GIS設備氣室抽真空作業智能化控制及在線監測系統設計

嘉興市恒光電力建設有限責任公司 蔣理想 蔣增輝 姚振鋒

嘉興恒創電力集團有限公司華創信息科技分公司 徐 晨 杜 斌

1 引言

氣體絕緣金屬封閉開關（Gas Insulated Switchgear，GIS）設備[1]是現代電力系統中常用的設備之一，可以用于隔離電源、承載和切斷電流電路，與接地開關共同實現對高壓輸電線路和電氣設備的控制、保護和檢修[2-3]。GIS設備在電網中的應用較為廣泛，利用SF6氣體良好的絕緣特性，實現電氣隔離，具有小型化、安全性高等優點。在向GIS 設備中注入SF6氣體之前需要對GIS 設備各氣室作抽真空作業，并檢測其氣密性，以防其存在漏氣點導致使用過程中SF6氣體泄漏而失去隔離作用。因此，如何高效地完成GIS 設備的抽真空和氣密性檢測是GIS 設備快速安裝使用的基礎，也是輸變電工程施工單位的重點研究課題之一。

2 系統設計

本文提出的GIS 設備氣室抽真空作業智能化控制和在線監測系統架構，綜合考慮功能完備性、系統穩定性、后期維護和可擴展性。該系統采用分層設計思想，自底向上依次包括硬件基礎層、硬件抽象層、云平臺層、應用后端、應用前端，每一層各司其職，層與層之間通過標準接口交互，其內部邏輯互不干擾，這種清晰的分布式分層架構使控制硬件、數據存儲、操作監控軟件可以突破地域局限，根據實際工程需要布置到不同地理位置的不同設備上。

本系統的硬件基礎層主要包括現場工控機和STM32控制板組成的智能控制設備以及電磁閥、真空度傳感器、泵等作業設備。硬件抽象層為布置在現場工控機上的硬件設備控制服務軟件，通過5G無線網絡接入云平臺，可以接收應用后端和前端的指令。云平臺層采用阿里云等公有云，作為智能控制設備與遠程手機之間的橋梁，云端部署系統數據庫及數據分析和管理服務軟件。應用后端作為手機App 軟件的后端，提供用戶管理、項目管理、設備管理、數據管理等管理模塊，人工智能AI 引擎提供的智能化數據分析服務。應用前端包括了手機App軟件和工控機操作軟件，用戶通過工控機操作軟件可以在施工現場編排抽真空作業并監控作業流程，同時用戶也可以通過手機App 實現遠程下發作業和監控。

另外，本系統引入了人工智能技術，通過分析歷史抽真空作業數據，在數據驅動下自主學習氣室模型，可以根據氣室體積、氣室初始真空度和泵的功率等因素，估計所需要的抽真空時間，從而實現更加高效準確的抽氣作業。

2.1 硬件基礎層

系統硬件基礎層主要包括由工控機和STM32控制板構成的智能控制設備以及電磁閥、真空度傳感器、泵等[4]。其中作業設備較為簡單，根據行業標準采用標準器件即可。電磁閥用于關閉或開啟相關管路，保證抽氣過程中從指定氣室抽氣，真空值測量過程中測得指定氣室內的真空度值。本項目采用CDK AB41-02-3型電磁閥，該電磁閥采用24V 供電，可由單片機控制其開啟或關閉。電子真空計用于測量氣室真空度值，采用ASAIR AGP500-ALC型皮拉尼真空計[5]。電磁閥和電子真空計的安裝位置設計如圖1所示。

圖1 電磁閥和電子真空計的安裝位置設計

由圖1可知，本設計共使用7個電磁閥和1個電子真空計，通過控制電磁閥的開閉，可以實現5個氣室的單獨抽氣和測量氣室內的真空度值。

2.2 硬件抽象層

該層主要負責底層硬件的驅動集成，按照行業標準實現每個氣室的抽真空和監測作業流程控制。每個氣室的作業流程可分為：抽真空、測量真空度值A、靜置、測量真空度值B 四個步驟，其中抽真空和靜置較為耗時（抽真空時間因真空泵功率和氣室體積不同而不等），DL/T 618-2011標準規范要求的靜置時間一般為5h。傳統的作業流程在處理多個氣室時一般采用串行方式，假設每個氣室作業耗時7h，則完成5個氣室作業總共耗時35h。本文提出采用異步編程方式，充分利用靜置時間，實現多個氣室作業的流水線式操作。抽真空和靜置兩個步驟設計為可搶斷函數。電磁閥動作和讀取真空度值動作為原子動作，一般耗時極短，因此可以忽略。當氣室1在靜置時，可啟動其他氣室的抽真空作業，從而充分利用靜置時間，縮短整個作業的耗時。

2.3 云平臺層

云平臺層主要為整個系統的運行提供環境，包括云端計算資源、物聯網接入模塊、云端數據庫等，其中物聯網接入模塊主要負責設備的接入。本項目采用阿里云作為云平臺，并采用阿里云服務器ECS 實現，操作系統采用CentOS 7.6，云存儲空間40GB，帶寬1Mbps。阿里云提供了便捷的彈性配置，后續隨著更多的智能控制設備的接入，ECS 可以根據需要，升級配置，從而滿足系統運行所需的計算資源、存儲空間和網絡帶寬。

2.4 應用后端和前端

應用后端是整個系統的核心，該層部署在云端，包括用戶管理模塊、設備管理模塊、數據管理模塊、AI 引擎模塊4大模塊，每個模塊內部的功能規劃如下：一是用戶管理模塊主要負責用戶注冊登錄、用戶權限管理、密碼和邀請碼管理等；二是設備管理模塊主要負責管理接入系統的多套智能控制設備的管理，包括設備與用戶的綁定和解綁、設備心跳檢測、設備二維碼管理等；三是數據管理模塊主要負責作業任務數據和監控數據管理、設備數據管理以及數據庫讀寫模塊；四是AI 引擎模塊主要用于通過歷史數據訓練模型，并利用模型預測每個氣室抽氣時間，并優化多個氣室流水線式作業的流程，提高作業效率。

應用前端包括了安裝在用戶手機上的App 和部署在現場工控機上的操作軟件。通過這兩個軟件，可以在多種施工場景下實現便捷的作業安排和監控，一是施工人員在施工現場通過工控機操作軟件編排多個氣室的抽氣作業任務，并通過該軟件監控整個作業流程；二是施工人員在施工現場通過工控機操作軟件編排多個氣室的抽氣作業任務，然后通過手機App 遠程監控作業流程；三是施工人員通過手機App 遠程下的抽氣作業并監控作業運行。

3 試驗

3.1 試驗設置

為了驗證本文所設計的GIS 設備抽真空作業智能化控制及在線監測軟硬件系統的實用性和有效性，在實際施工環境下進行了測試。測試中，首先將真空泵、電磁閥等設備安裝到5個體積形態不一的氣室管路上，并與本項目設計的智能控制設備相連。啟動智能控制設備、云端服務軟件，施工人員登錄手機App。本測試中，施工人員通過工控機控制軟件編排抽真空作業任務，下發作業參數，并通過控制軟件或手機App 監控作業流程。

3.2 氣室抽氣時間預測分析

以線性回歸模型為例，f 函數可表示為：

通過歷史數據即可完成模型訓練，求得模型參數a 和b 的值。利用訓練獲得的模型即可在后續施工中，由模型根據用戶輸入的氣室體積和真空泵功率，讀取真空計獲得的氣室初始真空度值，自動預測氣室抽氣到規范要求的113Pa 所需的時間，無須再由施工人員憑經驗設置抽氣時間。為了分析該方法的預測精度，進行了如下試驗：采集不同數量的數據，按7:3的比例劃分為訓練集和測試集，使用訓練數據分別訓練線性回歸和支持向量機模型，并用訓練好的模型在測試集上預測抽氣時間，并計算與實際時間的誤差。

試驗結果表明：當數據量較少時，支持向量機的預測誤差明顯低于線性回歸模型。隨著歷史數據的積累，兩種模型的預測誤差逐步降低，并趨于相同。通過算法模型預測抽氣時間的誤差明顯低于人工經驗估計。因此，使用歷史數據訓練氣室模型可以準確估計抽氣作業時間，擺脫傳統施工中不準確的經驗依賴。

3.3 作業運行耗時分析

本文設計的GIS 設備抽真空作業的智能化控制及在線監測的軟硬件系統的核心目標是提高GIS 設備抽真空作業的效率，因此對作業運行耗時進行了分析試驗，試驗結果如圖2所示。其中灰色柱表示5個氣室串行作業的耗時，藍色柱表示氣室串行作業但每個氣室的抽氣時間采用了智能估計方法后的作業總耗時，綠色柱表示5個氣室流水作業的總耗時，橙色柱則是在流水作業的基礎上使用了智能估計方法。試驗結果表明，采用流水線式作業，可以減少57%的作業耗時。結合智能估計每個氣室的抽氣時間后，作業總耗時可以進一步下降，從而提高了GIS 設備抽真空作業的效率。

圖2 作業運行耗時對比

4 結語

本文設計開發了一套可實現GIS 設備抽真空作業的智能化控制及在線監測的軟硬件系統。該系統通過無線網絡和公有云，可以管理多套現場作業智能控制設備，每套設備可以同時實現多個氣室的抽真空和氣密性檢測作業。通過使用該系統，施工人員可以使用現場設備編排抽真空作業，同時也支持通過手機App 遠程下發作業并監控作業運行過程。該系統通過引入人工智能、云計算等先進信息技術，解決了傳統人工抽真空作業操作不準確、步驟煩瑣、耗時長等問題，有效提高了GIS 作業操作的便利性和高效性。