Technologie zur Lokalisierung von Leistungsverteilungskabeldefekten basierend auf der Methode der maximalen Entropie-Spektralität

Summary

Dieses Protokoll stellt eine auf Spektralschätzung basierende Methode mit maximaler Entropie zur präzisen Defektlokalisierung in langen Stromverteilungskabeln mittels Frequenzdomänenreflektometrie vor. Es beschreibt Hochfrequenzkabelmodellierung, Analyse des Reflexionskoeffizientenspektrums, spektrale Extrapolation und Validierung durch Simulationen und Experimente und erreicht eine überlegene Genauigkeit im Vergleich zu herkömmlichen FFT-Ansätzen.

Abstract

Da die Kabelverlegungsentfernungen in modernen städtischen Verteilnetzen weiter wachsen, nimmt die Genauigkeit der Fehlerlokalisierung mittels Frequenzbereichsreflektometrie (FDR) mit zunehmender Länge deutlich ab. Um die Präzision für lange Kabel zu verbessern, schlägt diese Studie eine Methode mit maximaler Entropiespektralschätzung vor. Ein Hochfrequenzmodell mit verteilten Parametern für Verteilkabel wird entwickelt, um die Auswirkungen von Isolierungsalterung und mechanischen Schäden auf die Kapazität und Induktivität pro Einheit quantitativ zu bewerten. Basierend auf der Übertragungsleitungstheorie wird die Beziehung zwischen dem Reflexionskoeffizientenspektrum und der Defektposition abgeleitet, zusammen mit einem Stufenfrequenz-Optimierungskriterium zur Verbesserung der spektralen Auflösung. Um spektrale Leckage und begrenzte Auflösung bei schneller Fourier-Transformations-(FFT)-basierter Frequenzdomänenanalyse zu mindern, wird die Methode des maximalen Entropiespektrals für die hochpräzise Spektrumschätzung eingesetzt, wodurch die Genauigkeit der Fehlerentfernungslokalisierung erhöht wird. Simulationen zeigen, dass die vorgeschlagene Methode im Vergleich zu herkömmlicher FFT die Positionsfehler in typischen Langkabelfällen um das 2–4,5-fache reduziert. Experimentelle Ergebnisse bestätigen einen relativen Fehler unter 0,25 % für den maximalen Entropie-Ansatz, der den Fehler der konventionellen Methode unter 0,55 % übertrifft und somit ihre Wirksamkeit und Überlegenheit in der technischen Praxis bestätigt.

Introduction

Mit der steigenden Nachfrage nach Zuverlässigkeit und Sicherheit der Stromversorgung in modernen Stromsystemen sind Kabel in städtischen Verteilnetzen weit verbreitet geworden. Unter anderem werden vernetzte Polyethylenkabel (XLPE) aufgrund der herausragenden Vorteile des Autors^{umfangreich verwendet.} Verteilungskabel werden typischerweise unterirdisch verlegt, wo das Betriebsumfeld rau ist. Mit zunehmender Betriebszeit, kombiniert mit Lastschwankungen und Überlastung, wird die Kabelalterung deutlicher. Folglich können lokalisierte Mängel wie Wasserbäume, elektrische Bäume, Teilentladungen und Dämmungsfeuchtigkeit allmählich auftreten. Wenn diese Mängel nicht rechtzeitig behoben werden, können sie zu schwerwiegenden Ausfällen führen, die schließlich zu Stromausfällen im^{Netz führen.} Daher sind die Fehlererkennung und die Fehlerlokalisierung von Verteilungskabeln zu wesentlichen Bestandteilen des Stromnetzbetriebs und der Wartung geworden.

Die Fehlerlokalisierungsmethoden für Verteilungskabel lassen sich grob in zwei Typen einteilen: Online- und Offline-Ansätze. Online-Methoden werden hauptsächlich durch Wanderwellenpositionierung, Teilentladungsüberwachung (PD) und die Common-Mode-Leckstrommethode repräsentiert. Die Position der Wanderwelle identifiziert die Störungspositionen durch Analyse von transienten Wanderwellen, die an der Störung erzeugt werden. Es steht jedoch vor mehreren Herausforderungen, darunter Schwierigkeiten bei der genauen Extraktion von Wellenfronten, starke Überlagerung von Störungsmerkmalen mit nichtlinearer Verteilung und eine unbequeme Installation. Wichtiger ist, dass diese Methode nicht zur Lokalisierung altersbedingter Defekte^{anwendbar ist}. Die auf PD basierende Online-Überwachung erkennt im Kabel erzeugte Defektsignale und ermöglicht eine Echtzeitbewertung der Betriebsbedingungen. Dennoch stößt es weiterhin auf technologische Engpässe bei der Erkennung von Alterungsfehlern und der Durchführung langfristiger Überwachung. Probleme wie Signalstörungen, Rauschunterdrückung und komplexe Datenanalyse führen in praktischen Anwendungen häufig zu Fehlurteilen ^6,7,8. Das Gleichmodus-Leckstromverfahren bestimmt die Lage und Schwere der Alterungsfehler, indem Variationen der Gleichmodus-Leckströme an den Kabelanschlüssen gemessen werden. Diese Technik bietet eine nicht-invasive Erkennung mit hoher Empfindlichkeit. Seine Anti-Interferenzfähigkeit ist jedoch relativ schwach, da hochfrequente Differentialmodenströme, wie sie beim Betrieb variabler Frequenzgeräte erzeugt werden, die Messgenauigkeit erheblich verringern können. Zusätzlich muss die Online-Überwachung von unter Strom stehenden Kabeln die Signalisolation in Hochspannungsumgebungen berücksichtigen, was die Gerätekosten und die Wartungskomplexität erhöht^.

Im Hinblick auf Offline-Methoden wurden mehrere Ansätze vorgeschlagen, darunter Zeitdomänen-Reflektometrie (TDR)¹², Frequenzdomänen-Reflektometrie (FDR)¹³ und Zeit-Frequenz-Domänen-Reflektometrie (TFDR)¹⁴. Darunter leidet TDR unter niedriger Energie in den hochfrequenten Komponenten des eingespritzten Impulssignals und ist sehr anfällig für Kabeldämpfungseffekte und Rauschstörungen, was zu begrenzter Ortungsgenauigkeit und schlechter Fähigkeit zur Erkennung beginnender Defekte führt in frühen Stadien von Kabelfehlern¹⁵. TFDR mindert durch die Injektion von Gaußschen Chirp-Impulsen den Mangel an unzureichenden hochfrequenten Komponenten in TDR¹⁶. TFDR erfordert jedoch komplexe Signalmodulationsschaltungen und Extraktionsalgorithmen, und seine hochfrequenten modulierten Signale dämpfen schnell, was die Fehlererkennung in langen Kabeln erschwert¹⁷. FDR hingegen injiziert Signale mit gleichmäßiger Leistungsverteilung. Er enthält die reichsten Hochfrequenzkomponenten, erreicht eine höhere Standortgenauigkeit und zeigt eine höhere Empfindlichkeit im Vergleich zu TDR, was zu seiner raschen Entwicklung geführt hat. Je nach Art des empfangenen Signals kann FDR weiter in Breitbandimpedanzspektrum-Methoden (BIS) 18,19,20 und Reflexionskoeffizientenspektrum-(RCS)-Methoden 21,22,23,24 eingeteilt werden.

Im Jahr 2003 schlug eine Gruppe erstmals eine Methode zur lokalen Defektlokalisierung von Kabeln vor, die auf dem Eingangsreflexionskoeffizientenspektrum^{von Kabeln 25} basiert. Dieser Ansatz berücksichtigte jedoch nicht die frequenzabhängigen Effekte verteilter Parameter, die zu Fehleinschätzungen führen können. Später wurde eine inverse schnelle Fourier-Transformation (IFFT) angewendet, um Informationen aus dem Reflexionskoeffizientenspektrum am Kabeleingang zu extrahieren, was eine effektive Lokalisierung lokaler Defekte wie thermische Alterung, Strahlungsalterung und Extrusionsdeformation²⁶ ermöglichte. Es wurde außerdem beobachtet, dass je höher die obere Frequenz des Sweep-Signals ist, desto höher ist die räumliche Auflösung der Frequenzdomänen-Reflektometrie (FDR). Dennoch nimmt bei Anwendung auf lange Kabel die obere Frequenz des Sweep-Signals deutlich ab, was zu einer geringeren Lokalisierungsgenauigkeit führt.

Der Kern der FDR-Methode liegt in der Durchführung der FFT auf den erfassten Reflexionssignalen. Aufgrund des inhärenten spektralen Leckproblems der FFT haben Forscher jedoch mehrere Verbesserungen vorgeschlagen. Eine Studie führte die Verwendung eines Distanzfensters in Kombination mit einer Kaiser-Fensterfunktion in der diskreten Fourier-Transformation (DFT) ein, um die Defektkomponenten aus dem realen Teil des Reflexionskoeffizientenspektrums zu extrahieren und so die Lokalisierung gelockerter Kupferabschirmungsdefekte in Kabeln^{zu ermöglichen 27}. Ein Kaiser-fensterbasiertes DFT²⁸ wurde auf den realen Teil des Eingangsreflexionskoeffizientenspektrums angewendet und erreichte so eine Fehlertypidentifikation für offene Schaltkreise, Kurzschluss-, Hochwiderstands- und Niederwiderstandsbedingungen. Eine Studie schlug vor, eine Blackman-fensterbasierte DFT auf den imaginären Teil der Kabeleingangsimpedanz anzuwenden, um Feuchtigkeit in Zwischenfugen zu detektieren und zu lokalisieren²⁹. Ein Interpolationsalgorithmus mit dem Hanning-Selbstfaltungsfenster in der DFT wurde eingeführt, um die Frequenz und Phase periodischer Komponenten im realen Teil des Reflexionskoeffizientenspektrums³⁰ zu schätzen, was die Polaritätsbestimmung von Kabelimpedanomalien ermöglichte. In der Folge wurden Verbesserungen durch die Einbeziehung von Nuttall-Fenstern, Drei-Term-Nuttall-Fenstern vierter Ordnung, Nuttall-Selbstfaltungsfenster zweiter Ordnung und dreipunktige interpolierte DFT-Algorithmen³¹ erreicht. Insgesamt konzentrieren sich bestehende Studien hauptsächlich auf das Design von Fensterfunktionen oder die Verfeinerung von Interpolationsalgorithmen, die die Genauigkeit der Fehlerlokalisierung bis zu einem gewissen Grad verbessert haben.

Aus Sicht des FFT-Prinzips gilt in der Frequenzbereichsreflektometrie (FDR): Je höher die Frequenz des eingespritzten Signals, desto besser die Messgenauigkeit. Theoretisch kann der Kabeldefekt mit perfekter Präzision lokalisiert werden, wenn die Einspritzfrequenz sich unendlich nähert. Die Übertragung von Ultrahochfrequenzsignalen über Kabel wird jedoch stark abgeschwächt, was sie für mittel- und langstreckige Kabel^{ungeeignet macht.} Daher besteht ein inhärenter Kompromiss zwischen der maximalen Einspritzfrequenz in FDR und der erreichbaren Genauigkeit der Fehlerlokalisierung. Um dieses Problem zu adressieren, schlägt diese Arbeit eine Technik zur Lokalisierung von Kabeldefekten vor, die auf der Methode des Maximalentropiespektrals basiert. Die Methode sagt den hochfrequenten Teil des Reflexionskoeffizientenspektrums aus den gemessenen niederfrequenten Daten gemäß dem Kriterium der maximalen Entropie voraus und berechnet dann das maximale Entropiespektrum (MES) des Reflexionskoeffizienten, um die Defektposition zu bestimmen. Im Vergleich zu herkömmlichen FFT-basierten FDR-Methoden, die durch spektrale Leck- und Auflösungsbeschränkungen begrenzt sind, insbesondere in Langstreckenkabelanwendungen, bietet die vorgeschlagene Methode mit maximaler Entropie eine höhere spektrale Auflösung, indem sie hochfrequente Informationen effektiv aus begrenzten gemessenen Daten extrapoliert. Im Gegensatz zu fensterfunktionalen Verbesserungen, die hauptsächlich Seitenkeulen unterdrücken, ohne die Auflösung grundlegend zu verbessern, verbessert der MES-Ansatz sowohl die Spitzenschärfe als auch die Lokalisierungsgenauigkeit. Darüber hinaus bietet die MES-Methode im Vergleich zu interpolationsbasierten oder parametrischen spektralen Schätzungsmethoden ein besseres Gleichgewicht zwischen Auflösung und Robustheit, was sie besonders geeignet macht, um beginnende Defekte in langen Verteilkabeln zu erkennen. Dieser Ansatz verbessert die Lokalisierungsgenauigkeit, reduziert den relativen Fehler von 0,55 % bei herkömmlichen Methoden auf 0,25 % und erzeugt glattere Lokalisierungskurven, die die Identifizierung von Defektspitzen erleichtern.

Protocol

HINWEIS: Führen Sie alle Messungen am Testkabel im Offline-Zustand durch (stromlos geschaltet). Verwenden Sie einen Vektornetzwerk-Analysator (VNA) oder ein gleichwertiges Reflektometrieinstrument im Frequenzbereich, das in der Lage ist, Signaleinspritzung und Reflexionskoeffizienten einzufügen. Stellen Sie sicher, dass das Kabel am anderen Ende offen geschaltet ist, sofern nicht anders angegeben. Vermeiden Sie Verbindungsreflexionen durch kurze, direkte Koaxialverbindungen und leitfähiges Band für sicheren Kontakt. Siehe die Materialtabelle für empfohlene Geräte und Software.

1. Bereite die Kabelprobe und die Messanlage vor

1. Wählen Sie das Stromverteilungskabel zum Testen aus (z. B. YJLV22-8,7/10 kV-3×70 XLPE-Kabel oder äquivalent).
2. Messen und notieren Sie die gesamte Kabellänge sowie bekannte Defektpositionen (falls künstlich eingeführt).
3. Misse die Ausbreitungsgeschwindigkeit der elektromagnetischen Wellen im Kabel.
   1. Verbinden Sie das Kabel an einem Ende mit dem Instrument und lassen Sie das entfernte Ende offen.
   2. Erfassen Sie das Reflexionskoeffizientenspektrum über ein geeignetes Frequenzband.
   3. Identifizieren Sie die Schwingungsperiode, die der gesamten Kabellänge entspricht (Hin- und Rückfahrt).
   4. Berechnen Sie die Geschwindigkeit als (1)
4. Bereiten Sie den Kabelkopfanschluss vor.
   1. Strippe das Kabelende, um den Kern und die Abschirmung freizulegen.
   2. Verwenden Sie doppelseitiges, leitfähiges Kupferband, um die Instrumentenleitungen sicher am Kern und am Schirm zu befestigen.
   3. Reduzieren Sie die Länge der Zweigleitungen, um Kopfendreflexionen zu reduzieren.

2. Konfigurieren Sie die Frequenzsweep-Parameter

1. Bestimmen Sie den Frequenzschritt (Δf) anhand des Auswahlkriteriums.
   1. Verwenden Sie die Seilend-Oszillationsperiode (2)
   2. So eingestellt, dass mindestens 200 Probenahmepunkte pro Zyklus gewährleistet sind.
   3. Der Frequenzschritt Δf bestimmt den maximal beobachtbaren Abstandsbereich: (3)
   4. Um sicherzustellen, dass die gesamte Kabellänge L ohne Mehrdeutigkeit aufgelöst werden kann:
      (4)
   5. In dieser Studie wird eine strengere Bedingung zur Verbesserung der Auflösung angenommen: (5)
2. Stellen Sie das Frequenzband ein.
   1. Setzen Sie die untere Grenze auf 100 kHz (oder Instrumentenminimum).
   2. Stellen Sie die obere Grenze auf das maximal erreichbare Maximum ohne übermäßige Dämpfung ein (typischerweise 30–50 MHz für Kabel <200 m; reduzieren Sie bei längeren Kabeln).
   3. Die obere Frequenzgrenze f_max beeinflusst direkt die räumliche Auflösung: (6)
   4. Ein höheres _Blendenlimit führt zu einer feineren Auflösung, wird jedoch durch die Kabeldämpfung eingeschränkt.
3. Berechnen Sie die erforderliche Anzahl von Stichprobenpunkten (7)
4. Konfigurieren Sie das Instrument mit dem berechneten Frequenzband, dem Schritt und den Punkten (z. B. 100 kHz–50 MHz, ~5.000 Punkte für hohe Auflösung).

3. Erfassen des Reflexionskoeffizientenspektrums

1. Kalibrieren Sie das Instrument (offen-kurzlast-Kalibrierung empfohlen für VNA).
2. Schließen Sie den vorbereiteten Kabelkopf an den Instrumentenanschluss an.
3. Injizieren Sie Sinussignale mit geschwungener Frequenz und messen Sie den Eingangsreflexionskoeffizienten Γ(ω) an jedem diskreten Frequenzpunkt.
   1. Der gemessene Reflexionskoeffizient kann wie folgt ausgedrückt werden: (8)
   2. wobei: Γ_d: Reflexionskoeffizient am Defekt, : Phasenkonstante, d: Defektabstand.
   3. Diese Beziehung zeigt, dass die Phase des Reflexionskoeffizienten linear mit der Häufigkeit variiert und so die Grundlage für die Entfernungsschätzung bildet.
4. Zeichnen Sie das komplexe Reflexionskoeffizientenspektrum (Größe und Phase oder reelle und imaginäre Teile) auf.
5. Speichere die Daten als Frequenz- versus reale/imaginäre Reflexionskoeffizienten.

4. Verarbeiten Sie die Daten mit der herkömmlichen FFT-Methode (zum Vergleich)

1. Extrahieren Sie den imaginären Teil des Reflexionskoeffizientenspektrums.
2. Wenden Sie eine Fensterfunktion an (z. B. Blackman-Fenster), um das Lecken von Seitenloben zu reduzieren.
3. Führen Sie eine inverse schnelle Fourier-Transformation (IFFT) auf dem fensterten imaginären Teil durch.
   1. Die inverse Fourier-Transformation wird eingeführt als: (9)
4. Der Defektabstand wird berechnet wie folgt:
   (10)
   1. wobei t die Zeit ist, die der Spitzenposition nach der inversen Fourier-Transformation entspricht.
5. Identifizieren Sie Defektspitzen (ohne Kopf- und Endspiegelungen) im Reflexionskoeffizientenspektrum.

5. Anwendung der Methode des maximalen Entropiespektrals zur Defektlokalisierung

1. Laden Sie die erfassten Reflexionskoeffizienten-Spektrumdaten.
2. Entfernen Sie die Trend und zentriere die imaginäre Teilefolge.
3. Wählen Sie die autoregressive Modellreihenfolge
   (11)
   1. wobei N die Anzahl der Datenpunkte ist.
4. Implementiere den Burg-Rekursionsalgorithmus.
   1. Initialisieren Sie Vorwärts- und Rückwärtsvorhersagefehler.
   2. Rekursiv werden Reflexionskoeffizienten und autoregressive Parameter berechnet, während die Vorwärts- und Rückwärtsfehlerleistung minimiert wird.
   3. Extrapolieren Sie die Autokorrelationssequenz basierend auf dem Kriterium der maximalen Entropie.
5. Berechnen Sie das Leistungsspektrum aus der extrapolierten Sequenz.
6. Identifizieren Sie Spitzen im maximalen Entropie-Leistungsspektrum.
7. Maximale Positionen in Defektabstände mit (12) umrechnen
8. Vergleichen Sie die maximale Klarheit und den Lokalisierungsfehler mit den herkömmlichen FFT-Ergebnissen.

6. Die Ergebnisse interpretieren

1. Unterscheide positive Peaks (erfolgreiche Defekterkennung) von scheinbaren Peaks oder suboptimalen Spuren.
2. Berechnen Sie den relativen Lokalisierungsfehler als (13)
3. Erfolg durch relativen Fehler <0,25 % und einen klaren, glatten Peak ohne signifikante Seitenlappen bestätigen.

Results

Die Ergebnisse des Reflexionskoeffizientenspektrums und der Defektlokalisierung wurden sowohl aus Simulationen als auch aus Experimenten mit der Methode des maximalen Entropiespektrals gewonnen und mit konventionellen FFT-basierten Ansätzen verglichen. Eine erfolgreiche Defektlokalisierung zeichnet sich durch ein glattes Leistungsspektrum mit einem scharfen, markanten Peak an der exakten Defektposition, minimalen spuriosen Peaks (Pseudopeaks verursacht durch Seitenlappen oder Leckage) un...

Discussion

In dieser Studie präsentieren die Autoren ein detailliertes Protokoll zur Lokalisierung von Defekten in Stromverteilungskabeln mittels Frequenzdomänen-Reflektometrie (FDR), die durch die maximale Entropie-Spektralmethode (MES) verbessert wird. Frühere Studien stützten sich oft auf konventionelle, schnelle Fourier-Transformations-(FFT)-basierte Analysen, die mit spektraler Leckage, begrenzter Auflösung in langen Kabeln und unsicheren Peaks zu kämpfen hat, die die Fehlererkennung

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Leitfähiges Kupferband, doppelseitig	Nicht spezifiziert	N/A	Wird verwendet, um Prüfleitungen an den Kabelkern und die Abschirmung anzuschließen, um Reflexstörungen durch das Kopfend https://www.shcenxin.com/metaltape/93.html zu minimieren
YJLV22-8,7/10 kV-3&Times; 70er Mittelspannungskabel	Nicht spezifiziert	YJLV22-8,7/10 kV-3&Times; 70	Quervernetztes Polyethylen (XLPE) Aluminiumkern-Stahlband mit gepanzertem PVC-Ummantelungskabel; Gesamtlänge 171 m; Verwendet als Testobjekt mit extern induziertem Defekt http://www.xmdl518.com/jspn01-Products-6234877/
10-kV-Kabelfehlerlokalisierungsgerät	Nicht spezifiziert	Nicht spezifiziert	Frequenzdomänen-Reflektometrieinstrument; Frequenzband 100 kHz; 50 MHz; konfiguriert mit 5.001 Abtastpunkten für die Reflexionskoeffizienten-Spektrumerfassung https://www.163.com/dy/article/K6OHFJOO0552X57P.html