110～500kV隔離開關缺陷率統計分析研究

李斐然，王 威，王紹安，池 偉，劉秩鋒，程養春

（1.國網浙江省電力有限公司電力科學研究院，杭州 310014；2.浙江省電力學會，杭州 310014；3.華北電力大學 高電壓與電磁兼容北京市重點實驗室，北京 102206；4.華北電力大學 新能源電力系統國家重點實驗室，北京 102206）

0 引言

高壓隔離開關是電力系統中基礎的開關電器之一，在電力系統中起到隔離電源、分合小電流、進行倒閘操作、改變運行方式等作用，對變電站和發電廠的設計、建設和安全運行影響均較大，是電力系統穩定運行的重要裝置[1]。然而，由于在設備運行過程中，受到設備質量、操作方式、設備部件老化以及環境等因素的影響，隔離開關會發生不同性質的缺陷，較為嚴重的缺陷將會直接影響電網的安全運行[2-3]。

高壓隔離開關傳統的檢修方式是定期檢修，即根據之前設備的運維經驗來制定一個檢修周期，在每個周期時間到達后按計劃對設備進行檢修[4]，而隨著近年電網的迅速發展，隔離開關的投運數量劇增、傳統檢修工作量大、耗費資源多等弊端逐漸顯露[5]。狀態檢修是從定期檢修的基礎上形成的更適用于目前電網公司狀況的檢修方式，該方式主要是對設備的運行狀態進行評估，以預測設備狀態的變化趨勢為依據制定檢修計劃，從而可以在保證設備安全性和可靠性的前提下，提高檢修效率，降低檢修成本[6-7]。隔離開關在運行和檢修過程中記錄的缺陷數據往往會作為設備是否需要檢修和確定檢修的重點依據，也是設備進行狀態評價的基礎，但目前對于隔離開關數據的收集與整理大多集中在缺陷現象上，缺乏從機械結構、電壓等級、運行時間等不同維度對隔離開關的缺陷數據進行分析，因而也無法獲取缺陷數據中包含的更多信息。

為了能充分利用缺陷數據的價值，需要將設備的缺陷數據從多個維度進行統計分析，從不同維度下的數據分析中得到隔離開關缺陷的潛在規律，尤其是隔離開關的缺陷率信息，這不僅可以為隔離開關的狀態檢修奠定基礎，而且統計結果中得到的規律現象對隔離開關的管理、運行維護也有一定的幫助[8]。

1 數據簡介

本文統計分析的數據是某省1980—2019 年隔離開關正常設備臺賬數據以及缺陷數據，數據信息如下。

（1）臺賬數據34 485 條，缺陷數據共1 325條，其中普通缺陷數據1 036 條，嚴重缺陷數據240 條，危急缺陷數據49 條。

（2）每條缺陷數據為一臺設備的某一部件發生的一種缺陷，沒有一臺設備同時出現多種缺陷的情況。

（3）缺陷發現的時間均為首次缺陷出現的時間，不包括缺陷設備經維修后重新投運再次出現缺陷的情況。

根據國網公司采用的輸變電一次設備缺陷分類的標準[9]，將隔離開關的缺陷數據按照電壓等級、機械結構、運行時間、缺陷部位、缺陷現象進行統計，使統計結果能直觀的展示出隔離開關缺陷數據信息內部的潛在規律，以此輔助隔離開關設備選型、隔離開關設備運檢策略優化等工作決策。

2 不同電壓等級與機械結構隔離開關總缺陷率

設備投運的電壓等級與自身機械結構的不同往往會造成不同的設備缺陷率，此部分首先分別從這兩個維度分別對缺陷數據進行一個統計分析，得到設備的總缺陷率；然后將兩維度結合，從而得到更具體的隔離開關總缺陷率，總缺陷率λ 計算方法如式（1）所示[10]：

式中：n 為所考慮數據集合中缺陷設備的總數量；N 為所考慮數據集合中投運設備總數量。

本文所統計的缺陷數據集中分布在110 kV，220 kV 和500 kV 這3 種電壓等級下，統計不同電壓等級下隔離開關的總缺陷率，結果如表1 所示。

表1 不同電壓等級下隔離開關缺陷數據

現有的隔離開關根據機械結構大致可劃分為兩類：水平式隔離開關和垂直式隔離開關，其中水平式隔離開關共有26 906 臺，缺陷數量為1 054臺，總缺陷率為3.91%；垂直式隔離開關共有7 579 臺，缺陷數量為271 臺，總缺陷率為3.57%，與水平式隔離開關相比較低。

其中水平式隔離開關又可分為水平式兩柱型、水平式三柱型兩類，垂直式隔離開關可分為垂直式折臂型、垂直式剪刀型隔離開關，每種機械結構隔離開關的總缺陷率如表2 所示[10]。

表2 不同機械結構隔離開關缺陷數據

上述分析是從機械結構和電壓等級兩個維度分別對隔離開關的缺陷數據進行統計得到的結果，單一維度下得出的總缺陷率雖有差異但相差不是特別大，現將兩個維度結合，得到不同機械結構設備在不同電壓等級下缺陷數據，見表3[10]。

表3 不同機械結構設備在不同電壓等級下缺陷數據

在分配運維檢修任務時，可根據上述結果針對不同電壓等級下不同機械結構隔離開關進行更有針對性的管理。

3 隔離開關年缺陷率與運行時間的關系

在對隔離開關進行狀態評估或安排檢修任務時，最需要關注的因素之一就是設備的運行時間。由于運行時間不同，設備的年缺陷率變化趨勢也會有所不同[11]。統計過程中運行時間以年為單位，當運行時間處在t～t+1 年之間時，認為運行時間為t 年。在現有的數據中，運行時間在20年以上的設備數量很少，缺陷數量也較少，為避免偶然性，只統計運行時間在20 年以內的年缺陷率。隔離開關年缺陷率λt計算方法如下：

式中：λt，x為在第x 年投運的設備運行時間為t 年時的年缺陷率；nt，x為在第x 年投運的設備運行時間為t 年時發生缺陷的數量；Nt，x為在第x 年投運的設備運行時間為t 年時減去之前發生缺陷的設備后剩余設備的總數。由于設備失效率定義為工作到t 時刻尚未失效的產品，在該時刻t 后的單位時間內發生失效的概率，若時間以年為單位，則本文中所定義的年缺陷率與設備失效率本質相同，所以在后文中提到的失效率也指年缺陷率。

3.1 年缺陷率與運行時間的關系

根據現有數據計算，隔離開關年缺陷率（失效率）與設備運行時間的關系如圖1 所示。

圖1 設備年缺陷率與運行時間的關系

圖1 中曲線總體變化趨勢與描述電力設備失效率的浴盆曲線的第二階段和第三階段較相近，分別為隨機失效階段與老化失效階段。前者導致設備失效的主導因素是環境因素，包括自然環境（環境溫度、雷電活動、氣候）和工作環境（系統中斷、瞬態現象、保護區域），幾乎與電氣元件的老化無關，因此設備失效的概率在整個生命周期內是恒定的；后者對應于隨時間增長的失效率，這一階段設備失效是由于設備電氣或機械強度的降低，電氣元件可靠性不足而引起的，包括各部件機械溫升、磨損、疲勞等[12]，4.3 節中對老化缺陷產生的原因做了進一步解釋。

Weibull 分布在可靠性理論中是適用范圍較廣的一種分布。它能全面地描述浴盆曲線的各個階段，大量實踐表明，凡是因為某一局部失效或故障所引起的全局機能停止運行的元件、器件、設備、系統等的壽命均服從Weibull 分布。為能準確得到電力設備的壽命模型，有學者采用雙參數Weibull 分布對失效率曲線進行擬合并得到效果較好的擬合結果。基于此，這里同樣采用雙參數Weibull 分布對圖中曲線進行擬合，雙參數Weibull分布的概率密度函數、累積缺陷率函數計算公式分別如式（4）和式（5）所示[13-14]：

式中：β 為形狀參數；η 為尺度參數；t 為設備運行時間；η 為累積缺陷概率為63.2%時設備的壽命，用以描述設備的總體壽命水平。理想狀態下，隨機缺陷階段β=1，老化缺陷階段β＞1。

在可靠性理論中，設備可靠度R（t）定義為：

設備年缺陷率計算表達式為：

考慮到存在隨機缺陷和老化缺陷兩個階段，聯立式（4）—式（7）可以得到：

式中：λR和λA分別為隨機缺陷率和老化缺陷率。雙參數Weibull 擬合不考慮常規Weibull 分布的常數項，而由于在本文的定義中運行時間即使為0 年時也有一定的年缺陷率，所以需要設定常數項抵消偏移量，且為了簡化擬合過程，不再進行分段擬合，即不分別考慮λR和λA，直接用設定的常數項代替λR，最終擬合結果如圖1 中曲線所示，與點線幾乎完全重合，擬合效果較好。

年缺陷率計算模型如式（9）所示：

由式（9）可知，運行時間t 較小，即處在隨機缺陷階段時，式（9）中的后半部分較小，幾乎可以忽略不計，年缺陷率主要由常數項決定，近似恒定；老化缺陷階段運行時間t 逐漸增大，式（9）中的后半部分占比逐步增大，年缺陷率上升趨勢逐漸明顯，與實際情況相符合。

3.2 不同機械結構設備年缺陷率與運行時間的關系

上述是對缺陷設備進行整體的分析，但由于設備本身結構或者運行環境的影響，年缺陷率與運行時間的變化曲線可能與圖1 所示曲線有所差異。為更詳細的了解不同維度下設備年缺陷率隨運行時間變化的情況，首先統計了不同機械結構的設備年缺陷率與運行時間的關系，如圖2 所示。

圖2 不同機械結構設備年缺陷率與運行時間關系

根據圖2 比較水平式和垂直式兩種隔離開關的年缺陷率與運行時間的關系，兩者在隨機缺陷階段年缺陷率很相近，但垂直式隔離開關年缺陷率開始上升的時間點比水平式隔離開關要早一些。分析原因可能是由于垂直式隔離開關結構復雜、活動構件較多，動作次數也相對更多，部件老化速度與水平式隔離開關相比更快，所以會更早的進入老化缺陷階段。

同樣用含常數項的雙參數Weibull 分布擬合兩種不同機械結構隔離開關的年缺陷率，擬合曲線如圖2 所示，模型如式（10）和（11）所示，其中λt，horizontal為水平式隔離開關年缺陷率，λt，vertical為垂直式隔離開關年缺陷率。

3.3 不同電壓等級設備年缺陷率與運行時間的關系

除不同的機械結構外，不同電壓等級下隔離開關年缺陷率隨運行時間的變化也稍有不同。統計110 kV 和220 kV 兩個電壓等級下隔離開關年缺陷率與運行時間的關系，結果如圖3 所示。隔離開關在這兩個電壓等級下處于隨機缺陷階段時缺陷率也較為相近，但220 kV 比110 kV 電壓等級下設備年缺陷率急劇上升的時間點更早，后期220 kV 電壓等級下隔離開關年缺陷率增長速度與110 kV 相比略低一些。

用含常數項的雙參數Weibull 分布擬合兩個電壓等級下隔離開關的年缺陷率，擬合曲線如圖3 所示，模型如式（12）和（13）所示，其中λt，110為110 kV 隔離開關年缺陷率，λt，220為220 kV 隔離開關年缺陷率。

圖3 不同電壓等級設備年缺陷率與運行時間關系

4 缺陷部件及缺陷類型數據統計分析

電力設備發生缺陷往往是由于其中某一部件發生了缺陷導致，清楚了解電力設備各部件發生缺陷的占比以及各部件出現的缺陷類型能更有效的對電力設備進行運維檢修。現將隔離開關進行部件拆分，其中每臺缺陷設備均只對應于一個缺陷部件，每個缺陷部件均只有一種缺陷，將缺陷數據中的缺陷類型進行整理，從而得到更直觀的數據分析結果，并利用Arrhenius 模型及Coffin-Mason 模型從不同角度解釋了設備在老化階段產生缺陷的原因。

4.1 隔離開關各部件缺陷數據統計分析

參考Q/GDW 450—2010《隔離開關和接地開關狀態評價導則》[15]和Q/GDW 11245—2014《隔離開關和接地開關檢修決策導則》[16]，遵循相對獨立性以及等效型的原則，將隔離開關拆分為傳動連桿、導電回路、機構箱、基礎及支架、接地開關、絕緣子、線夾7 部分，各部件缺陷數量占比如圖4 所示。

圖4 隔離開關各部件缺陷數量占比

圖4 是對各部件在所有缺陷數據中總占比的統計，但實際上隨著運行時間的變化，各部件的缺陷占比也會隨之變化。在此以5 年為一周期，統計不同時段各部件的缺陷占比，由于投運時間超過20 年的缺陷設備數據較少，存在一定的偶然性，所以只統計運行時間在20 年內的缺陷數據，結果如圖5 所示。

圖5 中各面積隨時間的變化即每種部件缺陷占比隨時間的變化，部件缺陷占比較大的數值已標注。明顯可以看出，機構箱在任何時段，占比都非常大；線夾隨著運行時間的增長缺陷占比有一定的增長趨勢，主要原因是線夾的松動、損壞以及脫落等問題在超過一定的運行年限后會頻發；接地開關的缺陷占比變化趨勢不固定，這可能與部件來自不同廠家導致質量不同有關；基礎支架在投運初期有一定的占比，但比例較低，分析原因可能是因為在安裝時存在一些問題，及時解決后后期占比逐步降低。

4.2 隔離開關主要缺陷類型數據統計分析

對隔離開關的缺陷類型進行統計，在1 325條缺陷數據中，缺陷類型大致分為14 種，各缺陷類型及占比如表4 所示。

表4 隔離開關缺陷類型及占比

分析上述隔離開關占比較大的主要缺陷類型隨運行時間變化的分布特征，同樣也是只統計運行時間在20 年內的設備缺陷數據，為使圖更簡潔明了，這里主要的缺陷類型依據占比由高到低依次編號為A—H，結果如圖6 所示。

圖6 缺陷類型占比隨運行時間變化

其中“異常發熱”“操作卡澀”“機構箱內加熱器工作異常”問題幾乎貫穿整個周期，檢修維護時要特別注意此類問題；“遙信不正確”隨運行時間的增長占比呈現逐漸下降的趨勢；“無法實現有效的機械閉鎖、電氣閉鎖”問題主要發生在運行時間在5～10 年的設備；“傳動連桿銹蝕、連接松動”和“機構箱箱體變形、銹蝕、受潮”問題隨著運行時間的增長占比有一個上升的趨勢。

4.3 缺陷產生原因

設備在隨機缺陷階段發生缺陷的主要原因與工作環境和自然環境有關，而設備在老化缺陷階段發生缺陷的原因從本質上講與兩種因素有關，一種與設備溫度有關，即物理化學機理，最終導致部件發熱、銹蝕等缺陷；另一種是由于設備反復操作，導致部件磨損、變形嚴重，即機械疲勞機理。

4.3.1 阿倫尼斯模型

阿倫尼斯（Arrhenius）模型是基于設備失效過程的物理化學解釋而提出的一種典型的模型，主要描述了設備壽命和溫度應力之間的關系，可以用于解釋設備發熱、銹蝕、腐蝕等缺陷產生的原因，其表達式如式（14）所示[17]：

式中：M 為設備某特性值的退化量；?M/?t 表示退化速率，退化速率是時間t 的線性函數；玻耳茲曼常數k=8.617×10-5eV·℃；T 為絕對溫度；A0為常數；t 為設備運行時間；ΔE 為失效機理激活能，以eV 為單位，對同一類設備的同一種失效模式為常數。通過對M 進行關于時間t 的積分，該模型進一步表示為：

式中：L 為量化的壽命指標，如平均壽命、中位壽命等；C 是待定參數，且C>0；B=ΔE/k，是與激活能有關的參數。

將式（15）代入雙參數Weibull 分布的概率密度函數中的尺度參數η，可得到威布爾分布—阿倫尼斯模型的表達式為：

根據式（7）和（8）得到設備年缺陷率：

式（17）將設備年缺陷率與溫度應力和時間關聯起來，根據前文整體隔離開關年缺陷率擬合結果可知λR=0.003 27，β=5.3，參數B 和C 需要通過實驗測得，t 為運行年限，T 可以直接代入設備運行時的絕對溫度，可以明顯看出當溫度應力增大或運行時間增長時，都會導致設備年缺陷率增大。

4.3.2 Coffin-Mason 模型

金屬材料在高循環應力作用下會產生塑性應變，塑性應變會導致金屬永久變形或者出現斷裂，進而發生疲勞失效，隔離開關發生的操作卡澀、變形等缺陷都屬于疲勞失效。對于金屬疲勞失效來說，最為經典的是Coffin-Mason 模型，表示如下[18]：

式中：Δεp為塑性應變范圍，在隔離開關中可以表示為各部件的操動幅度；為疲勞延性系數；c 為疲勞延性指數，根據Mason 提出的通用斜率法[19]，c=-0.6，Nf是失效時的循環周期數，在這里可以認為是部件的動作次數。

假設隔離開關某一部件平均每年動作次數為Nc，量化的壽命指標為L（平均壽命、中位壽命），那么設備失效時的部件動作次數Nf可用式（19）表示：

聯立式（18）和式（19），可以推出：

式中：D 為與疲勞延性系數εf′有關的常數。由式（20）可以看出，當每年平均動作次數增加或者操動幅度增大時，設備壽命會相應縮短。將式（20）代入雙參數Weibull 分布的概率密度函數中的尺度參數η，根據式（7）和式（8）得到設備年缺陷率：

式（21）將設備年缺陷率與設備部件操動次數、操動幅度和時間關聯起來，同樣根據前文整體隔離開關年缺陷率擬合結果，λR=0.003 27，β=5.3，參數D 需要通過實驗測得，t 為運行年限，Nc可直接代入部件平均每年動作次數，Δεp可直接代入部件累積的操動幅度，當設備部件操動次數增多，操動幅度增大或者運行時間增長時，都會導致設備年缺陷率增大。由表1 數據也可以看出，110 kV 和220 kV 電壓等級下設備動作次數與500 kV 相比略多，所以其缺陷率也相對高一些。

5 討論與分析

無論從電壓等級和機械結構的維度去分析總缺陷率，還是從運行時間的維度去分析年缺陷率，由于不同情況下投運設備的數量不同，導致得到的缺陷率結果置信度也會有一定的差異。不過本文數據基數較大，所以得到的結果準確性相對都較高，具有一定的參考價值。

針對不同的階段可以安排不同力度的檢修任務。運行時間在0～5 年的設備檢修間隔時間可以稍微較長一些，抽樣檢修的數量也可以少一些；運行時間在5～14 年的設備檢修力度要有一定的加強；運行時間超過14 年的設備，要視為重點檢修對象，檢修間隔時間要短，但由于過多的檢修可能會對設備造成不必要的損傷，因此筆者認為檢修周期縮短到之前的一半相對合適一些。

從隔離開關各部件的角度去分析，機構箱缺陷占比非常大，檢修時對其內部的加熱器、箱體材質及密封情況要重點關注；隔離開關中缺陷占比較高的異常發熱、卡澀、銹蝕等缺陷均隨著投運年限的增長占比逐漸增大，這不僅與部件磨損、老化有關，也與隔離開關部件金屬選材直接或間接相關，金屬材質對缺陷的產生也有著根本的影響，特別是不同廠家生產的設備差異性可能較大，可以加強對機構箱以及金屬部件的抽檢力度，并且隨著投運年限的增長對不同部件的檢修任務應制定不同的計劃。

6 結語

本文以某省1980—2019 年共34 485 條隔離開關臺賬數據和1 325 條缺陷數據為基礎進行了統計分析，從不同維度得到隔離開關的缺陷特征如下：

（1）從電壓等級維度來看110 kV 的隔離總缺陷率最高，達到4.05%；從機械結構維度來看水平式兩柱型隔離開關總缺陷率最高，達到4.03%。220 kV 的水平式兩柱型和110 kV 的水平式三柱型隔離開關總缺陷率達到10%以上，需重點關注。

（2）隔離開關年缺陷率變化曲線與浴盆曲線的二、三階段近似，分為年缺陷率較穩定的隨機缺陷階段和年缺陷率急劇上升的老化缺陷階段，老化階段產生缺陷的原因主要與溫度應力、動作次數、操動幅度等因素有關，采用帶有常數項的雙參數Weibull 分布模型可以較準確地計算運行時間在20 年以內的隔離開關年缺陷率。整體隔離開關擬合結果：常數項為0.003 27，形狀參數為5.30，尺度參數為34.97。

（3）隔離開關在整個壽命周期中缺陷占比最高的部件是機構箱，其次是操動頻數較多的導電回路與傳動連桿；出現頻率較多的缺陷類型是“異常發熱”“操作卡澀”以及“輔助開關損壞”，在進行檢修時需對這些部件和缺陷類型重點關注。