★ 田广亮，朱连富（上海格鲁布科技有限公司，上海 200120）

关键词：局部放电定位；仿生天线；时间反演技术；嵌入式系统；人工神经网络；振荡波检测

局部放电是电力设备绝缘劣化的重要前兆信号，对电力系统的安全稳定运行构成了严重威胁。根据统计，高压电气设备故障中约有30%直接源于绝缘缺陷导致的局部放电。传统的局部放电检测方法包括脉冲电流法、特高频（Ultra High Frequency， UHF）法、超声波检测等，但这些方法在实际应用中面临诸多挑战。

脉冲电流法虽被IEC 60270标准采纳为权威方法，但易受现场电磁干扰；UHF法虽具有较高的灵敏度，但其在复杂变电站环境中的定位精度有限，尤其是在多路径传播和噪声干扰环境下其性能显著下降。

在检测灵敏度方面，传统天线在300MHz～3GHz频带内的增益和方向性不足，难以有效提取微弱的局放信号；就定位精度而言，基于时差的定位方法受波速频变特性及时间同步精度制约，易产生较大定位误差。在工程应用方面，现有检测系统往往体积庞大，难以实现便携式、实时性监测需求。特别是对于振荡型局部放电信号，传统峰值法、能量法等相关方法的定位误差通常在2%以上，难以满足精准检修的需求。

近年来，仿生学原理在天线设计领域的应用为解决上述问题提供了新思路。受昆虫听觉器官卓越的定向感知能力启发，研究人员设计的仿生天线具有多频带响应、高增益和定向可控等特点，能够显著提升局放信号的采集质量。同时，时间反演技术因其固有聚焦特性和抗干扰能力，在复杂介质波传播问题中展现出独特优势。该技术通过将接收信号进行时间反演并重新注入传播环境，可实现信号在源点处的自适应聚焦，有效克服了色散和多路径效应带来的定位误差。

1   研究方法设计

研究采用“仿生感知-信号处理-系统实现”的三层研究框架，通过仿生天线设计、时间反演算法优化和嵌入式系统实现了三个关键技术环节，从而构建了完整的局部放电定位解决方案。

仿生学原理与应用：研究基于昆虫听觉器官的定向感知机制，特别借鉴了螽斯科昆虫的听觉系统结构。该类昆虫的听觉器官具有螺旋状共鸣腔和多层膜结构，能够在复杂声场中实现特定频率信号的增强接收。将其原理转化为电磁波接收领域，可设计基于分形几何的仿生天线结构。

天线结构采用迭代函数系统生成分形图案，迭代公式为式（1）：

其中，系数(aix、  biy、  ei、  cix、   diy、  fi)通过遗传算法优化确定，以在300MHz～3GHz频段内实现最佳阻抗匹配。

天线参数优化与性能测试：通过ANSYS HFSS软件进行电磁仿真，重点优化了以下几个关键参数：基底材料、介质厚度（1.524mm）、分形迭代次数（4次）。我们在优化过程中发现，迭代次数与带宽存在明显的权衡关系，如表1所示。

表1 分形迭代次数对天线性能的影响

2   实证数据收集与分析

2.1   实验设计与数据采集方案

实验室测试在标准电磁屏蔽室内进行。测试平台核心为498m的10kV交联聚乙烯电缆，通过振荡波电压发生器在电缆中诱发局部放电。该系统采用多通道同步采集设计，确保信号的时间一致性，为时间反演处理提供高质量数据基础。人工缺陷模型包括三种典型绝缘缺陷：针板放电模型（模拟绝缘内部缺陷）、表面放电模型（模拟绝缘表面爬电）和气隙放电模型（模拟材料内部空穴）。每种缺陷在电缆的100m、250m和400m位置分别设置，共9个测试点。数据采集使用表5所示的仪器配置，确保捕获信号的完整特征。采样率设置为200MS/s，分辨率14位，连续记录时间30s，每个测试点重复实验50次，共获得1350组有效数据。

现场试验在某市供电公司500kV变电站进行，历时6个月， 覆盖春夏两季的不同气候条件。监测点包括开关柜母线室、电缆终端接头和变压器出线装置等关键部位，重点关注高温高湿环境下的方法稳定性。

2.2   数据分析方法与模型构建

信号质量评估与分析：为量化仿生天线对信号质量的改善效果，定义了信号质量指数（Signal Quality Index， SQI）作为评价指标，如式（2）所示：

其中， Psignal/Pnoise为信噪比，G mean为平均增益，Bweff为有效带宽，α、β为权重系数（通过主成分分析确定为0.35和0.25）。

对1350组实验室数据的分析结果显示，在500MHz～1.5GHz关键频段， 改善效果最为显著， 平均提升幅度达4.8dB。

针对振荡型局部放电信号的特殊性，我们采用了集合经验模态分解方法进行预处理。将原始信号分解为8个本征模态函数，计算各IMF的样本熵作为特征参数，可有效区分不同类型局放信号的模式特征。

定位精度评估模型，建立多元回归模型分析影响定位精度的关键因素，如式（3）所示：

其中，β0  β4为回归系数，e为误差项。通过最小二乘法拟合得到各因素的影响程度，如表2所示。

表2 定位误差影响因素的回归分析结果

模型调整R²为0.893，F统计量为245.7（p＜0.001），表明模型具有很好的解释力。结果显示，信噪比是影响定位精度的最主要因素，贡献度达43.2%。

2.3   实验结果与讨论

实验室测试三种典型局放信号的定位性能对比结果如表3所示， 时间反演法在所有测试场景下均表现出优越性，特别是在振荡型局放定位中，相对误差仅为传统峰值法的1/20。

表3 不同定位方法的性能对比（实验室数据）

通过方差分析检验不同方法间的显著性差异，结果如表4所示， 时间反演法在各组比较中均表现出显著优势（p＜0.001）。

表4 定位方法性能的方差分析结果

现场试验共收集有效数据127组。尽管现场环境的电磁干扰显著强于实验室条件，但本方法的平均定位误差仍保持在0.35%以下，满足工程应用要求。本研究方法在高温高湿条件下的性能稳定性表现突出：在环境温度35℃以上、相对湿度80%以上的极端条件下，定位误差仅增加0.08%，远低于传统方法的0.35%增幅。这一优势主要源于仿生天线的温度稳定性设计和时间反演算法的抗干扰能力。通过6个月的连续监测， 系统成功预警了3起潜在绝缘故障，平均预警时间提前量达72小时，为设备检修提供了宝贵时间窗口。这一结果验证了本方法在预测性维护方面的应用价值。

3   模型构建与验证

3.1   人工神经网络模型构建

模型架构设计：基于前期仿生天线采集的信号特征和时间反演处理结果，本研究构建了具有双路径并行处理能力的深度神经网络模型。该模型采用模块化设计，包含特征提取、信号分类和位置回归三个核心模块。该设计实现了特征提取的并行处理，确保了时域和频域特征的有效利用，提高了模型的表达能力和收敛速度。输入层设计为多维度特征向量，包含25个特征参数，具体分布如表5所示。这些特征参数基于前期实验结果和特征重要性分析筛选得出，涵盖了信号的时域、频域和时频域特性。

表5 输入特征参数分布及重要性排序

网络参数优化与训练策略：隐藏层采用三层全连接结构，神经元数量分别为128、64和32。基于超参数优化实验结果，确定以下关键参数：激活函数采用ReLU，优化器选择Adam，初始学习率设为0.001，批量大小为32。为防止过拟合，引入了Dropout层（丢弃率0.2）和L2正则化(λ=0.01）。

训练数据来自实验室模拟和现场试验收集的427组有效样本，通过数据增强技术（添加高斯噪声、时序抖动、幅度缩放）将样本量扩大至2135组。数据集按7:2:1的比例划分为训练集、验证集和测试集。训练过程采用早停策略，当验证集损失连续10个epoch未改善时自动停止训练。

3.2   模型验证与性能评估

基准测试与对比分析：为全面评估模型性能，我们设计了严格的基准测试方案， 包括k折交叉验证（k=5）和独立测试集验证。同时，将其与三种传统机器学习方法进行对比分析，结果如表6所示。

表6 不同模型的性能对比结果

分析表明，研究模型在局放类型识别和定位精度方面均显著优于对比方法。特别是在振荡型局放识别中，其准确率达到97.8%，较传统方法提升超过10个百分点。其定位精度的提升更为明显，相对误差降低至0.13%，满足了工程应用的高精度要求。

抗干扰性能测试：为验证模型在复杂环境下的鲁棒性，我们设计了多层级抗干扰测试。模型根据输入信号质量自动选择最优处理路径，在保证精度的同时提升了计算效率。测试结果显示， 即使在SNR=-2dB的极端噪声环境下， 模型的定位误差仍可控制在1.2%以内，识别准确率保持在85%以上。这一性能显著优于传统方法，证明了模型在实际工程环境中的适用性。

消融实验与贡献度分析：为评估各组件对整体性能的贡献，我们设计了系统的消融实验，通过逐步移除关键组件，观察性能变化，结果如表7所示。

表7 消融实验结果分析

实验结果表明， 时间反演处理模块对性能贡献最大（35.2%），其次是双路径网络结构（48.9%）。仿生天线特征虽然单独贡献度为22.1%， 但与时间反演技术结合时产生了明显的协同效应，共同贡献了超过60%的性能提升。

3.3   模型在实际场景中的验证

多源局放定位测试： 针对实际工程中常见的多源局放现象，我们设计了密集放电源定位测试。在间距2.5m的范围内设置两个局放源，模型成功实现了信号分离和精确定位，定位误差小于0.35m。这一性能明显优于传统方法的1.2m误差，证明了模型在复杂场景下的实用性。

我们在测试过程中发现， 当放电源间距小于1.5m时，模型性能有所下降，但通过引入注意力机制和空间相关性分析，可将最小可分辨距离优化至0.8m，满足了绝大多数工程应用需求。

长期稳定性评估：进行6个月的连续现场测试，以评估模型的长期稳定性。每月对模型进行重新校准和测试，结果显示其性能波动范围在±2.3%以内，表现出良好的稳定性。特别是在温度变化剧烈的夏季，模型通过自适应调整机制，保持了稳定的性能输出。

计算效率分析：在嵌入式平台（X i l i n x Zynq-7000）上部署模型后，我们进行了计算效率测试。单个局放事件的完整处理时间平均为89ms，满足实时性要求（＜100ms）。功耗测试显示，系统在满负荷运行时的功耗为4.3W，低于设计目标的5W。

系统的模型构建和严格的验证测试表明， 本研究提出的人工神经网络模型在局部放电识别和定位方面表现出卓越的性能， 为电力设备状态监测提供了有效的智能解决方案。模型的创新性在于将仿生天线特征与时间反演技术深度融合，通过双路径网络结构实现了信号处理与模式识别的协同优化。

4   结语

本研究针对电力设备局部放电检测与定位中的关键技术难题，提出了基于仿生天线与时间反演技术的局部放电定位方法，并设计了相应的嵌入式系统实现方案。仿生天线在局部放电信号检测中表现出显著优势。与传统天线相比，仿生天线的增益提高了约3dB，带宽增加了25%，在500MHz～1.5GHz关键频段内的辐射效率明显提升。这些改进使得系统能够更有效地提取微弱局放信号，为后续精准定位奠定了良好基础。时间反演定位算法在复杂局放信号处理中展现出强大性能。实验结果表明，该算法对脉冲型、振荡型和混合型局放的平均定位相对误差分别为0.05%、0.11%和0.09%，远低于传统峰值法、相关法和能量法。特别是在振荡型局放定位方面，时间反演算法的误差仅为传统方法的1/5。基于Zynq-7000 SoC的嵌入式系统实现了局部放电定位的实时处理与便携式监测。系统可在100ms内完成单个局放事件的定位处理，功耗低于5W，满足了现场应用的实时性和便携性需求。人工神经网络模型的引入实现了局部放电的智能识别与精准定位，其在局放类型识别上的准确率达到96.3%，定位相对误差不超过0.13%，表现出较强的泛化能力和工程适用性。

作者简介：

田广亮（1990-），男，河南周口人，工程师，学士，现就职于上海格鲁布科技有限公司，主要从事高压设备绝缘状态带电检测技术方面的研究。

朱连富（1989-），男，甘肃庆阳人，助理工程师 ，现就职于上海格鲁布科技有限公司，主要从事高压设备绝缘状态带电检测技术方面的研究。

参考文献：

[1] 宋文. 基于SOA的变压器局部放电超声定位方法[J]. 科技创新与应用, 2022, 12 (06) : 11 - 13,

[2] 胡雨婕, 王奎. 基于时差定位法的变压器绕组局部放电定位方法研究[J]. 黑龙江电力, 2025, 47 (04) : 354 - 358 + 369.

[3] 江炯, 岳龙, 徐钟波, 等. 高频信号触发计时下的变压器局部放电故障光电图像融合定位方法[J]. 电子器件, 2025, 48 (02) : 359 - 365.

[4] 林贞荣. 融合多传感特征的中压SF6环网柜气室局部放电诊断及定位方法[J]. 电工技术, 2025, (06) : 84 - 86 + 93.

[5] 马文涛, 严天峰, 郑礼, 等. 基于电力变压器的局部放电定位方法研究[J]. 现代雷达 ,

[6] 回恩良, 蔡志远. 基于声电联合的局部放电定位方法研究[J]. 电工技术, 2024, (23) : 47 - 50 + 54.

[7] 肖小龙, 郭佳豪, 郭茂森, 等. 基于改进GCC算法的交流配电电缆局部放电在线定位方法研究[J]. 机械与电子, 2024, 42(03) : 26 - 31 + 39.

[8] 蒙志强. GIS局部放电高效检测及定位方法[J]. 电气技术与经济, 2024, (03) : 355 - 357.

[9] 张树铭. 基于超声测量的发电机定子局部放电故障精准定位方法研究[J]. 电气时代, 2023, (09) : 82 - 86.

摘自《自动化博览》2026年4月刊