孫玉泰 謝占蘭
摘 要:為了提高HGIS設(shè)備運(yùn)行中故障診斷能力,研究設(shè)計(jì)了基于粒子濾波狀態(tài)估計(jì)的故障預(yù)警算法,在HGIS設(shè)備SF6氣體故障診斷及運(yùn)維預(yù)警中能夠即時(shí)反映HGIS設(shè)備的狀態(tài)特征變量的非線性特征,并基于差分光聲光譜法的氣體檢測(cè)方法,通過利用分子紅外吸收光譜技術(shù),實(shí)現(xiàn)了ppt及ppb量級(jí)的氣體檢測(cè)功能,避免了空氣自身光聲效應(yīng)的干擾。通過構(gòu)建設(shè)備狀態(tài)空間模型,通過比較狀態(tài)變量實(shí)時(shí)測(cè)量值與狀態(tài)估計(jì)值得到殘差值,對(duì)系統(tǒng)故障進(jìn)行預(yù)警,同時(shí)加入自適應(yīng)閾值方法檢測(cè)設(shè)備故障,避免模型誤差以及噪聲的干擾造成誤報(bào)警。結(jié)果表明:系統(tǒng)檢診斷效果好,預(yù)警能力強(qiáng)。
關(guān)鍵詞:HGIS設(shè)備;故障診斷;粒子濾波狀態(tài);粒子濾波算法;變量殘差
中圖分類號(hào):TP37
文獻(xiàn)標(biāo)志碼:A
文章編號(hào):1001-5922(2023)07-0145-05
SF6 gas fault diagnosis of HGIS equipment based on particle filter state estimation
SUN Yutai1,XIE Zhanlan2
(1.Huanghe Hydropower Development Co.,Ltd.,Xining 810001,China,2.State Grid Qinghai Electric Power Company,Xining 810001,China
)
Abstract:In order to improve the fault diagnosis ability of HGIS equipment in operation,a fault early warning algorithm based on particle filter state estimation is designed in this study.The nonlinear characteristics of the state characteristic variables of HGIS equipment can be reflected immediately in the SF6 gas fault diagnosis and operation and maintenance early warning of HGIS equipment.Based on the gas detection method of differential photoacoustic spectroscopy,the gas detection function of ppt and ppb level is realized by using molecular infrared absorption spectroscopy technology.The interference of photoacoustic effect of air itself is avoided.By building the equipment state space model,the residual value can be obtained by comparing the real-time measured value of the state variable with the estimated value of the state,and the system fault can be warned.At the same time,the adaptive threshold method is added to detect the equipment fault,so as to avoid false alarm caused by model error and noise interference.The experimental results show that the system has good diagnostic effect and strong early warning ability.
Key words:HGIS equipment;fault diagnosis;particle filter state;particle filter algorithm;variable residual
在資源與環(huán)境的約束下以及更高可靠性的迫切需求下,電力行業(yè)對(duì)應(yīng)用復(fù)合型氣體絕緣金屬封閉開關(guān)(HGIS)的要求也隨之提升。而HGIS設(shè)備為全封閉式結(jié)構(gòu),所以出現(xiàn)故障難以判斷,給組合型電器的使用帶來了一定的安全風(fēng)險(xiǎn)[2]。
針對(duì)上述存在的問題,研究旨在加強(qiáng)HGIS設(shè)備的整體功能,文獻(xiàn)[3]建立了電氣設(shè)備故障診斷系統(tǒng),以溫度、壓力等傳感器采集設(shè)備的運(yùn)行特征參數(shù),判斷電氣設(shè)備的運(yùn)行狀態(tài)并對(duì)異常故障進(jìn)行分析定位。文獻(xiàn)[4]使用基于解析模型的設(shè)備故障診斷方法,分為檢測(cè)狀態(tài)量評(píng)估和等價(jià)空間狀態(tài)量變化,深入分析設(shè)備的動(dòng)態(tài)運(yùn)行參數(shù)并進(jìn)行實(shí)時(shí)性診斷。文獻(xiàn)[5]采用具有不確定轉(zhuǎn)移概率的區(qū)間2型模糊非齊次高階馬爾可夫跳躍系統(tǒng)的異步故障檢測(cè)對(duì)HGIS設(shè)備SF6氣體故障進(jìn)行診斷,雖然在一定程度上提高了智能化監(jiān)測(cè)能力,但應(yīng)用效果不佳。為了解決上述技術(shù)的不足,有必要開展新的研究。
1 基于粒子濾波狀態(tài)估計(jì)的故障預(yù)警算法
在HGIS設(shè)備SF6氣體故障診斷及運(yùn)維預(yù)警中能夠即時(shí)反映HGIS設(shè)備的狀態(tài)特征變量的非線性特征,并根據(jù)季節(jié)性特點(diǎn)隨著天氣的變化而不同,進(jìn)而有效地對(duì)設(shè)備故障進(jìn)行預(yù)警,并設(shè)置自適應(yīng)閾值以提高預(yù)警判斷能力。
傳統(tǒng)的卡爾曼濾波方法只能處理線性系統(tǒng),而該研究使用濾波算法直接對(duì)HGIS設(shè)備的狀態(tài)變量進(jìn)行估計(jì),擴(kuò)展了卡爾曼濾波法,是系統(tǒng)能夠?qū)Ψ蔷€性系統(tǒng)進(jìn)行線性化狀態(tài)估計(jì)[6]。綜合重要性采樣方法和粒子濾波算法,對(duì)HGIS系統(tǒng)狀態(tài)變量估計(jì)過程分為狀態(tài)預(yù)測(cè)、狀態(tài)更新和重采樣等3個(gè)階段。首先該研究系統(tǒng)設(shè)計(jì)一整套框架結(jié)構(gòu),該框架結(jié)構(gòu)如圖1所示:
如圖1所示,HGIS設(shè)備通過控制調(diào)制器獲得來自電力行業(yè)用戶的信息,氣體故障檢測(cè)模塊和預(yù)警分析系統(tǒng)會(huì)對(duì)HGIS設(shè)備的信息進(jìn)行處理,檢測(cè)HGIS設(shè)備是否發(fā)生氣體泄漏等故障,并且對(duì)季節(jié)性的變化對(duì)系統(tǒng)設(shè)備所造成的影響進(jìn)行運(yùn)維處理,對(duì)可能發(fā)生的故障進(jìn)行預(yù)警,之后這些信息會(huì)被網(wǎng)絡(luò)服務(wù)器傳輸至數(shù)據(jù)控及控制中心,對(duì)數(shù)據(jù)進(jìn)行儲(chǔ)存,并對(duì)故障進(jìn)行分析、解決處理。
2 故障預(yù)警算法的實(shí)施與應(yīng)用
2.1 基于動(dòng)態(tài)視覺識(shí)別動(dòng)態(tài)應(yīng)用技術(shù)
HGIS設(shè)備在監(jiān)測(cè)過程中,通過采集單元完成HGIS設(shè)備SF6氣體圖像信息的采集。在本文設(shè)計(jì)中,圖像采集單元采用工業(yè)高速CCD攝像機(jī),像素達(dá)200萬(wàn)以上,幀數(shù)大于30 FPS,光圈:F1.4~F16;IP等級(jí):IP51以上。能夠抓取至少30張1 s圖片,從而實(shí)現(xiàn)檢測(cè)現(xiàn)場(chǎng)的高清圖像信息采集。
采集到的圖像被上傳到本地服務(wù)器或云端服務(wù)器,數(shù)據(jù)通過工業(yè)CAN通訊或者通過無線通訊方式實(shí)時(shí)傳輸。根據(jù)采集到的圖像可多角度判斷HGIS設(shè)備的外觀情況。比如基于金屬表面強(qiáng)反光原理將采集到引腳圖像進(jìn)行自定義二值化處理,抓取引腳光斑,計(jì)算相鄰光斑之間的像素值,對(duì)應(yīng)出實(shí)際距離,在容許距離范圍內(nèi)則判斷為合格。也可以采用字符比對(duì)方法判斷HGIS設(shè)備外觀字符情況,即采用模板匹配對(duì)字符高度、字體、位置進(jìn)行檢測(cè),當(dāng)采集的圖像文字與模板匹配時(shí)間,則視為合格。也可以將采集的圖像用于條碼識(shí)別比對(duì),即,使用視覺軟件的條碼識(shí)別功能對(duì)HGIS設(shè)備上的條碼進(jìn)行識(shí)別提取,若提取成功,則視為合格的HGIS設(shè)備。
2.2 差分光聲光譜法的HGIS設(shè)備氣體故障檢測(cè)模塊
HGIS發(fā)生氣體泄漏故障時(shí)會(huì)產(chǎn)生少量SF6氣體,傳統(tǒng)的光聲光譜技術(shù)不能在大氣條件下實(shí)現(xiàn)ppt或ppb量級(jí)的SF6氣體檢測(cè),也存在無法檢測(cè)流動(dòng)SF6氣體的缺陷。為提高系統(tǒng)對(duì)HGIS設(shè)備氣體泄漏故障的檢測(cè)精度,避免空氣自身光聲效應(yīng)的干擾,該研究采用差分吸收光聲光譜的技術(shù)實(shí)現(xiàn)對(duì)流動(dòng)SF6氣體的檢測(cè)。本研究差分光聲光譜氣體檢測(cè)整體系統(tǒng)架構(gòu)如圖3所示。
在硬件結(jié)構(gòu)上,系統(tǒng)大體上包括檢測(cè)模塊、采集模塊、取樣模塊、放大模塊、控制模塊和計(jì)算模塊。整體系統(tǒng)工作進(jìn)程如下:首先,壓力機(jī)以氮?dú)鉃閯?dòng)力控制六通閥,并通過六通閥實(shí)現(xiàn)對(duì)取樣回路以及檢測(cè)模塊的信息交流,而六通閥對(duì)待檢測(cè)的SF6氣體進(jìn)行定量進(jìn)樣,之后取樣回路通過燈絲、占波器、濾光片等裝置將其采集到的樣本傳輸至色譜柱,之后將結(jié)果進(jìn)一步傳輸至SOFC傳感器,并在前端控制器的的輔助下通過鎖相放大器對(duì)處理后的信息進(jìn)行放大,最后將信息傳輸至數(shù)據(jù)采樣模塊RS232,并由電網(wǎng)工作站用戶端對(duì)采樣信息進(jìn)行分析。
在具體工作時(shí),該研究中的差分光聲光譜法利用了分子紅外吸收光譜技術(shù),在SF6光聲池中充入一定濃度的SF6氣體作為SF6的測(cè)量底氣,在調(diào)制光源照射光聲池的光程中額外附加了一個(gè)特制的光聲池[6]。待測(cè)SF6氣體光聲池內(nèi)會(huì)先發(fā)生吸收效應(yīng),吸收并削弱與待測(cè)SF6氣體濃度相對(duì)應(yīng)的光能量。通過測(cè)量經(jīng)待測(cè)SF6氣體吸收過的SF6底氣的光聲信號(hào)變化的方式,實(shí)現(xiàn)對(duì)HGIS設(shè)備SF6氣體泄漏故障檢測(cè)。當(dāng)帶有一定濃度的SF6氣體通過光聲池時(shí),引起激發(fā)態(tài)分子數(shù)的變化,光聲信號(hào)的強(qiáng)弱也會(huì)同步變化,這個(gè)過程可表示為:
ΔHr,t=N'0r,t-N'1r,tAnrE'(14)
式中:N0表示SF6底氣的激發(fā)態(tài)分子數(shù);N1表示通過光聲池后的激發(fā)態(tài)分子數(shù);Anr表示光通量;E表示能量變化[13];ΔH(r,t)與檢測(cè)SF6氣體濃度同步發(fā)生變化,故而能夠反應(yīng)待測(cè)SF6氣體的濃度信息。
將C2濃度的SF6氣體通入待測(cè)光聲池中,通過吸收效應(yīng)帶動(dòng)光功率發(fā)生變化[4],此時(shí)HGIS設(shè)備氣體泄漏產(chǎn)生的電壓幅值變化為:
ΔS=RMKcC1σPs1-Ps2 (15)
式中:C1表示底腔氣體分子濃度;RM表示靈敏度;KC表示光聲池常數(shù),σ表示吸收截面積,PS1、PS2分別表示測(cè)量前后的光功率。
3 試驗(yàn)與分析
使用一臺(tái)具有252 kV帶有隔離開關(guān)的HGIS設(shè)備,試驗(yàn)中電流源采用FCG-3000/5數(shù)字式大電流發(fā)生器,最高輸出電流可達(dá)3 000 A。對(duì)HGIS隔離開關(guān)進(jìn)行大電流實(shí)驗(yàn),進(jìn)行振動(dòng)測(cè)試。
實(shí)驗(yàn)中的過程中為了模擬實(shí)際故障情況,主要對(duì)電壓、電流進(jìn)行處理,實(shí)驗(yàn)中電流從0開始增加,逐步增加至50 A,最大電流增加到1 000 A。隨著外加電流的增加,振動(dòng)信號(hào)幅值越來越大。使用三種系統(tǒng)檢測(cè)到不同電流狀態(tài)下的振動(dòng)信號(hào)分布如表1所示:
本實(shí)驗(yàn)采用的實(shí)驗(yàn)數(shù)據(jù)為某地區(qū)的電力企業(yè)工業(yè)、農(nóng)業(yè)以及生活用電的HGIS設(shè)備SF6氣體;實(shí)驗(yàn)數(shù)據(jù)如表2所示。
本研究通過使用以下適當(dāng)?shù)闹笜?biāo)來評(píng)估預(yù)測(cè)模型:
(1)相對(duì)誤差(RE):
RE=xi-x^ixi×100%(16)
(2)均方根誤差(RMSE):
RMSE=1n∑ni=1xi-x^ixi2(17)
(3)平均絕對(duì)百分比誤差(MAPE):
MAPE=1n∑ni=1xi-x^ixi×100%(18)
(4)平均絕對(duì)誤差(AAE):
AAE=1n∑ni=1xi-x^i/1n∑ni=1xi(19)
式中:x^i是指相應(yīng)的預(yù)測(cè)HGIS設(shè)備SF6氣體數(shù)據(jù)量,n是指實(shí)驗(yàn)數(shù)據(jù)集中的組,以上這些評(píng)價(jià)指標(biāo)越小,預(yù)測(cè)精度越高。在NILA-GCN模型中,設(shè)置參數(shù)g=4,最大迭代次數(shù)為98,p=0.46,實(shí)驗(yàn)結(jié)果對(duì)比結(jié)果如圖4所示。
由圖4可知,在45次實(shí)驗(yàn)中,每次實(shí)驗(yàn)測(cè)得的精準(zhǔn)度有所變化,并且變化幅度不大,精準(zhǔn)度較穩(wěn)定,HGIS設(shè)備SF6氣體預(yù)測(cè)的精準(zhǔn)度在90%左右波動(dòng),在進(jìn)行第10次實(shí)驗(yàn)時(shí),HGIS設(shè)備SF6氣體預(yù)測(cè)的精準(zhǔn)度最高為97%;文獻(xiàn)[1]在進(jìn)行對(duì)HGIS設(shè)備SF6氣體預(yù)測(cè)的精準(zhǔn)度測(cè)試時(shí),HGIS設(shè)備SF6氣體預(yù)測(cè)的精準(zhǔn)度在40%~80%波動(dòng),變化幅度較大,并且不穩(wěn)定,在進(jìn)行第5次和第15次實(shí)驗(yàn)時(shí),HGIS設(shè)備SF6氣體精準(zhǔn)度都最高為77%,與本文研究的系統(tǒng)相比存在著較大的差距;文獻(xiàn)[2]在進(jìn)行對(duì)HGIS設(shè)備SF6氣體預(yù)測(cè)的精準(zhǔn)度測(cè)試時(shí),HGIS設(shè)備SF6氣體預(yù)測(cè)的精準(zhǔn)度在30%~80%波動(dòng),變化幅度最大,極不穩(wěn)定,在進(jìn)行第5次實(shí)驗(yàn)時(shí),HGIS設(shè)備SF6氣體精準(zhǔn)度都最高為82%,與本文研究的系統(tǒng)相比存在著不足;由此可見,在對(duì)HGIS設(shè)備SF6氣體預(yù)測(cè)的精準(zhǔn)度測(cè)試時(shí),精準(zhǔn)度較高,具有一定的可行性。
為驗(yàn)證本研究系統(tǒng)對(duì)放點(diǎn)故障的預(yù)警效果,利用狀態(tài)估計(jì)器估計(jì)狀態(tài)變量的值,計(jì)算多狀態(tài)變量的總體殘差,得到放電故障下的殘差如圖5所示。
由圖5可知,設(shè)備內(nèi)部局部放電故障具有一定的間歇性,發(fā)送放電故障前設(shè)備狀態(tài)變量總體殘差在自適應(yīng)閾值之下波動(dòng)。在18 h左右,變量殘差超過自適應(yīng)閾值,且波動(dòng)更加明顯,判定此時(shí)發(fā)送故障,發(fā)出報(bào)警信號(hào)。
4 結(jié)語(yǔ)
研究建立了HGIS設(shè)備故障檢測(cè)和運(yùn)維管理系統(tǒng),通過設(shè)備運(yùn)維模塊制定智能化的運(yùn)維方案,能夠根據(jù)季節(jié)特征和天氣因素設(shè)置不同的運(yùn)維周期和運(yùn)維項(xiàng)目。同時(shí)使用基于差分光聲光譜法對(duì)HGIS設(shè)備發(fā)生的氣體泄漏故障進(jìn)行檢測(cè),是系統(tǒng)能夠?qū)崿F(xiàn)ppt以及ppb量級(jí)的SF6氣體檢測(cè),能夠檢測(cè)到流動(dòng)的泄漏氣體,在這個(gè)基礎(chǔ)上進(jìn)一步提出基于粒子濾波算法的狀態(tài)變量估計(jì)方法,利用狀態(tài)空間模型表示多狀態(tài)變量間的非線性關(guān)系,利用歷史觀測(cè)值估計(jì)當(dāng)前變量值,計(jì)算狀態(tài)變量殘差實(shí)現(xiàn)對(duì)故障的預(yù)警。研究仍存在一些不足之處還需進(jìn)一步改進(jìn),由于故障樣本缺乏,只進(jìn)行了單一故障的分析,在設(shè)備發(fā)生多故障時(shí)如何準(zhǔn)確的進(jìn)行故障診斷,有待進(jìn)一步研究。
【參考文獻(xiàn)】
[1] 陳奇,宋曉寧,趙勇,等.開關(guān)站HGIS配電裝置母線電磁感應(yīng)電壓計(jì)算及影響因素分析[J].高壓電器,2021,57(4):55-61.
[2] 王同文,劉宏君,邵慶祝,等.智能變電站二次回路智能預(yù)警及故障診斷技術(shù)研究[J].電測(cè)與儀表,2020,57(8):59-63.
[3] 張雪霏,賀蘭菲,高曉晶,等.基于改進(jìn)的形態(tài)梯度法的變電站母線故障檢測(cè)技術(shù)[J].水電能源科學(xué),2021,39(3):159-163.
[4] ZHANG X,WANG H,V STOJANOVIC,et al.Asynchronous Fault Detection for Interval Type-2 Fuzzy Nonhomogeneous Higher-level Markov Jump Systems with Uncertain Transition Probabilities[J].IEEE Transactions on Fuzzy Systems,2021,PP(99):1-1.
[5] 王鵬,冶金祥,杜風(fēng)宇,等.變電站330 kV HGIS配電裝置雙層出線構(gòu)架優(yōu)化研究[J].青海電力,2021,40(1):29-34.
[6] 唐偉杰.基于三維設(shè)計(jì)的HGIS配電裝置優(yōu)化布置應(yīng)用研究[J].湘潭大學(xué)學(xué)報(bào)(自然科學(xué)版),2021,43(1):107-116.