电缆局部放电特征优选的新方法，可有效提高故障诊断率
武汉加油 共渡难关
电缆局部放电通常由电缆缺陷引起。有效地识别局放信号可以快速地判断缺陷类型。国网汉中供电公司、上海电力大学、国网陕西省电力公司、国网陕西省电力公司电力科学研究院的研究人员李程、李强、张启超、刘子瑞、李伟，在2020年第1期《电气技术》杂志上撰文（论文标题为“基于支持向量机递归特征消除的电缆局部放电特征寻优”），提出了一种基于支持向量机递归特征消除且结合了K均值聚类算法的局部放电特征优选新方法。研究结果表明，不同类型局部放电信号有效特征参数是测试电压和相角与极性的乘积。不同算法下的验证结果表明，所提出的K-SVM-RFE的特征寻优方法是一种有效的电缆局部放电特征优选方法，可大幅提高电缆缺陷的故障诊断率。
高压电缆在电力系统的输电配电过程中扮演着重要的角色。在高压电缆中一个重要的现象——局部放电（简称局放）是指电缆绝缘部分在高压下的局部范围内产生的放电现象。局放往往是由于电缆绝缘部分的生产工艺或是内部缺陷造成的。局放的类型很多，包括电晕放电、内部空穴放电、沿面表面放电等。
局部放电虽然只是区域内的绝缘结构受到破坏，主绝缘并没有发生贯穿性的击穿，但如果局放长期存在，在一定条件下就会造成主绝缘的电气强度下降甚至破坏。为了在生产和生活中快速判断电缆的缺陷类型，保证电网的正常运行，通常采用在线识别获取信号信息并通过分析处理进行判断的监测技术。
对局放类型进行判断，首先需要在获得的信号中提取特征，并构建特征值。当前，提取构建特征的方法不胜枚举，统计参数、小波震荡波形、小波转换分析法、图像分析中的矩分析、分形特征提取等分析方法已经得到了广泛应用。在信号中可以选择和提取出的特征参数种类有很多，庞大的特征参数数目使局放信号的识别效率大幅下降。在大量的特征参数中挑选出极具代表性的重要参数，能够大幅度提高识别缺陷类型的速度。
国网汉中供电公司、上海电力大学、国网陕西省电力公司、国网陕西省电力公司电力科学研究院的研究人员李程、李强、张启超、刘子瑞、李伟，在2020年第1期《电气技术》杂志上撰文（论文标题为“基于支持向量机递归特征消除的电缆局部放电特征寻优”），采用了支持向量机递归特征消除（support vector machine recursive feature elimination, SVM-RFE）与K均值聚类算法结合的方法，对局放构建的一维、二维特征进行权重排序，最后根据排序的顺序挑选出能够快速区分不同缺陷类型的有效特征变量。
图1 K-SVM-RFE算法流程图
图2 电缆样品结构示意图
图3 实验缺陷类型示意图
作者的研究表明，特征值排序在L1正则化算法和L2正则化算法下被证明是有效的。K-SVM-RFE算法可准确识别不同类型的局放信号，特别是在精选少量特征上，性能更佳。不足的是，文中提到的数据均为实验室数据，在实际应用中识别局放信号不理想，不同类型的缺陷所产生信号之间相互干扰会加大原始数据的噪声，需要对局放信号进行进一步降噪，才能实现K-SVM-RFE算法在电缆缺陷快速识别中的应用。