0  引言

    高壓電力電纜因具有良好的電性能和熱性能，并且結(jié)構(gòu)簡(jiǎn)單，制造周期短，工作耐受溫度高，敷設(shè)方便等優(yōu)勢(shì)，被廣泛應(yīng)用于電力系統(tǒng)中的各個(gè)電壓等級(jí)，由于制造工藝的問(wèn)題，另外在敷設(shè)的時(shí)候，極有可能受到來(lái)自外界機(jī)械力的作用而造成損害，或長(zhǎng)期運(yùn)行受環(huán)境侵蝕等原因，可能造成電纜絕緣缺陷隱患，從而給電力系統(tǒng)安全造成很大影響。目前，電纜投運(yùn)或交接預(yù)防試驗(yàn)主要有工頻耐壓法、直流耐壓、0.1 Hz超低頻及振蕩波電壓法。工頻耐壓法對(duì)測(cè)試設(shè)備提出了很高的要求，而直流耐壓法、0.1 Hz超低頻電壓法對(duì)電纜具有一定的損傷，可能會(huì)引起電纜新的缺陷，振蕩波電壓法對(duì)設(shè)備的容量需求較小，操作簡(jiǎn)單，作用時(shí)間短，不會(huì)對(duì)電纜絕緣造成傷害，是目前公認(rèn)的電纜絕緣檢測(cè)的最有效方法之一^[1-3]。

    目前振蕩波耐壓技術(shù)主要應(yīng)用于局部放電檢測(cè)及定位，對(duì)于放電類(lèi)型判別研究較少，本文根據(jù)試驗(yàn)制作的4種不同缺陷放電模型，分別是尖端放電、懸浮放電、氣隙放電和主絕緣劃痕。振蕩波加壓下測(cè)量局部放電信號(hào)，從放電譜圖中提取特征量，同時(shí)在生成局部放電灰度圖的基礎(chǔ)上，提取出哈希值一同輸入至BP網(wǎng)絡(luò)神經(jīng)進(jìn)行訓(xùn)練并驗(yàn)證結(jié)果，在引入哈希值前后兩種不同結(jié)果網(wǎng)絡(luò)神經(jīng)對(duì)比，結(jié)果表明，引入哈希值后放電缺陷識(shí)別率明顯提高約10%，多次試驗(yàn)結(jié)果驗(yàn)證4種不同放電類(lèi)型識(shí)別率均達(dá)到95%以上。 

1  振蕩波試驗(yàn)

1.1  電纜放電試驗(yàn)?zāi)Ｐ?/strong>

    試驗(yàn)室制作的4種不同放電缺陷是在四段不同長(zhǎng)度的XLPE電纜上制作的，電纜型號(hào)為YJLW03，額定電壓64/110 kV。在制作缺陷前，首先采用局部放電檢測(cè)儀進(jìn)行檢測(cè)，判斷電纜沒(méi)有局部放電，然后分別在電纜中人工制作尖端放電、懸浮放電、氣隙放電及主絕緣劃痕缺陷，電纜兩端安裝冷縮式電纜終端頭。

1.2  振蕩波電壓法測(cè)量系統(tǒng)

    交流振蕩波試驗(yàn)設(shè)備符合GB 50150-2006電氣設(shè)備交接試驗(yàn)標(biāo)準(zhǔn)，試驗(yàn)設(shè)備采用LC阻尼振蕩原理，變頻電源系統(tǒng)尋找由電纜C和電抗器L組成的LC諧振回路諧振頻率點(diǎn)，變頻電源在諧振頻率點(diǎn)下提高輸出電壓，使得電纜試品上的電壓達(dá)到額定電壓，控制變頻電源關(guān)閉輸出動(dòng)作，構(gòu)成LC回路并產(chǎn)生阻尼振蕩，振蕩電壓產(chǎn)生原理如圖1（a）、圖（b）所示。交流振蕩波試驗(yàn)設(shè)備由變頻電源、勵(lì)磁變壓器、電抗器、分壓器、耦合電容、局部放電檢測(cè)單元、負(fù)載電容（即電纜電容）及相關(guān)附件組成。在振蕩電壓作用下，檢測(cè)電纜的局部放電信號(hào)。

    加壓試驗(yàn)時(shí)，將試品電纜接入到振蕩波試驗(yàn)設(shè)備，試驗(yàn)開(kāi)始前對(duì)測(cè)試系統(tǒng)進(jìn)行局部放電量校正，校正完畢后開(kāi)始對(duì)電纜升壓，最高電壓不超過(guò)為電纜的2U0，檢測(cè)到明顯的、穩(wěn)定的局部放電信號(hào)，保存數(shù)據(jù)并記錄，每個(gè)模型在同一電壓等級(jí)下重復(fù)進(jìn)行100次局部放電試驗(yàn)。

1.3  測(cè)量結(jié)果分析

    采用HFCT傳感器耦合電纜局部放電信號(hào)，經(jīng)過(guò)局放檢測(cè)單元的調(diào)理電路濾波、放大后，由采樣率為100 MS/s高速采集卡進(jìn)行模數(shù)轉(zhuǎn)換，上位機(jī)軟件實(shí)時(shí)顯示局放原始波形，統(tǒng)計(jì)譜圖。4種不同放電模型累計(jì)譜圖如圖2所示，從圖中可以看出不同的放電缺陷具有明顯的差異性，因此以統(tǒng)計(jì)譜圖作為數(shù)據(jù)源進(jìn)一步提取，分析局放特征量。

1.4  局部放電特征量提取

    根據(jù)局部放電統(tǒng)計(jì)譜圖，即-n-Q譜圖，可用以下兩類(lèi)統(tǒng)計(jì)算子來(lái)描述放電特征：一類(lèi)是描述Q-、-n譜圖的形狀差異，包括均值μ、偏差、偏斜度Sk、陡峭度Ku、局部峰點(diǎn)數(shù)Pe；另一類(lèi)是描述Q-譜圖正負(fù)半周的輪廓差異，包括放電量因數(shù)Q、相位不對(duì)稱(chēng)度Φ、互相關(guān)系數(shù)cc，以及修正的互相關(guān)系數(shù)mcc；其中譜圖又可以分為正負(fù)半軸，因此對(duì)應(yīng)統(tǒng)計(jì)算子也可以分為正負(fù)半軸兩組，作為網(wǎng)絡(luò)神經(jīng)輸入?yún)?shù)^[4-7]。

2  局部放電的模式識(shí)別

2.1  BP神經(jīng)網(wǎng)絡(luò)算法

    BP神經(jīng)網(wǎng)絡(luò)是基于誤差反向傳播算法的一種具有非線(xiàn)性連續(xù)轉(zhuǎn)移函數(shù)的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)。BP網(wǎng)絡(luò)具有一個(gè)輸入層、一個(gè)或多個(gè)隱含層和一個(gè)輸出層的多層網(wǎng)絡(luò)，其中只有相鄰兩層神經(jīng)元之間存在單向連接，各神經(jīng)元之間不存在反饋，每個(gè)神經(jīng)元可以從前一層接受多個(gè)輸入，而只有一個(gè)輸出送給下一層的各神經(jīng)元。隱含層和輸出層上的每個(gè)神經(jīng)元都對(duì)應(yīng)于一個(gè)功能函數(shù)和一個(gè)閾值，神經(jīng)元之間都通過(guò)權(quán)值與相鄰的神經(jīng)元互相連接。處于輸入層上的神經(jīng)元閾值為零，也就是說(shuō)這一層的神經(jīng)元輸出等于輸入。BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)如圖3所示^[8-10]。

2.2  哈希算法

    哈希（Hash）意思為散列，它是將任意長(zhǎng)度的二進(jìn)制值對(duì)應(yīng)為固定長(zhǎng)度的二進(jìn)制值，即哈希值。哈希表是根據(jù)已經(jīng)設(shè)定好的哈希算法和處理數(shù)據(jù)問(wèn)題的計(jì)算方式，將關(guān)鍵碼值映射到一個(gè)有限的位置空間中，這種存放記錄的數(shù)組形成的表就叫做哈希表，這種對(duì)應(yīng)的映射函數(shù)叫做哈希函數(shù)，在算法中所得到的存放空間就是哈希地址。

   哈希算法的作用是對(duì)每張圖片生成一個(gè)“指紋”字符串。獲得的字符串就是該圖片的哈希值。不同圖片的哈希值越接近，就說(shuō)明圖片越相似。哈希算法具有簡(jiǎn)單快速、不受圖片大小縮放影響等優(yōu)點(diǎn)。典型的哈希算法實(shí)現(xiàn)流程圖如圖4所示^[11-12]：

    （1）縮小尺寸：將圖片縮小到8×8的尺寸，總共64個(gè)像素。這一步的作用是去除圖片的細(xì)節(jié)，只保留結(jié)構(gòu)、明暗等基本信息，摒棄不同尺寸、比例帶來(lái)的圖片差異。

    （2）簡(jiǎn)化色彩：將縮小后的圖片，轉(zhuǎn)為64級(jí)灰度。也就是說(shuō)，所有像素點(diǎn)總共只有64種顏色。

    （3）計(jì)算平均值：計(jì)算所有64個(gè)像素的灰度平均值。

    （4）比較像素的灰度：將每個(gè)像素的灰度與平均值進(jìn)行比較。大于或等于平均值，記為1；小于平均值，記為0。

    （5）計(jì)算哈希值：將上一步的比較結(jié)果組合在一起，就構(gòu)成了一個(gè)64位的整數(shù)，這就是這張圖片的指紋。組合的次序可以調(diào)整，只要保證所有圖片都采用同樣次序就可以進(jìn)行對(duì)比。

3  模式識(shí)別結(jié)果及分析

    每種放電模型選取100組實(shí)驗(yàn)數(shù)據(jù)（共400組）進(jìn)行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，每種放電選取30組實(shí)驗(yàn)數(shù)據(jù)（共120組）作為未知樣本輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)。僅選用局部放電的特征參量作為輸入的神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置為：輸入層結(jié)點(diǎn)數(shù)為6，與輸出層相鄰的隱含層有3個(gè)結(jié)點(diǎn)，與輸出層相鄰的隱含層有5個(gè)結(jié)點(diǎn)，目標(biāo)值（訓(xùn)練誤差）為0.000 001，最大迭代次數(shù)為200，學(xué)習(xí)率為0.1；分別進(jìn)行了單隱含層、雙隱含層兩種網(wǎng)絡(luò)訓(xùn)練的識(shí)別4種放電模型，結(jié)果比對(duì)分析如表1。

    由表中數(shù)值可以發(fā)現(xiàn)，單隱含層訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)平均迭代次數(shù)為34.67（次）、平均識(shí)別率為86%；雙隱含層訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)平均迭代次數(shù)為33.33（次）、平均識(shí)別率為87.67%。由此對(duì)于輸入層結(jié)點(diǎn)數(shù)為6的網(wǎng)絡(luò)來(lái)說(shuō)，增加隱含層層數(shù)對(duì)迭代次數(shù)的影響不大，也就是說(shuō)對(duì)系統(tǒng)運(yùn)行時(shí)間增長(zhǎng)不明顯，同時(shí)增加一個(gè)隱含層對(duì)識(shí)別率提升約1.67%。

    將哈希算法應(yīng)用于局部放電的模式識(shí)別中，需要先對(duì)局部放電的信息生成灰度圖，再?gòu)幕叶葓D中提取所需的哈希值。將4種不同的放電譜圖生成灰度圖，如圖5所示，然后將圖片劃分為4×8網(wǎng)格，通過(guò)灰度大于平均值的網(wǎng)格記為1，灰度小于平均值的網(wǎng)格記為0，可以得到哈希表，對(duì)于哈希值的計(jì)算，采用從左上到右下次數(shù)逐漸增大的算法，第1行第1列為20第1行第2列為21第1行第3列為22……等，將哈希表存放的二進(jìn)制數(shù)字轉(zhuǎn)化為十進(jìn)制數(shù)字，也就是哈希值。這樣每一次實(shí)驗(yàn)樣本都可以提取出一個(gè)哈希值，可以輸入至后續(xù)的神經(jīng)網(wǎng)絡(luò)分類(lèi)器中。

    識(shí)別結(jié)果圖如表2所示，表中編號(hào)1-3為輸入?yún)?shù)不含哈希值的神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果，輸入層結(jié)點(diǎn)數(shù)為6，平均迭代次數(shù)為34.67（次），平均識(shí)別率為86%；編號(hào)4-6為輸入?yún)?shù)包含哈希值的神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果，輸入層結(jié)點(diǎn)數(shù)為7，平均迭代次數(shù)為38.33（次），平均識(shí)別率為96%。由此可見(jiàn)：引入了哈希值作為表征局部放電的典型特征參數(shù)之后，系統(tǒng)對(duì)平均迭代次數(shù)略有上升，對(duì)未知樣本的識(shí)別率提升了約10%。進(jìn)一步對(duì)每個(gè)樣本的識(shí)別結(jié)果比對(duì)發(fā)現(xiàn)，哈希值的引入主要使網(wǎng)絡(luò)對(duì)懸浮放電、沿面放電的識(shí)別率上升，在一定程度上彌補(bǔ)了統(tǒng)計(jì)學(xué)特征參數(shù)的不足。

    通過(guò)對(duì)是否含哈希值作為輸入?yún)?shù)的單隱含層神經(jīng)網(wǎng)絡(luò)的對(duì)比，發(fā)現(xiàn)引入哈希值可以將平均識(shí)別率由86%提升至96%，同時(shí)平均迭代次數(shù)幾乎不變，證明了引入哈希值可以顯著提高系統(tǒng)的識(shí)別率。

3  結(jié)論

    本文采用了哈希算法，將圖像識(shí)別技術(shù)與局部放電模式識(shí)別結(jié)合起來(lái)，在生成放電灰度圖的基礎(chǔ)上計(jì)算出各灰度圖的哈希值。將哈希值與統(tǒng)計(jì)參數(shù)相結(jié)合，輸入至BP神經(jīng)網(wǎng)絡(luò)進(jìn)行驗(yàn)證，結(jié)果表明引入哈希值這一特征參數(shù)能顯著提升系統(tǒng)的識(shí)別率。該方法收斂速度更快、推廣能力更強(qiáng)，具有較好的應(yīng)用前景。

參考文獻(xiàn)

[1] 劉昌標(biāo). GIS特高頻局部放電特征量?jī)?yōu)選及類(lèi)型識(shí)別研究[D]. 北京: 華北電力大學(xué), 2015.

[2] 郭俊, 吳廣寧, 張血琴, 等. 局部放電檢測(cè)技術(shù)的現(xiàn)狀和發(fā)展[J]. 電工技術(shù)學(xué)報(bào), 2005,20(2):29-35.

[3] 卓然. 氣體絕緣電器局部放電聯(lián)合檢測(cè)的特征優(yōu)化與故障診斷技術(shù)[D]. 重慶: 重慶大學(xué), 2014.

[4] 胡文堂, 高勝友, 余紹峰,等. 統(tǒng)計(jì)參數(shù)在變壓器局部放電模式識(shí)別中的應(yīng)用[J]. 高電壓技術(shù), 2009,35(2):277-281.

[5] 唐炬, 王靜, 李劍, 等. 統(tǒng)計(jì)參數(shù)用于局部放電模式識(shí)別的研究[J]. 高電壓技術(shù), 2002, 28(8):4-6.

[6] 鄭重, 談克雄, 高凱. 局部放電脈沖波形特性分析[J]. 高電壓技術(shù), 1999, 25(4): 15-17.

[7] 淡文剛, 陳祥訓(xùn), 鄭健超. 采用小波分析與神經(jīng)網(wǎng)絡(luò)技術(shù)的局部放電統(tǒng)計(jì)識(shí)別方法[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2002, 22(9):2-6.

[8] 姜磊, 朱德恒, 李福祺, 等. 基于人工神經(jīng)網(wǎng)絡(luò)的變壓器絕緣模型放電模式識(shí)別的研究[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2001, 21(1): 22-25.

[9] 路俊勇, 張婷, 司剛?cè)? 等. GIS懸浮電極缺陷局部放電測(cè)量與分析[J]. 高壓電器, 2015, 51(5): 151-156.

[10] 王彩雄. 基于特高頻法的GIS局部放電故障診斷研究[D].北京: 華北電力大學(xué), 2013.

[11] 李蕾. 基于哈希的圖像檢索研究[D]. 北京: 北京交通大學(xué), 2017.

[12] 李劍. 局部放電灰度圖象識(shí)別特征提取與分形壓縮方法的研究[D]. 重慶: 重慶大學(xué), 2001.

作者信息:

江  峰，包艷艷，陳博棟，王繼娟

（國(guó)網(wǎng)甘肅省電力公司 電力科學(xué)研究院, 甘肅 蘭州，730050）