基于温度传感器的变压器冷却风机运行状态在线监控方法

姬建富，刘宏伟，侯云飞，曹国梁，徐祖茵

(国网安徽省电力有限公司蒙城县供电公司，安徽 亳州 233500)

0 引言

变压器具有电压变换、阻抗变换等功能，是辅助电力系统稳定运行的关键设备[1]。一旦变压器出现故障问题，直接影响供电服务，为了确保变压器运行状态良好，往往会在变压器线圈下方安装冷却风机，促进变压器的散热，从而延长变压器的使用周期[2]。考虑到冷却风机的重要功能，如何针对冷却风机运行状态进行实时监控，成为了电网研究的重点问题。

文献[3]依托于非均匀环境参数，提出一个新的设备运行状态在线监控方法。采用耦合有限监测数据，以及降维线性模型进行设备运行状态的快速预测。同时，以解决分布“超实时”问题为目标，设计相对完善的最优评估方法，以此为基础生成最终在线监控技术。但是，该方法监测结果误差较大。文献[4]深入分析设备运行过程中，机械转矩与阻尼之间的关联，设计一种新的在线监控方法。以超低频振荡机组为主，根据振荡频率识别设备运行状态的稳定性。但是，该方法响应时间较长。文献[5]以红外摄像机为主要工具，将其安装在合适的位置。根据设备工作环境的红外辐射吸收强度，选定最佳红外波长，结合作用距离定义公式，计算出最优监控距离。针对红外摄像机采集图像，进行模糊图像校正处理，以此为基础实现设备运行状态监控。但是，该方法抗干扰能力较差。

文中以变压器冷却风机为研究对象，采用温度传感器直接获取设备温度信息测量结果，并根据温度数据实现冷却风机运行状态在线监控。根据实验验证结果可知，所提方法与传统方法相比，漏警概率大幅度降低，实现了在线监控准确性的提升。

1 基于温度传感器的变压器冷却风机运行状态在线监控方法设计

1.1 建立温度传感器布置方案

考虑到引发变压器冷却风机运行故障的因素有很多，文中采用贝叶斯网络分析候选风险因素，生成有限状态集，将温度传感器实时采集数据，以“状态”的形式表现出来[6]。针对所有的输入风险因素状态量，获取组件状态向量，再得到传感器信息向量，将其以信息状态集的形式表现出来，可得到：

(1)

根据贝叶斯网络中传感器信息状态，确定冷却风机运行状态监控节点，每个监控节点对应一个温度传感器。考虑到初始监控节点可以提供监控信息，为了降低计算难度，在保证温度信息完整的前提下，尽可能减少温度传感器数量。

针对每个传感器位置进行分析，获取相应的信息度量函数值，作为后续传感器分配的基础。信息度量函数值的计算，是为了保证温度信息采集结果的全面性，每个函数所对应的监控区域内[7]，温度监控值与变量之间存在密切关联，根据事件发生概率与事件包含信息，将信息度量函数表示为：

(2)

式中：U表示事件包含的信息量；log表示对数函数；c表示对数函数的底数；k表示事件；η表示事件发生的概率。

温度传感器采集信息的单位，受到对数底数取值的影响。所以，传感器组合数量计算公式为：

(3)

式中：l1表示传感器位置潜在数量；l2表示允许的传感器数量。为了便于计算，文中引入二进制分析技术，分析风险因素状态量，与传感器布置数量之间的对应关系，得到最合理的温度传感器布置方案。

1.2 构建分布式温度传感模型

该文所提出的在线监控方法，选用了分布式光纤传感器，根据拉曼散射光完成温度信息采集[8]。依托于量子力学原理，在入射光与介质分子的共同作用下，拉曼散射的能级如图1所示。

图1 分子的拉曼散射能级图

在正常拉曼声子频率下，光纤分子可以转化为斯托克斯拉曼光子、反斯托克斯拉曼光子，分别表示为：

(4)

式中：a表示反斯托克斯拉曼散射光；s表示斯托克斯拉曼散射光；p表示入射光；v表示频率；Δv表示拉曼声子频率；h表示光子散射性能。

分布式光纤度传感器工作过程中，两种散射光在激光脉冲传播作用下，产生的光通量计算公式为：

(5)

式中：φ表示光通量；G表示散射截面相关系数；f0表示入射光平均传播损耗；fs表示斯托克斯拉曼散射光平均传播损耗；fa表示反斯托克斯拉曼散射光平均传播损耗；exp 表示指数函数；W表示与粒子数分布相关的温度调制函数。

针对两种拉曼散射光进一步分析，得出温度调制函数表达公式：

(6)

式中：r表示波尔兹曼常数；E表示开尔文绝对温度。

由于光纤分子与激光分子之间存在互相影响，入射光在分子的作用下，形成低频的拉曼散射光子，并完成相邻振动态之间的连接[9]。引入波尔兹曼定律，根据光纤分子的粒子数热分布情况，得到拉曼散射光强度比计算公式：

(7)

式中：θ表示散射光的强度；y表示普朗克常数。根据反斯托克斯拉曼散射光、斯托克斯拉曼散射光的强度比值结果，获取变压器冷却风机监测区域的温度数据。

变压器冷却风机运行状态监控时，为了提升温度传感器的信噪比，增强温度采集的抗干扰能力，文中提出将脉冲编码技术，融入到分布式温度传感模型设计过程中。将激光序列脉冲看作发射源，通过调整脉冲宽度和最小脉冲值，增强温度传感器的空间分辨率，并达到抑制光纤非线性效应的目的。结合了脉冲编码、解码技术的温度传感器，具体结构如图2所示。

图2 采用脉冲编码、解码的温度传感器示意图

根据图2所示的温度传感器结构，完成变压器冷却风机运行温度的准确采集，为后续运行状态监控提供数据基础。

1.3 监控数据传输信道数字滤波

温度传感器采集的信息，主要向监控中心服务器进行传输，文中设计了2个指令的传输单元，2个信息传输单元作为中间件[10]，并建立数据传输通道，得到图3所示的通讯模式。

利用图3所示的数据通讯模式，得到变压器冷却风机运行温度信息。需要注意的是，在数据互传环节，文中提出将数据信息传送通道设置为2个，分别负责数据传输、数据接收，避免数据冲突问题。

图3 通讯模式

为了保证冷却风机运行状态监测结果的准确性，文中提出针对信息传输信道，设置一个递归型滤波器，应用简单的结构对采集信息进行解析，去除部分干扰信息，得到符合要求的运行温度信息。考虑到滤波器的设计需要参考监控要求，在因果函数的作用下，促进滤波器性能不断提升。而对于具有实系数的传递函数来说，可以划分为偶函数和奇函数。

(8)

(9)

式中：∞表示正无穷；q表示因果规则；d(q)表示因果函数；lim表示极限函数。基于公式(9)，可得到监控数据传输信道数字滤波器，其数学表达公式为：

λ=F·σ

(10)

式中：λ表示滤波器。采用公式(11)所示的数字滤波器。对传感器采集的温度信息进行去噪处理，达到降低运行状态监控误差的目的。

1.4 实现冷却风机运行状态监控

文中依托于多传感器采集的温度信息，运用多元统计分析方法，获取变压器冷却风机异常状态检测结果。考虑到没有给定的总体协方差矩阵，该文选用的分析方法为多元T2统计分析方法，根据均值和方差生成控制图。明确温度传感器采集的样本容量信息后，可以根据某一样本的自身值与样本均值，计算协方差矩阵。样本统计量表示为：

(11)

考虑到样本统计量会对第一自由度绝对服从的，且部分服从第二自由度，文中提出采用样本均值，取代公式(11)中总体均值向量，得到：

(12)

结合给定显著性水平值，可以得到多元T2统计控制图的上限：

(13)

式中：ξ表示控制图上限；β表示样本维数；δ表示统计量的服从自由度；ρ表示显著性水平。

对于每个采集的温度样本，分别计算其样本统计量，再与控制图上限进行对比，当统计量超出上限后，表明此时变压器冷却风机运行状态异常，需要及时进行处理。反之，若样本统计量总是低于控制图上限，表明此时冷却风机运行状态正常。至此，实现变压器冷却风机运行状态在线监控。

2 实验

2.1 实验准备

为了体现文中设计的在线监控方法具有可行性，选择无人值守的110 kV变电所作为实验地点，针对变电所内一台尚未投入使用的变压器，展开冷却风机运行状态在线监测实验。本次实验的研究对象是普通油浸式变压器，其内部安装了冷却风机，符合实验要求。应用文中提出的在线监控方法，明确该设备的运行状态，采用直径为5 mm的温度传感器作为主要工具，布置在传感器内容合理区域，实时获取冷却风机温度信息。

实验过程中，运用短路法控制变压器冷却风机的工作状态，便于观察文中设计监控方法的应用效果。实验接线结果如图4所示。

图4 实验接线图

针对实验设备接入380 V电源，通过调整调压器数值，控制变压器冷却风机的电流升高，直到满足实验要求。本次实验所应用的分布式光纤拉曼温度传感器，主要技术指标如表1所示。

表1 温度传感器主要技术指标

将实验时间设置为13小时，运用温度传感器连续输出设备温度信息，以此为基础进行设备运行状态在线监控。

2.2 运行状态在线监控结果

根据温度传感器传输的温度信息，得到图5所示的变压器冷却风机温度变化曲线。

图5 变压器冷却风机温度变化曲线

根据图5可知，变压器冷却风机内，分布在上层、中层和下层位置的监控节点，温度传感器所得到的信息有所差异，3个监控节点的温度最大值出现在3 h左右，分别达到了74.9 ℃、66.5 ℃以及53.2 ℃。基于上述得出的温度信息，按照文中提出的多元T2统计方法，形成图6所示多元T2控制图，如图6所示。

图6 变压器冷却风机温度多元T2控制

根据图6所示的多元T2控制图可知，所有时间段的冷却风机温度控制值，均在控制上限值以下，表明变压器冷却风机运行状态正常，也反映了文中提出在线监控算法具有可行性。

2.3 监控方法性能对比

在实验条件下，运用文中提出的在线监控方法，以及文献[3]、文献[4]提出的监控方法，进行长时间监测实验，对比不同监控方法的漏警概率，明确所提方法监控性能的优越性，漏警概率计算公式为：

(14)

式中：φ表示漏警概率；α监测结果为异常运行状态的样本数；A表示异常运行状态样本总数。分别计算预警次数为100，200，300，400，500，600，700次时，不同监测方法的漏警概率，得到表2所示的对比结果。

表2 不同监控方法的漏警概率对比

根据表2可知，文中提出的变压器冷却风机运行状态监控方法，在实际应用中漏警概率保持在5%以下，且平均值为1.71%。与之相比，文献[3]、文献[4]提出的监控方法漏警概率明显更高，分别达到了20%与30.86%。

综上所述，以温度传感器为基础的监控方法，使得监控结果的漏警概率降低了18.29%，29.15%，可以更加准确地反映出变压器冷却风机运行状态，保证电力系统运行稳定。

3 结束语

为了解决模拟温度测量方式，测量结果误差较大的问题，文中针对变压器冷却风机，提出以温度传感器为核心的运行状态监控方法。依托于准确的温度信息，结合多元统计控制图分析方法，迅速得出冷却风机运行状态判断结果，完成冷却风机运行状态在线监控。

根据实验验证结果可知，文中所提方法的应用，有效降低了监控漏警概率，为电力系统安全提供了一定保障。但是，考虑到设备运行状态的评估是一项较为复杂的工程，未来还需要进一步讨论变压器冷却风机状态分级标准。