浅议基于分解产物分析的SF6电气设备故障检测方法

肖驰夫，黄建波，周忠武

（国网浙江省电力有限公司检修分公司，浙江 杭州 311232）

能源消耗带来了巨大的环境问题，在这种情况下，人们对清洁能源的需求越来越高。电力能源就是一种清洁能源，越来越受人们的欢迎。SF6电气设备正是在这种应用需求背景下出现的。由于SF6电气设备较其他种类的电气设备性能更为优越，因此，其被广泛地应用于电力行业等多个领域，且多应用于电力系统的关键环节，如母线、变压器等节点。这些节点的电力故障将会导致严重的电力事故。对SF6电气设备而言，设备内的SF6气体状态是衡量电气设备安全状态的一个十分重要的指标。现有的SF6气体电力常规检测包括气密检测和漏点检测两方面，这两种方法分别检测了SF6气体的气压和气体含水量，但这两项检测内容不能很好地反映设备内SF6气体的状态。

大量的研究表明，正常运行的电气设备内也会发生较为频繁的放电行为，而放电会导致设备内的SF6气体分解，生成新的衍生物，长期下去，衍生物的浓度将会升高，进而导致气体的绝缘能力下降，造成安全隐患。为了全面地了解设备内气体的状态，需要设计新的检测方法。传统的故障检测方法检测效率低，不能实时进行故障检测，不满足目前的检测需求，因此，本文基于分解产物分析法，设计了SF6电气设备故障检测方法，对制定完备的设备维修方案提供经济、可靠的参考。

1 基于分解产物分析SF6电气设备故障检测方法设计

1.1 提取SF6电气设备故障特征值

本文选用光谱图法提取SF6电气设备故障特征，需要确定故障产生式谱峰的具体位置。经过调查发现，SF6的吸收峰值在1600～500，因此，为了确定SF6电气设备的故障特征具体数值，提出了谱图定量分析算法。根据光与气体吸收浓度关系式计算，此时的吸收强度X，计算公式如（1）所示。

式中，K代表光度系数，C代表气体浓度，S代表光路直径。根据此时的吸收强度，绘制故障特征提取谱图，进行初步分析，缩小谱图中的故障特征差异，提取特征参量，构建具有预测性能的故障特征值提取模型，如（2）所示。

式中，R(t)代表故障特征数值，m、n为模型输出节点，out代表故障特征矢量，可以使用（2）计算此时特征峰所处的位置，划分特征范围，为后续分解检测做准备。

1.2 基于分解产物分析检测分解产物

根据上文划分的特征范围，使用分解产物分析法，检测SF6电气设备故障产生气体的分解产物。选择规格参数在规定范围内的分解产物监测装置，利用分解产物分析法中的流动原则，检测此时SF6气体分解的产物。

分解产物分析法检测主要分为几个检测步骤。首先，进行正常检测，对变电站的GIS进行产物调查，调查不同变电站的气室个数和分解状态，再根据这些信息进行标准气比对，保证仪器的可靠性。其中，二氧化硫的组分标准值为2.0μL/L，硫化氢的标准组分为3.0μL/L，一氧化碳的标准值为50μL/L。根据上述标准值进行特征比对，检测分解产物的含量是否在标准范围内。如果检测的含量不在标准范围内，证明此时的电气设备存在某些故障，需要进行故障筛查。如果在检测时，已经知道此时的设备处于异常状态，需要排除放电故障，结合电气试验综合分析，准确定位此时电气设备故障位置。

1.3 实现SF6电气设备故障检测

在故障检测过程中，提取的某些数据指标可能过于复杂，面对这种情况，在实现电气设备故障检测时，需要使用主成分分析法进行降维，得到故障检测数据分解矩阵，如下（3）所示。

矩阵（3）中，n代表故障数量，P代表观测指标，X代表检测样本，根据该矩阵，结合故障特征提取模型，分解产物检测数值，可实现电气设备故障准确检测。如果检测后的数据呈多方向排布的状态，需要进行坐标多维转化，计算矩阵差值，与标准矩阵进行比对，判断此时电气设备的状态，实现SF6电气设备的故障检测。

2 实验

为了检测设计的基于分解产物分析的故障检测方法有效性，将其与传统的检测方法进行对比，搭建测试平台，进行实验如下。

2.1 实验准备

选取某地区110kV的电气设备进行实验，该设备的型号为ZF6-110出厂日期为2010年1月1日，经过调查发现，其开关气室经常出现升温现象，超出标准温度2～3℃，此时检测的电气设备异常图像如图1所示。

图1 电气设备异常图像

根据图1的设备异常图像，制定设备故障检测计划，经过多次人工筛查，未见明显异常，为确保检测结果准确，本次测试在断电的情况下进行测试。

2.2 实验结果与讨论

分别使用本文设计的电气设备故障检测方法和传统的故障检测方法进行故障检测，记录在该设备10处可能异常区域的检测结果，记录检测时间，实验结果如表1所示。

由表1可知，在10处故障检测中本文的故障检测所需的时间短，且能成功检测出该电气设备的故障，因此，本文设计的方法检测效率高，能实现实时检测。

表1 实验结果

3 结语

综上所述，及时对电力设备进行故障检测对保障电力设备安全，避免出现电力事故有重要意义，因此，本文基于分解产物分析设计了新的电气设备故障检测方法，经过实验证明，设计的方法检测效率高，能实现实时检测，有一定的应用价值，但此次实验检测的装置较单一，可能存在误差，需要在后续使用中不断进行优化。