王 鋒

（廣州致新電力科技有限公司，廣東 廣州 510540）

0 引 言

從1980年開(kāi)始，局放缺陷識(shí)別逐步由人工識(shí)別轉(zhuǎn)向機(jī)器識(shí)別。目前，局放識(shí)別正朝著智能化方向不斷發(fā)展。但是，在真實(shí)環(huán)境中，絕大多數(shù)局放樣本是無(wú)標(biāo)簽的，且對(duì)局放類(lèi)型的判斷很大程度上取決于經(jīng)驗(yàn)的積累，缺乏足夠的標(biāo)簽樣本，導(dǎo)致分類(lèi)分析的結(jié)果沒(méi)有足夠的可信度。因此，本文提出一種無(wú)標(biāo)簽數(shù)據(jù)標(biāo)記的方法，并在此基礎(chǔ)上實(shí)現(xiàn)局放樣本的分類(lèi)。

1 局放的產(chǎn)生及類(lèi)型

局部放電是高壓電氣設(shè)備絕緣材料局部區(qū)域的放電，不單單發(fā)生在導(dǎo)體附近，也可能發(fā)生在其他地方。

1.1 絕緣內(nèi)部空穴或沿面放電

絕緣內(nèi)部空穴或沿面放電主要包括電力設(shè)備內(nèi)部絕緣表面的孔洞、裂痕以及污染引起的設(shè)備內(nèi)部不穿透性局部放電，與工頻電場(chǎng)有明顯的相關(guān)性。當(dāng)缺陷引起的場(chǎng)強(qiáng)達(dá)到一定數(shù)值時(shí)，就會(huì)發(fā)生局部放電，是引起設(shè)備絕緣破壞的主要因素。

1.2 懸浮電位

懸浮放電一般存在于高壓電氣設(shè)備。處于低電位的部件（如硅鋼片磁屏蔽）與地的連接松動(dòng)脫落，會(huì)引起懸浮電位的放電現(xiàn)象。懸浮電位由于電壓高且場(chǎng)強(qiáng)較集中，往往造成絕緣油分解而產(chǎn)生多種氣體，致使絕緣性能?chē)?yán)重下降。

1.3 電暈放電

電暈放電主要發(fā)生在設(shè)備內(nèi)部導(dǎo)體倒刺和外角倒刺等地方，是氣體中極不均衡電場(chǎng)特有的放電現(xiàn)象。例如，主導(dǎo)電回路表面存在缺陷、凹凸不平等，若場(chǎng)強(qiáng)過(guò)高都會(huì)造成局放現(xiàn)象。由于導(dǎo)體被氣體包圍，表現(xiàn)為電暈放電。

1.4 自由金屬微粒放電

電力設(shè)備的安裝或開(kāi)關(guān)閉合過(guò)程中產(chǎn)生的細(xì)小金屬顆粒往往會(huì)造成金屬顆粒放電。這種顆粒往往存在于GIS的設(shè)計(jì)構(gòu)造、安裝、運(yùn)輸以及運(yùn)行過(guò)程中。顆粒受高場(chǎng)強(qiáng)的影響隨機(jī)浮動(dòng)和跳動(dòng)，形成了局部放電[1]。

2 局部放電檢測(cè)技術(shù)

當(dāng)電力設(shè)備產(chǎn)生局放現(xiàn)象時(shí)，脈沖電流會(huì)形成不同頻率的電磁波，因此需要不同頻率的傳感器采集不同的局放信號(hào)。一般采用的主要檢測(cè)技術(shù)包括特高頻（Ultra High Frequency，UHF）、高頻（High Frequency，HF）、超聲波（Acoustic Emission，AE）以及暫態(tài)地電壓（Transient Earth Voltage，TEV）等。

UHF檢測(cè)頻段高，幾百到幾千兆赫茲不等。在GIS中，絕緣子等微小間斷處對(duì)電磁波具有反射作用。在GIS室中，局部放電會(huì)造成諧振，使得局放的振蕩時(shí)間加長(zhǎng)，有利于測(cè)量。由于特高頻檢測(cè)方法能有效降低頻率的電磁波等干擾，如電暈放電，因此它具有過(guò)濾低頻干擾信號(hào)的能力[2]。

高頻電流互感器（High Frequency Current Transformer，HFCT）是高頻局部放電檢測(cè)中最常用的一種傳感器。它是一種電磁感應(yīng)式傳感器，具有便攜性強(qiáng)、安裝方便以及現(xiàn)場(chǎng)干擾能力強(qiáng)等優(yōu)點(diǎn)。HFCT常安裝于電氣設(shè)備的接地線或末屏引下線位置。但是，對(duì)于無(wú)引下線，如高壓套管和CT等設(shè)備，則不能采用高頻局部放電檢測(cè)技術(shù)進(jìn)行檢測(cè)。

AE局放檢測(cè)是收集、處理以及分析電力設(shè)備局部放電時(shí)產(chǎn)生的超聲波信號(hào)以獲取設(shè)備工作狀態(tài)的檢測(cè)技術(shù)，也稱(chēng)為發(fā)射法[3]。超聲波的振動(dòng)頻率大于20 kHz，主要測(cè)量電力設(shè)備的外圍部分。電力設(shè)備在運(yùn)行中存在強(qiáng)的電磁場(chǎng)，而超聲波是非電檢測(cè)，能有效避免電磁干擾，因此具有抗電磁干擾的優(yōu)點(diǎn)。AE檢測(cè)方法常用于測(cè)量各種一次裝置的局放信號(hào)，但對(duì)設(shè)備內(nèi)部缺陷不敏感，且受機(jī)械振動(dòng)干擾大，難以判別放電信號(hào)，因此檢測(cè)范圍較小。

暫態(tài)地電壓局放檢測(cè)以帶電檢測(cè)為主，常用于環(huán)網(wǎng)柜、電纜箱以及開(kāi)關(guān)柜等相關(guān)設(shè)備。但是，因?yàn)楣駜?nèi)的放電信號(hào)只能經(jīng)由金屬殼體間隙的內(nèi)表面?zhèn)鞑サ酵獗砻娣娇蓹z測(cè)成功，所以TEV檢測(cè)方法并不適用于GIS等設(shè)備。究其原因，在于GIS是完全密封的電力設(shè)備，沒(méi)有金屬殼體間隙[4]。

3 無(wú)標(biāo)簽樣本的標(biāo)記

3.1 半監(jiān)督學(xué)習(xí)

半監(jiān)督學(xué)習(xí)（Semi-Supervised Learning，SSL）是機(jī)器學(xué)習(xí)中的重點(diǎn)研究問(wèn)題，兼顧了有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)的思想。根據(jù)已有的少量帶標(biāo)簽的數(shù)據(jù)，利用相關(guān)距離算法，對(duì)大量的無(wú)標(biāo)簽數(shù)據(jù)進(jìn)行標(biāo)記。它主要利用平滑、聚類(lèi)以及流行等假設(shè)方法，對(duì)未知數(shù)據(jù)進(jìn)行對(duì)應(yīng)的標(biāo)記，最后將有標(biāo)簽數(shù)據(jù)和無(wú)標(biāo)簽數(shù)據(jù)合并到一起，構(gòu)成模型訓(xùn)練和測(cè)試用的數(shù)據(jù)集[5]。

半監(jiān)督學(xué)習(xí)的核心思想是給出一個(gè)分布未知的但帶有樣本標(biāo)簽的數(shù)據(jù)集L和一個(gè)無(wú)標(biāo)簽的數(shù)據(jù)集U：

期望學(xué)得函數(shù)f:x→y可以準(zhǔn)確推斷數(shù)據(jù)x的標(biāo)簽y，|L|和|U|分別表示已有標(biāo)簽和未有標(biāo)簽的樣本數(shù)量。在半監(jiān)督學(xué)習(xí)中，有3個(gè)常用的假設(shè)來(lái)建立樣本和目標(biāo)之間的關(guān)系。

3.1.1 平滑假設(shè)（Smoothness Assumption）

位于稠密數(shù)據(jù)區(qū)域的兩個(gè)距離很近的樣本類(lèi)標(biāo)簽相似，即當(dāng)兩個(gè)樣本被稠密數(shù)據(jù)區(qū)域中的邊連接時(shí)，有很大的概率具有相同的類(lèi)標(biāo)簽。相反，當(dāng)兩個(gè)樣例被稀疏數(shù)據(jù)區(qū)域分開(kāi)時(shí)，它們的類(lèi)標(biāo)簽很大概率不相同。

3.1.2 聚類(lèi)假設(shè)（Cluster Assumption）

當(dāng)兩個(gè)樣本位于同一類(lèi)時(shí)，有很大的概率具有相同的類(lèi)標(biāo)簽。這個(gè)假設(shè)的等價(jià)定義為低密度分離假設(shè)（Low Sensity Separation Assumption），即分類(lèi)決策邊界應(yīng)該穿過(guò)稀疏數(shù)據(jù)區(qū)域，而避免將稠密數(shù)據(jù)區(qū)域的樣例分到?jīng)Q策邊界兩側(cè)。當(dāng)樣本數(shù)據(jù)之間的距離接近時(shí)，判定它們屬于同一類(lèi)，這種假設(shè)被稱(chēng)為聚類(lèi)假設(shè)。根據(jù)該假設(shè)，分類(lèi)邊界需要盡可能保證稠密樣本數(shù)據(jù)點(diǎn)不被分割到不同的類(lèi)中。在本假設(shè)的前提下，半監(jiān)督學(xué)習(xí)算法可以利用大量未標(biāo)記的樣本數(shù)據(jù)推斷未標(biāo)注的數(shù)據(jù)在樣本空間中的分布情況，進(jìn)而指導(dǎo)算法不斷調(diào)整分類(lèi)界限，從而保證不同類(lèi)的樣本盡可能分開(kāi)。

3.1.3 流形假設(shè)（Manifold Assumption）

將高維數(shù)據(jù)嵌入到低維流形中，當(dāng)兩個(gè)樣例位于低維流形中的一個(gè)小局部鄰域內(nèi)時(shí)，它們具有相似的類(lèi)標(biāo)簽。流形假設(shè)的核心理念是同一局部鄰域中的樣本數(shù)據(jù)具有相似的性質(zhì)，因此它們的標(biāo)簽應(yīng)該相似。這個(gè)假設(shè)反映了決策函數(shù)的局部光滑性。相比于聚類(lèi)假設(shè)，流形假設(shè)主要考慮的是局部特征，而前者主要關(guān)注全局特征。

3.2 LPA算法

標(biāo)簽傳播主要依賴(lài)圖的節(jié)點(diǎn)傳播，計(jì)算已標(biāo)記樣本的節(jié)點(diǎn)與未標(biāo)記樣本的節(jié)點(diǎn)的距離（即相似度），然后根據(jù)距離的大?。聪嗨贫鹊母叩停┳詣?dòng)更新調(diào)整標(biāo)簽。相似度越高，影響權(quán)重就越大，標(biāo)簽越趨于一致的概率就越大，標(biāo)簽更加容易蔓延。在標(biāo)簽傳播過(guò)程中，初始帶標(biāo)記的數(shù)據(jù)標(biāo)簽不變，只是將已知的標(biāo)簽根據(jù)相似度的高低傳給未標(biāo)注的數(shù)據(jù)集。當(dāng)算法執(zhí)行完畢時(shí)，相似節(jié)點(diǎn)的概率分布是相近的，可以歸為一類(lèi)；反之，歸為其他類(lèi)，最終完成樣本標(biāo)記[6]。

4 深度學(xué)習(xí)的缺陷分類(lèi)

4.1 PRPS及PRPD圖譜

相位分辨的脈沖序列（Phase Resolved Partial Sequence，PRPS）是將采集的原始局放信號(hào)按照相位、周期以及振幅3個(gè)維度進(jìn)行劃分與統(tǒng)計(jì)，生成周期-相位-幅值的三維圖譜。圖1為局放信號(hào)的PRPS圖，x軸表示相位，y軸表示周期，z軸表示放電幅值。

圖1 局放信號(hào)的PRPS（實(shí)驗(yàn)數(shù)據(jù)）

帶有相位信息分辨的局部放電（Phase Resolved Partial Discharge，PRPD）是把具有相位信息的PRPS按照相位維度進(jìn)行統(tǒng)計(jì)，最終只有放電幅值和在對(duì)應(yīng)相位下的累計(jì)放電次數(shù)是二維平面圖。圖2為局放信號(hào)的PRPD圖，相位是橫坐標(biāo)，放電幅值是縱坐標(biāo)。點(diǎn)的顏色越深，表示在當(dāng)前幅值和當(dāng)前相位下放電次數(shù)越多。

圖2 局放信號(hào)的PRPD（實(shí)驗(yàn)數(shù)據(jù)）

4.2 模型訓(xùn)練

對(duì)已采集的不同類(lèi)型的局放樣本數(shù)據(jù)選取一小部分進(jìn)行類(lèi)別標(biāo)注，然后利用標(biāo)簽傳播算法對(duì)其余的無(wú)標(biāo)簽數(shù)據(jù)集進(jìn)行標(biāo)注，最后將前后兩部分?jǐn)?shù)據(jù)進(jìn)行融合構(gòu)成總的樣本集。對(duì)所有的樣本集繪制PRPS圖譜，生成對(duì)應(yīng)的數(shù)據(jù)集。一般將數(shù)據(jù)集分為訓(xùn)練集、驗(yàn)證集以及測(cè)試集3類(lèi)。

利用Inception V3網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和迭代優(yōu)化。相比于Inception V1和Inception V2，Inception V3網(wǎng)絡(luò)模型的特點(diǎn)主要體現(xiàn)如下。第一，沿用Inception V2的結(jié)構(gòu)，使用2個(gè)3×3的卷積層代替1個(gè)5×5的卷積層，減少參數(shù)數(shù)量的同時(shí)，不會(huì)導(dǎo)致圖像特征的缺失，如圖3所示。第二，應(yīng)用池化和卷積并行的結(jié)構(gòu)來(lái)減少計(jì)算復(fù)雜度[7]。第三，將空間卷積分解為不對(duì)稱(chēng)卷積，卷積的非對(duì)稱(chēng)分解可以將3×3卷積分解為1×3和3×1卷積。在輸入輸出filter數(shù)目一定的時(shí)候，卷積的非對(duì)稱(chēng)分解可以減少33%的計(jì)算量。然而，如果將3×3卷積分解為2個(gè)2×2卷積，只能減少11%的計(jì)算量。第四，用1×n和n×1卷積的串聯(lián)來(lái)代替n×n卷積，計(jì)算量可以降低為1/n，如圖4所示。采用深度學(xué)習(xí)的方法對(duì)局放樣本進(jìn)行分類(lèi)，絕緣內(nèi)部空穴或沿面放電分類(lèi)準(zhǔn)確率可達(dá)81%，懸浮電極放電可達(dá)85%，電暈放電可達(dá)82%，自由金屬微粒可達(dá)81%，整體均在80%以上。

圖3 2個(gè)3×3替換1個(gè)5×5卷積示意圖

圖4 1×n及n×1替換n×n卷積示意圖（Inception V3）

5 結(jié) 論

本文提出了一種局部放電缺陷識(shí)別方法，在絕緣筒試驗(yàn)變壓器裝置上安裝UHF和HF傳感器采集不同類(lèi)型的局部放電信號(hào)。試驗(yàn)裝置可以模擬尖端、氣隙、懸浮及顆粒等4種放電類(lèi)型，每類(lèi)放電現(xiàn)象先標(biāo)注部分小樣本數(shù)據(jù)，再利用標(biāo)簽傳播算法對(duì)后續(xù)大量無(wú)標(biāo)簽的樣本數(shù)據(jù)進(jìn)行標(biāo)記，生成數(shù)據(jù)樣本。根據(jù)采集的原始信號(hào)數(shù)據(jù)繪制PRPS圖譜，構(gòu)成待訓(xùn)練和測(cè)試的圖像數(shù)據(jù)集，然后結(jié)合深度神經(jīng)網(wǎng)絡(luò)的算法思想，采用Inception V3網(wǎng)絡(luò)模型，對(duì)數(shù)據(jù)樣本進(jìn)行訓(xùn)練和迭代優(yōu)化，最終完成局部放電缺陷的識(shí)別，旨在提供一種局放標(biāo)簽數(shù)據(jù)樣本擴(kuò)充和局放缺陷識(shí)別的方法。