高壓電氣設備局部故障智能診斷系統探究

【摘 要】本文針對以往使用人工巡檢、脈沖電流檢測法受到電磁干擾影響，導致表面放電、電暈放電故障診斷結果不精準的問題，設計基于改進深度學習的高壓電氣設備局部故障智能診斷系統，設置地線推挽開關電路、吸波抑制電路，使油溫油位監測子系統通過RS45接收電位信號，提升抗干擾能力;利用改進深度學習方法建立故障識別模型，并根據模型輸出陣列，設計故障智能診斷流程，識別高壓設備局部故障;實驗結果表明該系統表面場強分量大于擊穿場強時，在2-12 V電壓范圍內，放電頻率高于38 khz，診斷結果較好。

【關鍵詞】改進深度學習 高壓電氣設備 局部故障 智能診斷

【中圖分類號】G? 【文獻標識碼】A

【文章編號】0450-9889（2021）27-0173-04

高壓電氣設備不斷投入擴大了電網規模，其電氣設備正常使用，成為整個電力系統不可缺少的一部分。由于電力系統中大多數設備是在高壓條件下運行，這些電氣設備一旦出現故障會影響電力系統實際運行情況，有可能給電網經濟帶來不可預估的經濟損失。電氣設備故障會影響高壓電場，并由此產生局部放電現象。因此，在絕緣區域電場強度較低情況下，容易出現擊穿場強現象，放電情況極為分散。盡管使用人工檢查方法在一定程度上能夠解決電力高壓電氣設備局部故障問題，但不能實時監測電氣設備運行狀態，導致電氣設備局部故障無法得到有效診斷。為此相關研究者對其進行了很多研究，并取得了一定成果。

陶詩洋、馮義、張天辰等的《基于脈沖電流法的高壓開關柜局部放電在線監測裝置》文獻里設計了一種新型高壓開關柜局部放電在線監測裝置，用于監測電氣設備局部故障。該方法首先分析開關柜局部放電現象，對其放電信號進行有效提取，并設計合理的電路，借助脈沖電流設計了檢測故障的回路，通過實驗檢測該裝置的靈敏程度，結果可靠。該裝置可有效地對開關柜進行故障檢測，但該裝置適用范圍較窄，存在一定局限性。張施令的《高壓SF_6氣體絕緣組合電器放電故障模式智能識別》一文里也設計并闡述了一種高壓SF_6氣體絕緣組合電器放電故障模式識別方法，該方法通過模擬固體絕緣件，確定高壓設備故障類型，引入聯合模糊迭代自組織數據分析方法對設備結構進行參數表示，通過蟻群算法對其中存在的故障進行智能識別。該方法可有效判斷高壓設備故障類型，但對其影響因子考慮甚少，存在診斷精度較低的問題。

為了彌補上述方法中存在的不足，筆者設計了一種新的高壓電氣設備局部故障智能診斷系統。通過系統硬件和軟件設計，有效地實現高壓電氣設備局部故障智能診斷系統構建。

一、系統硬件結構設計

診斷系統硬件結構是由變壓器局放監測子系統、接地電路、油溫油位監測子系統及斷路器監測子系統組成。通過變壓器局放監測子系統可判斷變壓器鐵芯多點接地故障。其原理是推挽開關電路使用兩個金屬氧化物半導體場效應晶體管進行交替導通/截止，抑制沖擊電壓。油溫油位監測子系統的設計有利于對現場人員進行監控和維護。通過斷路器監測子系統分析，并經A/D轉換后，輸出數字信號，最終完成硬件結構設計。

（一）變壓器局放監測子系統

為提升設計系統的有效性，考慮到變壓器對系統的影響程度，對其局放監測進行了子系統設計，其結構如圖1所示：

結合圖1所示變壓器局放監控子系統，判斷變壓器局部放電監測子系統鐵芯多點接地故障。

1.氣相色譜分析

在氣相色譜分析過程中，如果空氣中甲烷和烯烴氣體濃度較高，CO、CO2變化不明顯，那么說明變壓器堆芯過熱。

2.監測接地線電流

在接地線電流監測過程中，使用監測鉗形計監測鐵芯是否能夠正常接地。如果能夠正常接地，那么鐵芯外接引線上不會出現電流。如果不能，那么鐵芯主磁周圍出現短路現象，此時產生電流，該電流數值取決于故障點和正常連接位置，也就是短路匝圈內繞通量。

（二）接地電路

變壓器用于大功率場合，常采用中間推挽開關電路。推挽開關電路輸入輸出之間有180°的距離，而開關電源的集成控制器A和B相的輸出為180°，因此推挽開關電路可由功率MOSFET構成，直接驅動。另外，在無負載情況下，電路中功率MOSFET的漏極與源極之間會產生較高的電壓。因此，功率金屬氧化物半導體場效應晶體管的耐電壓應留有足夠的余量，以抑制沖擊電壓。中頻功率電路一般采用半橋電路，即兩個功率金屬氧化物半導體場效應晶體管交替導通/截止。

（三）油溫油位監測子系統

油溫油位監測子系統由位移探測器和信號處理器組成，用LCD點陣顯示監測結果。本系統實現現場實時報警和信號傳輸，有利于現場人員進行監控和維護。本系統可選擇RS485通訊模式和 GSM無線公網報警傳輸模式，便于與其他設備連接，且抗干擾能力強，故障率低。本系統對波紋管箱內油位測量主要是檢測波紋管的膨脹度，將波紋管的動態變化轉換成型材的角度，以及與其連接的電位計的角度。利用 MCU將電位計的一部分轉換成電位數字，通過RS45傳輸量子信號到二次測量。油溫油位監測子系統如圖2所示：

（四）斷路器監測子系統

用多種監測儀器對高壓電器設備工作狀態的電流、電壓等參數進行監測，提取所測電、非電信號，并將其轉換成標準信號形式，輸入數字信號采集裝置，經A/D轉換后，再進行相應信號分析。斷路器監測子系統如圖3所示。

如圖3所示，該子系統可從結構上分為數據采集和數據處理兩個部分，使用Matlab 軟件。采集器選用適合采集設備和傳感器等硬件，并使用 C語言編寫數據采集程序，實現數據快速、準確采集，系統可以完成對數據的處理。

二、系統軟件部分設計

（一）故障識別模型構建

改進深度學習故障識別模型，如圖4所示：

由圖4可知，CSDN1框架是由第一層輸入層和第二層隱含層組成，CSDN2框架是由兩層隱含層組成，CSDNn框架是由第n層隱含層和可視層組成。

可視層vi與隱含層hj連接節能量可以定義為：

式中，w表示可視層與隱含層連接后所占比重，a和b分別表示不同的偏置量，θ表示模型參數。

為進一步說明改進深度學習工作過程，輸入陣列中每一個元素對應一個可見層節點，以這種方式輸入到每一個網絡層，經過一系列的計算，每一個元素對應一個隱含層節點并輸出陣列信號。

（二）局部故障智能診斷流程

根據構建的故障識別模型，設計局部故障智能診斷流程，如圖5所示：

由圖5可知，故障智能診斷步驟為：

1.原始特征提取

主要包括對電力設備振動原始信號的去噪、重構、分解等預處理。采用信號采集和信號處理相結合的方法，得到了較好的信號數據;最后提取信號的高壓集。

2.特征空間轉換

使用線性映射法將提取到高維信號特征映射為低維信號特征模式。

3.訓練及故障識別

利用低維特征數據集ML的部分數據NL所建立的改進深度學習識別模型，通過優化算法得到穩定的標準改進深度學習模型，并以部分ML數據PL作為測試數據集輸入標準改進深度學習模型，獲得故障狀態識別結果。

三、實驗分析

基于改進深度學習的高壓電氣設備局部故障智能診斷系統能夠將現場采集的視頻數據傳輸到中央控制服務器，并在服務器中進行視頻分析。如發現異常信息，保存異常圖像，通過因特網傳送到客戶機，由工程師檢查。與此同時，服務器將保留客戶的基本用戶信息，為工程師提供到技術交流平臺，滿足移動辦公的需求，圖6為網絡結構示意圖：

（一）高壓電氣設備局部放電故障分析

1.局部放電

當高壓電氣設備表面場強比擊穿場強大時，受到高壓電氣設備使用材料中存在的氣泡或孔隙影響，導致場強中出現局部放電現象，該現象最常出現在機殼法蘭和電纜端子中。

2.電暈放電

導體表面電場受到擊穿場強影響局部放電時，導體表面電場非常不均勻，容易出現電暈放電現象。尤其在高壓電場中，電暈放電容易導致電極處產生負電量。

（二）實驗結果分析

分別使用人工巡檢、脈沖電流檢測法和基于改進深度學習診斷法對表面放電、電暈放電故障情況進行診斷。

1.表面放電故障診斷

隨機選取高電壓電場中介質的A、B、C、D、E、F六個點，分別使用三種方法對表面放電故障進行診斷，結果如表1所示：

由表1可知，使用人工巡檢方法診斷到的平行于表面場強分量均小于擊穿場強，診斷結果沒有出現表面放電故障問題;使用脈沖電流檢測法診斷到平行于表面場強分量，只有在C處場強與擊穿場強一致，其余均小于擊穿場強，診斷結果沒有出現表面放電故障;使用基于改進深度學習診斷法診斷到的平行于表面場強分量均大于擊穿場強，診斷結果出現表面放電故障現象。對比之下，本系統診斷的效果更好。

2.電暈放電故障診斷

分別使用三種方法對電暈放電故障診斷，對比結果如圖7所示：

由圖7可知，使用人工巡檢法，隨著電壓升高，放電頻率逐漸增大，但在0-10 V電壓范圍內，放電頻率均低于38 kHz，沒有出現光輝放電現象。使用脈沖電流檢測法，隨著電壓升高，放電頻率逐漸增大，但在0～8 V電壓范圍內，放電頻率均低于38千赫茲，沒有出現光輝放電現象。使用基于改進深度學習診斷法，隨著電壓升高，放電頻率逐漸增大，在0～2 V電壓范圍內，放電頻率低于38千赫茲，沒有出現光輝放電現象，在2～12 V電壓范圍內，放電頻率高于38千赫茲，有光輝放電現象。

針對高壓電氣設備局部故障診斷精度較低等問題，筆者設計了一種新的高壓電氣設備局部故障診斷系統。該系統通過對變壓器局放監測子系統、接地電路、油溫油位監測子系統、斷路器監測子系統以及故障診斷的改進深度模型，對高壓電氣設備局部故障進行有效診斷。實驗結果表明，采用該系統可有效地對高壓電氣設備局部故障進行診斷，該系統具有一定可行性。

【參考文獻】

[1]宋瀏陽，李石，王芃鑫，等.基于動態統計濾波與深度學習的智能故障診斷方法[J].儀器儀表學報，2019（7）.

[2]宋思晗，王興芬，杜惠英.基于改進深度學習算法的文本極性智能判斷方法研究[J].現代電子技術，2020（1）.

[3]李俊卿，陳雅婷，李斯璇.機器算法在電氣設備故障預警及診斷中的應用[J].科學技術與工程，2020（9）.

[4]陶詩洋，馮義，張天辰，等.基于脈沖電流法的高壓開關柜局部放電在線監測裝置[J].電力系統保護與控制，2019（9）.

[5]張施令.高壓SF6氣體絕緣組合電器放電故障模式智能識別[J].高電壓技術，2020（2）.

[6]張欣，張靜，高旭，等.采用局部時—頻奇異值與優化隨機森林的高壓斷路器機械故障診斷[J].高壓電器，2020（6）.

[7]吳金利，馬宏忠，吳書煜，等.基于振動信號的高壓并聯電抗器故障診斷方法與監測系統研制[J].電測與儀表，2020（1）.

[8]朱建新，陳學東，呂寶林，等.基于多維高斯貝葉斯的機械設備失效/故障智能診斷及參數影響分析[J].機械工程學報，2020（4）.

[9]韓宇，董波.一種基于線圈電流的高壓斷路器機械故障診斷方法[J].高壓電器，2019（9）.

[10]劉慧鑫，張江龍，連鴻松，等.電氣設備超標含氣量數據分析與現場處理[J].高壓電器，2020（5）.

[11]李龍，吳高林，張施令.高壓斷路器故障診斷的經驗模態分解法應用[J].電氣傳動，2020（1）.

[12]王昱皓，武建文，馬速良，等.基于核主成分分析SoftMax的高壓斷路器機械故障診斷技術研究[J].電工技術學報，2020（1）.

[13]吳瞻宇，董明，王健一，等.基于模糊關聯規則挖掘的電力變壓器故障診斷方法[J].高壓電器，2019（8）.

[14]朱寧，吳司穎，曾福平，等.基于SF6分解特性的局部放電故障程度評估[J].中國電機工程學報，2019（3）.

[15]朱萌，梅飛，鄭建勇，等.基于深度信念網絡的高壓斷路器故障識別算法[J].電測與儀表，2019（2）.

【作者簡介】盧芳革（1966— ），女，壯族，廣西上林人，大學本科，廣西安全工程職業技術學院副教授，研究方向為電工、電氣控制技術及應急安全文化教育。

（責編 李 唐）