XLPE电缆绝缘状态评估的研究现状

当XLPE电缆因为其绝缘层发生故障而导致在输送电力的过程中发生局部放电现象，局部放电所持续的时间非常短，因此需要局部放电检测设备的采集频率相当高，所采集得到的数据量相当大。这些采集得到的非常庞大冗杂的原始数据时不能够直接用于对电缆的绝缘状态进行实际判别。因此对于数据进行处理、提取放电特征、建立参数模型等就变得非常重要。有研究描述了电缆绝缘层内部的缝隙生长的树枝的长度与局部放电之间的关系，发现局部放电的大小与绝缘层的树枝的长度之间有一定的相关性。有研究主要描述的是在上世纪90年代意大利的科学家对电缆和发电机的定子线棒的老化模型进行研究。通过研究发现，电力设备绝缘老化特征与局部放电水平和绝缘层中老化树枝的生长尺寸之间可以通过函数式来表达。1988年，科学家R.Bozzo和G.Gemme利用统计学的知识，将Weibull模型应用于电缆局部放电。研究介绍荷兰Delft理工大学的Edward Gulski教授将电缆的老化现象用统计学的方法对数据进行分析，建立分布拟合模型，选取适当的边界值(B-value )，最终得到电缆老化状态的等级，以及对应的专家建议。

对于局部放电特征参数信息的提取方面，较为普遍的方法主要有灰度图像法、波形特征法、相位统计法、分形特征法、小波变换法以及时一频特征法等。波形特征法主要是对放电脉冲的时域波形进行分离和提取，通常提取的波形参数主要为为上升时间、下降时间、脉冲宽度、波形因数、峰值因数、特征频率等。相位特征法也叫做矩特征法，它是一种图像识别的特征，描述的是灰度图像中点的分布。通过三维特征量φ-q-n组合形成不同的三维谱图。有研究就是采用这种三维特征来识别在实验室中模拟制造的五种不同的人工局部放电模型。分性特征的首次提出是在上世纪90年代中期，由科学家L.Satish研究并提出，随后成功应用于高压电力设备的局部放电模型中。有研究将分型特征应用于电缆的三种不同的放电模式的特征识别，证实了该方法具
有很好的识别效果。有人利用小波理论来分析电缆局部放电的特征，利用小波变换得到的放电谱图，并分析频谱与一般方法得到的频谱的不同。
    
20世纪90年代，随着模式识别理论的不断发展和应用范围的不断推广，电力设备的局部放电开始引用模式识别来进行分析。由于模式识别作为一门学科具有一套较为完善科学的理论方法，因此将模式识别技术应用于对电力设备的局部放电的分析会更加科学合理。用于局部放电分析的模式识别的方法主要有人工神经网络、决策树算法、支持向量机算法、贝叶斯算法、模糊聚类算法、统计模式识别等。

一般情况下，模式识别常用的基本方法有两种，分别为基于统计的识别方法和基于结构的识别方法。