王浩钰， 欧阳震， 陈小军， 白文星， 张 琪， 张德祯
（国网上海电力公司特高压换流站分公司， 上海 200126）
0 引言在电力领域，尤其是高压、超高压输配电线路上和变电站内的变压器设备中，局部放电可能造成严重事故和经济损失，因此，电力生产和电力传输单位都需要通过各种手段对局部放电现象进行及时检测[1-3]。为保证气体绝缘开关设备（调相机）的安全稳定运行，可以采用内部缺陷检测方法来快速检测绝缘缺陷[4]。
目前常用的局部放电检测设备主要有超声波接触探头式、红外探测式和超高频电磁波式等。其中，红外探测式只适用于出现严重局部放电、并且形成足够热量传导出来的情况，大部分局部放电发生时要么周围有其他红外热源干扰，容易引发虚警，要么局部放电信号产生的热量太小，无法检测到缺陷[5-6]。超高频电磁波式方案需要进行在线检测，而实际上对于在网运行中的设备，如果要接入超高频电磁波，局部放电检测设备需要对现网断电，更新维护成本很大。超声波接触探头式方案是目前应用较多的方案。但是，由于需要检修工人带着耳机、使用探头采用地毯式扫描的办法进行听诊，工作强度较高、可靠性较低[7-8]。以上研究结果都改善了内部缺陷超声信号检测的效果，并促进了灵敏度的提升[9]。目前，大部分研究都是关于检测性能以及灵敏度的影响因素。而对实际运行工况下设备检测稳定性方面的研究较少，尤其缺乏对调相机内部缺陷检测方面的系统研究。
为了进一步提高调相机缺陷识别能力，设计了一种基于TCN 网络的调相机局部放电智能检测方法，并构建能够满足现场调相机内局部放电检测系统。
1 调相机局部放电检测方法基于TCN 网络的调相机局部放电检测方法，操作步骤如下：
1）对调相机工作过程中的电压、电流、温变参数和声音数据进行实时采集。
2）使用48 kHz 采样率对声音信号进行采集，将输入的音频数据流截取出N 个采样点，作为单帧输入数据。
3）对所采集的数据进行TCN 网络训练，用训练数据集输入到随机初始化的网络中，根据输出和标签的差异，再通过误差反向传播算法逐层修正各层网络中各运算节点的参数。TCN 网络可分为TCN 模块1、TCN 模块2 和TCN 模块3，TCN 模块具有相同的结构，如图1 所示。空洞卷积采用两侧层因果卷积叠加而成，卷积核大小为2，BN 层、ReLU 层和Dropout 层分别是常规的批量归一化层、ReLU 激活函数层和丢弃层。卷积层直接连接到ReLU 激活函数层，形成残差连接，可以避免网络退化。使用神经网络进行预测时，要求预测值与目标值之间的误差达到最小。因此，上述计算过程需要朝向负梯度的方向进行减小。设输出层使用的激活函数为Sigmod 函数。训练的过程为上述误差反向传播算法的多次循环，大多数情况下，使用误差函数小于一定阈值作为循环结束条件，误差小于预定数值后，循环结束，训练过程完成。
图1 TCN 网络结构
4）在完成训练后，将所采集待检测设备的声发射信号输入训练的TCN 网络中，实现局部放电诊断。训练过程完成后，即可得到一个模型网络，根据整体结构排布的一系列参数数值，把输入数据即调相机运行的声音数据和实时的电压数值分别送入模型网络的输入层，根据流程逐层进行运算，最终输出 “0” 或者 “1” ，判断是否发生了局部放电，完成对调相机局部放电的检测。
2 调相机局部放电检测试验本文利用126 kV 调相机完成内部缺陷测试。图2 显示了本实验使用的具体实验装置结构。在调相机腔体中充入压力为0.4 MPa 的SF6，将光纤超声传感器（OFS）和PZT 依次设置于试验腔体的两侧。测试期间按照步长为2 kV 的间隔加压，经过1 min 稳定后记录不同电压下的测试信号，直至获得内部缺陷情况。
图2 缺陷超声检测试验平台布置
电压上升至63.5 kV 的峰值状态时，得到如图3所示的OFS 和PZT 时域信号。结果显示，10 s 时间内，Michelson 光纤干涉系统对内部缺陷超声信号达到了精确检测的效果，PZT 传感器则没有检测出内部缺陷的信号。
图3 OFS 和PZT 传感器检测信号
与现有技术相比，本设计具有以下显着特点：
1）本设计的TCN 网络能够有效地提取时间序列数据的特征，相比于人工选取特征或者传统的机器学习方法，具有更好的鲁棒性和识别率。
2）本设计在TCN 网络设计中加入了电压、电流和温变3 种参数和声信号中间抽象特征的融合，对融合信息进行进一步的特征提取。这样的设计充分考虑了电压参数与局部放电声发射信号之间的关联，更利于故障特征的挖掘，能够提高识别效率。
3）本设计使用3 种参数在融合前先进行归一化，然后组成参数向量的形态。其中，电压和电流参数分别采用瞬时值与标称值相比的方法计算出归一化值，温变参数采用瞬时表面温度和瞬时气温相比的方法计算归一化值，消除量纲差异带来的权重差异过大、进而引发梯度消失的可能风险，保证神经网络的收敛有效性。
4）现有采用深度神经网络的调相机局部放电故障诊断通常是采用信号的时频图作为网络输入数据，而时频图是一种通用算法，也会造成信息损失。本设计方法是针对声发射时间序列直接进行特征提取。
3 结论本文开展基于TCN 网络的调相机局部放电智能检测分析，取得如下有益结果：
1）本文相位反馈控制方法能够对低于1.8 kHz 低频噪声造成的相位衰落起到明显的抑制效果。
2）调相机局部放电检测试验结果显示，10 s 时间内，Michelson 光纤干涉系统对内部缺陷超声信号达到了精确检测的效果。
