摘要：GIS設備對于電力系統的穩定性至關重要，介紹了GIS設備及局部放電的基本情況，對局部放電的產生機理及檢測方法進行介紹，并對目前局部放電監測存在的不足進行梳理，在此基礎上利用大數據模型分析對局部放電的變化趨勢和故障檢測進行介紹，通過介紹可以看出利用大數據模型分析可以滿足局部放電監測的需求。

　　關鍵詞：大數據;局部放電;在線監測

　　一、引言

　　局部放電主要發生在兩個電極之間，還未完全形成貫穿電流。根據GIS設備運行的相關經驗判斷，出現局部放電的原因關鍵是絕緣系統內部存在某種故障從而影響了設備的絕緣特性，導致性能減弱甚至直接消失，同時電極表面出現了凸起，接地不良的情況。另外，GIS設備內部放電的原因還有可能是由于制造和安裝設備時造成有金屬微粒殘留。短時間的局部放電一般不會對設備和系統運行帶來較大影響，但局部放電的長期存在會導致固體絕緣材料老化擊穿、SF6絕緣放電，嚴重時可能會發生電氣設備的爆炸，造成較為惡劣的電氣事故，通過大數據分析，可以較為準確地找到故障點，同時還能對系統的運行狀態進行預判，提前找到故障點，保證供電線路的可靠性。

　　二、局放機理

　　局部放電過程是一個相對復雜的物理過程，在此過程中還伴隨著電荷的轉移和電能的損耗，同時還伴隨著產生電磁輻射、光、熱等能量。在絕緣中如果存在氣泡，高頻電壓施加在絕緣體的兩端，如果作用在氣泡上的電壓低于其擊穿電壓，此時氣泡上的壓力隨著外加電壓的變化而變化，如果氣泡上的電壓高于擊穿電壓，氣泡則會發生放電，放電過程中使得中性氣體分子發生電離，產生大量的帶有相反電荷的氣體分子，并在外加電壓的作用下發生相對移動，遷移到氣泡壁上，形成與外加電場相反方向的內部電壓，此時的電壓則是內部電壓和外部施加電壓的疊加結果，當氣泡上的實際電壓低于其擊穿電壓時，此時放電暫停，氣泡上的電壓隨著外加電壓的升高而升高，直至增加至擊穿電壓時，此時則會發生第二次放電過程，周而復始，則會出現多次放電。當試品中的氣隙放電時，會產生失去電荷，導致端電壓下降，導致一個微伏級的脈沖電壓施加在千伏級別的外加電壓上，局部放電檢測設備主要是對此電壓脈沖進行檢測。

　　局部放電的機理可以等效為放電氣隙與非放電組合電容的回路，電極之間存在絕緣物，對其回路施加交流電壓時，會在電極之間出現局部的放電現象，主要可以看作為導體之間串聯兩個以上的電容器，如圖1所示。

　　圖1中Cg為存在放電氣隙的電容，Cb為回路中串聯的其他絕緣電容，Cm為電極其他電容。此時的Cg電容的兩端電壓可以表征為：

　　Vg高于擊穿電壓時，會出現局部放電的情況，Vg會降低至擊穿后的熄滅電壓時，如果外加的電壓Vt高于Vg時，會再次給Cg電容器進行充電，直至Vg再次高于擊穿電壓，進行放電。局部放電的進行伴隨著Vt的變化而持續進行。

　　三、局放監測方式

　　局部放電的監測方式主要可以分為以下幾種：電荷法、高頻法、聲測法、泄漏電流法等。

　　電荷法：主要在實驗室內使用，通過放電量的不斷變化監測試品的局部放電量，測試的精度較高，但容易受到背景噪音的影響，現場應用難度較高。

　　高頻法：在進行局部放電檢測過程中，會伴隨產生高頻電波現象。特高頻檢測技術就是通過檢測局部放電過程中產生的高頻電波信號，對設備內部的缺陷進行檢測。超聲波的測試聲波頻率處于300-3000MHz區間。利用特高頻檢測手段進行局部缺陷的定位檢測，近幾年應用比較廣泛，該方法的優點是敏感度高、對低頻電暈的干擾屏蔽效果好，能夠有效的識別缺陷的類型和位置，該技術在應用過程中容易受到環境中的相同頻率的電波影響。采用該方法進行缺陷檢測不能準確做到量化描述。

　　聲測法：在進行局部放電檢測過程中，會伴隨產生聲波發射現象。超聲波檢測技術就是通過檢測局部放電過程中產生的超聲波信號，對設備內部的缺陷進行檢測。超聲波的測試聲波頻率處于20-200KHz區間。利用超聲波檢測技術具有明顯的優勢，可以對電磁干擾造成的干擾進行屏蔽、具有定位準和操作簡便的特點。因為超聲波在設備的內部的產生和傳遞比較復雜，存在超聲波的反射和折射作用，會隨著折射和反射的進行，超聲波的能量會出現衰減，對測試結果造成影響。

　　四、基于數據分析的高壓電氣故障診斷

　　局部放電信號屬于高頻放電信號，目前現有的傳感器對信號進行采集后，通過區間放電統計方法計算一定的時間間隔內大于一定比例的局部信號值，因此最終得到的數據是一定時間間隔內的放電量，可用的信息相對較少，只能用于局部信息的判斷，很難滿足目前故障處理和分析的需求。基于此種情形，本文基于大數據分析，對局部放電量的變化趨勢進行數據分析，對其運行狀態進行監測，以提升故障預判和預處理的目的。

　　局部放電趨勢預測模型監測

　　本模型采取的間隔時間為1s，某秒內的局部放電量數值以此時間內采集到的左右數據均方根進行表示，通過對不同時間內的局部放電量進行分析，對變化趨勢進行監測。通過對某地區一35kv整流變壓器為例，進行局部放電量監測，由數據的趨勢圖可以看出，整體性的波動較小，為了實現更好的無人監護，本模型采取放電量高于2倍閾值時進行報警。

　　其中，Tp為放電量變化趨勢差量，p為閾值。當Tp高于閾值時進行預報警;若高于2倍閾值時進行報警。

　　局部放電故障診斷

　　局部放電的類型主要可以分為懸浮電位放電、高壓導桿尖刺放電、沿面放電及自由金屬顆粒放電。不同的故障類型產生的放電頻譜具有一定的特征性，對故障信號進行數據處理，采用人工智能算法 Xgboost 算法進行分類訓練，采用訓練后模型對現有局放數據進行監測，以診斷局放故障。此智能算法具有正則化、并行處理、高度靈活性、缺失值處理、剪枝、內置交叉驗證特點。采用 Xgboost 算法對數據進行模型訓練，訓練集與測試集比例為 8∶2。通過測試，模型的局放檢測對局放識別的準確率為 98.15%，能滿足實際應用。

　　五、結語

　　GIS 設備的局部放電檢測主要使用超聲波檢測技術和高頻檢測技術，對于設備局部放電監測只能對故障發生后的情況進行監測，不能對局部放電量的變化趨勢進行監測，因此本文在大數據模型基礎上，通過數學模型對局部放電量的趨勢變化和故障類型進行在線模型監測，可以更好地保證系統的穩定性，保證供電穩定性。

　　參考文獻：

　　[1]柳貢強， 徐超， 高穎. 基于低溫的GIS局部放電在線監測及故障診斷技術研究[J]. 全文版：工程技術， 2016， 000(006)：P.282-284.

　　[2]陳昆鵬. 基于超高頻的局部放電在線監測系統的研究與開發[D]. 蘭州理工大學， 2014.

　　[3]李子龍. 基于大數據的設備狀態在線監測與預警診斷系統研究[D].

　　推薦閱讀：大數據研究論文如何發表