淺析高壓設備的故障狀態檢修

（廣東電網公司佛山供電局，廣東 佛山 528000）

淺析高壓設備的故障狀態檢修

潘煒坊 陳洪煊 趙睿暉

（廣東電網公司佛山供電局，廣東 佛山 528000）

變電站作為我國供電系統中最重要的組成部分之一，對于國家電力系統的安全運行有著重要作用，擔負起周邊電能調配及轉換的任務。特別是隨著我國城市化進程的不斷加快，電力對經濟建設的重要性日益凸顯，越來越多的大容量發電機組投入運行需要有更加合理的電網調配。如果現在工作僅僅依據人工作業來開展抄表等工作，那將嚴重阻礙電網工作效率的提高。只有將現代化的技術應用到實踐當中，保證設備的安全穩定運行，才能更好的保證電力現代化，保障人們的用電需求。

高壓；電氣設備；狀態監測；故障診斷

電氣設備作為當前高壓設備停電事故高發的常見設施，已經嚴重影響了我國電力設施運行效果，造成了巨大的經濟損失。上述停電事故直接影響了人們生活質量，對社會造成了非常大的不良影響。隨著電氣技術的逐漸發展和完善，電氣設備可靠性已經從設備質量、工藝及設備狀態監測、故障診斷兩方面得到改善，控制指標得到非常明顯的提升。在設備質量提升方面，單位選取優質材料，明確了設計內容，依照設備使用壽命狀況對故障問題進行處理，從根本上達到了指標控制目的。在設備狀態監測及故障診斷方面，單位對各項設備狀態控制內容進行明確，依照當前設計指標，針對設備故障及設備老化現象，設定了對應的預防及處理方案。

1 高壓設備的故障狀態檢修內容

設備狀態監測及故障診斷主要包括早期診斷及后續維修兩部分內容。在早期診斷過程中主要通過自動化裝置設備收集電氣設備狀態數據，分析各項數據，觀察電氣設備的運行狀態。后續維修主要是通過定期試驗及維修，實現電力部門的控制，降低和減少事故發生率。后續維修要以預防性維修為中心，形成完善控制體系，將網絡處理、數據分析結合在一起，消除可能存在的安全隱患。

圖1 故障診斷圖

在當前的電氣設備運行過程中，單位已經實現了狀態監測及故障診斷，已經構建了基礎的狀態維修體系。上述體系建立的過程中從設備的劣化、缺陷的發展內容出發，對電氣設備的物理性質、化學性、電氣性特征進行控制，有效提升了發展期的控制效益。與此同時，狀態維修體系還加強了對電子技術、計算機技術、光電技術、信號處理技術和各種傳感技術的應用，提升了設備剩余壽命及設備運行狀態判斷的可靠性，實現了運行狀態下進行連續或隨時的監測與判斷，避免了預防性試驗中存在的缺陷。

狀態監測與故障診斷技術有很大的難度。潛伏性故障前期征兆的信號通常極為微弱，而運行條件下現場又存在強烈的電磁干擾。因此，抑制各種干擾，提高信噪比是在線監測中首先必須解決的難題。如果說離線的預防性試驗結果的分析，已經積累了大量經驗，據此可以制訂出相應的規程推廣施行。那么對于在線診斷現在則仍處于研究試行、積累經驗的階段。發展在線診斷技術，既需對設備結構及其老化機理有深入的了解，也需應用傳感、微電子等高新技術。它是具有交叉學科性質的一門新興技術，有重大的學術意義，也有顯著的經濟價值。

2 狀態監測與故障診斷的發展方向

近年來，信息技術中的傳感器技術、計算機通信技術、光纖傳輸等都有了理論和實踐的重大突破，這些技術也為人工智能化發展提供基礎的技術支撐，推動電力系統高壓設備故障狀態的檢修朝著自動、智能跨越。故障的監測與診斷主要工作流程是檢測當前信號→簡單處理加工→特征值分析與提取→狀態判斷→變化趨勢預測等。在各項信號的監測中，可以通過最后的狀態判斷來得知系統設備所處的工作狀態。而通過故障的診斷，能夠在發現異常后及時加以分析，通過定位技術來將故障的部位及原因做好初步分析。當前解析模型的故障診斷主要應用在線性系統中，已經形成了完善的技術理論體系及監測內容體系，各項控制指標已經得到了明顯提升，而該內容在非線性系統中的應用狀況卻差強人意。將非線性系統的故障診斷監測深化，進一步強化基于魯棒性的問題研究，已經成為當前人們關注的焦點。小波變換技術作為非線性系統中故障診斷及監測的重要內容，可以有效降低定量數學模型的構建難度，提升復雜系統分析效益，對當前電氣發展具有非常積極的意義。小波變換技術中的定性模型通過實際工程分析，構成了精度較高、控制效果較好，實時性分析較強的內容體系，打開了非線性系統中的故障檢測及狀態控制技術研究的大門。

不論是在線性系統中或是非線性系統中，電網運行時都必須保證各種電氣設備的正常工作，防止某一個電氣設備發生故障都有可能導致系統的崩潰。如何及時發現設備的故障以做出相應的措施已經成為線性系統或非線性系統構建的關鍵。因此，在當前系統狀態監測及故障分析的過程中，相關人員必須對設備狀態和故障診斷的方法進行分析，選用最合適最有用的方法來對特定的設備進行判斷。本文將介紹一些常用的監測方法。

3 狀態監測與故障診斷的常用方法

故障診斷技術主要是在不同領域、不同學科交叉、結合的基礎上形成的故障診斷方法，該技術能夠實現故障預防、分析、監測，可以有效提升設備的運行狀態。當前故障診斷技術主要包括傳統故障診斷技術和基于人工智能的故障診斷技術兩大類，傳統故障診斷方法又可再分為基于信號處理的技術和基于解析模型的技術。

3.1 基于解析模型的故障診斷方法

基于模型的故障診斷技術構建的過程中主要 是通過解析冗余取代硬件冗余，通過造觀測器估計出系統的輸出值，將輸出值與輸出的測量值進行比較，實現對故障信息的處理，分析故障狀態。

圖2 專家系統的基本組成

解析模型上的故障診斷構建的過程中需要對殘差產生的方式進行明確，通過狀態估計、運行參數等，實現各項數據指標控制，達到一致性檢驗，提升運行狀態控制效益。在上述模型構建的過程中要首先重構被控過程的狀態，通過與真實系統的輸出變量比較構成殘差序列，其次構造適當的模型，用統計檢驗法從殘差序列中提取故障特征并把故障檢驗出來，最后，對各項數據進行對比，實施故障診斷。

3.2 基于參數估計的方法

基于參數估計的方法在使用的過程中要首先實施機理分析，對各項系統模型參數及物理元器件參數進行明確。要依照上述關系方程識別系統模型實際參數與此同時，要通過和求解實際的物理元器件參數，通過對和P的標稱值比較數據，分析系統是否出現故障。

3.3 一致性檢驗法

一致性檢驗法在操作的過程中主要是通過對實際模型與正常模型（或叫標稱模型）之間的一致性關系觀察設備運行狀態。上述監測的過程中可以通過能觀性子空間及子空間的正補交實現信號的投射，將輸出信號投影在正補交上，形成殘差。

3.4 基于信號處理的方法

信號處理的過程中無需針對不同的對象構建準確模型，可以產生一定差異，具有非常高的實用性。當前的信號處理方法主要包括Kull2back信息準則檢測法和小波變換故障診斷法兩種。

（1）基于Kullback信息準則檢測的故障診斷

基于Kullback信息準則檢測的故障診斷時可以通過Goodwin的隨機嵌入式方法把未建模動態特性當作軟界估計，利用遺傳算法和梯度方法辨識參數和軟界，然后在Ku112back信息準則中引入一個新指標評價未建模動態特性，計算閥值，分析設備故障狀況。

（2）基于小波變換的故障診斷

基于小波變換的故障診斷是當前處理信號的一種新方法，主要是通過時間-尺度分析法完成各項分辨，實現信號控制。在上述處理的過程中，需要對小波連續變換中信號的奇異性進行明確，依照信號指標區分信號突變及噪聲。需要檢測信號頻率結構的突變，通過頻率分析設備的故障狀況。

基于小波變換的故障診斷在運行的過程中主要是通過兩方面實現故障狀態分析：（1）利用觀測器信號的奇異性。（2）利用觀測器信號頻率結構的變化進行故障診斷。小波變換的故障診斷實現了連續的非線性映射，完成了對神經網絡分析的優化及提升，有效提升了對非線性信號的辨識效果。但是在運用小波變換的故障診斷的過程中，人員需要不斷對信號尺度行為進行刻畫，需要實施動態分析，對系統自動化監控標準要求較高。

3.5 基于人工智能的方法

基于人工智能的故障診斷方法簡稱為智能故障診斷，又稱基于知識的故障診斷方法。基于人工智能的故障診斷方法主要是是通過神經網絡技術、專家系統技術兩方面內容發展而來的故障診斷內容，能夠從根本上改善高壓電氣設備分析的有效性、合理性、可靠性。當前基于人工智能的故障診斷方法主要包括有基于人工神經網絡的方法、基于案例的方法、基于專家系統的方法、基于模糊數學的方法和基于故障樹的方法五種。其中基于專家系統的故障診斷技術與機遇神經網絡故障診斷技術應用最為廣泛。

基于專家系統的故障診斷技術主要指依靠計算機對各項信息數據進行采集，完成信息數據診斷的一項操作。該項技術應用的過程中需要對計算機技術進行全方位提升，需要綜合運用知識庫中的經驗規則進行推理，從而實現對高壓電氣設備運行狀態的準確判斷。基于專家系統的故障診斷體系主要是由人機接口、數據庫、知識庫、推理機四部分構成。人機接口可以為用戶提供友好的人機界面。數據庫對各項中間信息進行存放，實現動態數據、推理過程、原始數據等的存貯。知識庫依照各項原有數據資料，為專家系統建立提供扎實理論內容及“規則”形式，提升診斷有效性。推理機通過對各項數據的總結，完成系統知識及經驗的分析，實現與人判斷能力相仿的推理，對故障狀態及故障位置進行判斷。

作為一種新型的設備故障診斷方法，基于專家系統的故障診斷技術不僅可以模仿人的邏輯思維過程，能夠有效提升各項邏輯問題的診斷效益?；趯＜蚁到y的故障診斷技術應用各項數據符號，完成了數據細節知識的處理，從根本上改善了基本規則內容監測效益及運行效益。除此之外，上述體系在操作的過程中便于模塊化，具有傳統符號數據庫接口，能夠及時對各項事實進行修改，通過圖像、文字等展示推理過程。

專家系統診斷故障時主要包括以下幾方面內容：

（1）收集在線檢測的過程數據，觀察現象和事實：在專家系統診斷的過程中，人員要對各項在線監測數據進行匯總，通過人機接口添加各項處理數據，完成數據的采集。人員可以適當對故障發生前或故障發生時的一些現象和事實進行添加，在專家系統中建立現象及事實內容，提升數據采集的真實性。（2）數據推理，完成各項信息故障預測：專家系統診斷時要依照上述采集數據及信息，對各項內容進行推理，由用戶證實，最短時間內尋找到故障位置。（3）監測評價，故障內容分析：專家系統診斷要依照各項故障源位置，對原有固定故障評價過程進行明確，依照各項“經驗”，對電氣設備的故障狀態進行分析，制定相應專家決策。專家系統診斷故障系統基本組成如圖2所示。

3.6 基于神經網絡的方法

隨著神經網絡的逐漸容錯、聯想、推測、記憶、適應、學習等，基于神經網絡的故障診斷內容逐漸豐富。該技術可以應用在復雜的環境中，具有非常高的應用前景及應用價值。

神經網絡作為一種新型的處理方法，可以有效提升故障診斷的有效性。該項操作主要是通過建立簡單的數學模型對各項負載系統體系進行展現，有效提升了故障診斷領域的監測范圍，尤其是在領域獨特性展現中，得到了本質的轉變：

（1）經過訓練的神經網絡能夠對各項過程知識進行存貯，完成神經網絡信息的學習，形成系統的故障狀態監測內容。上述主體能夠將各項日常數據通過網絡展現出來，將信息與測量數據進行對比，明確各項故障類型。

（2）經過訓練的神經網絡可以有效消除各項噪聲，降低噪聲對各項數據的影響，提升數據的準確性。該項神經網絡能夠識別各項故障信息，依照各項噪聲環境診斷故障狀態，對內容進行評價。

（3）神經網強具有分辨故障原因及故障類型的能力。

神經網絡是由大量的處理單元（神經元、處理元件、電子元件、光電元件等）廣泛互連而成的網絡。在處理的過程中可以依照人類信息處理內容，通過硬件或軟硬件結合，形成系統的神經網絡體系。

在上述處理的過程中，神經網絡系統具有并行處理能力、非線性映射能力、分布式存儲能力、自學習、自組織和自適應能力。上述特點有效提升了神經網絡系統狀態監測在線性及非線性中的控制效果，已經在當前高壓電氣中得到廣泛應用。

神經網絡系統在應用的過程中主要通過以下內容完成各項控制，實現數據監測：（1）神經網絡診斷系統。神經網絡診斷系統可以依照各項問題數據，建立專門的神經故障診斷體系，形成系統的神經系統內容。上述特定問題處理的過程中可以通過輸入數據（代表故障癥狀）直接推出輸出數據（代表故障原因），實現故障檢測與診斷。（2）利用神經網絡產生殘差。神經網絡在運行的過程中可以由其自身特性，針對各項神經網絡擬合系統內容，形成完善控制體系。該內容可以利用系統的輸入重構某些特定的參數，將上訴參數值與系統的實際值進行對，得到殘差，通過神經網絡評價殘差進行聚類分析，得到高壓電氣設備系統的故障情況。（3）采用神經網絡作進一步診斷。采用神經網絡作進一步診斷的過程中需要利用神經網絡診斷系統執行器的飽和故障，通過神經網絡擬合各項系統運行參數及執行器的飽和狀態，判斷上述內容與故障之間的非線性關系。要通過上述分析達到對各故障的判斷，進行誤差補償，提升常規神經網絡診斷及模糊神經網絡診斷的效果。

3.7 卡爾曼濾波的方法

卡爾曼濾波的方法就是根據上一時刻的測量值來推斷出下一時刻的估計值，在有秒兩者之間的差值判斷設備的故障與否，下文將重點介紹這中方法在互感器中的應用，在此就不予以詳述。

結語

當前，高壓電力設備的故障狀態檢修正朝著自動化、智能化的方法發展，通過對多項技術的綜合應用來完成設備故障的監測、分析及處理。實現在線監測和故障診斷是開展狀態檢修的重要前提，相信自動化技術的不斷進步將更大的推動電網現代化發展。

[1]程明，金明，李建英.無人值班變電站監控技術[M].北京：中國電力出版社，2009，07∶130-150.

[2]雷鳴.電力設備診斷手冊[M].北京：中國電力出版社，2001，08∶69-80.

TM507 < class="emphasis_bold"> 文獻標識碼：A

A