基于調控一體自動化系統的變電站電氣設備故障診斷技術

張 宇

（國網黑龍江省送變電工程有限公司，黑龍江哈爾濱 150000）

變電站電氣設備因為工作環境惡劣、運行年限延長、維護不到位等因素的影響，在投入使用一定時間后不可避免的會發生故障。相比于以往以人工為主的故障檢測與診斷模式，基于調控一體自動化系統的電氣設備故障診斷技術，可以利用前端傳感器實時采集變電站各類電氣設備的運行參數，然后由計算機對獲取數據展開分析，并智能判斷是否存在異常工況以及故障的具體類型。該技術的應用可以實現對變電站電氣設備潛在故障的準確、及時診斷，在保證變電站電氣系統穩定運行的前提下，還能減少設備停機檢修的頻率，發揮良好的經濟效益。

1 變電站變壓器在線監測與故障診斷技術

以變電站電氣設備中的變壓器為例，介紹變壓器局部放電的在線監測與故障診斷技術。變壓器局部放電在線監測系統由射頻監測器、高頻CT、在線監測平臺等組成。當被監測的變壓器出現局部放電現象后，放電電流信號經由中性點接地線流入接地點。此時接地電抗器接收該信號，使放電電流進入到由高頻CT、射頻監測器組成的監測回路中。主控計算機根據放電電流的強弱，判斷局部放電故障的危害程度、發生位置、放電類型。主控計算機在診斷局部放電故障時，主要依據的參數有放電幅值Q、放電頻次N，以及放電相位φ 等。比較常用的局部放電故障診斷方法時“Q-N”診斷法，診斷規則見表1。

表1 局部放電類型的Q-N 診斷規則

由于引起變壓器局部放電的故障機理有明顯的復雜性、離散性特點，因此基于Q-N 診斷規則的局部放電在線監測與故障診斷技術，在實際應用中也存在診斷結果可靠性不高的問題。在人工智能技術成熟背景下，為BP 人工神經網絡提供海量的樣本數據供其深度學習，進而根據既定的診斷規則，實現對復雜故障的準確鑒別，使得故障診斷結果的精確性得到進一步的提升。基于此，本研究設計了一種以人工智能為核心的，基于調控一體自動化系統的變壓器局部放電在線監測與故障診斷系統。

2 基于調控一體自動化的變壓器在線監測與故障診斷系統設計

2.1 系統硬件設計

變壓器局部放電在線監測與診斷系統的硬件部分，主要有主機（ARM）從機（DSP），以及配套設備（如電源、SD 卡等）組成。其中主機負責編輯和發送控制指令，而從機負責完成數據的計算，硬件系統的結構組成見圖1。

圖1 局部放電檢測硬件框圖

結合圖1 可知，該系統的前端模塊為若干個局部放電傳感器，傳感器直接安裝到變壓器上，如果變壓器發生局部放電故障，該傳感器可實時采集放電電流的幅值、頻率、相位等基本參數[1]。然后傳感器通過CAN 總線，將獲取的數據發送給從機。在該處完成數據的預處理和計算后，將最終結果發送至主機。利用主控計算機完成數據解析，實現對放電類型、放電位置的準確判斷，得出最終的故障診斷結果。

2.2 系統軟件設計

該系統的軟件部分是基于Visual C++ 和MATLAB 兩款軟件混合開發。在MATLAB 軟件中提供了大量的BP 神經網絡函數，如初始化函數newff、訓練函數train 等，在使用Visual C++軟件進行開發時，可直接從MATALB 函數庫中調用，降低了系統開發難度，開發流程見圖2。

圖2 VC++調用MATLAB 的流程

考慮到本系統的前端傳感器會不間斷的收集海量樣本數據，為減輕數據處理的工作量、提高系統響應速度，在系統軟件設計中還需要增加樣本數據的檢索與整合程序。本文分別選取了“型號”、“生產廠商”、“運行年限”3 個指標，對變電站運行產生的海量信息進行遍歷檢索，并整理成“輸入P- 輸出a2”形式（如圖3），提供給BP 神經網絡，做出最終的診斷。

結合圖3，本研究設計的BP 神經網絡結構主要由3 部分組成，即輸入層、中間層和輸出層。BP 人工神經網絡具有強大的學習能力，提供海量的樣本數據（包括變壓器運行的正常數據和故障數據）進行學習，并自動生成一套“診斷規則”[2]。這樣當前端傳感器反饋變壓器的實時數據給主控計算機后，計算機以隱性分布的“診斷規則”作為判斷依據，對照實時數據是否符合該規則。如果符合，則說明被監測的變壓器運行正常；反之，如果不符合，則說明被監測變壓器存在異常工況，得出故障診斷結論。作為輸入向量的P 是由放電幅值、放電頻次等參數組成的集合，可表示為

圖3 BP 神經網絡結構

P=[Q，N，φ]T

W1、W2為權矩陣，b1、b2為偏置矩陣，f1、f2分別為tansig 型、purelin 型神經元函數，a1、a2為神經網絡層輸出，輸出結果a2即為變壓器的實時狀況，有“健康”和“故障”兩種情況。在軟件系統運行時，可以將變電站所有變壓器的歷史運行數據，或者其他變電站同型號的變壓器運行數據作為訓練樣本。經過BP 神經網絡的訓練后，可以確定權矩陣W1、W2和偏置矩陣b1、b2。然后測量被監測變壓器當前的局部放電數據（Q、N、φ），即可求得a2，實現對變壓器實時運行故障的在線檢測和自動診斷[3]。

2.3 局部放電在線監測與故障診斷系統的性能指標

局放監測技術性能見表2。

表2 局放監測技術性能

3 變壓器局部放電在線監測系統的現場安裝與調試

某變電站現有4 臺SFSZ9-4000/110 型有載調壓電力變壓器。于2014 年6 月份安裝并投入使用，2019年10 月份因為繞組絕緣失效發生過一次局部放電故障。目前該變電站的變壓器每月執行一次常規檢查，為減輕檢修人員的壓力，以及提高對潛在故障的診斷能力，引入基于調控一體化的在線檢測與故障診斷系統。將局部放電傳感器放置在高壓側電流互感器的出線盒中，由于出線盒采用了絕緣密封材質，因此變壓器出現局部放電時產生的超高頻電流信號會穿過密封絕緣材料，進而為外部的局部放電傳感器接收。傳感器與從機（DSP）之間使用CAN 總線連接，具有較強的抗干擾能力，保證前端采集到的信號能夠高質量地傳遞到從機[4]。從機與主機之間使用基于IEC61850 協議的光纖連接，進一步提高系統的響應速率。

變壓器局部放電在線監測與故障診斷系統安裝完畢后，還要進行簡單的調試，確保在線監測與智能診斷功能可以順利實現。首先是進行外觀檢查，如局部放電傳感器的安裝是否牢固、監測回路是否正常通電等。外觀檢查無問題后，再開展系統主要功能測試，測試內容及方法如下：

（1） 超高頻傳感器功能檢查。選擇一臺小型信號發生器，使其產生1 個可以被超高頻傳感器接收的高頻信號，然后檢查IED 能否正常接收到對應的脈沖信號。如果能夠接收，則說明該功能正常。

（2） 系統測量數據檢查。操作方法同上，檢查在線監測系統能否準確顯示與高頻信號對應的數據。如果能夠準確顯示放電幅值、相位、頻次等數據，則說明該功能正常。

（3） 采樣周期設定檢查。在系統設置中自定義一個采樣周期，運行系統后檢查是否按照該采樣周期采集前端數據。如果系統根據設定值進行采樣，則說明該功能正常。

（4） 設備告警功能檢查。將局部放電IED 裝置電源關閉，觀察系統是否告警。如果告警，說明該功能正常。

（5） 鐵芯接地電流測量數據檢查。使用0.5 級鉗形電流表，連接變壓器的鐵芯，觀察電流表示數，并記錄下電流值。然后將該數據與在線監測系統上顯示的數據進行對比。如果兩組數據完全一致，則說明該功能正常[5]。

除了上述測試內容外，還要進行一體化信息平臺信息正確性測試等工作。在系統的檢查和調試過程中必須要如實做好記錄，如果經檢查發現問題，應采取相應的處理措施，保證系統各項功能的順利實現。

4 基于調控一體自動化的變壓器在線監測與故障診斷系統的應用

本研究設計的基于調控一體自動化的變壓器在線監測與故障診斷系統在某變電站進行了試點應用，該系統管道人機交互界面見圖4。

圖4 變壓器局部放電診斷系統界面

結合圖4 可知，在本次故障診斷中，1#變壓器有局部放電監測告警。根據上文提供的“Q-N”診斷規則可知，主變局部放電類型可分為3 種，即正常放電、低能放電和高能放電。結合系統采集到的局部放電的幅值、相位等數據，診斷1#主變壓器的局放類型為高能放電，故診斷為變壓器故障。同樣的，該系統在接收傳感器反饋的2#變壓器局部放電監測信息后，也出現了告警情況。但是兩組變壓器的BP 診斷結論均顯示正常。分析其原因，認為1#和2#變壓器同時發生故障的概率極低；結合變壓器所處環境，認為是潮濕、霧霾天氣導致兩組變壓器出現局部放電情況，而變壓器本身并不存在問題。于是兩天以后再次觀察診斷結果，未出現變壓器告警情況，BP 診斷結果顯示無異常。這樣一來，借助于變電站電氣設備在線監測與故障診斷系統，可以有效提高診斷結果的正確性，為后續的設備維護工作開展提供了便利。

5 結論

變壓器是變電站的核心設備，保障變壓器的可靠運行尤為關鍵。在變壓器的各類故障中，繞組絕緣和引線絕緣失效的發生頻率較高，占總故障的70%以上。在絕緣性能不達標的情況下，容易引起局部放電，嚴重時會因為放電擊穿而導致變壓器報廢，帶來嚴重的損失。本研究設計的一種基于調控一體化自動系統的變電站電氣設備在線監測與故障診斷系統，可以借助于前端的局部放電傳感器獲取被監測對象的局放幅值、局放頻次等基本信息，然后經通信系統將數據傳輸給主控計算機，由BP 人工神經網絡進行故障診斷，顯著提高了故障識別的時效性與準確性。當然，目前該系統只能進行故障的準確識別，下一步還要繼續完善系統功能，爭取在故障診斷的基礎上，以故障診斷報告的形式詳細羅列故障位置、故障原因等信息，從而為檢修人員及時排查故障、保障變電站穩定運行提供技術支持。