图1 导光柱光信号传感原理
Fig.1 Sensing principle of optical signals in light guide rod
摘要 光测法是一种有效的局部放电检测技术。为研究典型局部放电的光学特征和光学图像诊断方法，首先搭建气体绝缘局部放电光电联合检测实验平台，实现光信号和电信号的同步采集；然后分别采用导光柱法和荧光光纤法对SF6气体中典型放电光信号进行实验测量和统计分析，对比研究两种光学检测方法的放电特征参数，包括起始放电电压、相位分布、脉冲幅值和数量等；最后，利用导光柱采集的典型局部放电信号，提出一种基于金字塔梯度直方图（PHOG）特征的局部放电光学图像故障诊断方法。结果显示该模型诊断准确率达90.4%，验证了基于导光柱的局部放电光学检测与诊断的可靠性。
关键词：光学局部放电 导光柱 金字塔梯度直方图 天牛须搜索算法 支持向量机
气体绝缘开关设备（Gas Insulated Switchgear, GIS）具有维护成本低、体积小等优点，被广泛应用于高压输电领域。然而在GIS制造、运输、装配的过程中可能会产生内部绝缘缺陷，造成设备故障[1-2]。局部放电是设备状态评估和故障预警的重要依据。因此，对GIS进行局部放电的检测与识别能及时发现其内部绝缘缺陷，保证设备安全运行[3-4]。
当设备内部发生局部放电时，会向外辐射出电、磁、声、光等信号。基于放电引起的电磁波和声波振动，研究人员提出了特高频（Ultra-High Frequency, UHF）和声发射在线检测方法[5-6]。然而现场中存在复杂而不确定的噪声，这两种检测方法对局部放电信号的采集均具有一定局限性[7]。光测法是测量和分析放电信号的新型检测方法，其抗干扰性强且检测置信度高，具有广泛的发展前景和应用价值[3]。
随着光纤和光电转换技术的发展，出现了荧光光纤传感器、光纤超声波传感器等新型传感装置，光学检测方法的灵敏度得到进一步提高。文献[8]提出了一种干涉型局部放电光纤超声传感器，与压电陶瓷传感器相比，提高了GIS局部放电检测灵敏度和最大响应幅值。然而该文是基于声发射的光纤检测方法，本质不是测量局部放电光信号。文献[9]对三种荧光光纤传感器特性进行了试验研究比较，提高了电机定子绝缘状态监测的可靠性。文献[10]采用荧光光纤获取GIS中的局部放电光信息，并提出了一种计算光信号灰度图像的多重分形谱概率算法。文献[11]以空气中的电晕放电为实验对象研究了荧光光纤光谱匹配、耦合长度和相对位置。文献[12]研究了荧光光纤在GIS和变压器局部放电检测中的应用。然而荧光光纤的材质较软，对GIS的密封和安全运行存在威胁。导光柱是一种透光率高、硬度大、易于封装的光学传感探头，可用于GIS内部局部放电的检测。文献[13-14]采用导光柱法研究了变压器中沿面放电和悬浮放电的信号特性，然而该文研究的是油纸绝缘系统中的局部放电，且缺陷类型较少。当前尚缺乏利用导光柱法检测GIS内部局部放电光信号的研究。
在局部放电故障诊断方面，学者们进行了大量研究并取得了显著成果。文献[15]根据Dempster-Shafer证据理论，融合局部放电频谱特征和统计特征参数，实现了GIS绝缘缺陷的判别。文献[16]利用小波变换获取UHF局部放电信号的能量时频分布图，并运用差分盒计数法提取分形维数，最后输入支持向量机（Support Vector Machine, SVM）中进行分类。文献[17]提取放电信号的上升时间、下降时间、最大上升陡度等波形参量，通过聚类方法实现了混合缺陷的分离。当前对于局部放电模式识别的研究大多基于UHF信号，且主要是对原始的结构化数据进行特征提取。然而，在实际工程应用中，局部放电数据通常以图片等非结构化数据形式存储，因此存在大量的脉冲序列分布（Phase Resolved Pulse Sequence, PRPS）图像[7]。若能直接对该图谱图像进行识别，将简化识别过程，提升数据利用率并提高识别效率。研究表明，基于图像的局部放电故障诊断具有良好的效果。但是，目前尚缺乏对于局部放电光学图像的模式识别研究。
针对上述问题，本文采用导光柱对GIS局部放电开展光学检测和识别研究。首先，搭建GIS局部放电光电联合检测试验平台，利用导光柱法测量SF6中的典型放电；然后，采用荧光光纤法进行对比，分析并列举局部放电光信号在正负半周期的相位、振幅和数量特征；最后，提出一种基于金字塔梯度直方图（Pyramid Histogram of Oriented Gradients, PHOG）和优化SVM的局部放电模式识别方法，实现局部放电光学图像的故障诊断。
导光柱内部光信号传输是由于全反射现象的存在。导光柱光信号传感原理如图1所示。图中，n1为导光柱材料的折射率，导光柱放置在折射率为n0的SF6气体中，θi为光线由气体入射至导光柱的入射角，θt为折射角。
图1 导光柱光信号传感原理
Fig.1 Sensing principle of optical signals in light guide rod
假设一束光线由光密介质（n1）入射到光疏介质（n0），入射角为
，则光线将向远离法线的方向弯曲，发生折射。折射角为90°时对应的入射角
称为临界角。根据斯涅尔定律可得
（1）
根据折射定律，当＞时，界面上所有的光都将反射回光密介质，这种现象称为全反射现象。
由于导光柱是圆柱形对称结构，光线经过不断重复的全反射过程在介质中向前传播。若导光柱的直径为D，长度为L，则光通过导光柱所走过的路程l由斯涅尔定律可表示为
（2）
反射次数R表示为
（3）
导光柱光学检测系统如图2所示。基于导光柱的局部放电检测系统主要包括导光柱、石英光纤、光电转换单元、信号处理及采样单元。
图2 导光柱光学检测系统
Fig.2 Optical detection system of light guide rod
本文采用的导光柱材质为聚甲基丙烯酸甲酯（Polymethyl Methacrylate, PMMA），透光率为93%，表面硬度高。导光柱前置微结构为凹锥，利于光信号的汇聚。导光柱直径为8 mm、长为74 mm，前端面与GIS壳体内表面平齐，在不影响GIS运行的同时保证了检测灵敏度。导光柱的响应波长范围为230～700 nm，涵盖了局部放电光信号的可见光、紫外光、红外光范围。
GIS局部放电光电联合检测试验平台由四部分组成：①高压源；②GIS模拟试验腔体；③局部放电检测装置；④典型缺陷模型。该检测平台示意图如图3a所示，局部放电缺陷模型如图3b所示。
图3 局部放电光电联合检测试验平台
Fig.3 Test platform for optical-electrical detection of partial discharge
GIS模拟罐体内部高度为310 mm、直径为 180 mm、壁厚为10 mm，轴向内导体半径为25 mm。腔体外壳材质为铝，内部填充纯度为99.99%的SF6气体。罐体内部可预置人工绝缘缺陷。罐体侧面开有手孔侧窗，可供局部放电光学检测。放电缺陷模型包括针尖缺陷、沿面缺陷、悬浮缺陷和微粒缺陷。针尖缺陷中针尖长度为25 mm，针尖与电极板的距离为6 mm；悬浮缺陷中绝缘介质是厚度为15 mm、直径为34 mm的环氧树脂块，高压电极与直径为 8 mm的铜柱相连，与环氧树脂块相连的铜柱长为 8 mm，悬浮间距为1 mm；微粒缺陷由半径为1 mm的锡箔球模拟，有机玻璃圆筒用于限制自由微粒在一定范围内运动，两板间距为8 mm；沿面放电绝缘介质是厚度为13 mm、直径为34 mm的环氧树脂块。
局部放电光电联合检测系统包括脉冲电流检测系统和光学检测系统。脉冲电流检测系统包含Haefely DDX 9121b型局部放电测试仪，检测灵敏度可达0.1 pC，搭配的耦合电容和测量阻抗均符合IEC 60270等国际标准和仪器规范。局部放电检测仪与计算机连接，使用配套软件进行控制和数据采集。试验中局部放电信号的检测方法是依据IEC 60270标准实施的脉冲电流法。局部放电检测仪用于验证导光柱光学检测系统的有效性。光学传感探头包括导光柱和荧光光纤。荧光光纤检测系统由前端的荧光光纤、传输光纤、光电转换器及信号处理单元构成。荧光光纤的工作原理是利用光纤表面接收入射光信号，并通过纤芯内掺杂的荧光物质产生激发光谱，实现蓝光向荧光范围的频移，随后荧光激发光传输至光电转换器中进行检测。本文使用的荧光光纤直径为1.5 mm,材料为PMMA，荧光光纤长度与导光柱长度一致。荧光光纤的激发光谱与SF6中局部放电的光谱相匹配。光电转换器是Hamamatsu公司生产的H10722系列光电倍增管（Photomultiplier Tube, PMT）。传输光纤为直通型的石英光纤，型号为1000UM SMA-FC，波段覆盖范围为190～1 100 nm。采用Lecory高速示波器进行信号采样，模拟带宽为2 GHz，单通道最大采样率为10 GS/s。试验采用Tektronix-P6015A型高压探头采集50 Hz的电源信号，用于分析放电信号的相位分布。
为了研究不同检测方法对典型局部放电的测量效果，试验中分别选取导光柱检测法、荧光光纤检测法和脉冲电流法测量局部放电时域脉冲序列。荧光光纤采用直线型布置方式。参考文献[18-19]，将缺陷放置在罐体正中心，垂直于罐体轴线。荧光光纤和导光柱传感探头分别安装在罐体中间的手孔侧窗位置，两个传感探头与放电源的相对距离相等。图4展示了四种典型局部放电的单周期光信号和脉冲电流信号。
由图4可知，导光柱检测法采集的光脉冲与脉冲电流法测得的信号相位基本一致。随着外施电压的升高，放电脉冲幅值增加。
对于针尖放电，当电压升高至5.62 kV时，试验罐体内部发生微弱的局部放电。放电主要集中在负半轴的负电压峰值附近，此时导光柱检测法能够检测到放电信号。当电压升高至8.64 kV时，放电现象趋于明显。放电在正、负半周均有出现，相位主要分布在正、负电压峰值附近，正半轴放电幅值相对较高。此时，荧光光纤法和导光柱法均能检测到正、负半周的放电信号，导光柱法测得的信号幅值明显较大。
图4 局部放电单周期时域信号
Fig.4 Single-cycle time-domain signals of partial discharges
对于悬浮放电，放电信号主要出现在电压过零点附近。当电压达到2.59 kV时，导光柱法和荧光光纤法都可以检测到放电信号，与脉冲电流法测得的信号对应良好且幅值较大。随着电压的升高，放电脉冲数增多，放电相位分布区域扩大。由于发生悬浮放电时的放电量较大，两种光学检测方法对悬浮放电的起始放电检测灵敏度基本一致。
对于微粒放电，当电压升高至8.6 kV时，导光柱法和荧光光纤法都可以检测到放电信号，与脉冲电流法测得的信号对应良好，放电发生在电压峰值处。根据文献[20]可知，空间中自由运动的微粒放电是由微粒碰撞放电和再充电产生，在外施电压峰值处可能出现的电荷交换量最大，进而导致放电脉冲幅值较大。随着电压升高，放电幅值增加。由PRPS谱图（将在后文2.3节详细分析）可以看出，微粒放电可能出现在任意相位，在电压峰值处可能出现最大值。
对于沿面放电，当电压升高至5.2 kV时，导光柱法开始检测到放电信号。在起始放电阶段，放电相位主要分布在30°～90°和200°～270°区间，放电初期呈现断续式放电，正负半周放电不对称。随着电压的增大，放电量增加，放电相位范围扩大，主要分布在0°～90°和180°～300°区间。与导光柱法相比，荧光光纤法检测的放电信号幅值和相位分布范围相对较小。
2.2.1 局部放电起始电压（PDIV）
不同局部放电检测方法对局部放电的响应水平各异。不同方法对局部放电起始电压（Partial Discharge Inception Voltage, PDIV）的判断结果直接影响后续缺陷类型或绝缘状态的判断。本文采用逐级升压法，以针尖、悬浮、沿面和微粒放电为试验对象，采用光学检测方法确定其PDIV。不同检测方法针对不同缺陷的起始放电电压见表1；不同缺陷类型的视在放电量见表2。
表1 起始放电电压
Tab.1 Partial discharge inception voltages
缺陷类型PDIV/kV 导光柱荧光光纤 针尖5.628.64 悬浮2.592.59 沿面5.206.89 微粒8.608.60
表2 视在放电量
Tab.2 The magnitudes of apparent discharge
缺陷类型视在放电量/pC 针尖5～8 悬浮700～800 沿面5～20 微粒10～25
两种光学探测法测得的悬浮放电和微粒放电的PDIV基本一致。分析原因可知，一旦产生悬浮放电和微粒放电，其放电量较大，因此两种检测方法均能检测到放电信号，但检测到的信号幅值存在差异。而对于针尖放电和沿面放电，荧光光纤检测的PDIV明显较大，即荧光光纤对局部放电的响应较为迟钝；而导光柱检测法相比荧光光纤检测法具有更好的起始电压检测灵敏度。
2.2.2 最大光脉冲幅值
最大光脉冲幅值Imax是指在M个采样周期内，光测法采集的光脉冲的最大值，计算式为
（4）
式中，Im为第m个周期的脉冲最大幅值，m=1, 2,…, M。不同放电类型的最大光脉冲幅值随电压的变化见表3。
由表3可知，随着外施电压的升高，最大光脉冲幅值呈上升趋势。在针尖、悬浮和微粒放电中，相同电压情况下，导光柱法获得的最大光脉冲幅值约为荧光光纤检测的1.3～2.3倍。两种方法对于沿面放电的最大光脉冲幅值检测差距较大，荧光光纤采集的最大光脉冲幅值约为导光柱检测幅值的1/10。
表3 最大光脉冲幅值
Tab.3 Maximum amplitudes of optical pulse
缺陷类型电压/kVImax/mV 导光柱荧光光纤 针尖5.62117.1— 8.64230.198.6 沿面5.20458.0— 6.891 240.5110.4 悬浮2.592 280.61 747.5 3.462 423.21 840.8 微粒8.6040.931.4 9.3979.135.4
注：“—”表示未测到放电信号。
2.2.3 平均光脉冲数
平均光脉冲数N表征M个采样周期内的平均放电脉冲个数，计算式为
（5）
式中，Nm为第m个采样周期内的脉冲个数。两种光学检测方法测得的不同放电类型的平均光脉冲数见表4。
表4 平均光脉冲数
Tab.4 Average numbers of optical pulse
缺陷类型电压/kV平均光脉冲数 导光柱荧光光纤 针尖5.627.450— 8.64168.7009.200 沿面5.204.700— 6.8910.3002.950 悬浮2.592.0001.950 3.462.0002.000 微粒8.600.8750.900 9.390.6000.350
对于悬浮放电和微粒放电，由于放电脉冲数量少且幅值大，两种检测方法测得的平均光脉冲数基本一致。对于针尖放电，当电压达到8.64 kV时，导光柱法获得的平均光脉冲数约为荧光光纤法的18倍。对于沿面放电，当电压达到6.89 kV时，导光柱法测得的平均光脉冲数约为荧光光纤法的3.5倍。
2.2.4 平均光脉冲幅值
平均光脉冲幅值Iave是指M个采样周期内，光测法采集的光脉冲幅值的平均值，用以消除放电过程中存在的随机性，其计算式为
（6）
式中，Yi为第i个脉冲的幅值；A为M个采样周期内的放电脉冲总数。两种光学检测方法测得的不同放电类型的平均光脉冲幅值见表5。
表5 平均光脉冲幅值
Tab.5 Average amplitudes of optical pulse
缺陷类型电压/kVIave/mV 导光柱荧光光纤 针尖5.6261.000— 8.6459.40043.100 沿面5.20114.950— 6.89198.67055.850 悬浮2.591 894.6501 286.300 3.461 902.6001 352.550 微粒8.6023.47519.000 9.3938.25020.250
由表5可知，随着外施电压的升高，平均光脉冲幅值呈上升趋势。相比于最大光脉冲幅值，平均光脉冲幅值的增长趋势更加平滑，能消除放电随机性带来的数据波动。两种检测方法的平均光脉冲幅值的对比结果与最大光脉冲幅值有相似之处。针对针尖、悬浮和微粒放电，导光柱测得的平均光脉冲幅值约为荧光光纤的1.2～1.9倍；对于沿面放电，导光柱测得的平均光脉冲幅值约为荧光光纤的3.56倍。
综合来看，导光柱检测法的起始放电检测灵敏度较高，采集的放电脉冲幅值和数量较好，有利于GIS局部放电光学检测和故障诊断。
利用1.2节的局部放电光电联合检测试验平台，采集不同缺陷的局部放电光学脉冲序列，并获得对应的PRPS谱图。利用导光柱检测法获得的SF6中针尖放电、微粒放电、悬浮放电、沿面放电的PRPS谱图如图5所示。
由图5可知，不同缺陷类型的相位分布和PRPS图谱轮廓存在明显差异。在不同缺陷和不同电压下采集到的光脉冲序列具有周期性和重复性，是局部放电模式识别的基础。因此，基于导光柱法采集的数据进行局部放电故障诊断和模式识别具有可行性。
图5 局部放电PRPS谱图
Fig.5 PRPS patterns of partial discharges
由第2节的分析可知，导光柱法用于检测SF6设备中的局部放电是有效的，其起始放电检测灵敏度、采集的放电脉冲幅值及数量均较好，相位图谱具有明显的周期性和重复性。因此，本节将基于导光柱获得的局部放电光学PRPS谱图进行局部放电模式识别研究。
PHOG是一种能够同时描述图像局部形状和形状空间分布的特征描述符。该特征采用空间四叉树分解方法，逐级分割目标图像，实现图像的层次化表征[21]。PHOG特征提取方法如下[22]：
1）统计图像的边缘信息。利用Canny边缘检测算法提取局部放电光学图像的边缘轮廓信息。
2）构建空间金字塔。对图像进行多个层级的金字塔分割，根据四叉树结构对图像进行多层分割。在四叉树中，每一层在上一层分割得到的单元的基础上，再次分割出4个大小相同的子单元。设图像被分割成Q个层级，第q层级中的每个轴被平均分成2q段，从而得到了4q个图像子区域。
3）在每个层级上提取子区域的梯度直方图特征，并级联得到每层的特征量Fq。对于空间金字塔特征的第一层，选取直方图的h个通道来描述，即构成一个h维特征量；第二层构成4×h维特征量；第三层构成16×h维特征量；以此类推，第q层构成一个22(q-1)×h维特征量。随后串联所有尺度图的特征，得到整个图像空间尺度金字塔的PHOG特征PQ为
（7）
图6展示了基于PHOG的局部放电图像特征提取实例。其中第一行是PRPS图像轮廓的逐级划分，第二行是每一级分割图像对应的直方图。
图6 PHOG特征描述
Fig.6 PHOG feature description
天牛须搜索（Beetle Antennae Search, BAS）算法是模拟天牛觅食行为的一种仿生智能优化算法[23]。其生物学原理如下：天牛通过左右触须感知食物的具体位置，当左触须感受到更强烈的气味时，天牛向左飞行；否则，向右飞行。该优化方法具有运算量小、速度快、精度高的优点。天牛须算法流程如下：
1）定义天牛在U维空间中的位置坐标W为
（8）
2）计算天牛左右触须的位置坐标，分别表示为
（9）
式中，
和
分别为天牛左触须和右触须的空间坐标；s为天牛质心到触须的距离；d为单位向量，表示为
（10）
式中，rand(a, b)为随机矩阵生成函数，随机生成一个a×b维的矩阵。
3）根据天牛左右触须感知到的浓度差，确定天牛下一步的位置
为
（11）
（12）
式中，t为当前迭代次数；f(·)为适应度函数；sign(·)为符号函数；δt为第t次迭代的搜索步长，每次迭代后搜索步长都将缩小；η为搜索步长的衰退系数。
为了提高局部放电故障诊断能力，建立BAS-SVM模型。SVM的惩罚因子C和核函数参数γ是影响其分类性能的主要因素。其中惩罚因子C影响SVM对样本学习的准确性，参数γ影响样本的空间投射。通过BAS算法优化SVM参数，寻找最佳的C和γ[24-25]。优化流程如下：
1）根据3.1节的方法，提取局部放电光学PRPS图像的PHOG特征。
2）初始化BAS和SVM参数，包括天牛触须的随机向量、天牛质心与触须的初始距离、步长因子参数、迭代次数、SVM的惩罚因子和核函数参数的范围。
3）计算天牛左右触须坐标，将测试数据的识别错误率作为适应度评价函数。
4）选取适应度值最小的坐标，并更新天牛的位置。
5）迭代结束，生成SVM最优惩罚因子C和核函数参数γ。
为了丰富模式识别数据库，本文设计了不同的针尖曲率半径并改变了针尖缺陷的针板距离（6、8 mm）、悬浮缺陷的间隙距离（1、2 mm）以及微粒缺陷的板间距离（8、10 mm），采集了多种缺陷尺寸的放电数据。不同尺寸的放电缺陷如图7所示。
图7 不同尺寸的放电缺陷
Fig.7 Partial discharge defects of different sizes
共采集600个样本，每种缺陷150个。将数据以4:3:3的比例划分为训练集、验证集、测试集，训练图像和测试图像不相交，验证集用于优化所有参数。最终性能计算为每个类别的平均识别率。分类过程重复3次。试验流程如图8所示。
为了验证本文算法在局部放电模式识别中的效果，基于相同的试验数据，采用多种特征提取方法和SVM优化算法进行对比实验。
1）特征提取方法分别为Hu矩特征、灰度梯度共生矩阵（Gray Level Cooccurrence Matrix, GLCM）、灰度差分统计（Gray Level Difference Statistics, GLDS）、PHOG特征。表6给出了基于不同特征提取方法的局部放电识别准确率。
图8 局部放电光学图像故障诊断流程
Fig.8 Flow chart for fault diagnosis of optical PD image
表6 不同特征提取下的识别准确率
Tab.6 Recognition accuracy under different feature extractions
分类方法识别准确率(%) 特征提取方法分类器 Hu矩BAS-SVM78.5 GLCMBAS-SVM77.4 GLDSBAS-SVM76.3 PHOGBAS-SVM90.4
表6中，PHOG算法的整体识别率为90.4%，与其他图像全局或纹理特征提取方法相比，预测准确率高出12～14个百分点。主要原因在于PHOG特征融合了图像的局部和全局特征，可以描述图像细节且特征之间具有相关性，最大程度地提取放电图像的信息，具有更好的识别效果。
2）SVM优化算法包括网格搜索（Grid Search, GS）算法、粒子群优化（Particle Swarm Optimization, PSO）算法和BAS算法。
设置SVM参数寻优区间为0.01＜C, γ＜100。天牛须搜索算法的参数设置为：迭代次数200，天牛左右触须距离s=2，衰退系数η=0.95。PSO算法粒子数为20，权重因子z1、z2分别为1.5和1.7，弹性系数为1，并迭代200次。基于PHOG特征，比较了BAS-SVM、PSO-SVM、GS-SVM的识别准确率，结果见表7。
表7 SVM分类器性能比较
Tab.7 Performance comparison of SVM classifiers
分类方法识别准确率(%)时间/s 特征提取方法分类器 PHOGGS-SVM83.462.0 PHOGPSO-SVM88.5382.7 PHOGBAS-SVM90.496.6
表7中，GS-SVM算法的总体识别准确率最低，为83.4%；PSO-SVM与BAS-SVM的分类准确率分别为88.5%和90.4%。在计算时间方面，GS-SVM的运行时间最短，PSO-SVM的计算时间最长。GS是固定步长的网格搜索法，计算过程简单，但识别率相对较低；PSO-SVM是一种群智能优化算法，种群数多，利于寻优，但也易陷入局部最优解，计算时间较长。与其他SVM优化算法相比，BAS-SVM对局部放电故障识别的准确率高出2～7百分点，同时，其计算效率较高，时间约为PSO-SVM的1/4。综合识别准确率和运行速度来看，BAS-SVM的识别效果最好。
本文研究了基于导光柱的局部放电检测及诊断方法，介绍了导光柱光学传感系统的检测原理，利用导光柱传感器对GIS中典型局部放电进行了测量并分析了光脉冲特征，提出了一种基于PHOG-BAS-SVM的局部放电光学图像诊断方法。具体结论如下：
1）导光柱法能够检测GIS中的局部放电并反映典型缺陷的信号特征。光信号的放电相位与脉冲电流法采集的放电相位分布相似，且放电脉冲幅值随外施电压的升高而增大，验证了导光柱法在GIS局部放电检测中的有效性。
2）本文分别采用导光柱法和荧光光纤法对典型缺陷进行了检测。试验结果表明，导光柱的起始放电检测灵敏度较高。对于悬浮放电和微粒放电，由于放电量大且放电脉冲数量少，两种检测方法获取的光信号在相位、幅值和数量上基本一致。针对沿面放电和针尖放电，导光柱的检测效果更好。
3）本文提出的方法实现了局部放电光学PRPS图像的故障辨识，简化了模式识别中的特征提取过程，降低了实验复杂度。PHOG特征提取算法能够较好地获取图像中局部和整体的特征信息。基于PHOG-BAS-SVM的局部放电故障诊断准确率可达90.4%。
参考文献
[1] 王艳新, 闫静, 王建华, 等. 基于多级二阶注意力孪生网络的小样本GIS局部放电诊断方法[J]. 电工技术学报, 2023, 38(8): 2255-2264.
Wang Yanxin, Yan Jing, Wang Jianhua, et al. Few-shot partial discharge diagnosis for gas-insulated switchgear using a novel multi-level second-order attention siamese network[J]. Transactions of China Electrotechnical Society, 2023, 38(8): 2255-2264.
[2] 胡智莹, 耿秋钰, 魏来, 等. 直流GIS/GIL中驱赶电极与微粒陷阱的协同抑制作用及优化设计方法[J]. 电工技术学报, 2023, 38(12): 3338-3349.
Hu Zhiying, Geng Qiuyu, Wei Lai, et al. Synergistic inhibitory effect and optimal design method of driving electrode and particle trap in DC GIS/GIL[J]. Transactions of China Electrotechnical Society, 2023, 38(12): 3338-3349.
[3] 臧奕茗, 王辉, 钱勇, 等. 基于三维光学指纹和NPSO-KELM的GIL局部放电定位方法[J]. 中国电机工程学报, 2020, 40(20): 6754-6764.
Zang Yiming, Wang Hui, Qian Yong, et al. GIL partial discharge localization method based on 3D optical fingerprint and NPSO-KELM[J]. Proceedings of the CSEE, 2020, 40(20): 6754-6764.
[4] Zang Yiming, Qian Yong, Wang Hui, et al. A novel optical localization method for partial discharge source using ANFIS virtual sensors and simulation fingerprint in GIL[J]. IEEE Transactions on Instrumentation and Measurement, 2021, 70: 1-11.
[5] 张国治, 韩景琦, 刘健犇, 等. GIS局部放电检测天线本体和巴伦共面柔性小型化特高频天线传感器研究[J]. 电工技术学报, 2023, 38(4): 1064-1075.
Zhang Guozhi, Han Jingqi, Liu Jianben, et al. Research on gas insulated switchgear PD detection antenna body and Balun coplanar flexible miniaturizedultra-high frequency antenna sensor[J]. Transactions ofChina Electrotechnical Society, 2023, 38(4): 1064-1075.
[6] 杜志叶, 郝兆扬, 赵鹏飞, 等. 适用于声源定位的气体绝缘输电线路超声导波传播特性研究[J]. 电工技术学报, 2024, 39(3): 852-862.
Du Zhiye, Hao Zhaoyang, Zhao Pengfei, et al. Research on propagation characteristics of gas-insulated transmission line ultrasonic guided wave for sound source localization[J]. Transactions of China Electrotechnical Society, 2024, 39(3): 852-862.
[7] 李泽, 王辉, 钱勇, 等. 基于加速鲁棒特征的含噪局部放电模式识别[J]. 电工技术学报, 2022, 37(3): 775-785.
Li Ze, Wang Hui, Qian Yong, et al. Pattern recognition of partial discharge in the presence of noise based on speeded up robust features[J]. Transactions of China Electrotechnical Society, 2022, 37(3): 775-785.
[8] 周宏扬, 马国明, 张猛, 等. 基于Michelson光纤干涉的GIS局部放电超声信号检测技术[J]. 中国电机工程学报, 2019, 39(21): 6452-6460.
Zhou Hongyang, Ma Guoming, Zhang Meng, et al. Partial discharge ultrasonic signal detection technology in GIS based on the Michelson fiber optic interferometer[J]. Proceedings of the CSEE, 2019, 39(21): 6452-6460.
[9] 缪金, 陈平, 顾寅, 等. 荧光光纤局部放电检测的优化匹配方法研究[J]. 电工电能新技术, 2021, 40(7): 62-69.
Miao Jin, Chen Ping, Gu Yin, et al. Influence factors and optimization of partial discharge detection based onplastic fluorescent bare fiber[J]. Advanced Technologyof Electrical Engineering and Energy, 2021, 40(7): 62-69.
[10] 唐炬, 曾福平, 范庆涛, 等. 基于荧光光纤检测GIS局部放电的多重分形谱识别[J]. 高电压技术, 2014, 40(2): 465-473.
Tang Ju, Zeng Fuping, Fan Qingtao, et al. Multifractal spectrum identification of partial discharge in GIS based on fluorescence optical fiber detection[J]. High Voltage Engineering, 2014, 40(2): 465-473.
[11] 魏念荣, 张旭东, 曹海翔, 等. 用荧光光纤技术检测局部放电信号传感器的研究[J]. 清华大学学报(自然科学版), 2002, 42(3): 329-332.
Wei Nianrong, Zhang Xudong, Cao Haixiang, et al. Study of fluorescent fiber sensors for partial discharge detection[J]. Journal of Tsinghua University (Science and Technology), 2002, 42(3): 329-332.
[12] Wu Shiyou, Zheng Shusheng. Detection of partial discharge in GIS and transformer under impulse voltage by fluorescent optical fiber sensor[J]. IEEE Sensors Journal, 2021, 21(9): 10675-10684.
[13] 金天一, 魏本刚, 任晓明. 基于混合放电模型的变压器内部放电联合检测方法研究[J]. 电测与仪表, 2018, 55(18): 102-108.
Jin Tianyi, Wei Bengang, Ren Xiaoming. Study on joint detection method of transformer internal discharge based on hybrid discharge model[J]. Electrical Measurement & Instrumentation, 2018, 55(18): 102-108.
[14] 黄超, 魏本刚, 任晓明, 等. 基于不同放电模型的变压器局部放电光学特性研究[J]. 电测与仪表, 2016, 53(20): 108-113.
Huang Chao, Wei Bengang, Ren Xiaoming, et al. Research on the optical properties of partial discharge in transformers based on different discharge models [J]. Electrical Measurement & Instrumentation, 2016, 53(20): 108-113.
[15] 唐炬, 卓然, 吴冕之, 等. 气体绝缘电器局部放电模式的多特征信息融合决策诊断[J]. 高电压技术, 2013, 39(11): 2581-2588.
Tang Ju, Zhuo Ran, Wu Mianzhi, et al. Multiple-characteristics information-fusion decision diagnosis of partial discharge pattern of gas insulated switchgear [J]. High Voltage Engineering, 2013, 39(11): 2581-2588.
[16] 陈继明, 许辰航, 李鹏, 等. 基于时频分析与分形理论的GIS局部放电模式识别特征提取方法[J]. 高电压技术, 2021, 47(1): 287-295.
Chen Jiming, Xu Chenhang, Li Peng, et al. Feature extraction method for partial discharge pattern in GIS based on time-frequency analysis and fractal theory [J]. High Voltage Engineering, 2021, 47(1): 287-295.
[17] 朱明晓, 薛建议, 邵先军, 等. GIS局部放电特高频信号波形分析与特征参量提取[J]. 高电压技术, 2017, 43(12): 4079-4087.
Zhu Mingxiao, Xue Jianyi, Shao Xianjun, et al. Waveform analysis and feature extraction of partial discharge UHF signals in gas insulated switchgear[J]. High Voltage Engineering, 2017, 43(12): 4079-4087.
[18] Ren Ming, Zhou Jierui, Yang Shujing, et al. Optical partial discharge diagnosis in SF6 gas-insulated system with SiPM-based sensor array[J]. IEEE Sensors Journal, 2018, 18(13): 5532-5540.
[19] Zang Yiming, Qian Yong, Zhou Xiaoli, et al. Optical characteristics and fault diagnosis of partial discharge in C4F7N/CO2 gas mixture and SF6 based on novel multispectral microarray detection[J]. IEEE Transactions on Dielectrics and Electrical Insulation, 2022, 29(3): 1079-1086.
[20] 吴治诚, 张乔根, 宋佳洁, 等. GIS内自由导电微粒缺陷的局部放电相位图谱[J]. 高电压技术, 2019, 45(6): 1995-2002.
Wu Zhicheng, Zhang Qiaogen, Song Jiajie, et al. Phase resolved partial discharge pattern of free conductive particle defects in GIS[J]. High Voltage Engineering, 2019, 45(6): 1995-2002.
[21] 张丽艳, 张伟, 龙美芳, 等. Hu和PHOG特征融合的路面标志识别方法[J]. 大连交通大学学报, 2020, 41(5): 117-120.
Zhang Liyan, Zhang Wei, Long Meifang, et al. Road sign recognition method based on Hu and PHOG feature fusion[J]. Journal of Dalian Jiaotong University, 2020, 41(5): 117-120.
[22] 马世伟, 刘丽娜, 傅琪, 等. 采用PHOG融合特征和多类别Adaboost分类器的行为识别[J]. 光学精密工程, 2018, 26(11): 2827-2837.
Ma Shiwei, Liu Lina, Fu Qi, et al. Using PHOG fusion features and multi-class Adaboost classifier for human behavior recognition[J]. Optics and Precision Engineering, 2018, 26(11): 2827-2837.
[23] 闫重熙, 陈皓. 基于改进天牛须搜索算法优化LSSVM短期电力负荷预测方法研究[J]. 电测与仪表, 2020, 57(6): 6-11, 18.
Yan Chongxi, Chen Hao. Research of LSSVM short-term load forecasting method based on the improved beetle antennae search algorithm[J]. Electrical Measurement & Instrumentation, 2020, 57(6): 6-11, 18.
[24] 方涛, 钱晔, 郭灿杰, 等. 基于天牛须搜索优化支持向量机的变压器故障诊断研究[J]. 电力系统保护与控制, 2020, 48(20): 90-96.
Fang Tao, Qian Ye, Guo Canjie, et al. Research on transformer fault diagnosis based on a beetle antennae search optimized support vector machine[J]. Power System Protection and Control, 2020, 48(20): 90-96.
[25] 顾仲翔, 马宏忠, 张勇, 等. 基于VMD与优化SVM的变压器绕组松动缺陷振动信号诊断方法[J]. 高压电器, 2023, 59(1): 117-125.
Gu Zhongxiang, Ma Hongzhong, Zhang Yong, et al. Vibration signal diagnosis method of transformer winding looseness defect based on VMD and optimized SVM[J]. High Voltage Apparatus, 2023, 59(1): 117-125.
Optical Signal Detection Technology and Optical Image Diagnostic Method of Partial Discharge in GIS
Abstract Partial discharge (PD) detection and fault diagnosis are of great significance to the stable operation of GIS. The optical detection method is a new method for measuring and analyzing PD signals, which has received wide attention due to its high detection confidence and strong anti-interference. The light guide rod is a kind of optical sensor with high transmittance, high hardness, and easy to seal, which can be used for PD detection in GIS. Currently, there is a lack of research on the characteristics of PD optical pulse in GIS using a light guide rod. In PD fault diagnosis, fewer studies based on optical data, especially optical images. Therefore, in this paper, optical detection and image diagnostic research of PD in GIS is carried out using the light guide rod.
Firstly, a test platform for electrical and optical detection of PD in GIS was built, achieving synchronous collection of optical and current signals. The typical PD defects were designed. Then, the PD optical signals were measured by the light guide rod and the fluorescent fiber. After that, the optical parameters of the two methods were compared and analyzed, including the PD inception voltage, the phase distribution, the maximum amplitude of the optical pulse, and the average amplitude and number of the optical pulse.
For optical image fault diagnosis, the PRPS patterns of optical PDs were constructed based on the data collected by the light guide rod. The pyramid histogram of oriented gradients (PHOG) features of the optical images were extracted and input into the classifier of the beetle antennae search (BAS) and support vector machine (SVM) for fault diagnosis. Finally, the method in this paper was compared with other image feature extractions and support vector machine optimization algorithms.
The conclusions are as follows: (1) The light guide rod can measure the PD in GIS and reflect the signal characteristics of typical PDs. The discharge phase distribution of the optical signals is similar to that of the discharge phase distribution collected by the pulse current method, and the discharge pulse amplitude increases with the increase of the applied voltage. (2) Typical PD signals were collected by the light guide rod and the fluorescent fiber, respectively. The defects were placed in the center of the tank, and the relative distance between the discharge source and the two sensors was kept the same. The results show that the starting detection sensitivity of the light guide rod was higher. For the floating discharge and particle discharge, the optical signals obtained by the two methods are basically the same in phase distribution, amplitude and number due to the large intensity and small number of discharge pulses. For the surface discharge and needle tip discharge, the detection effect of the light guide rod was better. (3) An optical image fault diagnosis method based on PHOG-BAS-SVM is proposed. The PHOG features can well obtain the local and overall feature information of images. The results show that the accuracy of fault diagnosis based on this model reaches 90.4%.
Keywords：Optical partial discharge, light guide rod, pyramid histogram of oriented gradients, beetle antennae search, support vector machine
中图分类号：TM85
DOI: 10.19595/j.cnki.1000-6753.tces.232016
国家自然科学基金资助项目（62075045）。
收稿日期 2023-12-04
改稿日期 2024-02-28
李 泽 女，1997年生，博士，研究方向为GIS局部放电光学检测与故障诊断。
E-mail：lize123@sjtu.edu.cn
钱 勇 男，1977年生，副教授，研究方向为电力设备绝缘状态诊断与在线监测技术。
E-mail：qian_yong@sjtu.edu.cn（通信作者）
（编辑 李 冰）