六氟化硫氣體取樣分析及尾氣回收處理系統研究

王 唯,朱 勇,雍明月,單亞雄,汪 奇

(北京電力工程有限公司,北京 100076)

0 引言

因為六氟化硫(SF6)化學性質穩定,所以被廣泛應用于電氣系統中。但在電氣系統的大功率電弧作用下,SF6往往被分解為二氟化硫、四氟化硫和氟氣等化學物質[1]。一旦SF6氣體發生泄漏,會造成周圍的人員中毒,還會對環境造成影響以及增強溫室效應。

文獻[2]采用被動傅立葉變換紅外吸收(Fourier transform infrared reflectance,FTIR)光譜儀紅外遙測技術,通過研究不同測量參數與儀器信噪比的關系,判斷SF6氣體是否泄漏,確保了氣體檢測的下限和檢測時間。但該技術抗干擾能力較弱,無法規避背景氣體的影響。文獻[3]采用了小波分析法檢測SF6氣體的泄漏。該方法首先通過小波變換對信號、圖像進行分解,再通過小波變換去除背景氣體的干擾,提高了氣體檢測的準確度。但該方法只考慮SF6氣體的取樣分析,未考慮具體的回收氣體環節。

根據上述問題,本文設計了1種SF6氣體取樣分析和尾氣回收處理系統,將SF6氣體取樣分析和氣體回收環節一體化。該系統采用了差分光聲光譜法實現了高效的氣體檢測,并通過粒子濾波算法改進了氣體預警模型。這保證了SF6氣體取樣分析的精準性、快速性,實現了尾氣回收處理,保障了用戶人身安全和環境安全。

1 氣體取樣分析及尾氣回收處理系統

面對SF6氣體可能發生泄漏的情況,不僅應針對相關電器開展SF6氣體取樣分析,以防止SF6氣體泄漏造成損害,還應對SF6氣體進行尾氣回收,以提取SF6氣體的剩余價值。為了處理技術難題,本文設計了一套新型的SF6氣體取樣分析及尾氣回收處理系統,以著重檢測SF6易出現的工業故障,從而減小損失。在此基礎上,本文設計了基于粒子濾波狀態估計的故障預警算法,以保障系統預警功能,從而達到早發現早處理的效果。此外,本文在系統中設計了尾氣回收的功能,以確保多余尾氣可以得到回收利用。SF6氣體取樣分析系統整體架構如圖1所示。

圖1 取樣分析系統整體架構圖

由圖1可知,SF6取樣分析及尾氣回收處理系統主要由3個系統模塊組成,分別為預警分析系統、取樣分析系統及尾氣回收系統。預警分析系統和取樣分析系統對從電氣設備獲得的信息進行處理,并將處理結果傳給尾氣回收系統。尾氣回收系統決定是否對SF6氣體進行回收處理,并將結果上傳至網絡服務器。網絡服務器的數據會通過暫存的數據庫提交至控制中心。用戶可以在用戶中心進一步處理電氣設備的后續狀態。

在實際運行過程中,電氣設備機械結構復雜。某一構件的結構和位置變化都可能造成設備操作變形,影響內部電磁場分布,從而引起絕緣放電或其他事故。尤其是在使用SF6氣體的電氣設備中,精細的觸頭結構可能造成設備短路、斷路等事故。對此,應該在系統中具體關注電流微元受力情況。

靜觸頭固定在支撐柱的一端。動觸頭與操作桿連接可以前后移動。針對出現的觸頭接觸異常故障,其可能存在的原因為:分合閘操作過于頻繁會使彈性系數下降,引起接觸不良,導致彈簧結構出現異常;過載運行時設備觸頭流經幅值較大的電流,使觸頭面結構發生變化;觸頭設計不合理,使靜觸頭和動觸頭不完全匹配。電氣設備正常運行時,感應電流在交變磁場中受到電磁力的作用。金屬外殼中電流微元受力分析如圖2所示。

圖2 金屬外殼中電流微元受力分析示意圖

圖2中:R1為導線到微元的距離;F為設備金屬外殼中受到的電磁力;i為電流的朝向。

本文設定磁場分布均勻。導體中流過的電流為:

i0=I0cos(wt)

(1)

式中:I0為初始電流;w為工頻;t為時間。

設備金屬外殼中受到的電磁力可表示為:

(2)

式中:B為磁感應強度;L為磁場中直導線的長度;S為微元的橫截面積;μ0為真空磁導率;μr為相對磁導率;Req為導體阻抗;R1為導線到微元的距離[4]。

根據圖2可知,長期受交變磁場的影響,機械操縱系統極有可能出現不響應、誤動和合閘不到位的情況。所以在實際運行過程中,需要時刻關注電流微元的受力情況。

2 基于差分光聲光譜法的分析方法

高壓開關設備發生氣體泄漏故障時會產生少量SF6氣體。傳統的光聲光譜技術不能在大氣條件下實現萬億分比濃度或十億分比濃度量級的SF6氣體檢測,也存在無法檢測流動SF6氣體的缺陷。為提高系統對電氣設備氣體泄漏故障的檢測精度、避免空氣自身光聲效應的干擾,本文采用差分吸收光聲光譜的技術實現對流動SF6氣體的檢測[5]。同時,為了及時、有效地對設備故障進行預警,以反映電氣設備的狀態隨著時間而變化的特性,本文還采用了濾波算法直接對電器設備的狀態進行變量預算,并擴展了卡爾曼濾波法,使系統可以對非線性的電氣系統進行線性化[6]。差分光聲光譜法氣體檢測系統整體架構如圖3所示。

圖3 差分光聲光譜法氣體檢測系統整體架構圖

由圖3可知,壓力控制器以氮氣為動力控制六通閥,并通過六通閥實現對取樣回路以及檢測模塊的信息交流。六通閥首先對待檢測的SF6氣體進行定量進樣;然后由取樣回路通過燈絲、斬波器、濾光片等裝置將其采集到的樣本傳輸至色譜柱,進一步傳輸至固體氧化物燃料電池(solid oxide fuel cell,SOFC)傳感器,并在前端控制器的輔助下通過鎖相放大器對處理后的信息進行放大;最后信息傳輸至數字信號處理(digital signal process,DSP)芯片,由DSP芯片處理信息后將信息傳給預警模塊,并將信息反饋給氣體處理系統。

為使氣體檢測的微弱信號放大至合適的電壓以進行釆樣,本文設置了基于INA163芯片的前置放大電路。INA163放大器是將4個高精度電阻器對和片上電磁干擾(electromagnetic interference,EMI)濾波與1個低失真、高輸出電流、雙路音頻運算放大器集成在一起的裝置,對電路噪聲有很強的抑制能力。主芯片工作頻率為200 MHz。1 024點復合快速傅里葉變換(fast Fourier transform,FFT)執行時間為46 μs,并且具有良好的動態響應[7]。

前置放大采樣電路如圖4所示。

圖4 前置放大采樣電路

在具體工作時,本文研究的差分光聲光譜法利用了分子紅外吸收光譜技術,在SF6光聲池中充入一定濃度的SF6氣體作為SF6的測量底氣,并在調制光源照射光聲池的光程中額外附加了1個特制的光聲池。待測SF6氣體光聲池內會發生吸收效應,吸收并削弱與待測SF6氣體濃度相對應的光能量[8]。通過測量經待測SF6氣體吸收后底氣的光聲信號變化,可以有效檢測電氣設備中的SF6氣體泄漏故障。當帶有一定濃度的SF6氣體通過光聲池時,會引起激發態分子數的變化。此時,光聲信號的強弱也會同步變化。這個過程可表示為:

(3)

式中:ΔH(r,t)為氣體焓變量;N′0為SF6底氣的激發態分子數;N′1為通過光聲池后的激發態分子數;Anr為光通量;E′為能量變化。

ΔH(r,t)與檢測的SF6氣體濃度同步發生變化,故能反映待測SF6氣體的濃度信息。由于SF6光聲檢測系統所產生的光聲信號很微弱,而靈敏度越高的傳聲器檢測出的光聲信號幅值越大,所以設備氣體泄漏故障檢測精度得到提升。DSP芯片內部結構如圖5所示。

圖5 DSP芯片內部結構圖

本文采用了DSP芯片,結合粒子濾波算法進行預警。DSP芯片內部采用程序和數據分開的哈佛算法,具有專門的乘法器,通過提供特殊的DSP指令,可以快速地實現各種信號的算法處理。

本文通過構建設備狀態空間模型,基于粒子濾波算法,對卡爾曼濾波法進行擴展。該模型通過比較狀態變量實時測量值與狀態估計值得到殘差值,對氣體泄漏進行預警。同時,該模型加入自適應閾值方法檢測設備故障,以避免因模型誤差以及噪聲的干擾造成誤報警。

本文采用粒子濾波算法對卡爾曼濾波法進行了擴展。本文對氣體系統狀態變量預估的過程分為3個階段,即狀態預測、狀態更新和重采樣。通過擴展的卡爾曼濾波法對初值誤差具有修正作用,可以使精準度更高[9]。

①狀態預測。本文設定0時刻的狀態概率函數為P(|xt-1|yt-1),從系統中采用N個不同的xt-1(i)取值,并分別加權wt-1(i)。

從中產生的預測概率為P(|xt|yt-1)的新值為:

(4)

②狀態更新。狀態的更新取決于歷史值對新時刻狀態的預測。在獲取到最新觀測值yt后,可確定觀測值的權重。

(5)

(6)

經過上述3個環節,即可通過變量的估計值與實際值的插值對電氣設備進行預警。

(7)

至此,系統完成對電氣設備的預警。

實際運行中,隨著負載的變化,天然存在不為0的數據殘差。此時,為避免設備正常運行時誤預警,可以引入自適應閾值來降低其他環境干擾。

電氣設備的自適應閾值如圖6所示。

圖6 自適應閾值

通過自適應閾值方法,可以有效避免其他干擾因素影響變量差值的變化。對此,本文利用電氣設備運行時的狀態變量數據,采用粒子濾波算法,通過比較當前實際測量值和狀態變量估計值計算出變量殘差,取得狀態預警指標;結合自適應閾值,實現對電氣設備故障的檢測。當設備狀態的某一變量殘差超過自適應閾值時,表示設備出現故障模型并發出報警。此時,系統獲得了較好的魯棒性和實用性[10]。

3 尾氣回收處理系統設計

本文根據環保的原則,在電氣設備中添加了SF6氣體的過濾、調壓、計量及回收的尾氣回收系統。該系統采用高效低溫預冷卻裝置,加速回收氣體的液化、提高回收的效率,以提升用戶經濟效益、降低原料能耗、減少有毒氣體或污染物的排放[11-13]。通過對SF6氣體取樣分析及尾氣回收處理系統和基于差分光聲光譜法的SF6氣體分析系統的集成,使得SF6氣體得到了循環利用和準確計量,并且實現了SF6氣體取樣分析及尾氣回收處理一體化設計,節約了工程投資,提高了電氣設備的可靠系數,維護了用戶和環境的安全。尾氣回收處理系統結構如圖7所示。

圖7 尾氣回收處理系統結構圖

由圖7可知,尾氣回收處理系統主要采用了冷凝循環處理的原理,實現了SF6氣體的回收利用。從電器設備回收的氣體通過氣泵來到分離器。分離器將SF6氣體和其他雜質氣體分開,并分別進行處理。SF6氣體經過預冷器先液化一部分,再由氣體循環處理器抽走氣體中的空氣和水分,使儲存氣體循環干燥凈化、冷凍固化提純。經過多重循環處理,回收處理系統將潔凈的氣體完全液化處理,經由回收儲罐輸送管道輸送給電器設備或其他儲罐。而設備中的其他雜質氣體經過廢棄過濾塔的無害化處理,由控制中心分類,對雜質進行排放處理或深埋處理。

隨著國家對環保的大力推廣以及“雙碳”目標的提出,節約資源、環境友好成為廣大電氣設備的建造標準。本文設計的尾氣回收處理系統積極開展SF6氣體的凈化處理,在進行氣體取樣分析、預警處理的同時對尾氣進行回收處理。這推進了SF6氣體的可循環利用,提高了電氣設備的處理效率,保證了電力工業的健康發展。

4 試驗與分析

文獻[2]采用被動FTIR紅外遙測技術判斷SF6氣體是否泄漏。文獻[3]采用小波分析法來檢測SF6氣體的泄漏。為驗證本文系統的取樣分析、預警處理和尾氣回收的能力,本文分別以文獻[2]系統、文獻[3]系統建立對照試驗,對比3種系統對SF6氣體電器的綜合處理性能。搭建的試驗平臺如下:252 kV帶隔離開關的SF6電氣設備1臺;電流源為FCG-3000/5的數字式大電流發生器1臺;取樣分析模塊、預警分析模塊、尾氣回收模塊各1個。分析模塊具體參數為色譜柱,帶放大電路。預警模塊具體參數為C60701 DSP芯片。回收模塊具體參數為氣體循環處理器、預冷器。試驗架構如圖8所示。

圖8 試驗架構示意圖

為了模擬實際故障情況,本文主要在試驗過程中對電流進行處理。試驗過程中,電流從0開始增加,每次增加200 A,最大電流增加到1 000 A。隨著電流的增加,SF6氣體溢出的可能性越來越大,電氣設備中共有50個單位的SF6氣體。不同電流狀態下的氣體分析狀況如表1所示。

表1 不同電流狀態下的氣體分析狀況

通過對表1的數據信息進行整理仿真,得到如圖9所示的取樣分析能力對比圖。

圖9 取樣分析能力對比圖

由圖9可知,本文系統在面對SF6氣體設備時可以有效地分析出SF6氣體的具體含量。同時,通過記錄上述試驗過程中3個系統分析SF6氣體速度的快慢,也能得到本文系統在分析預警方面有著較大的領先優勢。文獻[2]系統和文獻[3]系統檢測到的SF6氣體略低于實際值。當電流增加到1 000 A時,其氣體分析預警存在明顯的滯后性,處理能力不如本文系統。

回收氣體能力對比如圖10所示。

圖10 回收氣體能力對比圖

為驗證本文系統對SF6氣體的回收效果,本文利用回收儲罐分別計算3個系統在不同電壓下的SF6氣體回收能力。由圖10可知,SF6氣體的回收試驗使用預冷凝技術的尾氣回收系統,可以有效回收SF6氣體。其整體回收效益要優于文獻[2]和文獻[3]所設計的系統。

5 結論

本文建立了SF6氣體取樣分析及尾氣回收處理系統。該系統通過功能模塊化和集成3個模塊形成系統化的智能運維方案,能夠根據不同的電氣設備所處的特征設置不同的運行參數。本文使用基于差分光聲光譜法對電氣設備發生的氣體泄漏進行取樣分析,使氣體系統能夠高精度地進行SF6氣體檢測;在此基礎上,提出基于粒子濾波算法的狀態變量估計方法,利用狀態空間模型表示多狀態間的非線性關系,通過計算狀態變量殘差實現對故障的預警,免除了系統對正常運行的誤報警。本文進一步集成了尾氣回收處理模塊,通過預先液化的方式加快了尾氣處理的速度,并通過回收循環的方式提高了SF6氣體再循環使用的閾值。

然而,本文研究仍存在一些不足之處。由于本文研究采用了功能一體化的設計,在設備發生多故障時如何準確地進行故障診斷仍有待進一步研究。