下载掌阅APP，畅读海量书库
立即打开
随着社会经济发展对电力资源需求的不断增加，电网规模不断扩大，电力系统对设备可靠性管理及技术水平要求也日益提高，尤其是对电力设备运行状态在线监测、故障实时诊断技术的需求日益增强。自20世纪90年代开始，国内外先后研制出了涵盖电路保护、站内监控在内的自动化管控平台，取代了传统的人工测量系统。这些平台的发展与应用使得设备各种监测指标能够实时准确地进行测量，把设备管控的智能化提升到了一个新的水平，极大地提升了调度中心对电力设备的实时远程管控能力。近年来，随着计算机及传感器技术的飞速发展，我国电力设备可靠性管理发生着深刻的变化，由新一代物联网技术产生的海量数据已成为重要的数字资源。由此引出的重大课题是：如何有效利用这些海量的数据资源，改善现有电力系统监控，帮助维护人员提高对设备状态的判断和处理能力？为此，我们需要了解有哪些可用的数据资源，以及这些数据资源有哪些特征。
国外电力设备状态在线监测技术起始于20世纪50年代，相关学者及研究机构提出了一系列电力设备监测装置与在线检测方法（Booth and Mcdonald，1998；Basak，1999）。50年代初期，美国西屋公司针对发电机设备由内部故障导致损坏的现象，研制出了在发电机运行条件下能够监测其内部放电的监视器，提高了设备可靠性管理水平。60年代，美国率先开发电力设备在线监测技术，成立了大量研究机构并定期召开学术交流会议。70年代，苏联、加拿大、日本等国家开始发展设备的在线监测技术，并迅速取得成功。其中，日本于70年代末期研制出变压器油中溶解气体监测装置，并于80年代成功研制出变压器设备局部放电在线监测装置（胡文平，2005）。我国电力设备在线监测技术起始于80年代，此后得到了迅速发展（聂鹏等，2000；林渡等，2001）。各大研究所相继研制出针对不同设备、不同类型的在线监测装置，如针对解决电容性设备介质损耗、三相不平衡电流等问题的电容设备在线监测装置，针对解决变压器设备局部放电问题的在线监测系统等。80年代中期，国家在“七五”和“八五”建设计划中，重点加入了大型汽轮发电机故障在线监测系统、电力设备运行局部放电数字化监测等攻关项目。随后，国家也先后将在线局部放电抗干扰、大电机绝缘在线监测技术的研究等列入重大科技项目，标志着我国的电力设备在线监测技术进入全速发展时期（胡文平，2005）。
当前，电力设备在线监测系统已广泛应用于电网设备状态智能检测领域，并形成了针对不同设备状态指标和数据类型的多种设备检测技术。根据数据采集方法的不同，当前电力设备状态在线监测技术主要包括红外在线测温技术、油色谱在线监测技术、基于音频识别的在线监测技术、基于图像识别的在线监测技术等。
电力设备故障通常会引起局部温度升高，导致设备过热，引发电力安全隐患。例如：电力设备绝缘材料劣化会引起绝缘介质损耗，使得设备在正常工作条件下出现过热情况；具有电磁回路的设备漏磁会导致设备铁芯损耗，引起设备铁芯局部电流环流与涡流发热（贡梓童，2018）；设备导流回路连接存在故障会导致设备电阻增大，进而产生局部过热等情况。
红外在线测温技术通过红外仪器监测设备运行过程中释放的红外辐射能量来确定设备温度，并将所收集到的红外信号转化为电信号传输到远程监测系统中，从而实现设备状态在线监测。由于设备故障发生的位置、类型及严重程度不同，设备表面温度的分布状态、温度数值也有所不同。依据此原理，通过对红外仪器收集到的数据进行分析处理，可以得到设备的故障类型及属性，从而对设备故障发生的位置及严重程度做出定量判断（马俊杰，2020）。依据国家能源局2016年发布的《带电设备红外诊断应用规范》（DL/T 664—2016），现阶段电力设备红外缺陷判定方法主要包括以下几种。
表面温度判别法：根据测得的设备表面温度值，结合设备实际运行环境气候条件和设备的实际电流、正常运行中可能产生的最大电流以及设备的额定电流进行分析判断。
相对温差判别法：对比两台设备状况（型号、安装地点、环境温度等）相同或基本相同的电力设备温度监测点的温度差，根据其中较热的设备监测点温度上升值的百分比判断设备是否存在过热故障。
图像特征判断法：根据同类设备的正常状态和异常状态的热像图，判断设备是否正常。注意应尽量排除各种干扰因素对热像图的影响，必要时结合电气试验或化学分析的结果进行综合判断。
同类比较判断法：根据同类设备相同部位的表面温度，进行比较判断。对于电流制热型故障，首先采用表面温度判别法进行判断，若无法判断设备故障类型，再使用相对温差判别法，最后使用同类比较判断法；对于电压制热型故障，采用图像特征判断法进行判别。
综合分析方法：当电力设备故障由多种因素引起时，根据运行电流大小、发热位置和热图像特征，结合上述几种方法进行综合对比分析。
实时分析判断法：在一段时间内让红外热像仪连续监测一被测设备，观察、记录设备温度随负载、时间等因素的变化，并进行实时分析判断。
与传统离线监测技术相比，红外在线测温技术具有下列多种独特的优势。首先，红外在线测温技术通过辐射监测电力设备运行状态信息，能够做到不接触、不停运、不进行设备解体，无须与设备进行直接接触，在设备不断电的情况下获取设备真实信息，延长设备使用寿命，保证设备与运维人员安全，显著降低运维费用。其次，红外在线测温技术穿透能力强，作用距离远，能够在恶劣环境（如雾霾、浓烟等）下正常工作，识别几千米以外的被测目标。同时能够保证全天候持续工作，实时测量目标温度，可持续工作能力强。红外在线测温技术利用红外线实现热成像，具有能够不受电磁干扰的优点，这一特点在电磁情况复杂多变的变电站中是一个巨大的优势，能够实现在复杂电磁环境下对电力设备进行有效的状态监测。最后，红外在线测温技术装置输出的热力图像具有直观且准确度高的优势，无须特殊分析处理即可得到直观的测量结果（马俊杰，2020）。
油色谱在线监测技术主要应用于变压器设备故障监测领域。电力变压器设备大多采用油浸式结构，即利用绝缘油来对设备进行散热。当变压器发生热性或电性故障时，绝缘油受电或热力影响将产生化学反应裂解，产生氢气（H 2 ）、甲烷（CH 4 ）、乙烷（C 2 H 6 ）、乙烯（C 2 H 4 ）、乙炔（C 2 H 2 ）、一氧化碳（CO）、二氧化碳（CO 2 ）和一系列烃类气体，并溶解到绝缘油中，即油中溶解气体。变压器设备故障类型、严重程度不同，其所产生的油中溶解气体浓度也有所不同，因此变压器油中溶解气体浓度能够作为设备故障的指示量，帮助运维人员对设备运行状态进行判断，实现科学化设备故障管理。
国家能源局于2014年10月15日发布《变压器油中溶解气体分析和判断导则》（GL/T 722—2014），将变压器设备不同故障类型及所产生的油中溶解特征气体进行了归纳总结，如表3-1所示。
表3-1 变压器故障类型及产生的油中溶解气体
近年来，电力设备相关科研机构及企业研发了变压器油色谱在线监测装置，用于对变压器油中溶解气体进行实时、准确的监测。此类装置避免了传统人工采样方法在采样、送样、分析、判断过程中设备油中溶解气体的离散，在监测周期、采样成本、动态实时性等方面远优于传统离线监测，能够快速判断出设备故障并给予警示。
基于变压器油中溶解气体数据的故障诊断方法主要依靠设备绝缘油中溶解气浓度进行故障识别，根据国家质量监督检验检疫总局于2001年颁布的《变压器油中溶解气体分析和判断导则》（GL/T 722—2014），220千伏变压器油中溶解气体浓度注意值分别为：总烃150μL/L；乙炔1μL/L；氢气150μL/L。单位符号μL/L表示微升每升，用于描述单位体积的绝缘油内溶解气体体积浓度值。开放式变压器产气速率注意值为：总烃6mL/d；乙炔0.1mL/d；氢气5mL/d；一氧化碳50mL/d；二氧化碳100mL/d。单位符号表示毫升（mL）每天（d），用于描述单位时间内变压器油中溶解气体产生速率。在投运设备故障判别中，当变压器各项溶解气体浓度低于注意值，且产气绝对速率低于规定值时，则变压器无故障；当各项溶解气体浓度高于注意值，或产气绝对速率高于规定值时，则变压器有故障，应立即采取必要的检修措施。
同时，根据变压器设备油中各种溶解气体的相对含量，运维人员可以判断出变压器设备的具体故障类型。随着变压器故障点温度升高，变压器油裂解产生气体按甲烷（CH 4 ）、乙烷（C 2 H 6 ）、乙烯（C 2 H 4 ）、乙炔（C 2 H 2 ）顺序先后产生。基于上述观点，研究者总结提出以C 2 H 4 / C 2 H 6 、CH 4 / H 2 、C 2 H 2 / C 2 H 4 、C 2 H 6 /CH 4 等比值反映变压器设备故障类型的判断方法，如三比值法、四比值法等。
三比值法是变压器设备故障类型判别的主要方法之一，该方法根据变压器油中溶解气体含量与温度的对应关系，从氢气（H 2 ）、甲烷（CH 4 ）、乙烷（C 2 H 6 ）、乙烯（C 2 H 4 ）、乙炔（C 2 H 2 ）、一氧化碳（CO）、二氧化碳（CO 2 ）等特征气体中选取两种扩散系数和溶解浓度相近的气体组成三个比值CH 4 /H 2 、C 2 H 4 /C 2 H 6 、C 2 H 2 /C 2 H 4 ，以不同编码表示，依据编码对应的故障类型分类表格判断设备故障性质（张勇，2014）。三比值法编码及故障类型判别明细如表3-2与表3-3所示。
表3-2 三比值法编码
表3-3 三比值法故障类型判别明细
续表
国家电网公司现行的变压器故障判断导则使用上述三比值法来判别设备故障。但由于电力设备本身的复杂性和不确定性，三比值中的编码与设备故障类型之间的对应关系仍存在一定的缺失，无法全面包括和反映变压器全部故障类型，因此需要持续改良优化，为设备提供全面准确的状态监测信息。为此相关研究者开发了四比值法，又被称为罗杰斯方法（韦远剑，2017）。该方法在三比值法原有比值的基础上，增加一个比值C 2 H 6 / CH 4 ，组成四比值（CH 4 / H 2 、C 2 H 4 / C 2 H 6 、C 2 H 6 / CH 4 、C 2 H 2 / C 2 H 4 ）进行故障判别。四比值法故障类型判别明细如表3-4所示。例如：当CH 4 /H 2 、C 2 H 6 /CH 4 、C 2 H 4 /C 2 H 6 小于1，C 2 H 2 /C 2 H 4 小于0.5时，根据表3-4可判断为一般故障或局部放电故障；当CH 4 /H 2 、C 2 H 6 /CH 4 、C 2 H 4 /C 2 H 6 小于1，C 2 H 2 /C 2 H 4 大于0.5时，可判断为局部放电故障等。
表3-4 四比值法故障类型判别明细
续表
上述比值方法在变压器故障诊断领域应用十分广泛，较传统离线方法具有动态、实时、准确率高等优势，但这些方法在实际应用中也存在一些问题：①比值法的编码数量比较有限。由于变压器设备内部复杂，故障类型多样，在实际应用中常出现查不到对应编码，导致无法进行故障诊断的问题。②比值方法只有在设备油中溶解气体含量超过注意值后，才能使用编码表对设备故障类型进行判断，对于设备油中溶解气体含量正常但存在内部故障的变压器设备，比值方法无法判断。③比值方法的编码和设备故障类型的对应关系是绝对的，一种故障类型对应一种编码，而实际上不同编码边界间的比值区间较为模糊，一组编码可能在不同程度上反映多种故障类型，某一类故障也可能由多种编码共同反映，因此这种固定编码不能完全体现故障与编码之间的关系。
基于音频识别的在线监测技术指根据电力设备运行过程中产生的各种声音、声波对设备状态进行判别的方法。音频信号是设备固有的一种振动信号。在实际的运行中，当工作条件发生变化时，设备运行状态改变的过程中会伴随着声音信号的变化。音频识别方法就是利用设备所发出的声音信号进行分析判别，即提取声音信号的特征值，从而判断出设备的运行状态。
目前，基于音频识别的在线监测技术主要应用于变电设备局部放电故障识别领域。局部放电是指电力设备在外电场的作用下，设备部分绝缘区域发生放电而未被击穿的现象（Angrisani et al.，2000）。局部放电信号会使绝缘介质受到损害，加速绝缘介质的老化，同时伴随着过热、发光和发声现象的出现，严重损害设备运行安全（Metwally，2004）。目前，变电设备主流局部放电监测方法是超声波检测法。超声波检测法主要依靠声波传感器测量设备运行过程中产生的声波大小。局部放电所产生的超声波是一种机械波，具有很宽的频带，且遵循机械波的传播规律。当电力设备出现局部放电故障时，产生的声波会以球面波的形式向四周扩散，声波传感器接收这些声波，并将其转化为电信号，经过分析处理得到放电信号的特征量、放电大小等，根据所得特征量对设备状态进行判断（葛亮，2019）。
音频识别系统主要由音频传感器、信号调理电路、数据处理系统和人机界面等部分组成，其中，音频传感器是实现音频识别的关键设备。该传感器内置一个对声音敏感的电容式驻极体话筒，话筒由声电转换部分和阻抗部分组成。话筒接收声波后，内部驻极体薄膜产生振动，内置电容发生变化，产生微小电压。这一电压经过信号调理电路进行滤波、放大，最终被转化成电信号，传输至数据处理系统进行分析，最终通过人机界面向运维人员展示设备信号分析与故障判别结果（葛亮，2019）。音频识别系统工作原理简单，容易实现，传感器安装在设备机箱外部即可对内部故障进行实时监测，因此被广泛用于不同设备的状态监测。
基于音频识别的在线监测技术的优势体现在：①音频识别方法对设备运行和操作影响小，便于实现在线监测，有效减少设备停电次数；②音频信号不易受电磁干扰，采集简单，音频处理电路简单，对硬件设备要求低，成本低；③音频监测不受空间、环境等因素的限制，监测结果明显直观，适合对配电网中大量电力设备实行状态检测。
因此，基于音频识别听在线监测技术是实时监测设备运行状态的一种新型有效方式。
由于很多电力设备都处于比较恶劣的环境中，依靠工作人员对电力设备进行日常、定期巡检将浪费大量时间且存在很大的安全隐患。视频监测技术为电力设备的日常巡检提供了解决方案，通过引入视频监测技术，电力设备管理人员可以通过高清摄像头观察设备日常运行状态，监测电力设备不同部位是否存在异常情况，实现设备24小时实时连续监测（Jones and Earp，2001）。然而，采用人工监测的方式进行24小时连续监测仍然耗费了大量的人力成本，且可能出现人员主观因素所导致的故障错判和漏判现象。针对这些问题，近年来基于图像识别技术的设备监测技术逐步引入电力设备异常监测当中，图像识别方法对采集到的视频和图像进行分析，通过在线识别方法从图片中提取设备运行状态信息，进而判断设备运行状态。例如，电力维护人员可利用图像识别技术估计输电线的弧垂、计算覆冰厚度等。
基于图像识别的设备在线监测主要依靠视频传感器实现。此类传感器通常安装在设备附近合适位置，将收集到的电力设备运行状态转化为光信号，经过数字摄像机将光信号转化为图像并输入监测系统的计算机。计算机作为整个系统的核心，完成图像的采集、预处理、识别和分析。当设备处于正常运行时，不传输监测图像，只对分析的结果进行正常传输以减小系统压力；当计算机发现设备图像发生异常变化时，就会立即触发报警系统，同时将报警信息和故障信息及解决措施传送给相关维护人员，以提升工作人员的维修效率，降低调度员的工作强度（王丹，2018）。
基于图像识别的在线监测系统的实现主要基于三类技术：①电力设备图像预处理。受图像采集设备的测量误差和环境等因素的影响，摄像机、光学传感器采集到的设备图像中不可避免地会含有误差和噪声，这会给设备图像处理、特征提取以及故障识别分析带来严重干扰，影响图像分析结果的正确性。因此，首先要对采集到的电力设备图像进行必要的预处理，如灰度化、图像去噪、图像锐化、图像分割等，以保证电力设备及其运行状态识别和分析的准确性。②图像特征提取与识别。电力设备图像中包含着电力设备运行情况的重要信息，对电力设备图像进行识别的关键在于分析电力设备的各种特征，如颜色、纹理、形状等。经过预处理后，选取能够区分电力设备类别的图像特征作为识别电力设备时的输入向量，通过相关匹配方法对电力设备进行定位识别，并对识别实验的结果进行总结和分析。③电力设备异常的检测。从采集到的变电站图像中识别出电力设备类型后，电力设备所在的图像区域就是进行检测的重点区域。通过对此区域进行差分和累积图像处理，最后与电力设备运行正常时的图像进行比较，即可判断出变电站场景图像是否发生了变化，由此得出变电站或电力设备的运行状态是否出现了异常（王丹，2018）。
基于图像识别的在线监测技术的优势主要包括以下几个方面：①具有直观且准确度高的特点，不受环境、温度等因素限制，能够大规模应用于不同类型的电力设备状态监测；②解决了人眼难以分辨细微图像的灰度变化、无法客观判断设备表面缺陷程度的问题，有效提高了设备故障判断的准确性；③具有动态实时的优势，能够对电力设备进行连续监测，有效降低设备巡检人力成本。
因此，基于图像识别的在线监测技术的运用可促进在线监测系统的智能化、自动化，提高变电站工作人员的工作效率，取得更高的经济效益，具有较高的实用价值和更广的应用前景。