孫玉泰 謝占蘭

摘 要：為了提高HGIS設(shè)備運行中故障診斷能力，研究設(shè)計了基于粒子濾波狀態(tài)估計的故障預警算法，在HGIS設(shè)備SF6氣體故障診斷及運維預警中能夠即時反映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方法，通過利用分子紅外吸收光譜技術(shù)，實現(xiàn)了ppt及ppb量級的氣體檢測功能，避免了空氣自身光聲效應的干擾。通過構(gòu)建設(shè)備狀態(tài)空間模型，通過比較狀態(tài)變量實時測量值與狀態(tài)估計值得到殘差值，對系統(tǒng)故障進行預警，同時加入自適應閾值方法檢測設(shè)備故障，避免模型誤差以及噪聲的干擾造成誤報警。結(jié)果表明：系統(tǒng)檢診斷效果好，預警能力強。

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：TP37

文獻標志碼：A

文章編號：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)對應用復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險［2］。

針對上述存在的問題，研究旨在加強HGIS設(shè)備的整體功能，文獻［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)備的運行特征參數(shù)，判斷電氣設(shè)備的運行狀態(tài)并對異常故障進行分析定位。文獻［4］使用基于解析模型的設(shè)備故障診斷方法，分為檢測狀態(tài)量評估和等價空間狀態(tài)量變化，深入分析設(shè)備的動態(tài)運行參數(shù)并進行實時性診斷。文獻［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)的異步故障檢測對HGIS設(shè)備SF6氣體故障進行診斷，雖然在一定程度上提高了智能化監(jiān)測能力，但應用效果不佳。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)估計的故障預警算法

在HGIS設(shè)備SF6氣體故障診斷及運維預警中能夠即時反映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)性特點隨著天氣的變化而不同，進而有效地對設(shè)備故障進行預警，并設(shè)置自適應閾值以提高預警判斷能力。

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HGIS設(shè)備的狀態(tài)變量進行估計，擴展了卡爾曼濾波法，是系統(tǒng)能夠?qū)Ψ蔷€性系統(tǒng)進行線性化狀態(tài)估計［6］。綜合重要性采樣方法和粒子濾波算法，對HGIS系統(tǒng)狀態(tài)變量估計過程分為狀態(tài)預測、狀態(tài)更新和重采樣等3個階段。首先該研究系統(tǒng)設(shè)計一整套框架結(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，氣體故障檢測模塊和預警分析系統(tǒng)會對HGIS設(shè)備的信息進行處理，檢測HGIS設(shè)備是否發(fā)生氣體泄漏等故障，并且對季節(jié)性的變化對系統(tǒng)設(shè)備所造成的影響進行運維處理，對可能發(fā)生的故障進行預警，之后這些信息會被網(wǎng)絡(luò)服務器傳輸至數(shù)據(jù)控及控制中心，對數(shù)據(jù)進行儲存，并對故障進行分析、解決處理。

2 故障預警算法的實施與應用

2.1 基于動態(tài)視覺識別動態(tài)應用技術(shù)

HGIS設(shè)備在監(jiān)測過程中，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)計中，圖像采集單元采用工業(yè)高速CCD攝像機，像素達200萬以上，幀數(shù)大于30 FPS，光圈：F1.4～F16;IP等級：IP51以上。能夠抓取至少30張1 s圖片，從而實現(xiàn)檢測現(xiàn)場的高清圖像信息采集。

采集到的圖像被上傳到本地服務器或云端服務器，數(shù)據(jù)通過工業(yè)CAN通訊或者通過無線通訊方式實時傳輸。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反光原理將采集到引腳圖像進行自定義二值化處理，抓取引腳光斑，計算相鄰光斑之間的像素值，對應出實際距離，在容許距離范圍內(nèi)則判斷為合格。也可以采用字符比對方法判斷HGIS設(shè)備外觀字符情況，即采用模板匹配對字符高度、字體、位置進行檢測，當采集的圖像文字與模板匹配時間，則視為合格。也可以將采集的圖像用于條碼識別比對，即，使用視覺軟件的條碼識別功能對HGIS設(shè)備上的條碼進行識別提取，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)備氣體故障檢測模塊

HGIS發(fā)生氣體泄漏故障時會產(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現(xiàn)ppt或ppb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(tǒng)對HGIS設(shè)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，該研究采用差分吸收光聲光譜的技術(shù)實現(xiàn)對流動SF6氣體的檢測。本研究差分光聲光譜氣體檢測整體系統(tǒng)架構(gòu)如圖3所示。

在硬件結(jié)構(gòu)上，系統(tǒng)大體上包括檢測模塊、采集模塊、取樣模塊、放大模塊、控制模塊和計算模塊。整體系統(tǒng)工作進程如下：首先，壓力機以氮氣為動力控制六通閥，并通過六通閥實現(xiàn)對取樣回路以及檢測模塊的信息交流，而六通閥對待檢測的SF6氣體進行定量進樣，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處理后的信息進行放大，最后將信息傳輸至數(shù)據(jù)采樣模塊RS232，并由電網(wǎng)工作站用戶端對采樣信息進行分析。

在具體工作時，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特制的光聲池［6］。待測SF6氣體光聲池內(nèi)會先發(fā)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。通過測量經(jīng)待測SF6氣體吸收過的SF6底氣的光聲信號變化的方式，實現(xiàn)對HGIS設(shè)備SF6氣體泄漏故障檢測。當帶有一定濃度的SF6氣體通過光聲池時，引起激發(fā)態(tài)分子數(shù)的變化，光聲信號的強弱也會同步變化，這個過程可表示為：

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SF6氣體濃度同步發(fā)生變化，故而能夠反應待測SF6氣體的濃度信息。

將C2濃度的SF6氣體通入待測光聲池中，通過吸收效應帶動光功率發(fā)生變化［4］，此時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分別表示測量前后的光功率。

3 試驗與分析

使用一臺具有252 kV帶有隔離開關(guān)的HGIS設(shè)備，試驗中電流源采用FCG-3000/5數(shù)字式大電流發(fā)生器，最高輸出電流可達3 000 A。對HGIS隔離開關(guān)進行大電流實驗，進行振動測試。

實驗中的過程中為了模擬實際故障情況，主要對電壓、電流進行處理，實驗中電流從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，振動信號幅值越來越大。使用三種系統(tǒng)檢測到不同電流狀態(tài)下的振動信號分布如表1所示：

本實驗采用的實驗數(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;實驗數(shù)據(jù)如表2所示。

本研究通過使用以下適當?shù)闹笜藖碓u估預測模型：

（1）相對誤差（RE）：

RE=xi－x^ixi×100%（16）

（2）均方根誤差（RMSE）：

RMSE=1n∑ni=1xi－x^ixi2（17）

（3）平均絕對百分比誤差（MAPE）：

MAPE=1n∑ni=1xi－x^ixi×100%（18）

（4）平均絕對誤差（AAE）：

AAE=1n∑ni=1xi－x^i/1n∑ni=1xi（19）

式中：x^i是指相應的預測HGIS設(shè)備SF6氣體數(shù)據(jù)量，n是指實驗數(shù)據(jù)集中的組，以上這些評價指標越小，預測精度越高。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，實驗結(jié)果對比結(jié)果如圖4所示。

由圖4可知，在45次實驗中，每次實驗測得的精準度有所變化，并且變化幅度不大，精準度較穩(wěn)定，HGIS設(shè)備SF6氣體預測的精準度在90%左右波動，在進行第10次實驗時，HGIS設(shè)備SF6氣體預測的精準度最高為97%；文獻［1］在進行對HGIS設(shè)備SF6氣體預測的精準度測試時，HGIS設(shè)備SF6氣體預測的精準度在40%～80%波動，變化幅度較大，并且不穩(wěn)定，在進行第5次和第15次實驗時，HGIS設(shè)備SF6氣體精準度都最高為77%，與本文研究的系統(tǒng)相比存在著較大的差距；文獻［2］在進行對HGIS設(shè)備SF6氣體預測的精準度測試時，HGIS設(shè)備SF6氣體預測的精準度在30%～80%波動，變化幅度最大，極不穩(wěn)定，在進行第5次實驗時，HGIS設(shè)備SF6氣體精準度都最高為82%，與本文研究的系統(tǒng)相比存在著不足；由此可見，在對HGIS設(shè)備SF6氣體預測的精準度測試時，精準度較高，具有一定的可行性。

為驗證本研究系統(tǒng)對放點故障的預警效果，利用狀態(tài)估計器估計狀態(tài)變量的值，計算多狀態(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閾值之下波動。在18 h左右，變量殘差超過自適應閾值，且波動更加明顯，判定此時發(fā)送故障，發(fā)出報警信號。

4 結(jié)語

研究建立了HGIS設(shè)備故障檢測和運維管理系統(tǒng)，通過設(shè)備運維模塊制定智能化的運維方案，能夠根據(jù)季節(jié)特征和天氣因素設(shè)置不同的運維周期和運維項目。同時使用基于差分光聲光譜法對HGIS設(shè)備發(fā)生的氣體泄漏故障進行檢測，是系統(tǒng)能夠?qū)崿F(xiàn)ppt以及ppb量級的SF6氣體檢測，能夠檢測到流動的泄漏氣體，在這個基礎(chǔ)上進一步提出基于粒子濾波算法的狀態(tài)變量估計方法，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，利用歷史觀測值估計當前變量值，計算狀態(tài)變量殘差實現(xiàn)對故障的預警。研究仍存在一些不足之處還需進一步改進，由于故障樣本缺乏，只進行了單一故障的分析，在設(shè)備發(fā)生多故障時如何準確的進行故障診斷，有待進一步研究。

【參考文獻】

［1］ 陳奇，宋曉寧，趙勇，等.開關(guān)站HGIS配電裝置母線電磁感應電壓計算及影響因素分析［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警及故障診斷技術(shù)研究［J］.電測與儀表，2020，57（8）：59-63.

［3］ 張雪霏，賀蘭菲，高曉晶，等.基于改進的形態(tài)梯度法的變電站母線故障檢測技術(shù)［J］.水電能源科學，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)計的HGIS配電裝置優(yōu)化布置應用研究［J］.湘潭大學學報（自然科學版），2021，43（1）：107-116.