電纜局部放電通常由電纜缺陷引起。有效地識別局放信號可以快速地判斷缺陷類型。國網漢中供電公司、上海電力大學、國網陝西省電力公司、國網陝西省電力公司電力科學研究院的研究人員李程、李強、張啟超、劉子瑞、李偉，在2020年第1期《電氣技術》雜誌上撰文（論文標題為“基於支持向量機遞歸特徵消除的電纜局部放電特徵尋優”），提出了一種基於支持向量機遞歸特徵消除且結合了K均值聚類算法的局部放電特徵優選新方法。
研究結果表明，不同類型局部放電信號有效特徵參數是測試電壓和相角與極性的乘積。不同算法下的驗證結果表明，所提出的K-SVM-RFE的特徵尋優方法是一種有效的電纜局部放電特徵優選方法，可大幅提高電纜缺陷的故障診斷率。
高壓電纜在電力系統的輸電配電過程中扮演著重要的角色。在高壓電纜中一個重要的現象——局部放電（簡稱局放）是指電纜絕緣部分在高壓下的局部範圍內產生的放電現象。局放往往是由於電纜絕緣部分的生產工藝或是內部缺陷造成的。局放的類型很多，包括電暈放電、內部空穴放電、沿面表面放電等。
局部放電雖然只是區域內的絕緣結構受到破壞，主絕緣並沒有發生貫穿性的擊穿，但如果局放長期存在，在一定條件下就會造成主絕緣的電氣強度下降甚至破壞。為了在生產和生活中快速判斷電纜的缺陷類型，保證電網的正常運行，通常採用在線識別獲取信號信息並通過分析處理進行判斷的監測技術。
對局放類型進行判斷，首先需要在獲得的信號中提取特徵，並構建特徵值。當前，提取構建特徵的方法不勝枚舉，統計參數、小波震盪波形、小波轉換分析法、圖像分析中的矩分析、分形特徵提取等分析方法已經得到了廣泛應用。在信號中可以選擇和提取出的特徵參數種類有很多，龐大的特徵參數數目使局放信號的識別效率大幅下降。在大量的特徵參數中挑選出極具代表性的重要參數，能夠大幅度提高識別缺陷類型的速度。
國網漢中供電公司、上海電力大學、國網陝西省電力公司、國網陝西省電力公司電力科學研究院的研究人員李程、李強、張啟超、劉子瑞、李偉，在2020年第1期《電氣技術》雜誌上撰文（論文標題為“基於支持向量機遞歸特徵消除的電纜局部放電特徵尋優”），採用了支持向量機遞歸特徵消除（support vector machine recursive feature elimination, SVM-RFE）與K均值聚類算法結合的方法，對局放構建的一維、二維特徵進行權重排序，最後根據排序的順序挑選出能夠快速區分不同缺陷類型的有效特徵變量。
圖1 K-SVM-RFE算法流程圖
圖2 電纜樣品結構示意圖
圖3 實驗缺陷類型示意圖
作者的研究表明，特徵值排序在L1正則化算法和L2正則化算法下被證明是有效的。K-SVM-RFE算法可準確識別不同類型的局放信號，特別是在精選少量特徵上，性能更佳。不足的是，文中提到的數據均為實驗室數據，在實際應用中識別局放信號不理想，不同類型的缺陷所產生信號之間相互干擾會加大原始數據的噪聲，需要對局放信號進行進一步降噪，才能實現K-SVM-RFE算法在電纜缺陷快速識別中的應用。
閱讀更多 電氣技術 的文章
