電力系統的狀態(tài)監測與故障診斷

隨著(zhù)現代化大生產(chǎn)的發(fā)展和科學(xué)技術(shù)的進(jìn)步，對電力的需求與日俱增，對電力生產(chǎn)設備的可靠性、經(jīng)濟性以及穩定性提出了更高的要求。隨著(zhù)電力的大規模生產(chǎn)，電力設備的結構越來(lái)越復雜，功能越來(lái)越完善，自動(dòng)化程度也越來(lái)越高，各子系統的關(guān)系也越來(lái)越密切，一旦設備的某個(gè)部分在運轉過(guò)程中出現故障，就很可能中斷生產(chǎn)，造成巨大的經(jīng)濟損失，甚至帶來(lái)災難性的后果。為保證電力系統安全、經(jīng)濟、穩定運行，電力設備的故障監測診斷將從以時(shí)間為基準的方式轉變到以狀態(tài)為基準的方式，其內容包括狀態(tài)監測與故障診斷兩個(gè)方面：前者通過(guò)提取故障的特征信號為狀態(tài)維修提供檢驗依據，后者則分析、處理所采集的狀態(tài)信息。 示波器| 電阻測試儀| 電阻計| 電表| 鉗表| 高斯計| 電磁場(chǎng)測試儀| 電源供應器| 電能質(zhì)量分析儀| 多功能測試儀| 電容表| 電力分析儀| 諧波分析儀

電力設備在線(xiàn)監測技術(shù)研究大致包括以下內容 ：1、在線(xiàn)監測手段 ；2、監測信息的傳遞、處理和存儲 ；3、故障特征量的提取 ；4、故障機理分析；5、故障診斷的方法和理論分析。其系統流程見(jiàn)圖1。其中，在線(xiàn)狀態(tài)監測技術(shù)以及故障診斷的方法和理論分析是其兩大研究方向。

圖1 電力設備狀態(tài)監測與故障診斷系統

電力設備在線(xiàn)狀態(tài)監測技術(shù)與系統

◆ 信號采集

電力設備在線(xiàn)監測系統是指在設備使用期內連續不斷檢查和判定設備狀態(tài)，猜測設備狀態(tài)發(fā)展趨勢的系統。通常通過(guò)設備運行狀態(tài)量反映設備運行情況，首先獲取診斷對象的狀態(tài)信息，采集電力設備的電壓、電流、頻率、局部放電量以及磁力線(xiàn)密度等信號(包括正常信號和異常信號)。根據表征設備狀態(tài)量的各種信號的不同特性而采用不同的信號采集方法，常用的采樣方法有：

● 一次性采樣，每次只采集一個(gè)足足數據處理所需長(cháng)度的信號樣本。
● 定時(shí)采樣，按事前整定的周期進(jìn)行采樣。
● 利用發(fā)生隨機故障時(shí)的信號突變自動(dòng)采樣。
● 根據故障診斷的特殊要求采取轉速跟蹤采樣、峰值采樣等特殊采樣方式。

針對不同的電力設備和任務(wù)要求其狀態(tài)監測方法不同。變壓器故障主要由內部盡緣老化造成，因而根據變壓器各種機械和電氣特性，采用局部放電、油中氣體分析、振動(dòng)分析、極化波譜、恢復電壓法等方法監測其運行狀態(tài)。交流旋轉電機發(fā)生故障的類(lèi)型不同，故趨向于結合神經(jīng)網(wǎng)絡(luò )、小波分析等監測電機的狀態(tài)。斷路器狀態(tài)的好壞的監測主要采用跳閘輪廓法和振動(dòng)監測法獲得斷路器的狀態(tài)信息。

◆ 數據傳送

信號處理系統通常距監測設備較遠，由于在傳輸過(guò)程中易受干擾、易損失及相移難以一致(受環(huán)境因素影響較大)，故需先作模數轉換、預處理和壓縮打包，再經(jīng)通訊路徑傳輸到處理控制中心。通訊設備現已廣泛應用于電力領(lǐng)域，光纖傳輸數字信號可較好地抑制干擾，保證信號質(zhì)量。

◆ 數據處理

工控數據處理中心收到通訊線(xiàn)路傳輸來(lái)的狀態(tài)量數據包后，利用各種不同數學(xué)方法對數據解包處理。例如：頻譜分析、自（互）相關(guān)性分析、小波分析、神經(jīng)網(wǎng)絡(luò )、人工智能等。數字信息技術(shù)和智能技術(shù)應用到電力設備監測系統的數據處理使電力設備在線(xiàn)監測更加實(shí)時(shí)正確。

目前，在線(xiàn)狀態(tài)監測還未達到完善、可靠的程度，尚存在以下題目 ：1、信號采集受傳感器可靠性和現場(chǎng)電磁干擾和設備靈敏度等因素影響；2、在并發(fā)診斷能力、自學(xué)習和自適應能力、大量數據的處理、治理能力方面不夠完善；3、理論上缺乏系統的知識體系、概念體系。

電力設備故障診斷技術(shù)

◆ 電力設備在線(xiàn)監測與診斷技術(shù)發(fā)展趨勢
● 電力系統監測與前沿性技術(shù)成果緊密結合，將計算機技術(shù)、通訊技術(shù)、人工智能技術(shù)、電力電子技術(shù)與設備診斷技術(shù)結合，使診斷技術(shù)不斷進(jìn)步。
● 由以單臺設備為目標的在線(xiàn)監測向整體監測延伸。設備的狀態(tài)由多種參數綜合決定，故障維修不再局限某一設備，而是同時(shí)考慮整個(gè)電網(wǎng)設備的運行以及電力供求關(guān)系的調整。與集中式監測系統相比，從設備四周采集和處理數據的分布式多參數在線(xiàn)監測系統可以節省信號電纜，降低監丈量，進(jìn)步了監測的可靠性，同時(shí)還可以做到資源共享。
● 設備狀態(tài)的遠程監測和網(wǎng)絡(luò )化的跟蹤。分布式系統的發(fā)展以及通訊技術(shù)在電力系統的廣泛應用，使設備診斷技術(shù)與計算機網(wǎng)絡(luò )技術(shù)結合，采集設備的狀態(tài)參數后可遠程傳送數據，遠程協(xié)作診斷。
● 狀態(tài)監測系統與其他系統聯(lián)網(wǎng)和集成。如在分布式的監控系統中將狀態(tài)監測系統與繼電保護有機結合。

總之，隨著(zhù)傳感器技術(shù)和信息技術(shù)的日益成熟，在智能化理論(如神經(jīng)網(wǎng)絡(luò )和專(zhuān)家系統) 的基礎上結合信號采集、數據分析為主的計算機輔助監測和診斷技術(shù)，可預見(jiàn)電力設備狀態(tài)監測與故障診斷將進(jìn)進(jìn)智能化的新時(shí)代。

電力設備故障診斷的過(guò)程可以概括為圖2所示框圖。

圖2 電力設備故障診斷的過(guò)程

可以看到，機械故障診斷主要包括四個(gè)步驟，即信號測取、特征提取、狀態(tài)診斷和狀態(tài)分析。在機械故障診斷的發(fā)展過(guò)程中，人們發(fā)現最重要、也是最困難的題目之一就是故障特征信號的特征提取。從某種意義上說(shuō)，特征提取可以說(shuō)是當前電力設備故障診斷研究中的瓶頸題目，它直接關(guān)系到故障診斷的正確性和故障早期預告的可靠性。為了解決特征提取這個(gè)關(guān)鍵題目，對于電力設備故障的特殊性，診斷方法就具有一定的特殊性。隨著(zhù)電站發(fā)電容量的增大以及人工智能和計算機技術(shù)的迅猛發(fā)展，智能診斷方法在電力設備故障診斷中得到了廣泛的應用。目前應用較多的智能診斷方法是模糊診斷方法和規則診斷方法。

◆ 診斷技術(shù)
● 模糊診斷方法

在電力設備故障診斷中存在很多邊界不分明的事情，不能再用經(jīng)典集合論中的二值邏輯關(guān)系來(lái)描述，必須用模糊集合論中的“隸屬度”來(lái)描述。這無(wú)疑可以進(jìn)步故障診斷的正確性。但是鑒戒模糊數學(xué)的基本理論發(fā)展起來(lái)的模糊診斷方法，通常是利用反映征兆與故障相關(guān)程度的模糊關(guān)系矩陣，通過(guò)模糊變換來(lái)診斷故障，這是不正確的。由于從征兆出發(fā)往診斷故障，是根據征兆逐步確定和排除故障的過(guò)程，因此，需要明確的是征兆對故障的肯定和否定程度。根據征兆對故障的肯定和否定程度，可以建立模糊篩選矩陣，建立故障診斷的數學(xué)模型；利用模糊篩選矩陣可以反映故障存在的充分條件，可以考慮不同征兆之間的相互影響，能夠對故障隸屬度進(jìn)行精確計算。但涉及的故障和征兆數目太多時(shí)，就可能難以分辨征兆之間的相互作用，且模糊篩選矩陣一般是根據機組故障的典型情況建立的，一旦確定后不能根據故障的具體情況靈活地進(jìn)行調整。由于故障和征兆表現的多樣性，必須根據機組的不同狀態(tài)和故障可能表現的形式對模糊篩選矩陣進(jìn)行修正。

● 規則診斷方法

規則是一種表示故障和征兆之間因果關(guān)系的形式。規則必須能夠正確地反映專(zhuān)家處理實(shí)際題目的整個(gè)思維過(guò)程，確切地表達故障和征兆之間的復雜映射性，不能簡(jiǎn)單地以為規則只是某故障所有的征兆的任意組合。

在基于規則的診斷推理中，一般要求同一故障不同規則之間的條件條件是相互獨立的，這在故障和征兆存在復雜映射性的情況下是不可能實(shí)現的。因此，需要對不精確推理算法進(jìn)行改進(jìn)，不能在規則的條件條件之間和規則之間進(jìn)行簡(jiǎn)單的模糊加權運算，不能簡(jiǎn)單地以為故障是通過(guò)某些征兆得到的�；�于規則的診斷方法能夠根據機組故障的實(shí)際情況組織規則，具有較大的靈活性。能夠根據情況不同激活相應的規則，迅速確定和排除某些故障。能夠根據推理路徑對診斷結果進(jìn)行公道解釋。能夠在一定的程度上改善單規則輕易發(fā)生沖突和不一致的現象。

● 混合診斷規則

顯然，單一的診斷方法已不能適應水輪機機組復雜故障診斷的要求。在其他的智能故障診斷方法中，人工神經(jīng)網(wǎng)絡(luò )診斷方法能夠根據大量的故障機理研究以及經(jīng)驗性的直覺(jué)知識回納出典型樣本，通過(guò)對神經(jīng)網(wǎng)絡(luò )內部的競爭達到題目的求解，從本質(zhì)上模擬專(zhuān)家的直覺(jué)�；�于案例的診斷推理能夠利用以前解決類(lèi)似題目的經(jīng)驗，診斷結果易于理解和接受�；�于模糊診斷推理能夠利用機組結構和故障機理等深知識來(lái)區分故障之間的層次關(guān)系和因果關(guān)系，能夠診斷出系統中從未發(fā)生過(guò)的故障。當然，它們只是這些診斷方法理論上所具有的優(yōu)越性，能否在實(shí)踐中真正發(fā)揮作用，取決于這些診斷方法是否真正體現了故障診斷的本質(zhì)。假如對所有征兆的作用不加區分，僅根據不同的征兆的權值計算案例的相似度，可能得不到正確的診斷結果。

狀態(tài)監測與故障診斷實(shí)例

超高壓主干變壓器是電力傳輸系統的關(guān)鍵設備，其運行的可靠性直接關(guān)系到電力系統的安全與穩定，而局部放電又是造成其盡緣故障的重要原因，因此對變壓器進(jìn)行局部放電在線(xiàn)監測，為電站的變壓器實(shí)現狀態(tài)檢驗與維護提供可靠、正確的決策依據和符合市場(chǎng)經(jīng)濟規律的現代治理和維修的科學(xué)模式具有重要意義。與傳統的檢測方法相比，變壓器局部放電超高頻(UHF)檢測技術(shù)具有檢測頻率高、抗干擾性強和靈敏度高等優(yōu)點(diǎn)，更適合局部放電在線(xiàn)監測。它通過(guò)接收電力變壓器局部放電產(chǎn)生的超高頻電磁波，實(shí)現局部放電的檢測和定位，現已被國內外的眾多電力變壓器監測研究機構所認可。

圖3 電力變壓器在線(xiàn)狀態(tài)監測與故障診斷系統實(shí)例

變壓器超高頻局部放電信號的頻率均在300MHz以上，甚至超過(guò)1GHz，如此超高頻放電信號，常用的A/D采集卡在采樣率和存儲深度等方面是很難滿(mǎn)足要求，而且局部放電丈量通常只關(guān)心信號的峰值及其出現的相位，因此，必須對信號進(jìn)行處理，將信號調整到通用大動(dòng)態(tài)范圍高速采集卡能處理的頻率范圍，并保存其峰值和相位等特征，達到既能檢測信號，避開(kāi)干擾，又降低技術(shù)要求的目的�；�于混頻技術(shù)的超高頻局部放電檢測便能實(shí)現這一功能。

圖4 基于專(zhuān)家智能系統的變壓器診斷系統的框架

變壓器局部放電超高頻檢測技術(shù)的具體方法為：變壓器中局部放電發(fā)射的電磁波經(jīng)超高頻傳感器(檢測頻帶為400～800MHz) 耦合接收后，將放電信號轉換為電壓脈沖信號，然后經(jīng)過(guò)超高頻接收機的混頻、濾波、檢波和放大處理后，局部放電超高頻信號可降頻為0～5MHz信號，最后將處理過(guò)的高頻窄帶信號送進(jìn)研華工控機ACP－4001內的數據采集卡PCI－1714（采樣頻率為30MS/s采樣率）進(jìn)行數據采集、處理和分析，整個(gè)硬件系統的結構如圖3所示。由于變壓器故障的特殊性，診斷方法就具有一定的特殊性。隨著(zhù)人工智能、專(zhuān)家系統和計算機技術(shù)的迅猛發(fā)展，智能診斷方法在水輪機機組故障診斷中得到了廣泛的應用�；�于專(zhuān)家智能診斷系統的變壓器故障診斷的框架見(jiàn)圖4所示。