国网山西省电力公司晋城供电公司
摘要：高压电力电缆的绝缘状态对于电网安全性的价值与意义不言而喻。虽然局部放电带电检测技术已经具有了一整套技术体系，但是高压电力电缆试验方法与检测技术的现场使用效果还有待提高。本文针对目前带电试验与检测中抗干扰性能中的问题，提出了新的基于改进的聚类算法的分频聚类抗干扰算法。
关键词：电缆；聚类算法；抗干扰性；电力
随着10-220kV高压电力电缆渐渐成为电网中的重要组成部分，同时随着500kV的高电压等级电缆也不断地被应用到工程项目当中，电力电缆的绝缘状态成为保障电网安全的重要指标，因此受到广泛关注。一般情况下，电力电缆设计寿命大多在30年，随着使用时间的推移，正在使用中的电力电缆渐渐接近使用寿命。经过多年的电网建设，部分区域的高压电力电缆已经进入故障多发阶段。电力电缆所处运行环境一般较为恶劣，如低矮的隧道、潮湿的电缆沟等。在这种恶劣环境下电缆容易受潮、渗水等，进而引起电缆绝缘性能劣化。电缆接头和电缆终端在应力作用下，更容易产生故障。经过多年的检测经验发现，接头和终端等电缆附件产生故障的概率要远远高于其他部位，约占总故障率的七成。
1.局部放电带电检测中的抗干扰技术
1.1检测中的分类
目前常遇到的抗干扰技术包括频域开窗法、时域开窗法和时频开窗法三类。频域开窗法抗干扰技术是根据信号频域特征加以抑制的高压电力电缆检测技术。时域开窗法是借助时域特征加以抑制的高压电力电缆检测技术。时频开窗法是按照小波分析法来提取局部放电信号。本文以频域开窗法抗干扰技术为例，进行论述。
1.2现有高压电缆带电检测中存在的主要问题
在现有的高压电力电缆检测技术条件下，随着检测信号频率的增加，信号的幅值衰减愈加严重，信号的迟滞效果愈加明显。也就是说，局部放电信号中的高频成分衰减现象明显，其相位也发生了极大偏移，采集到的高压电力电缆波形的畸变问题突出。
目前被广泛应用的自动聚类方法主要存在的问题有：
（１）聚类数量的选取存在一定的问题，聚类数量的人工选取方式，还存在一定的弊端，例如，很难得到最优聚类个数。
（２）聚类算法通过不断迭代，最终逼近最优解。其对初始值的选取比敏感，若初始值不合适，常常无法逼近全局最优解，迭代过程只能徘徊于局部最优解处，导致分类错误或失败。
（３）对数据集样本的要求比较高，难以对任意两个聚类簇有一定交集的样本集进行处理，数据簇合理分离能力较弱。
对于局部放电检测来说，常规模糊聚类方法己经不能满足当前的自动化、智能化需求。因此，本文采用交互式自动聚类算法，以实现多放电源信号自动分离功能，以及多种聚类方法和聚类个数之间的自动优化功能，选择最佳优化效果，从而更适应局部放电聚类分离中实际面临的复杂问题。
2.新的基于改进的聚类算法的分频聚类抗干扰算法
2.1分频聚类抗干扰算法
分频聚类抗干扰算法处理办法为：
式中，为新分频检测信号主成分的特征值，为基础分频检测信号主成分的特征值，sim为两个分频检测信号主成分之间的重合程度。描述型（程度型）数据特征大致相同，一般采用９标度法来描述，即：
若公式（３）的结果ｄ在（0.6，1）的范围内，则说明利用绝缘状态分频检测信号技术建立的半分频检测信号主成分算法与系统安全绝缘状态全分频检测信号主成分算法之间的大致相同，能够在保持系统建设经济效益的同时，保证了系统安全的正确描述。
设检测集为Ｖ＝｛｝，分别代表超低频、低频、中频、高频、超高频，同时为减少专家检测时的主观成分，分别对系统的一致性、可用性、适应性、可行性、完整性、有效性和可信性７个准则进行打分，记为ｍ（ｍ＝０，１），求和即得到检测分值Ｇ，评分和检测集为对应关系。
2.2Ｃ均值模糊聚类在绝缘状态检测中应用的基本思想
根据某种相似性准则把一个电网安全的绝缘状态检测基础数据挖掘算法样本数据的点实施分类叫绝缘状态检测数据样本分割。模糊聚类绝缘状态检测数据样本分割的优点是直观、容易实现。绝缘状态检测基础数据挖掘绝缘状态检测数据样本Ｃ－均值模糊聚类处理方式的缺点是运算量大且机时长。
3.算法评估中算法设计
3.1Ｃ均值聚类算法添加新评估因子算法思路
本文提出一种基于聚类的Ｃ均值聚类构造算法以解决电力电缆安全模糊分析评估评定指标量化难、衡量难的问题。该算法借助Ｃ均值聚类算法构造出一系列新类别，并从中选取出符合检测标准的类别来提取特征构造新评估因子，然后重组数据集，以更高效地构造Ｃ均值聚类。同时本文对Ｃ均值聚类算法也做了一些改动，在Ｃ均值聚类剪枝过程中，引入Ｃ均值聚类算法构造过程中的ｗ（ε）作为剪枝阈值，借助剪枝阈值来降低非重要评估因子被选用概率，从而降低Ｃ均值聚类生成时间。
主要设计思路如下：
（１）对风险电力电缆绝缘安全信息数据各指标进行分析和整理，根据当前存在的指标体系，综合分析各指标的重要程度以及特点，构建一个比较全面的评定指标体系，并按照指标体系筛选风险电力电缆信息数据，提取有用的评估因子。
（２）研究Ｃ均值聚类算法，选择适合风险系统信息数据的分类算法，同时将Ｃ均值聚类算法引入Ｃ均值聚类构造过程中，借助聚类算法生成的一系列新类别，选择符合标准的类别构造新评估因子，为Ｃ均值聚类构造提供便利条件，并根据具体实际对Ｃ均值聚类方法进行改进。
（３）采用数据预处理技术对风险电力电缆信息数据进行处理。然后将改进的算法应用到风险认定实际中，对处理后的风险数据进行分类，构建算法并对算法进行评估，分析结果，指导未来的风险认定工作。
3.2Ｃ均值聚类算法添加新评估因子过程
首先对进化数据流的概念做一个详细阐述，数据流分布模式变化很大，使得可能存在的类模式也不断发生变化。在特定的时间间隔内，借助文字或者图形的形式将数据流中潜在的类模式的变化情况借助可视化表现出来，对聚类结果进行比较与分析，系统称这一过程为聚类的进化分析。
聚类的进化分析有三种情况：聚类消失，以前某个时刻存在的聚类在随后的时间就不存在了；新聚类产生，以前某个时刻不存在的类在随后的时刻出现了；聚类中心漂移，数据分布的模式发生变化而引起类中心的位置或数据评估因子也随之发生变化。
结语：
高压电力电缆高频电流检测法检测中，多源放电的情形非常复杂，很难找到一种可解决所有多源放电问题的方法。抗干扰工作必然是多种抗干扰算法结合使用，才能达到最优解。需要指出的是，时频聚类分离算法仍然是最常用的高频电流检测法抗干扰手段，本文所提的分频聚类方法只能作为一个补充手段。
参考文献：
[1]黄兴溢，张军，江平开．热塑性电力电缆绝缘材料：历史与发展[J]．高电压技术，2018,44(05):1377-1398.
[2]刘刚，王鹏宇，周凡，等．电力电缆暂态热路模型中绝缘层的优化[J]．高电压技术，2018,44(05):1549-1556.