Tecnologia di localizzazione dei difetti nei cavi di distribuzione di potenza basata sul metodo spettrale a massima entropia

Summary

Questo protocollo presenta un metodo basato sulla stima spettrale a entropia massima per la localizzazione precisa dei difetti in lunghi cavi di distribuzione di potenza utilizzando la reflectometria a dominio di frequenza. Descrive la modellazione dei cavi ad alta frequenza, l'analisi dello spettro dei coefficienti di riflessione, l'estrapolazione spettrale e la validazione tramite simulazioni ed esperimenti, ottenendo una precisione superiore rispetto agli approcci FFT convenzionali.

Abstract

Man mano che le distanze di posa dei cavi nelle moderne reti di distribuzione urbane continuano ad espandersi, la precisione della localizzazione dei guasti tramite la riflettometria nel dominio della frequenza (FDR) diminuisce notevolmente con l'aumento della lunghezza. Per migliorare la precisione per cavi lunghi, questo studio propone un metodo basato sulla stima spettrale a massima entropia. Viene sviluppato un modello di parametri distribuiti ad alta frequenza per i cavi di distribuzione per valutare quantitativamente gli impatti dell'isolamento invecchiato e dei danni meccanici sulla capacità e sull'induttanza di lunghezza per unità. Attingendo alla teoria delle linee di trasmissione, si deriva la relazione tra lo spettro del coefficiente di riflessione e la posizione del difetto, insieme a un criterio di ottimizzazione a frequenza a passo per migliorare la risoluzione spettrale. Per mitigare la perdita spettrale e la risoluzione limitata nell'analisi del dominio frequenzale basata su trasformata di Fourier veloce (FFT), si impiega il metodo spettrale della massima entropia per la stima dello spettro ad alta fedeltà, aumentando così la precisione della localizzazione della distanza di guasto. Le simulazioni rivelano che, rispetto alla FFT convenzionale, il metodo proposto riduce gli errori di localizzazione di 2–4,5 volte nei casi tipici a cavi lunghi. I risultati sperimentali confermano un errore relativo inferiore allo 0,25% per l'approccio a entropia massima, superando l'errore convenzionale sotto lo 0,55%, convalidandone così l'efficacia e la superiorità nella pratica ingegneristica.

Introduction

Con la crescente domanda di affidabilità e sicurezza nell'approvvigionamento di energia nei sistemi elettrici moderni, i cavi sono stati ampiamente adottati nelle reti di distribuzione urbane. Tra questi, i cavi in polietilene reticolato (XLPE) sono ampiamente utilizzati grazie ai notevoli vantaggi^{dell'autore 1,2}. I cavi di distribuzione sono tipicamente installati sottoterra, dove l'ambiente operativo è difficile. Con l'aumento del tempo di servizio, combinato con fluttuazioni di carico e sovraccarichi, l'invecchiamento dei cavi diventa più evidente. Di conseguenza, possono verificarsi gradualmente difetti localizzati come alberi acquatici, alberi elettrici, scariche parziali e umidità dell'isolamento. Se non vengono affrontati in tempo, questi difetti possono evolversi in guasti gravi, portando infine a interruzioni di corrente nella^{rete 3,4}. Pertanto, l'identificazione dei difetti e la localizzazione dei guasti nei cavi di distribuzione sono diventati componenti essenziali per il funzionamento e la manutenzione della rete elettrica.

I metodi di localizzazione dei guasti per i cavi di distribuzione possono essere ampiamente suddivisi in due tipi: approcci online e offline. I metodi online sono principalmente rappresentati dalla posizione dell'onda viaggiante, dal monitoraggio della scarica parziale (PD) e dal metodo della corrente di fuga in modalità comune. La posizione dell'onda viaggiante identifica le posizioni delle faglie analizzando le onde transitorie che viaggiano generate sulla faglia. Tuttavia, affronta diverse sfide, tra cui difficoltà nell'estrazione accurata dei fronti d'onda, una forte sovrapposizione di caratteristiche di faglia con distribuzione non lineare e un'installazione scomoda. Ancora più importante, questo metodo non è applicabile per individuare difetti correlati^{all'invecchiamento 5}. Il monitoraggio online basato su PD rileva i segnali di difetto generati all'interno del cavo e consente la valutazione in tempo reale delle condizioni operative. Tuttavia, continua a incontrare colli di bottiglia tecnologici nel riconoscere i difetti dell'invecchiamento e nell'esecuzione di monitoraggio a lungo termine. Problemi come interferenze di segnale, soppressione del rumore e analisi complessa dei dati spesso portano a errori di valutazione nelle applicazioni^{pratiche 6,7,8}. Il metodo della corrente di fuga in modalità comune determina la posizione e la gravità dei difetti di invecchiamento misurando le variazioni nelle correnti di fuga in modalità comune ai terminali del cavo. Questa tecnica offre una rilevazione non intrusiva con alta sensibilità. Tuttavia, la sua capacità anti-interferenza è relativamente debole, poiché correnti differenziali ad alta frequenza, come quelle generate durante il funzionamento delle apparecchiature a frequenza variabile, possono ridurre significativamente la precisione delle misurazioni. Inoltre, il monitoraggio online dei cavi alimentati deve affrontare l'isolamento del segnale in ambienti ad alta tensione, il che aumenta i costi delle apparecchiature e la complessità^{di manutenzione 9, 10, 11.}

Per quanto riguarda i metodi offline, sono stati proposti diversi approcci, tra cui la riflettometria nel dominio del tempo (TDR⁾¹², la riflettometria nel dominio della frequenza (FDR⁾¹³ e la riflettometria nel dominio tempo-frequenza (TFDR⁾¹⁴. Tra questi, la TDR soffre di bassa energia nelle componenti ad alta frequenza del segnale a impulsi iniettati ed è altamente suscettibile agli effetti di attenuazione del cavo e alle interferenze rumorose, con conseguente limitata precisione della localizzazione e scarsa capacità nel rilevare difetti incipienti nelle prime fasi dei guasti del^{cavo 15}. TFDR, iniettando impulsi chirp gaussiani, mitiga la carenza di componenti ad alta frequenza insufficienti in TDR¹⁶. Tuttavia, il TFDR richiede circuiti complessi di modulazione del segnale e algoritmi di estrazione, e i suoi segnali ad alta frequenza modulati attenuano rapidamente, rendendo il rilevamento dei difetti nei cavi lunghi una^{sfida di 17}. FDR, invece, inietta segnali a frequenza swept con una distribuzione di potenza uguale. Contiene i componenti ad alta frequenza più ricchi, raggiunge una maggiore precisione di localizzazione e dimostra una maggiore sensibilità rispetto al TDR, il che ne ha portato a un rapido sviluppo. A seconda del tipo di segnale acquisito, FDR può essere ulteriormente categorizzato nei metodi dello spettro di impedenza a banda larga (BIS⁾ 18,19,20 e nei metodi dello spettro dei coefficienti di riflessione (RCS⁾ 21,22,23,24.

Nel 2003, un gruppo propose per la prima volta un metodo di localizzazione locale dei difetti del cavo basato sullo spettro del coefficiente di riflessione in ingresso dei cavi²⁵. Tuttavia, questo approccio non teneva conto degli effetti dipendenti dalla frequenza dei parametri distribuiti, che possono portare a errori di valutazione. Successivamente, è stata applicata una trasformata di Fourier inversa veloce (IFFT) per estrarre informazioni dallo spettro dei coefficienti di riflessione all'ingresso del cavo, consentendo la localizzazione efficace di difetti locali come l'invecchiamento termico, l'invecchiamento da radiazione e la deformazione^{da estrusione 26}. Si è inoltre osservato che più alta è la frequenza alta del segnale di sweep, maggiore è la risoluzione spaziale della riflettometria nel dominio della frequenza (FDR). Tuttavia, applicato a cavi lunghi, la frequenza superiore del segnale di sweep diminuisce significativamente, con conseguente riduzione della precisione di localizzazione.

Il nucleo del metodo FDR risiede nell'esecuzione della FFT sui segnali di riflessione acquisiti. Tuttavia, a causa del problema intrinseco di perdita spettrale della FFT, i ricercatori hanno proposto diversi miglioramenti. Uno studio ha introdotto l'uso di una finestra di distanza combinata con una funzione finestra Kaiser nella trasformata di Fourier discreta (DFT) per estrarre le componenti dei difetti dalla parte reale dello spettro dei coefficienti di riflessione, permettendo così la localizzazione dei difetti di schermatura in rame allentati nei cavi²⁷. Un DFT²⁸ basato su finestre Kaiser è stato applicato alla parte reale dello spettro del coefficiente di riflessione in ingresso, ottenendo l'identificazione del tipo di guasto per circuiti aperti, cortocircuiti, alta e bassa resistenza. Uno studio propose di applicare una DFT basata su finestre Blackman alla parte immaginaria dell'impedenza di ingresso del cavo per la rilevazione e localizzazione dell'umidità nei giunti intermedi²⁹. Un algoritmo di interpolazione che utilizza la finestra di autoconvoluzione di Hanning nella DFT è stato introdotto per stimare la frequenza e la fase delle componenti periodiche nella parte reale dello spettro del coefficiente di^{riflessione 30}, che ha permesso di determinare la polarità delle anomalie di impedenza del cavo. Successivamente, sono stati ottenuti miglioramenti incorporando finestre Nuttall, finestre Nuttall di quarto ordine a tre termini, finestre di autoconvoluzione Nuttall di secondo ordine e algoritmi DFT interpolati^{a tre punti 31}. Nel complesso, gli studi esistenti si sono concentrati principalmente sulla progettazione delle funzioni finestra o sul raffinamento degli algoritmi di interpolazione, che hanno migliorato in una certa misura la precisione della localizzazione dei difetti.

Dal punto di vista del principio FFT, nella riflettometria nel dominio della frequenza (FDR), più alta è la frequenza del segnale iniettato, migliore è la precisione della misurazione. In teoria, se la frequenza di iniezione tende all'infinito, il difetto del cavo può essere individuato con perfetta precisione. Tuttavia, la trasmissione di segnali ad ultra-alta frequenza lungo i cavi subisce un'attenuazione severa, rendendoli inadatti per cavi di media e lunga^{lunghezza 32,33}. Pertanto, esiste un compromesso intrinseco tra la massima frequenza di iniezione in FDR e la precisione raggiungibile nella localizzazione dei difetti. Per affrontare questo problema, questo articolo propone una tecnica di localizzazione dei difetti del cavo basata sul metodo spettrale a massima entropia. Il metodo prevede la porzione ad alta frequenza dello spettro del coefficiente di riflessione dai dati misurati a bassa frequenza secondo il criterio di massima entropia, e poi calcola lo spettro di massima entropia (MES) del coefficiente di riflessione per determinare la posizione del difetto. Rispetto ai metodi FDR convenzionali basati su FFT, che sono limitati da vincoli di fuga spettrale e risoluzione, specialmente nelle applicazioni a cavo a lunga distanza, il metodo spettrale a massima entropia proposto fornisce una risoluzione spettrale più elevata estrapolando efficacemente informazioni ad alta frequenza da dati misurati limitati. A differenza dei miglioramenti basati su funzioni di finestre che sopprimono principalmente i lobi laterali senza migliorare fondamentalmente la risoluzione, l'approccio MES migliora sia la nitidezza massima che la precisione di localizzazione. Inoltre, rispetto ai metodi di stima spettrale basati su interpolazione o parametrici, il metodo MES offre un migliore equilibrio tra risoluzione e robustezza, rendendolo particolarmente adatto per rilevare difetti incipienti nei cavi di distribuzione lunghi. Questo approccio migliora la precisione della localizzazione, riducendo l'errore relativo dallo 0,55% nei metodi convenzionali allo 0,25%, producendo al contempo curve di localizzazione più fluide che facilitano l'identificazione dei picchi dei difetti.

Protocol

NOTA: Eseguire tutte le misurazioni sul cavo di prova in uno stato offline (de-energizzato). Utilizzare un analizzatore di rete vettoriale (VNA) o uno strumento di riflessometria equivalente nel dominio della frequenza in grado di inietare segnali a frequenza a swept e acquisire coefficienti di riflessione. Assicurati che il cavo sia a circuito aperto all'estremità lontana, salvo diversa indicazione. Minimizza le riflessioni della connessione utilizzando connessioni coassiali brevi e dirette e nastro conduttivo per un contatto sicuro. Consulta la Tabella dei Materiali per le attrezzature e i software consigliati.

1. Preparare il campione del cavo e la configurazione delle misure

1. Seleziona il cavo di distribuzione di potenza per il test (ad esempio, cavo YJLV22-8.7/10 kV-3×70 XLPE o equivalente).
2. Misura e registra la lunghezza totale del cavo e le posizioni note dei difetti (se introdotte artificialmente).
3. Misura la velocità di propagazione delle onde elettromagnetiche nel cavo.
   1. Collega il cavo allo strumento da un'estremità e lascia l'estremità più lontana aperta.
   2. Acquisire lo spettro del coefficiente di riflessione su una banda di frequenza adeguata.
   3. Identificare il periodo di oscillazione corrispondente all'intera lunghezza del cavo (andata e ritorno).
   4. Calcola la velocità come (1)
4. Prepara la connessione della testa del cavo.
   1. Scorti l'estremità del cavo per esporre il nucleo e la schermatura.
   2. Usa nastro conduttivo di rame a doppia faccia per fissare saldamente i cavi dello strumento al nucleo e allo schermo.
   3. Minimizzare la lunghezza del ramo per ridurre le riflessioni di testa.

2. Configurare i parametri di sweep di frequenza

1. Determinare il passo di frequenza (Δf) usando il criterio di selezione.
   1. Usa il periodo di oscillazione dell'estremità del cavo (2)
   2. Imposta per garantire almeno 200 punti di campionamento per ciclo.
   3. Il passo di frequenza Δf determina l'intervallo massimo di distanza osservabile: (3)
   4. Per garantire che l'intera lunghezza del cavo L possa essere risolta senza ambiguità:
      (4)
   5. In questo studio, viene adottata una condizione più rigorosa per migliorare la risoluzione: (5)
2. Imposta la banda di frequenza.
   1. Imposta il limite inferiore a 100 kHz (o minimo strumentale).
   2. Impostare il limite superiore al massimo raggiungibile senza un'eccessiva attenuazione (tipicamente 30–50 MHz per cavi <200 m; ridurre per cavi più lunghi).
   3. Il limite superiore di frequenza f_max influisce direttamente sulla risoluzione spaziale: (6)
   4. Un f_max più alto porta a una risoluzione più fine, ma è vincolato dall'attenuazione del cavo.
3. Calcola il numero richiesto di punti di campionamento (7)
4. Configura lo strumento con la banda di frequenza, lo step e i punti calcolati (ad esempio, 100 kHz–50 MHz, ~5.000 punti per alta risoluzione).

3. Acquisire lo spettro dei coefficienti di riflessione

1. Calibrare lo strumento (calibrazione a carico aperto-corto raccomandata per VNA).
2. Collega la testina del cavo preparata alla porta strumento.
3. Iniettare segnali sinusoidali a frequenza swept e misurare il coefficiente di riflessione in ingresso Γ(ω) in ogni punto di frequenza discreto.
   1. Il coefficiente di riflessione misurato può essere espresso come: (8)
   2. dove: Γ_d: coefficiente di riflessione al difetto, : costante di fase, d: distanza del difetto.
   3. Questa relazione mostra che la fase del coefficiente di riflessione varia linearmente con la frequenza, formando la base per la stima della distanza.
4. Registra lo spettro complesso dei coefficienti di riflessione (magnitudine e fase, o parti reali e immaginarie).
5. Salva i dati come frequenza rispetto al coefficiente di riflessione reale/immaginario.

4. Elaborare i dati utilizzando il metodo convenzionale FFT (per confronto)

1. Estrai la parte immaginaria dello spettro dei coefficienti di riflessione.
2. Applica una funzione finestra (ad esempio, una finestra di Blackman) per ridurre la perdita di lobbi laterali.
3. Eseguire la trasformata di Fourier inversa veloce (IFFT) sulla parte immaginaria a finestra.
   1. La trasformata di Fourier inversa viene introdotta come: (9)
4. La distanza di difetto si calcola come:
   (10)
   1. dove t è il tempo corrispondente alla posizione di picco dopo la trasformata di Fourier inversa.
5. Identificare i picchi di difetto (escludendo le riflessioni di testa e terminali) nello spettro dei coefficienti di riflessione.

5. Applicare il metodo spettrale di massima entropia per la localizzazione dei difetti

1. Carica i dati acquisiti dello spettro dei coefficienti di riflessione.
2. Detrenda e centra la sequenza immaginaria delle parti.
3. Seleziona l'ordine del modello autoregressivo
   (11)
   1. dove N è il numero di punti dati.
4. Implementa l'algoritmo di ricorsione di Burg.
   1. Inizializzare gli errori di previsione avanti e indietro.
   2. Calcolare ricorsivamente i coefficienti di riflessione e i parametri autoregressivi minimizzando la potenza di errore in avanti e indietro.
   3. Estrapolare la sequenza di autocorrelazione basandosi sul criterio di massima entropia.
5. Calcolare lo spettro di potenza dalla sequenza estrapolata.
6. Identificare i picchi nello spettro di massima entropia della potenza.
7. Converti le posizioni di picco in distanze di difetto usando (12)
8. Confronta la chiarezza massima e l'errore di localizzazione con i risultati convenzionali delle FFT.

6. Interpretare i risultati

1. Distinguere i picchi positivi (rilevamento riuscito dei difetti) dai picchi spuri o dalle tracce subottimali.
2. Calcolare l'errore relativo di localizzazione come (13)
3. Confermare il successo tramite errore relativo <0,25% e un picco chiaro e liscio senza lobi laterali significativi.

Results

I risultati dello spettro dei coefficienti di riflessione e della localizzazione dei difetti sono stati ottenuti sia da simulazioni che da esperimenti utilizzando il metodo spettrale a massima entropia e confrontati con approcci convenzionali basati su FFT. Una localizzazione di difetto riuscita è caratterizzata da uno spettro di potenza liscio con un picco acuto e prominente nella posizione esatta del difetto, picchi spuri minimi (pseudopicchi causati da lobi laterali o perdite) e un ba...

Discussion

In questo studio, gli autori presentano un protocollo dettagliato per localizzare difetti nei cavi di distribuzione di potenza utilizzando la riflettometria a dominio della frequenza (FDR) potenziata dal metodo spettrale a massima entropia (MES). Studi precedenti si sono spesso basati sull'analisi convenzionale basata sulla trasformata di Fourier rapida (FFT), che affronta perdite spettrali, risoluzione limitata nei cavi lunghi e picchi spuri che complicano l'identificazione dei

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Nastro di rame conduttivo, a doppia faccia	Non specificato	N/A	Utilizzato per collegare cavi di prova al nucleo del cavo e alla schermatura per minimizzare le interferenze di riflessione tra testa e testa https://www.shcenxin.com/metaltape/93.html
YJLV22-8,7/10 kV-3 e multipli; 70 cavi a media tensione	Non specificato	YJLV22-8,7/10 kV-3 e multipli; 70	Cavo di alimentazione in PVC rivestito con nastro in acciaio a fibra rettica in alluminio (XLPE) a retico; lunghezza totale 171 m; Utilizzato come oggetto di prova con difetto indotto esternamente http://www.xmdl518.com/jspn01-Products-6234877/
Dispositivo di localizzazione dei difetti del cavo da 10 kV	Non specificato	Non specificato	strumento di riflessometria nel dominio della frequenza; banda di frequenza 100 kHz e ndash; 50 MHz; Configurato con 5.001 punti di campionamento per l'acquisizione dello spettro dei coefficienti di riflessione https://www.163.com/dy/article/K6OHFJOO0552X57P.html