基于调控一体自动化系统的变电站电气设备故障诊断技术

张 宇

（国网黑龙江省送变电工程有限公司，黑龙江哈尔滨 150000）

变电站电气设备因为工作环境恶劣、运行年限延长、维护不到位等因素的影响，在投入使用一定时间后不可避免的会发生故障。相比于以往以人工为主的故障检测与诊断模式，基于调控一体自动化系统的电气设备故障诊断技术，可以利用前端传感器实时采集变电站各类电气设备的运行参数，然后由计算机对获取数据展开分析，并智能判断是否存在异常工况以及故障的具体类型。该技术的应用可以实现对变电站电气设备潜在故障的准确、及时诊断，在保证变电站电气系统稳定运行的前提下，还能减少设备停机检修的频率，发挥良好的经济效益。

1 变电站变压器在线监测与故障诊断技术

以变电站电气设备中的变压器为例，介绍变压器局部放电的在线监测与故障诊断技术。变压器局部放电在线监测系统由射频监测器、高频CT、在线监测平台等组成。当被监测的变压器出现局部放电现象后，放电电流信号经由中性点接地线流入接地点。此时接地电抗器接收该信号，使放电电流进入到由高频CT、射频监测器组成的监测回路中。主控计算机根据放电电流的强弱，判断局部放电故障的危害程度、发生位置、放电类型。主控计算机在诊断局部放电故障时，主要依据的参数有放电幅值Q、放电频次N，以及放电相位φ 等。比较常用的局部放电故障诊断方法时“Q-N”诊断法，诊断规则见表1。

表1 局部放电类型的Q-N 诊断规则

由于引起变压器局部放电的故障机理有明显的复杂性、离散性特点，因此基于Q-N 诊断规则的局部放电在线监测与故障诊断技术，在实际应用中也存在诊断结果可靠性不高的问题。在人工智能技术成熟背景下，为BP 人工神经网络提供海量的样本数据供其深度学习，进而根据既定的诊断规则，实现对复杂故障的准确鉴别，使得故障诊断结果的精确性得到进一步的提升。基于此，本研究设计了一种以人工智能为核心的，基于调控一体自动化系统的变压器局部放电在线监测与故障诊断系统。

2 基于调控一体自动化的变压器在线监测与故障诊断系统设计

2.1 系统硬件设计

变压器局部放电在线监测与诊断系统的硬件部分，主要有主机（ARM）从机（DSP），以及配套设备（如电源、SD 卡等）组成。其中主机负责编辑和发送控制指令，而从机负责完成数据的计算，硬件系统的结构组成见图1。

图1 局部放电检测硬件框图

结合图1 可知，该系统的前端模块为若干个局部放电传感器，传感器直接安装到变压器上，如果变压器发生局部放电故障，该传感器可实时采集放电电流的幅值、频率、相位等基本参数[1]。然后传感器通过CAN 总线，将获取的数据发送给从机。在该处完成数据的预处理和计算后，将最终结果发送至主机。利用主控计算机完成数据解析，实现对放电类型、放电位置的准确判断，得出最终的故障诊断结果。

2.2 系统软件设计

该系统的软件部分是基于Visual C++ 和MATLAB 两款软件混合开发。在MATLAB 软件中提供了大量的BP 神经网络函数，如初始化函数newff、训练函数train 等，在使用Visual C++软件进行开发时，可直接从MATALB 函数库中调用，降低了系统开发难度，开发流程见图2。

图2 VC++调用MATLAB 的流程

考虑到本系统的前端传感器会不间断的收集海量样本数据，为减轻数据处理的工作量、提高系统响应速度，在系统软件设计中还需要增加样本数据的检索与整合程序。本文分别选取了“型号”、“生产厂商”、“运行年限”3 个指标，对变电站运行产生的海量信息进行遍历检索，并整理成“输入P- 输出a2”形式（如图3），提供给BP 神经网络，做出最终的诊断。

结合图3，本研究设计的BP 神经网络结构主要由3 部分组成，即输入层、中间层和输出层。BP 人工神经网络具有强大的学习能力，提供海量的样本数据（包括变压器运行的正常数据和故障数据）进行学习，并自动生成一套“诊断规则”[2]。这样当前端传感器反馈变压器的实时数据给主控计算机后，计算机以隐性分布的“诊断规则”作为判断依据，对照实时数据是否符合该规则。如果符合，则说明被监测的变压器运行正常；反之，如果不符合，则说明被监测变压器存在异常工况，得出故障诊断结论。作为输入向量的P 是由放电幅值、放电频次等参数组成的集合，可表示为

图3 BP 神经网络结构

P=[Q，N，φ]T

W1、W2为权矩阵，b1、b2为偏置矩阵，f1、f2分别为tansig 型、purelin 型神经元函数，a1、a2为神经网络层输出，输出结果a2即为变压器的实时状况，有“健康”和“故障”两种情况。在软件系统运行时，可以将变电站所有变压器的历史运行数据，或者其他变电站同型号的变压器运行数据作为训练样本。经过BP 神经网络的训练后，可以确定权矩阵W1、W2和偏置矩阵b1、b2。然后测量被监测变压器当前的局部放电数据（Q、N、φ），即可求得a2，实现对变压器实时运行故障的在线检测和自动诊断[3]。

2.3 局部放电在线监测与故障诊断系统的性能指标

局放监测技术性能见表2。

表2 局放监测技术性能

3 变压器局部放电在线监测系统的现场安装与调试

某变电站现有4 台SFSZ9-4000/110 型有载调压电力变压器。于2014 年6 月份安装并投入使用，2019年10 月份因为绕组绝缘失效发生过一次局部放电故障。目前该变电站的变压器每月执行一次常规检查，为减轻检修人员的压力，以及提高对潜在故障的诊断能力，引入基于调控一体化的在线检测与故障诊断系统。将局部放电传感器放置在高压侧电流互感器的出线盒中，由于出线盒采用了绝缘密封材质，因此变压器出现局部放电时产生的超高频电流信号会穿过密封绝缘材料，进而为外部的局部放电传感器接收。传感器与从机（DSP）之间使用CAN 总线连接，具有较强的抗干扰能力，保证前端采集到的信号能够高质量地传递到从机[4]。从机与主机之间使用基于IEC61850 协议的光纤连接，进一步提高系统的响应速率。

变压器局部放电在线监测与故障诊断系统安装完毕后，还要进行简单的调试，确保在线监测与智能诊断功能可以顺利实现。首先是进行外观检查，如局部放电传感器的安装是否牢固、监测回路是否正常通电等。外观检查无问题后，再开展系统主要功能测试，测试内容及方法如下：

（1） 超高频传感器功能检查。选择一台小型信号发生器，使其产生1 个可以被超高频传感器接收的高频信号，然后检查IED 能否正常接收到对应的脉冲信号。如果能够接收，则说明该功能正常。

（2） 系统测量数据检查。操作方法同上，检查在线监测系统能否准确显示与高频信号对应的数据。如果能够准确显示放电幅值、相位、频次等数据，则说明该功能正常。

（3） 采样周期设定检查。在系统设置中自定义一个采样周期，运行系统后检查是否按照该采样周期采集前端数据。如果系统根据设定值进行采样，则说明该功能正常。

（4） 设备告警功能检查。将局部放电IED 装置电源关闭，观察系统是否告警。如果告警，说明该功能正常。

（5） 铁芯接地电流测量数据检查。使用0.5 级钳形电流表，连接变压器的铁芯，观察电流表示数，并记录下电流值。然后将该数据与在线监测系统上显示的数据进行对比。如果两组数据完全一致，则说明该功能正常[5]。

除了上述测试内容外，还要进行一体化信息平台信息正确性测试等工作。在系统的检查和调试过程中必须要如实做好记录，如果经检查发现问题，应采取相应的处理措施，保证系统各项功能的顺利实现。

4 基于调控一体自动化的变压器在线监测与故障诊断系统的应用

本研究设计的基于调控一体自动化的变压器在线监测与故障诊断系统在某变电站进行了试点应用，该系统管道人机交互界面见图4。

图4 变压器局部放电诊断系统界面

结合图4 可知，在本次故障诊断中，1#变压器有局部放电监测告警。根据上文提供的“Q-N”诊断规则可知，主变局部放电类型可分为3 种，即正常放电、低能放电和高能放电。结合系统采集到的局部放电的幅值、相位等数据，诊断1#主变压器的局放类型为高能放电，故诊断为变压器故障。同样的，该系统在接收传感器反馈的2#变压器局部放电监测信息后，也出现了告警情况。但是两组变压器的BP 诊断结论均显示正常。分析其原因，认为1#和2#变压器同时发生故障的概率极低；结合变压器所处环境，认为是潮湿、雾霾天气导致两组变压器出现局部放电情况，而变压器本身并不存在问题。于是两天以后再次观察诊断结果，未出现变压器告警情况，BP 诊断结果显示无异常。这样一来，借助于变电站电气设备在线监测与故障诊断系统，可以有效提高诊断结果的正确性，为后续的设备维护工作开展提供了便利。

5 结论

变压器是变电站的核心设备，保障变压器的可靠运行尤为关键。在变压器的各类故障中，绕组绝缘和引线绝缘失效的发生频率较高，占总故障的70%以上。在绝缘性能不达标的情况下，容易引起局部放电，严重时会因为放电击穿而导致变压器报废，带来严重的损失。本研究设计的一种基于调控一体化自动系统的变电站电气设备在线监测与故障诊断系统，可以借助于前端的局部放电传感器获取被监测对象的局放幅值、局放频次等基本信息，然后经通信系统将数据传输给主控计算机，由BP 人工神经网络进行故障诊断，显著提高了故障识别的时效性与准确性。当然，目前该系统只能进行故障的准确识别，下一步还要继续完善系统功能，争取在故障诊断的基础上，以故障诊断报告的形式详细罗列故障位置、故障原因等信息，从而为检修人员及时排查故障、保障变电站稳定运行提供技术支持。