基于数字孪生的GIS外部局部放电干扰识别

方义治，林钰灵，梁育雄，吴伟文，姜志彬，沈道义，易孝波

(1.南方电网广东珠海供电局，广东 珠海 519000；2.上海格鲁布科技有限公司，上海 201210；3.珠海市伊特高科技有限公司，广东 珠海 519000)

气体绝缘金属封闭开关设备(gas insulated switchgear，GIS)是一种广泛应用于高压输电和变电站的电力设备[1]。局部放电(以下简称“局放”)是指在GIS等高压设备中产生的局部电晕放电现象，这种现象可能由材料缺陷、电压过高、污秽或其他因素引起。在GIS状态监测中，准确诊断和监测局放至关重要，及时发现并消缺局放可以有效防止故障出现和设备损坏，并确保设备安全可靠。然而，GIS经常处于复杂的电磁环境中，局放在线监测系统容易受到外部干扰(如环境噪声、电磁辐射、雷击等)，严重影响状态监测的准确性和可靠性。因此，研究和开发GIS局放在线监测系统抗干扰技术至关重要[2]。

GIS局放在线监测系统抗干扰技术的关键目标是在存在环境噪声或其他干扰的情况下，仍能准确诊断出GIS中的局放现象[3]，提高对GIS的监测和诊断能力，降低虚警率，减少误诊率，并为设备的运行和维护提供更可靠的指导[4]。因此，研究GIS局放和抗干扰技术具有重要意义，准确诊断和监测GIS局放可以及早发现潜在故障，采取适当的防范措施，保证设备的安全可靠[5-7]。同时，开发有效的抗干扰技术可以提高GIS的抗干扰能力，确保其在复杂的电磁环境中能够准确识别局放现象。

GIS局放在线监测系统受到的环境噪声通常以白噪声、通信噪声和电磁干扰为主。针对上述3种干扰，国内外研究人员进行大量研究：文献[8]提出一种用于电力设备局放信号去噪的粒子群优化小波自适应阈值方法，采用小波分解局放信号，结合粒子群优化算法进行全局自适应搜索最优阈值，大大提高了最优阈值自适应寻优速度，且更好地去除局放信号中的白噪声；文献[9]为了提取局放信号的特征，提出基于经验模态分解和固有模态函数重构算法的局放噪声抑制方法，通过对含有噪声的局放信号进行经验模态分解，得到含特征频率的固有模态函数，然后对所得的固有模态函数分量进行自适应阈值处理后重构，从而抑制噪声干扰；文献[10]提出一种用于GIS局放超高频信号的自适应小波分解去噪算法，有效抑制白噪声，提高了局放超高频法的测量精度。

然而在实际的变电站复杂环境中，GIS在线监测系统还会接收到外部局放信号的干扰。外部局放信号是来自目标GIS设备邻近的一些高压设备产生的局放信号，此类信号虽然确实为局放信号，但在监测当前GIS设备时需要作为干扰信号加以排除，否则容易造成误检。

数字孪生是一种新兴的技术，其通过物理世界与虚拟世界的深度集成，实现系统的实时同步、高精度模拟和高效决策[11-14]。在电力行业中，可以通过建立变电站的数字孪生模型，实现对变电站运行状态的实时监测、健康评估和故障诊断[15]。利用数字孪生技术，可以将传统繁琐的手工检测和维护工作转变为数字化、自动化的运维方式，从而大大提高运维效率和设备可靠性[16-18]。

针对目前GIS局放在线监测系统无法识别外部局放信号的缺陷，结合数字孪生技术的优势，本文开展GIS外部局放干扰识别研究。提出基于数字孪生的GIS外部局放干扰识别机制，建立GIS数字孪生整体模型和信号衰减部件模型，分析特高频信号衰减速率，基于衰减速率比对完成外部局放信号识别。最后通过仿真实验验证本文算法的有效性。

1 外部局放信号及数字孪生分析

1.1 GIS外部局放信号分析

实际运行中，GIS设备可能会遭遇外部局放信号干扰，本文通过以下实例来说明识别外部局放信号的意义。以某550 kV变电站为例，该变电站220 kV GIS设备安装了特高频局放在线监测系统，其设备分布如图1所示。

图1 GIS设备分布Fig.1 GIS equipment distribution

然而，在实际运行中发现变压器顶部的喷淋罩由于未被固定牢固，在变压器上方的高场强区形成了浮动电极放电。这种放电导致大量的GIS超高频局放传感器接收到外部局放信号，并触发了系统报警。异常信号部位如图2所示。

图2 异常信号部位Fig.2 Abnormal signal location

GIS在线监测系统显示，大部分传感器接收到的外部局放信号与内部局放信号在特征上相似，具有相同的相位特征，如图3所示。

图3 PRPD谱图Fig.3 PRPD spectrogram

通过放电图谱分析，可以看出这些外部局放信号幅值较大，因此能够得到2簇高幅值的放电脉冲，初步判断这种放电为浮动电极放电。当查看局放相位模式(phase resolved partial discharge，PRPD)图谱时，发现这些放电信号在工频周期的正半轴以及负半轴存在相似的放电带，周围区域较为集中，具备鲜明的相位相关性。因此，特高频传感器采集现场高频信号生成图谱信号，经过系统计算，输出的缺陷类型为浮动电极放电，误诊断为GIS发生浮动电极放电。

在此案例中，由于机械螺丝松动产生的信号谱图与局放谱图十分相似，因而被误诊为局放。然而在实际变电站中，邻近的高压设备产生的局放信号也会影响目标高压设备的状态监测判断，因此外部局放信号的识别机制对于提高局放检测准确率和可靠性具有十分重要的意义[19]。

1.2 数字孪生技术

数字孪生技术通过集成物联网、大数据、人工智能等手段，为实体设备构建数字化全息模型，可实现对设备全生命周期各阶段的实时、动态、全面和精准模拟、预测和决策[20]。

在变电设备运维中，数字孪生技术可实现设备状态的实时同步和精准模拟，有效提升设备运行的效率和可靠性。通过对设备状态的实时预测和优化决策，能大大降低设备故障发生的几率，延长设备的使用寿命。此外，数字孪生技术可使得设备的运维由传统人工检测和维护模式向数字化、自动化的方式转变，极大地提高了运维效率。

2 基于数字孪生的GIS外部局放干扰识别机制

针对前文所述识别外部局放干扰信号的必要性，结合数字孪生技术的优势，本文提出基于数字孪生的GIS外部局放干扰识别机制，主要分为GIS数字孪生模型建立、特高频信号理论衰减速率计算和外部局放判断3个步骤。

2.1 GIS数字孪生模型建模

2.1.1 整体模型建模方法

本文选择Solidworks软件作为构建数字孪生模型的工具，依据GIS的图纸以及现场实测尺寸对GIS进行精确三维建模。需要特别指出的是，本文构建的数字孪生模型主要针对局放在线检测的实际需求，因此，在建模过程中，专注于GIS管道的外壁(管壁)建模，管壁厚度为0.001 m，而管道内部被设置为空，这意味着暂时忽略GIS内部结构对特高频信号传播时延的影响。所建立的数字孪生模型主要分为展示模型和计算模型2类。展示模型如图4所示，它以直观的形式呈现出GIS设备的各种特性，从而为现场测试人员的运维工作提供便利。而计算模型则主要用于模拟和预测GIS设备在不同条件下的运行状态，以便能够更准确地识别和定位局放。

图4 展示模型Fig.4 Display model

2.1.2 信号衰减部件模型

特高频信号在GIS管道内部传播时，不同GIS部件对信号的衰减程度存在显著差异，如图5所示，图中A、B为特高频传感器，分别位于母线侧和线路终端侧，由同一局放源发出的特高频信号传播至A处时信号幅值约为-40 dB，传播至B处时信号幅值约为-30 dB。因此，距离局放源较近的传感器接收到的信号强度反而可能低于距离放电源较远的传感器，这是由于局放源至A处的传播路径中存在断路器仓，而信号经过断路器时衰减尤为严重。这也是在进行局放源定位时不能仅通过比较信号强度来定位GIS局放的主要原因。

图5 信号传播路径Fig.5 Signal propagation path

表1列出了某些型号GIS各部件的衰减特征。值得注意的是，对于来自不同厂家、不同电压等级、不同型号的GIS，其同类部件的信号衰减特性可能会有所不同，因此，需要针对每一种情况进行具体实测。

表1 各部件平均衰减Tab.1 Average Attenuation of Each Component

实际操作中，基于GIS各部件的衰减特性，在数字孪生模型中建立各部件信号衰减模型，这些衰减模型主要表现为各部件单位长度的衰减系数，例如，500 kV GIS管道的衰减系数为0.05 dB/m，500 kV GIS绝缘盆子(厚度0.1 m)的衰减系数为5 dB/m等。接着，将这些衰减系数分别赋予数字孪生模型中的每一个坐标点。通过这种方法，不仅能够更准确地模拟特高频信号在GIS内部的传播过程，还能有效解决因部件衰减差异引发的局放定位问题，极大地提高后续在局放在线检测中的识别精度和定位准确度。

2.2 特高频信号理论衰减速率计算

在完成GIS数字孪生模型建模后，首先需要计算局放源至各特高频传感器理论衰减速率。

以图5为例，假设局放源位于断路器的线路侧，那么局放信号传输到位于母线上的传感器A的路径为：局放源→断路器→电流互感器→隔离开关→母线→传感器A。则其理论传输衰减可以通过以下公式计算：

TA=αB×LB+αC×LC+αD×LD+αG×LG.

(1)

式中：αB为断路器衰减系数；LB为断路器长度；αC为电流互感器衰减系数；LC为电流互感器长度；αD为隔离开关衰减系数；LD为母线隔离开关长度；αG为母线衰减系数；LG为母线长度。

传输到线路终端处的传感器B的路径为：局放源→电流互感器→隔离开关→线路终端筒→传感器B”。则理论传输衰减为：

TB=αC×LC+αD×LD+αG×LG+αT×LT+αD×LD+αS×LS.

(2)

式中：αT为T接转角衰减系数；LT为隔离开关处T接转角长度；αS为线路终端筒衰减系数；LS为线路终端筒长度。

2.3 外部局放信号判断

在完成特高频信号传播过程中理论衰减速率的计算后，与实际衰减速率进行对比，即可判断该信号的局放源是否位于GIS外部，即该信号是否为外部信号。以局放源位于断路器的线路侧的情况为例，其信号传输至位于母线上的传感器A，以及线路终端处的传感器B(如图6所示)，则通过式(2)就可以计算出每个传感器的理论传输衰减。假设理论上传感器A和B收到的信号幅值差值为TA-TB，而实际上传感器A和B收到的信号幅值差值为RA-RB，设定阈值Th，若|(TA-TB)-(RA-RB)|>Th，则判断该局放信号为来自GIS外部。

图6 局放源位于线路侧Fig.6 Display model

在实际操作中，可能有多个传感器接收到局放信号。例如，若有多个传感器A、B、C……都检测到了该信号，可以计算出每一对传感器之间的理论与实测信号幅度差值。如果其中一部分传感器对的理论差值与实际差值的差值都超过阈值，则可以判断该放电信号为来自GIS设备外部。

该识别机制使得即使在复杂环境下，仍能有效识别并排除外部局放信号，从而提高GIS设备状态评估的准确性，对其进行更有效的监测和维护。

3 仿真实验分析

本章节搭建GIS模拟实验平台，通过仿真实验验证该GIS外部局放识别方法的有效性。

3.1 GIS仿真模型搭建

本文搭建的基于GIS的模拟实验平台如图7所示。该实验平台使用打火器来模拟局放产生的电磁波信号，这种模拟方式能够较真实地模拟局放情况，更有利于验证外部局放信号识别算法。

图7 GIS局放实验平台Fig.7 GIS PD experimental platform

具体来说，该GIS模拟管道的外壳直径约为560 mm，内部同轴导体直径约为160 mm。模型采样频率设定在300 MHz～1.5 GHz之间，能够满足模拟需求。此外，本文使用YWDT-12/120 kV的工频无晕试验变压器作为外部电源，为模拟GIS施加电压。通过对腔体逐级加压，能够模拟不同程度的局放情况，进一步丰富实验条件。

使用本文建模方法对模拟GIS管道进行建模，其数字孪生模型如图8所示。测试人员按照智能引导的位置于非屏蔽法兰处安装4个外置式特高频传感器。

图8 GIS数字孪生模型Fig.8 GIS Digital Twin Model

3.2 仿真实验分析

由测试人员使用打火器在T型转角处注入电磁波信号，模拟GIS管道内部局放的情况，结果如图9所示。安装于各绝缘盆子的特高频传感器都显示出实时PRPD谱图(如图10所示)，且4张PRPD谱图幅值有高有低，差异明显。传感器2与传感器3的幅值相差约为15 dB，因此判断为内部局放并加以定位，根据到达时间差定位法确定局放源位置。红色标记即为局放源定位处，根据局放源定位显示，该信号为GIS内部信号，符合实验结果。

图9 实验结果Fig.9 Experimental results graph

图10 PRPD谱图Fig.10 PRPD pattern

由测试人员使用信号发生器在管道外部产生电磁波信号，模拟GIS管道外部局放情况，结果如图11所示。安装于各绝缘盆子的特高频传感器都显示出实时PRPD谱图，如图12所示，且谱图特征为悬浮放电特征，然而谱图幅值几乎处于同一高度，信号幅值分别为-36 dB、-39.2 dB、-42.6 dB和-39 dB，任意2个传感器幅值之间差值不超过15 dB，因此判断为外部局放信号，且并无局放源定位显示，由此作为干扰排除，符合实验结果。

图11 实验结果Fig.11 Experimental results graph

图12 PRPD谱图Fig.12 PRPD Pattern

4 结束语

本文提出一种基于数字孪生的GIS外部局放干扰识别机制，并完成GIS数字孪生整体模型和信号衰减部件模型建立。基于数字孪生模型理论衰减速率与真实衰减速率之间的对比，提出外部局放信号识别机制；搭建GIS模拟实验平台，分别使用电磁波信号模拟内部局放和外部局放信号。实验结果证明，本文所提算法成功排除了外部局放的干扰，识别出内部局放并实现自动定位。