西电开关研究者提出一种GIS局部放电模式识别算法与监测系统

摘要：西安西电开关电气有限公司的方舟、张伟、刘辉、黄钟、曹沛在2024年第10期《电气技术》上撰文，针对气体绝缘金属封闭开关设备（GIS）局部放电识别诊断中，传统方法受样本来源与现场工况制约，适应性差、准确率低的问题，设计一套基于图像形态学特征的特高频信号模式识别算

西安西电开关电气有限公司的方舟、张伟、刘辉、黄钟、曹沛在2024年第10期《电气技术》上撰文，针对气体绝缘金属封闭开关设备（GIS）局部放电识别诊断中，传统方法受样本来源与现场工况制约，适应性差、准确率低的问题，设计一套基于图像形态学特征的特高频信号模式识别算法及监测系统。

首先，根据脉冲序列与时域累加相位分布图谱的开闭运算变化率、不变矩、边缘角点等特征，构建粒子群神经网络；其次，基于实验室模型与真型试验平台预埋缺陷，采集不同类型局部放电与噪声信号，与第三方规格化图像资料共同构成样本集；最后，进行分类训练及同源、交叉、合并泛化。实验结果表明，图像形态学算法能够更好地兼容不同来源样本，不依赖相位同步信号，体现出更优的识别准确度与鲁棒性。

气体绝缘金属封闭开关设备（gas insulated switchgear, GIS）在制造、装配、运行等环节可能产生各类缺陷，进而引发局部放电。局部放电与绝缘劣化互为表征与诱因，若长期发展则有造成击穿与停电事故的风险。高质量的状态监测系统能够及时捕捉可疑信号并借助模式识别诊断算法做出准确预警，从而避免突发故障，保障GIS可靠运行。

特高频（ultra high frequency, UHF）法凭借良好的灵敏度、实时性与抗扰性，被广泛应用于各电压等级变电站的局部放电监测系统。随着人工智能的普及，小波变换、方向梯度、经验模态分解等信号处理方法得到了更充分的发掘与利用，诸如神经网络、支持向量机、聚类等算法已在识别分类环节展现出各自的优势。

然而，当前局部放电模式识别技术仍存在以下短板：①现有分类理论依据源自长期人工识读的经验提炼，难以转化为明确的公式或推导逻辑；②技术应用滞后，仍停留在对偏斜度、陡峭度等相位特征的数理统计，且严重依赖相位同步，在大量无法提供PT信号接入的变电站，真实识别率显著衰减；③实验室缺陷模型的信号形态与现场GIS存在一定差异，作为训练样本的代表性存疑；④不同来源的图谱格式互不兼容、利用率低，限制了典型数据集的规模与多样性。

受制于以上因素，搭载现有算法的系统软件在工程应用中时常出现误报、漏报等情况，变电站局部放电监测工作普遍限于人工诊断为主、机器识别为辅的半自动化模式。

本文以图像形态学作为构建特征向量的切入点，通过视觉技术模拟人工目测完成缺陷分类，并实现系统集成应用。图像识别不依赖同步信号相位校准、不限于原始波形数据，克服了样本获取途径的局限性，可显著提升神经网络训练规模与应用场景覆盖范围，具备良好的准确性与可移植性。

1 局部放电图谱与典型缺陷

1.1 脉冲序列相位分布与局部放电相位分布图谱

特高频信号原始波形数据量大，需要经过压缩与重构，形成易于识读、统计的图谱。其中，脉冲序列相位分布（phase resolved pulse sequence, PRPS）与局部放电相位分布（phase resolved partial dis- charge, PRPD）是应用较广泛的统计分析模式。

PRPS图谱对应s级时间尺度，能无损表征信号幅值随工频周期、相位的变化规律。该图的二维模式是三维脉冲柱向周期、相位平面投影得到的俯视图，规避了因远近、遮挡因素导致的特征损失、畸变，以像素颜色区分幅值，更适合机器识读。

PRPD图谱是向幅值、相位平面投影，用颜色表征打点频次，以牺牲时序维度为代价，换取自定义时间累加尺度，从而克服短时信号的偶然性。两种波形相互补充，具有较强的数据可辨识度。

1.2 典型缺陷下的局部放电

造成GIS局部放电的各类缺陷主要是悬浮电极、绝缘件缺陷、导体或壳体尖端、自由金属微粒。手机、荧光灯、雷达等外部源也会产生特高频信号，从而构成干扰。局部放电类型与故障风险程度密切相关，不同缺陷图谱呈现出的显著外观差异为模式识别提供了基础支撑。

2 图像形态学特征向量构建

2.1 形态学特征算子

经验丰富的现场工作人员凭借目测识读往往能达到高于机器的准确率，说明视觉图像特征有着常规数理统计无法替代的价值。以形态学特征替代传统相位分布，本质是将图谱视为“图片”而非“数据”。经对比，腐蚀、膨胀、边缘、角点、不变矩等操作既适用于低分辨率图谱，又对不同放电类型敏感，其衍生算子可用于构建特征向量。

2.2 灰度化与二值化

以监测设备检出阈值为输入下限，以最大量程为上限，如80～0dBm，线性映射至灰度空间0～255，从而获得灰度化图谱图像，用于前景、背景分割及后续运算。

背景噪声占据图谱脉冲频次的90%以上，波动范围较集中，且与局部放电脉冲存在一定的幅值差，使用最大类间方差法（OTSU）即可获得较好的二值化分割效果，公式如式（1）所示。

式（1）

对于二维PRPS图谱而言，前景区域是指灰度图像经过二值化后的保留部分；PRPD图谱则在此基础上还要自底向上逐层扫描剔除底噪，直到某一行的前景像素灰度和、灰度方差较前一行发生30%以上的突变为止。

2.3 开、闭运算变化率

开运算是对图像前景像素依次进行腐蚀与膨胀操作，以消除孤立的噪点与细线；闭运算则相反，先膨胀后腐蚀，以增强区域联通性、消除孤立空洞。不同缺陷的局部放电波形在整体或局部的疏密程度及连续性存在差异，可以用开、闭运算后前景像素数量的变化直观表征。

四类缺陷的局部放电图谱虽然都呈现一定程度的双簇特征，但对开、闭运算操作的反馈不尽相同。对于PRPD图谱，自由微粒的前景像素，衰减和增幅都非常显著；绝缘件缺陷的像素变化率视时间累加尺度而定；悬浮电极和金属尖端则几乎没有变化。对于PRPS图谱，悬浮电极和自由微粒对闭运算不敏感，只有金属尖端在经过开运算后有一定的前景保留。

2.4 Hu不变矩

Hu不变矩用于描述图像的形状、质心、方向、对称性等宏观特征，对噪点及小范围平移抖动不敏感，计算公式如式（2）～式（4）所示。

式（2）-（5）

2.5 边缘与角点

边缘是邻域内具有一个灰度突变方向的像素集合；角点可以通俗地理解为边缘的交点，拥有至少两个突变方向。它们统称为图像特征点，为局部放电图谱的形态学描述与差异化提供了另一个角度。

离散数字图像的梯度可通过有限差分作近似处理，其模值与方向分别反映强度与趋势。Sobel边缘算子与Moravec角点算子作为梯度相关特征点检测的经典判据，滑动窗口小且不包含复杂滤波变换，适用于无需考虑尺度缩放、旋转不变性等因素的局部放电图谱。

式（6）-（7）

为了避免杂散效应，对所有达到检测阈值的点进行非极大值抑制，当某个备选像素的梯度值小于边缘法向相邻像素的梯度值时予以舍弃，保留下来的像素为边缘特征点。

Moravec算子将像素“米字型”四个主方向的相邻点灰度差平方和中的最小值作为该点的“兴趣值”。若某个像素的兴趣值大于整体平均水平一定倍数且为局部极大值，则判断其为角点。

通过对特征点5×5邻域内前景、背景像素的统计，可将边缘进一步细分为“阶跃型”与“脉冲型”，将角点进一步细分为“交叉型”与“孤立型”，总计为模式识别特征向量提供了4个维度的信息。

测试发现，以原始灰度图像作为边缘角点检测基底时，不同缺陷图谱普遍拥有过多特征点，难以形成差异；改用闭运算图像后，特征点总量得以控制，且类间差距进一步凸显。二维PRPS图谱图像处理及特征提取示例如图1所示。

图1 二维PRPS图谱图像处理及特征提取示例

3 模式识别功能设计与实现

3.1 数据预处理

机器学习的准确性、鲁棒性很大程度上取决于训练样本的质量与规模。基于实验模型或预埋缺陷的信号采集周期长且具有一定的破坏风险，很难覆盖不同的设备型号、电压等级及环境条件。单一批次大量生成的样本仅能在内部泛化阶段保持良好一致性，难以适配复杂工况、非典型信号与相位偏置波形。本文算法吸纳不同设备、不同应用场景的第三方公开数据，从而拓展数据来源多样性。

为了抵消不同来源图谱在量纲、刻度方面的差异，设置标准模板参数：PRPS图谱高度取50像素，代表50个工频周期；PRPD图谱高度取80像素，代表80个幅值区间；宽度均取100像素，代表100等分的正弦周期；时间累加尺度限定在15～30s，像素色深与脉冲幅值或命中频次正相关。

非标准图谱经过侦测背景色突变，消除网格；经水平扫描工频周期等分数与100的倍数关系，进行若干像素为一组的抽值或插值；根据颜色图例，将点阵RGB（red green blue）线性映射至标准空间，最终输出与模板比例一致的纯净图像，如图2所示。

图2 非标准图像的规格化处理

3.2 算法设计

构建粒子群优化（particle swarm optimization, PSO）算法-反向传播（back propagation, BP）神经网络，输入层特征向量明细见表1。将图像形态学特征向量作为输入层参数，共8项；将缺陷特征匹配率作为输出层，依次对应悬浮电极、金属尖端、绝缘件缺陷、自由微粒、手机噪声、荧光干扰、雷达干扰、正常背景。

表1 输入层特征向量明细

同时，选取常用相位特征统计算子作为对照，涵盖前半区（0°～180°）、极性区（60°～120°、240°～300°）、上升区（0°～90°、180°～270°）、过零区（150°～210°、330°～30°）的幅值及频次占比。

图3 模式识别算法执行流程

3.3 软件功能集成

以上述模式识别算法为核心，设计编写GIS局部放电在线监测系统软件，主要包含实时观测、历史趋势、评估预警与缺陷定位功能。实时观测模式下，采集装置每秒上传PRPS图谱，上位机定期聚合成PRPD图谱，计算并加权统计出综合识别结果；后台工作模式下，为平衡性能负载，采集装置自行聚合PRPD并选择性上传PRPS图谱，上位机评估5min级别事件的局部放电风险，并生成历史与趋势条目以备查阅。系统软件功能结构如图4所示。

图4 系统软件功能结构

4 实验验证

4.1 实验平台搭建与数据采集

为了验证图像形态学模式识别的有效性，针对图5所示悬浮电位、金属尖端、绝缘件沿面异物、自由金属微粒四类标准实验模型，搭建如图6所示的信号采集平台，对照脉冲电流局部放电仪从6kV开始缓慢调升，当出现非底噪波形时开启连续采集。

图5 局部放电缺陷标准实验模型

每15～30s叠加成1张PRPD，并从期间生成的PRPS中筛选出3张，合计为1组，共获取图谱56组。同时，采集手机2G通话、5G网络访问的信号14组，归为通信噪声类别。

图6 标准实验模型局部放电信号采集平台

为拓展样本规模与多样性，尽量还原实际工况，向图7所示的真型252kV GIS分支母线预埋自制缺陷并按35kV、110kV、220kV逐级升压。采集装置输入通道分别接入内置式传感器（近端、远端）、外置式传感器、环境噪声传感器、500MHz定频传感器、800MHz以上宽频传感器。

图7 252kV GIS分支母线局部放电实验平台

预埋模拟缺陷如图8所示，使用外直径25mm、厚2mm的环状金属片模拟松动螺栓；使用细铜丝缠绕固定于高压导杆的25mm垂直铜针模拟金属尖端；使用总质量5g、最长尺寸约3mm的不规则铜屑平铺于壳体内侧模拟自由金属微粒；使用长40mm、直径2mm并涂抹少量金属粉末的树脂棒模拟绝缘件沿面异物；采用手机信号作为通信噪声源。共获取图谱90组。

图8 预埋模拟缺陷

通过网络、文献等途径收集已知缺陷的第三方公开局部放电、噪声图片，最终处理并输出符合训练要求的PRPD图像93幅、PRPS图像111幅。

最终共获取有效样本图谱844幅，类型为二进制数据文件，格式为按时序排列的定长数组。使用基于C#语言的WPF开发框架编写算法与可视化操作界面，进行批量字节流读取与解析。

4.2 实验结果分析

用于神经网络训练与一致性验证的样本各占50%，每种采集来源训练出5组正确率大于95%的结果，取方均误差最小的一组网络矩阵。实验采集的样本取1幅PRPD与对应的3幅PRPS共同构成最小测试单元，输出加权计算结果；第三方收集的样本则以单幅图谱直接测试。不同样本集的模式识别准确率见表2。

表2 不同样本集的模式识别准确率

由表2结果可知，当训练与泛化数据来源一致时，识别分类效果良好；交叉识别时，准确率则会出现不同程度的衰减。合并三组训练集，则泛化结果能达到或接近同源水准。进一步对比标准模型与预埋缺陷的实验数据发现，二者基于第三方样本的泛化结果均优于对方样本，这是因为第三方数据收集渠道多样，训练过程本就等效于一次多源融合。

上述现象说明，单一来源样本缺乏普遍代表性，易导致局部收敛与过度拟合。随着运行环境、电压等级、设备型号、缺陷形态的变化，如果算法样本集只是原封不动地迁移，现场识别诊断效果将无法达到实验室水平。

本文还对比了图像形态学算法与传统相位特征法的识别效果，并重点关注特高频信号与实际工频电压相位关系无法确定时识别率的衰减情况，探究两类特征合并的可行性。不同算法的模式识别准确率见表3。

表3 不同算法的模式识别准确率

由表3可见，图像形态学算法的识别准确率接近95%，有效缓解了对相位同步的强依赖。本文搜集了2016年至今新建站、旧站改造、巡检、消缺跟踪共122项现场监测任务，PT同步信号接入率不足50%。失去了脉冲信号与相位的锚定，传统方法最重要的判据接近失效，准确率降至不可用水平。而图像形态学特征普遍具有平移不变性，对坐标不敏感，非理想采集条件下也能确保可靠性。

4.3 实际案例分析

某550kV变电站GIS断路器气室局部放电测点幅值持续抬升，站内监测系统发出事件预警，但无法给出准确结论。携带搭载了图像形态学模式识别算法的便携式局部放电监测装置前往现场，在停电拆解前进行实时监测，软件给出“绝缘气隙”的识别结果，识别界面如图9所示。

对传感器近端盆式绝缘子进行X射线探伤表明，绝缘子内部存在如图10所示的狭长裂隙，缺陷类型与软件诊断结果一致。由于现场条件限制，采集过程中未能接入PT信号，仅使用电源同步，因此图谱波形存在一定程度的相位偏移、抖动，与实验室典型样本存在一定差异，但仍得到准确识别，验证了该算法的可靠性与鲁棒性。

一方面，局部放电图谱形态学参数取材于图像直观特征，更接近视觉分辨的逻辑，在“算法判据源于人工识读经验”的领域能够发挥理想的作用。另一方面，图像形态学特征相较于纯数理统计算子，有更强的数据规格无关性，便于提取、迁移、资源整合，从而适应不同来源样本所涉及的应用场景。