机将样本进行切片处理，每个样本切成厚3 mm，边长为20 mm 的正方形薄片，每支绝缘子各取10组样品，一共11组。

将样品用无水乙醇浸泡，然后用去离子水清洗掉表面污秽，静置于真空烘干机中烘干，最后将所有样品在无尘环境中密封保存以备使用。

3.2 结果分析

本实验使用矢量网络分析仪进行太赫兹信号的产生与检测实验设备如图6。

图6 矢量网络分析仪设备

样品经预处理后，实验测得11组样本的S11参数曲线如图7 所示。从图7 中曲线可以看出，硅橡胶绝缘子的老化程度与THz 信号的回波损耗成正比，所以曲线由下到上排序表示S11参数依次减小。老化程度不同的样品测出的曲线位置相差较大，老化程度相接近的样本测得的曲线出现交叉重叠的现象。同时，老化严重的样本测得的回波损耗更大一些。