电力电缆故障检测技术实现

当前，我国电力电缆检测技术主要包括两种：在线检测和离线检测。

1.在线检测

1）人工神经网络检测

人工神经网络：从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络。神经网络是一种运算模型，由大量的节点（或称神经元）之间相互连接构成。每个节点代表一种特定的输出函数，称为激励函数。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式、权重值和激励函数的不同而不同。网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对某种逻辑策略的表达。

人工神经网络模型主要考虑网络连接的拓扑结构、神经元的特征、学习规则等。目前，已有近40种神经网络模型，其中有反传网络、感知器、自组织映射、Hopfield网络、波耳兹曼机、适应谐振理论等。根据连接的拓扑结构，神经网络模型可以分为：前向网络和反馈网络。

（1）前向网络：网络中各个神经元接受前一级的输入，并输出到下一级，网络中没有反馈，可以用一个有向无环路图表示。这种网络实现信号从输入空间到输出空间的变换，它的信息处理能力来自简单非线性函数的多次复合。前向网络结构简单，易于实现。反传网络是一种典型的前向网络。

（2）反馈网络：网络内神经元间有反馈，可以用一个无向的完备图表示。这种神经网络的信息处理是状态的变换，可以用动力学系统理论进行处理。系统的稳定性与联想记忆功能有密切关系。

人工神经网络特有的非线性适应性信息处理能力，克服了传统人工智能方法对于直觉（如模式、语音识别、非结构化）信息处理方面的缺陷，使之在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。人工神经网络与其他传统方法相结合，将推动人工智能和信息处理技术不断发展。近年来，人工神经网络正向着模拟人类认知的道路上更加深入的发展，与模糊系统、遗传算法、进化机制等结合形成计算智能已成为人工智能的一个重要方向，并将在实际应用中得到发展。将信息几何应用于人工神经网络研究，这一探索为人工神经网络的理论研究开辟了新的途径。神经计算机的研究发展很快，已有成熟产品投入市场。光电结合的神经计算机为人工神经网络的发展提供了良好条件。

人工神经网络检测技术通过对生物神经模拟的方式，完成计算检测系统的构建。网络当中的节点就相当于生物机体中的神经元，能够对相关信息进行处理并储存信息内容，且各节点可以实现并行工作。在进行故障测试的过程中，需要对部分人工神经网络节点传输指令，并通过信息传递，实现信息转接。相关联的网络节点能够接受并继续传递信息，从而实现整个网络工作，并测试出最终结果。在系统发生故障的情况下，电压电流将会以样本形式被输送到训练神经系统中，通过这种方式能够找到故障位置。

2）小波变换分析

1981年，法国地质学家Morlet在寻求地质数据时，通过对傅立叶变换与加窗傅立叶变换的异同、特点及函数构造进行创造性的研究，首次提出了“小波分析”的概念，并建立了以他的名字命名的Morlet小波。自1986年以来，由于Y.Meyer、S.Mallat及I.Daubechies等的奠基工作，小波分析迅速发展成为一门新兴学科。Meyer所著的《小波与算子》与Daubechies所著的《小波十讲》都是小波研究领域的权威著作。

小波变换是对傅立叶分析方法的突破，它不但在时域和频域同时具有良好的局部化性质，而且对低频信号在频域以及对高频信号在时域里都有很好的分辨率，从而可以聚集到对象的任意细节。小波分析相当于一个数学显微镜，具有放大、缩小和平移功能，通过检查不同放大倍数下的变化来研究信号的动态特性。因此，小波变换分析已成为地球物理、信号处理、图像处理、理论物理等诸多领域的一种强有力分析方法。

神经网络在很多领域已得到了很好的应用，它具有分布存储、并行处理、自学习、自组织以及非线性映射等优点。目前，神经网络与其他技术的结合以及由此产生的混合方法和混合系统已成为一大研究热点。由于其他方法也有它们各自的优点，所以将神经网络与其他方法相结合，取长补短，可以获得更好的应用效果。下面就简要介绍神经网络与小波分析的融合。

小波神经网络是将小波变换良好的时频局域化特性和神经网络的自学习功能相结合，因而它具有较强的逼近能力和容错能力。在结合方法上，可以将小波函数作为基函数来构造神经网络，从而形成小波网络；或者小波变换作为前馈神经网络的输入前置处理工具，即基于小波变换的多分辨率特性对过程状态信号进行处理，实现信噪分离，并提取出对加工误差影响最大的状态特性，以此作为神经网络的输入。

小波神经网络在电机故障诊断、高压电网故障信号处理与保护研究、轴承等机械故障诊断及其他许多方面都有应用。将小波神经网络用于感应伺服电机的智能控制，使该系统具有良好的跟踪控制性能及好的鲁棒性。利用小波包神经网络可进行心血管疾病的智能诊断；利用小波层可进行时频域的自适应特征提取；前向神经网络可用来分类，且分类正确率可达94%。

小波神经网络虽然应用于很多方面，但仍存在一些不足。从提取精度和小波变换实时性的要求出发，有必要根据实际情况构造一些适应相关应用需求的特殊小波基，以便在应用中取得更好的效果。另外，考虑到应用中的实时性要求，也需要结合数字信号处理（Digital Signal Processing，DSP）来开发专门的处理芯片，从而满足这方面的要求。

在针对电力电缆运行故障的相关检测中，采用小波分析法完成测距是一个重要的检测方式。这项检测主要是在暂态故障中完成的。利用小波变换分析法的局部化主要特征，能够更加灵敏地体会到信号差异，并能对非平稳信号完成分析和检测。另外，在采用小波变换分析法进行故障检测的过程中，还需要结合单端或双端同步方式来完成对故障的定位，采用这种方式将不存在故障阻抗的情况。小波变换分析法需要建立在脉冲电流测距技术手段的基础上，它能将数据内容进行结构冲解，并完成小波方式分析，利用小波信号分析模式就可获得小波变换膜中的最大值。

3）实时专家系统

知识库，也可称为专家系统。知识库的概念来自两个不同的领域，一个是人工智能及其分支——知识工程领域，另一个是传统的数据库领域。由人工智能（Artificial Intelligence，AI）和数据库（Data Base，DB）两项计算机技术的有机结合，促成了知识库系统的产生和发展。

知识库是基于知识的系统（或专家系统），具有智能性。并不是所有具有智能的程序都拥有知识库，而只有基于知识的系统才拥有知识库。许多应用程序都利用知识，其中有的还达到了很高的水平，但是这些应用程序可能并不是基于知识的系统，因此它们也不拥有知识库。一般的应用程序与基于知识的系统之间的区别在于：一般的应用程序是把问题求解的知识隐含地编码在程序中，而基于知识的系统则是将应用领域的问题求解知识用显式的方式表达出来，并单独地组成一个相对独立的程序实体。

知识库的功能如下：

（1）知识库使信息和知识有序化，这是知识库的首要贡献。(www.xing528.com)

建立知识库，必定要对原有的信息和知识做一次大规模的收集和整理，并按照一定的方法进行分类保存，同时提供相应的检索手段。经过这样一番处理，大量隐含知识便被编码化和数字化了，信息和知识便从原来的混乱状态变得有序。这样就方便了信息和知识检索，并为有效使用打下了基础。

（2）知识库加快知识和信息的流动，有利于知识共享与交流。

知识和信息一旦实现了有序化，对其进行寻找和利用的运行时间就会大大缩短，如此自然加快了知识和信息的流动。另外，由于在企业的内部网上可以开设一些时事、新闻性质的栏目，使发生在企业内外的事能够迅速传遍整个企业，这就使得人们对于新信息和新知识的获取速度大大加快。

（3）知识库还有利于实现组织的协作与沟通。

例如施乐公司的知识库可将员工的建议存入。员工在工作中解决了一个难题或发现了处理某件事的更好方法后，可以把这个建议提交给一个由多名专家组成的评审小组。评审小组对这些建议进行审核，把最好的建议存入知识库。建议中注明建议者的姓名，以保证提交建议的质量，并提高员工提交建议的积极性。

（4）知识库可以帮助企业实现对客户知识的有效管理。

企业销售部门的信息管理一直是比较复杂的工作，一般资历较老的销售人员拥有很多宝贵的信息，但随着客户的转变或工作的调动，这些信息和知识便会损失。因此，企业知识库的一个重要内容就是将客户的所有信息进行保存，以便新的业务员可以随时利用。

在进行故障检测的过程中，采用实时专家系统对电力电缆进行检测属于一种新型技术手段。知识库在分析总结专家经验的基础上，以智能化的语言存储各类经验和知识，为信息处理、决策支持提供方法和模型。这项技术的关键在于通过人类思维进行模拟，针对故障问题的类型进行技术测定。这个过程中需要对专家系统建立一个专门的数据资料库，通过将故障问题进行录入并完成故障检测中的数据提取，结合当前故障情况对资料库进行更新和修改，以实现针对电力电缆故障的准确定位。

4）SSTDR和TFDR两种检测方法结合

扩展频谱时域反射法（Spread Spectrum Time Domain Reflectometry，SSTDR）是用于故障检测的一种方法，以扩展频谱为基础技术，支持实现信号电缆故障的在线检测。在检测时，SSTDR所发出的信号不仅不会对信号电缆的正常工作产生任何影响，还可以预测信号电缆的低阻故障。时频域联合反射法（Joint Time－Frequency Domain Reflectometry，TFDR）检测技术用于信号电缆故障的定位及故障种类的判断，称为时频反射法。它能够精确方便地分析出具有高斯分布特征的调频信号，能够精确测量信号电缆的故障距离，并可通过对故障阻抗的精确测量来确定是何种类型的故障。

SSTDR和TFDR相结合的检测方法，其基本功能主要有四点：①能够发射任意信号波，即幅值和频率均可调节；②能够接收和识别各种故障发射波形；③能够精确定位故障位置，确定故障类型；④实现信号电缆的自动化在线管理。

SSTDR和TFDR相结合的检测系统中，主要包括：DSP＋CPLD（数字信号处理＋复杂可编程逻辑器件）、信号发射模块、信号采集模块、通信模块。检测系统的基本检测思路是由信号发射模块向需要检测的信号电缆发射检测信号，由信号采集模块接收被测信号电缆所反射回来的检测信号并进行存储，同时将其传输到DPS，由DPS对反射信号及其相关信息进行处理，以判断信号电缆的故障类型和故障发生的具体距离。CPLD负责对信号发射模块和信号采集模块进行控制。通信模块的主要作用是实现检测系统与上位机的通信。

在这个测试系统中，信号发射模块需要通过数字合成的DDS芯片来产生频率和幅值均可调节的任意波形，除此之外还应包括驱动放大电路、变压器和平衡电阻网络等。其中，变压器起到电气隔离和提高抗干扰能力的作用。

2.离线检测

在讨论离线检测方法之前，我们先来阐明几个名词。

凡是电缆故障点绝缘电阻下降至该电缆的特性阻抗，甚至直流电阻为零的故障均称为低阻故障或短路故障。这个定义是从采用脉冲反射法的角度，考虑到波阻抗不同对反射脉冲的极性变化的影响而下的。对于电桥法，低阻故障的定义不受特性阻抗概念的限制。低阻故障的表现是：导体连续性良好，但电缆-芯或数芯对地绝缘电阻值或芯与芯之间的绝缘电阻低于10万Ω。

电缆故障点的直流电阻大于该电缆的特性阻抗的故障均为高阻故障。高阻故障分为两种：泄漏故障和闪络性故障。泄漏故障是指在做电缆高压绝缘试验时，泄漏电流随试验电压的增加而增加。当试验电压升高到额定值时（有时还远远达不到额定值），泄漏电流超过允许值，称为高阻泄漏故障。闪络性故障是指试验电压升至某值时，监视泄漏电流的电表指值突然升高，且表针呈闪络性摆动，电压稍微下降时，此现象消失，但电缆绝缘仍有极高的阻值，这表明电缆存在故障，而这种故障点没有形成电阻信道，只有放电间隙或闪络表面的故障，故称为闪络性故障。高阻故障的表现是：导体连续性良好，但电缆-芯或数芯对地绝缘电阻值或芯与芯之间的绝缘电阻低于正常值但高于10万Ω。

在电力电缆故障产生时可以通过离线检测确定是否发生了故障。在离线检测中有几个问题需要确定：诊断、定点和测距。结合上述内容能够有效测定电力电缆的故障类型，并确定故障发生的具体位置。采用离线检测方式有助于快速解决问题，提高抢修效果。另外，在故障检测过程中，为了能够精确地判断出故障位置，还需要采用信号测试。

（1）高压脉冲方式。应用在故障检测中，需要借助传输线产生的同波效果才能实现。当电缆芯上电压增加时会产生放电现象，在这个过程中放电脉冲又会对电缆产生反射以及传导。通过示波器能够确定反射脉冲的位置，进而就能找到故障的确切位置。

（2）故障点烧法。这是针对电力电缆故障检测的一种手段。采用点烧穿方式能够使得电力电缆中被输入直流负高压，产生电弧，从而发现低阻故障位置。

（3）低压脉冲法。这一方法的应用范畴并不广，通常情况下是实现高阻故障向低阻故障转换的方式。通过借助低压脉冲法能够提升低压脉冲信号源，使得该信号可以通过电缆完成反射和传播，并在此基础上测定相关故障的位置。