XLPE電纜絕緣狀態評估的研究現狀

當XLPE電纜因為其絕緣層發生故障而導致在輸送電（diàn）力的過程中發生局部放電現象，局部放電所持續的時間非常短（duǎn），因此需要局部放電檢測設備的采集頻率相當（dāng）高，所采集得到的（de）數據量相（xiàng）當大。這些采集得到的非（fēi）常龐大冗雜的原（yuán）始數據時不能夠直接用於對電纜的絕緣狀態進行實際判別。因此對於數（shù）據進行（háng）處理（lǐ）、提（tí）取放電特征、建立參數模型等就變得非常重要。有研究描述了電纜絕緣層內部的縫（féng）隙生（shēng）長的樹枝（zhī）的長度與局部放電之間的關（guān）係，發現局部（bù）放（fàng）電的大小與絕緣層的樹（shù）枝（zhī）的長度之間有一定（dìng）的相關（guān）性。有研究主要描述的是在（zài）上世紀90年代意（yì）大（dà）利的科學家對電纜和發電機的定子線棒（bàng）的老（lǎo）化模型進行研究。通過研究發現，電（diàn）力設備絕緣老化（huà）特征與局部放電水平（píng）和絕緣（yuán）層中老化樹（shù）枝的（de）生長尺寸之間可以（yǐ）通過函數（shù）式來表達。1988年，科學家R.Bozzo和G.Gemme利（lì）用統計學（xué）的知識，將（jiāng）Weibull模型應用於電纜局部放電。研究介紹荷蘭（lán）Delft理（lǐ）工大學的Edward Gulski教授將電纜的老化現象用統計（jì）學的方法對數據進行分（fèn）析，建立分布擬合模型，選（xuǎn）取適當的邊界值(B-value )，最終得到電纜老化狀態的等級，以及對應的專家建（jiàn）議。

對於局部放電特征參數信息的提取方麵，較為普遍的方法主要有灰度圖像法、波形特征法、相位統計法、分形特征（zhēng）法、小（xiǎo）波變換法（fǎ）以及時一頻特征法等。波形特征法主要（yào）是對（duì）放電脈衝的時域波形進行分離和提取，通常提取的波形參數主要為為上升時間、下降時間、脈衝寬度、波形因數、峰值因數、特征頻率等。相位特征法也叫做矩特（tè）征法，它是一種圖像識別的特征，描述的是灰度圖（tú）像中點的分布。通過三維特征（zhēng）量φ-q-n組合形成不同的三維譜圖。有研究（jiū）就是采用這種三維特征來識別在實驗室中模擬製造（zào）的五種不同的人工局部放電模型（xíng）。分性特征的首次提出是在上世紀90年代中期，由（yóu）科學家L.Satish研究並提出，隨後成功（gōng）應用於高壓電力（lì）設備的局部（bù）放電模型（xíng）中。有研究將分型特征（zhēng）應（yīng）用於電纜的三種不同的放電模式（shì）的特征識別，證實了該方法具
有很好的（de）識別效果（guǒ）。有人利用小波理論來分析電纜（lǎn）局部放電的特征，利用小波變換得到的放電譜圖，並分析頻譜與一般方法得到的頻譜的不同。
    
20世紀90年代，隨著（zhe）模式識別理論的不斷發展和應（yīng）用範圍的不斷推（tuī）廣，電力設備的局部放電開始引用模式識別來進行分析。由於模式識別作為一門學（xué）科具有一套較為完善科學（xué）的理論方法（fǎ），因此將模式識別技術應用於對電力設備的局部放電（diàn）的分析會更加科學合理。用於局部放電分析的模式識別的方法主要有人工神經網（wǎng）絡、決策樹算法、支持向（xiàng）量機算法、貝葉斯算法、模糊聚類算法、統計模式識別（bié）等。

一般情況下，模式識別常用的基本方法有兩種（zhǒng），分別為基（jī）於統計的識別（bié）方法和基於結構的識別方法。