基于數字孿生的GIS智能變電站健康評估及故障診斷模型

吳學正,李樹榮

(國網河北省電力有限公司雄安新區供電公司,河北 雄安新區 071000)

0 引言

變電站作為電力系統中電能輸送的關鍵環節,其安全穩定運行對維持電網穩定、保證電力系統可靠供電意義重大。隨著我國堅強智能電網的發展,智能變電站模塊化建設已成為趨勢,加之電網改造要求和用地緊張等因素,以氣體絕緣開關設備(Gas Insulated Switchgear,GIS)為核心的智能模塊化變電站已成為主流方向?！逗颖毙郯残聟^規劃綱要》提出要堅持數字城市與現實城市同步規劃、同步建設,形成比特構建的數字虛擬城市,實現城市各類要素的數字化、可視化呈現與調配[1]。借鑒數字孿生城市建設經驗,在數字空間映射與實體變電站完全相同的數字孿生變電站,虛實交互,迭代共生,從而實現變電站設備全域感知、故障精準判斷、定位準確清晰、預警及時有效,保證變電站安全可靠運行,降低變電站運維成本[2]。

現有研究多針對變電站某一類設備就故障診斷問題進行數字化建模,對變電站內多種設備同時建模的研究較少,且大多沒有引入數字孿生模型概念,應用面較窄,得出的計算結果抽象,在指導實踐工作時需要進一步轉換。文章在現有GIS智能變電站中電力變壓器、組合電器、開關柜三類主要設備故障診斷技術研究的基礎上,結合數字孿生技術,提出了一種新型GIS智能變電站數字孿生模型。模型可實現GIS智能變電站內設備狀態實時感知,利用故障診斷技術判斷設備狀態,通過三維實景模型實時展示并在出現異常時準確顯示出預警(故障)位置和類型,提醒運維人員及時處理,從而保證變電站安全可靠運行,降低變電站運維成本。

1 變電站電氣設備三維建模及軟件選擇

如果想要按實際比例大小還原出變電站內設備真實場景,就要用到三維建模技術。創建完整的變電站設備和環境的三維模型,才能真實再現設備環境狀態,保證用戶能夠直觀準確地定位設備故障。目前,三維建模軟件的種類非常多(例如,Maya、3ds Max、Sketch up、Skyline、VRMap等),不同的三維建模軟件在各自的領域都有不同的優勢特點。由于變電站電氣設備建模后還需要模擬出各類故障場景,而3ds Max可以在虛擬環境下構造出三維物體模型并設計出高質量的圖片和視頻動畫,因此推薦選用3ds Max進行變電站電氣設備三維建模[3]。

為了真實還原設備和環境的尺寸,可通過圖片和變電站設備圖紙,確定模型尺寸參數。建模完成后為使模型更加準確,可對模型外觀進行美化。

2 GIS智能變電站設備故障診斷及評估診斷流程

GIS智能變電站一次設備包括:電力變壓器、組合電器、開關柜及其他設備(如電容器、電抗器等)。由于其他設備故障種類較少,且故障診斷較為簡單,通常僅通過布置紅外溫度傳感器就能實現故障診斷,文中不再贅述。

2.1 設備故障診斷技術

2.1.1 電力變壓器

作為電力系統中變電環節的核心設備,油浸式電力變壓器造價高昂,結構復雜,在整個電力系統中扮演著至關重要的角色。電力變壓器常見故障按照故障性質可劃分為過熱故障、放電故障和機械故障,由于機械故障最終都將轉化為熱或電的形式,因此僅分析過熱故障和放電故障。按照不同的故障程度可將過熱故障分為低溫過熱、中溫過熱和高溫過熱。放電故障可分為局部放電、火花放電和電弧放電。

對電力變壓器狀態監測分析的方法有2種,即化學分析監測法和局部放電信號監測法。由于局部放電監測需要大量的傳感器和復雜的算法來完成監測分析,因此,采用化學分析監測法。油中溶解氣體分析法(DGA)作為一種典型的化學分析監測法,只需在變壓器本體布置少量的傳感器,利用常規智能算法(例如,人工神經網絡算法、支持向量機算法)就能給出監測結果,因此在實際中得到了廣泛的應用[4-7]。本文推薦將油中溶解氣體分析法應用于變電站電力變壓器故障診斷模型中。

分解氣體含量與油溫關系表明,低溫過熱時,油中溶解氣體成分主要是CH4,其次是C2H4,CH4與C2H4占總烴的比例高達80%;當出現中溫過熱時,C2H4和H2的含量和占比會急劇上升,占比最高可達60%;當發生高溫過熱時,油中的特征氣體主要是C2H4,其次是CH4,二者含量占總烴的比例超過80%。

局部放電發生時,一般總烴含量不高,油中溶解氣體中H2含量占總氫烴含量的比例高達90%,是此類故障的主要特征氣體,其次為CH4,此氣體含量占總烴含量的比例高達90%。當局部放電能量密度達到一定程度時會產生少量的C2H2,但占總烴的比例一般低于2%,可以作為定性局部放電的重要標志?；鸹ǚ烹姇r的總烴氣體含量較低,溶解于絕緣油中的特征氣體主要成分為C2H2和H2,C2H4占總烴比例低于20%,H2占氫烴比例高于30%,在某些情況下C2H2占總烴比例最高可高達90%以上。電弧放電時的總烴含量較高,主要成分依舊以C2H2與H2為主,其次的特征氣體為C2H4與CH4[4]。以上數據特征均可作為變電站電力變壓器故障診斷的主要判據。

2.1.2 組合電器

組合電器即氣體絕緣開關設備,通過將母線、隔離開關、斷路器、接地開關、TA、TV、避雷器等裝置安裝在一個密閉空間里,用SF6氣體作為絕緣介質,有效增強了設備間的絕緣性能,降低了設備體積和設備間的絕緣距離,從而大大減小GIS的整體體積。當前GIS常見缺陷可分為3種類型,局部放電缺陷、發熱型缺陷和機械型缺陷,具體分類及檢測方法詳見圖1。

圖1 GIS設備缺陷類型及檢測方法

GIS設備從投入運行直至設備退役,發生故障的統計概率隨投運年限的變化曲線,稱為“浴盆曲線”,如圖2所示。曲線表明,電力設備一般不會瞬時發生故障,而是由于之前微弱的潛伏性缺陷在各種應力作用下逐步發生劣化,直至絕緣劣化到足以被傳感器檢測到物理、化學現象。這個剛剛能夠檢測到的缺陷程度成為“潛在故障點”,一旦設備達到這個故障點后,劣化進程將加快,需要采取措施,阻止進一步劣化到功能故障點。

圖2 組合電器設備故障“浴盆曲線”

選取評估指標時應綜合考慮以下三方面內容:一是盡量多的從誘發故障的機理方面選取聯系最密切的狀態參量;二是從現有測量技術角度綜合分析并優選可測量的狀態參量;三是必須從智能化評估角度建立科學有效的絕緣評估模型。

關于組合電器故障診斷技術,李莉蘋博士建立了基于脈沖電流法、超高頻(Ultral-High Frequency,UHF)法和化學檢測法的局部放電(Partial Discharge,PD)聯合檢測系統,通過現場和實驗室模擬試驗,獲得了表征GIS設備絕緣狀態的PD電氣參數和PD化學參量信息庫,構建了基于PD電氣參數和PD化學參量的故障診斷模型,并利用DS證據(Dempster-shafer evidence theory)理論同時融合2類PD參數優化故障診斷模型,提出了基于改進證據融合理論的GIS設備故障聯合診斷法[8],具體內容不再詳細說明。本文推薦采用李莉蘋博士的基于改進證據融合理論的GIS設備故障聯合診斷法作為變電站組合電器故障診斷方法。

2.1.3 開關柜

根據中國電力科學院有限公司對我國電網內不同電壓等級的中壓開關設備運行情況的調查,可知10 k V開關柜的主要故障類型包括:載流故障、絕緣故障、誤動和拒動故障、開斷和關合故障及其他故障,見表1。

表1 金屬開關封閉設備事故分布

動靜觸頭和電力電纜接頭處發熱是引起開關柜載流故障的主要原因,因此選取開關柜動靜觸頭溫度、電力電纜與母線接頭處溫度為載流故障檢測狀態量。開關柜絕緣故障的原因本質上是絕緣性能劣化,能表征電氣設備絕緣性能的特征有局部放電、泄漏電流和介電損耗角正切值等特征量,但結合在線狀態檢測實際、采集精度及成本情況,本文推薦選用泄漏電流作為特征量檢測開關柜絕緣故障。通過對開關柜內電場強度的分析,選取母線與電纜連接處的環氧套管的泄漏電流、電纜室內TA處的環氧套管泄漏電流作為絕緣故障的狀態量。開關柜誤動和拒動故障可分為操作機構故障和電氣控制回路故障2類,這2類故障都可以通過分合閘繞組電流波形、儲能電機電流波形綜合判斷,因此選用以上2種波形作為誤動和拒動故障的狀態量[9]。由于開斷和關合故障占比較小且難以選擇合適在線檢測指標,本文不推薦對其進行檢測。

2.2 各類主設備健康評估及故障診斷流程

通過對以上變電站主設備的故障診斷技術研究,發現其健康評估及故障診斷流程是一致的,區別僅在于監測手段及對象、評估診斷方法,因此各類主設備的健康評估及故障診斷流程可規范統一,如圖3所示。

圖3 主設備健康評估及故障診斷流程

圖3中各主設備傳感器檢測結果數據按主設備類型可分為4類,不同類型包含的數據內容不同。對于電力變壓器數據內容主要包括CH4、C2H4、H2、C2H2等氣體的油中溶解氣體含量;對于組合電器數據內容主要包括超聲波/特高頻局放檢測、紅外檢測、X射線檢測等PD電參數和SF2、SF4、S2F2、SO2F2、SOF4等氣體含量;對于開關柜數據內容主要為泄漏電流大小;對于電容器、電抗器等其他一次設備數據內容主要為測點溫度。關于評估及診斷方法,電力變壓器可選用油中溶解氣體分析法(DGA),組合電器可選用基于改進證據融合理論的GIS設備故障聯合診斷法,開關柜及其他一次設備可采用檢測指標對比指標體系閾值定性的方法。

3 GIS智能變電站健康評估及故障診斷數字孿生模型

3.1 模型建立

智能變電站主設備點多面廣,運行特征各異,傳統的運維檢修模式在信息傳遞時容易出現偏差,不能隨意拆解或操作現場設備,因此難以精準進行設備健康評估及故障診斷。數字孿生概念提出后使得物理世界與數字虛擬世界有了溝通的橋梁。由于數字孿生具有高保真性、可擴展性、互操作性等典型特征,自其誕生以來便在電力系統、電力設備數字化進程中發揮了重要作用。數字孿生的典型特征能彌補傳統運維檢修模式因信息保真性不高及互操作性差,造成難以精準進行設備健康評估及故障診斷的缺點。

本文在選定變電站主設備的健康評估及故障診斷方法的基礎上,提出了一種基于數字孿生的GIS智能變電站主設備健康評估及故障診斷模型。該模型可完成對GIS智能變電站實體的數據映射,實時動態顯示變電站實體傳送過來的各種數據,通過數據判斷出變電站實體運行狀態并在判斷出異常時在模型中相應位置給出明顯預警提示。模型建成應用需要在變電站實體布設監測指標對應傳感器的基礎上,建立設備運行數據轉換中心、設備健康評估及故障診斷中心。GIS智能變電站故障診斷模型如圖4所示。

圖4 GIS智能變電站健康評估及故障診斷模型

GIS智能變電站實體設備運行數據由接入信息專網廣泛布置的各種傳感器采集加密傳出,通過設備運行數據提取轉換中心提取收集并轉換,之后數據流轉到變電站設備健康評估及故障診斷中心,過程中部分需要顯示的數據發送到孿生模型中實時顯示。

3.2 算例分析

設備健康評估及故障診斷中心接收到數據后要進行數據分析,主變壓器、組合電器、開關柜及其他設備4個功能模塊分別將數據中需要用到的內容提取出,運用各自的評估及診斷方法進行健康評估及故障診斷,同時將部分數據存儲更新。設備健康評估及故障診斷中心得出結果后,發給運行數據轉換中心,并通過其轉發給變電站孿生模型進行顯示,為運維檢修人員對實體設備的運維和檢修提供參考意見。例如,某日10:00,某變電站GIS設備間隔運行數據提取轉換中心提取布設在設備內部的傳感器數據(包括特高頻局部放電檢測結果,紅外檢測結果,SF2、SF4、S2F2、SO2F2、SOF45種氣體含量,SF6氣體壓力,氣室溫度),將數據發送給設備健康評估及故障診斷中心,過程中將SF6氣體壓力和氣室溫度參數發送到孿生模型進行顯示。設備健康評估及故障診斷中心接收到數據,由組合電器功能模塊調用基于改進證據融合理論的GIS設備故障聯合診斷法,進行設備健康評估和故障診斷。經評估診斷,該間隔內出線電纜倉氣室出現電暈放電,立即將評估診斷結果發給運行數據轉換中心,并通過其轉發給變電站孿生模型進行告警顯示,如圖5所示。

4 結束語

通過對GIS智能變電站主變壓器、組合電器、開關柜等主要設備故障診斷建模技術的研究,利用數字孿生技術,建立了一套基于數字孿生的GIS智能變電站模型。該模型不僅可以同步顯示實體變電站各儀表的數值,而且能基于實時數據和歷史數據,對設備進行健康評估及故障診斷,并在模型上將結果進行三維立體展示,使得各設備運行狀態一目了然,故障類型及位置指示準確。該模型可減少運維人員現場巡視的工作量,提前對可能發生的設備故障發出預警,并在模型準確位置給出警示,為檢修人員進場消缺提供參考和指示,早期消除潛在故障點,防止故障發生。

圖5 某變電站GIS間隔告警顯示