六氟化硫气体取样分析及尾气回收处理系统研究

王 唯,朱 勇,雍明月,单亚雄,汪 奇

(北京电力工程有限公司,北京 100076)

0 引言

因为六氟化硫(SF6)化学性质稳定,所以被广泛应用于电气系统中。但在电气系统的大功率电弧作用下,SF6往往被分解为二氟化硫、四氟化硫和氟气等化学物质[1]。一旦SF6气体发生泄漏,会造成周围的人员中毒,还会对环境造成影响以及增强温室效应。

文献[2]采用被动傅立叶变换红外吸收(Fourier transform infrared reflectance,FTIR)光谱仪红外遥测技术,通过研究不同测量参数与仪器信噪比的关系,判断SF6气体是否泄漏,确保了气体检测的下限和检测时间。但该技术抗干扰能力较弱,无法规避背景气体的影响。文献[3]采用了小波分析法检测SF6气体的泄漏。该方法首先通过小波变换对信号、图像进行分解,再通过小波变换去除背景气体的干扰,提高了气体检测的准确度。但该方法只考虑SF6气体的取样分析,未考虑具体的回收气体环节。

根据上述问题,本文设计了1种SF6气体取样分析和尾气回收处理系统,将SF6气体取样分析和气体回收环节一体化。该系统采用了差分光声光谱法实现了高效的气体检测,并通过粒子滤波算法改进了气体预警模型。这保证了SF6气体取样分析的精准性、快速性,实现了尾气回收处理,保障了用户人身安全和环境安全。

1 气体取样分析及尾气回收处理系统

面对SF6气体可能发生泄漏的情况,不仅应针对相关电器开展SF6气体取样分析,以防止SF6气体泄漏造成损害,还应对SF6气体进行尾气回收,以提取SF6气体的剩余价值。为了处理技术难题,本文设计了一套新型的SF6气体取样分析及尾气回收处理系统,以着重检测SF6易出现的工业故障,从而减小损失。在此基础上,本文设计了基于粒子滤波状态估计的故障预警算法,以保障系统预警功能,从而达到早发现早处理的效果。此外,本文在系统中设计了尾气回收的功能,以确保多余尾气可以得到回收利用。SF6气体取样分析系统整体架构如图1所示。

图1 取样分析系统整体架构图

由图1可知,SF6取样分析及尾气回收处理系统主要由3个系统模块组成,分别为预警分析系统、取样分析系统及尾气回收系统。预警分析系统和取样分析系统对从电气设备获得的信息进行处理,并将处理结果传给尾气回收系统。尾气回收系统决定是否对SF6气体进行回收处理,并将结果上传至网络服务器。网络服务器的数据会通过暂存的数据库提交至控制中心。用户可以在用户中心进一步处理电气设备的后续状态。

在实际运行过程中,电气设备机械结构复杂。某一构件的结构和位置变化都可能造成设备操作变形,影响内部电磁场分布,从而引起绝缘放电或其他事故。尤其是在使用SF6气体的电气设备中,精细的触头结构可能造成设备短路、断路等事故。对此,应该在系统中具体关注电流微元受力情况。

静触头固定在支撑柱的一端。动触头与操作杆连接可以前后移动。针对出现的触头接触异常故障,其可能存在的原因为:分合闸操作过于频繁会使弹性系数下降,引起接触不良,导致弹簧结构出现异常;过载运行时设备触头流经幅值较大的电流,使触头面结构发生变化;触头设计不合理,使静触头和动触头不完全匹配。电气设备正常运行时,感应电流在交变磁场中受到电磁力的作用。金属外壳中电流微元受力分析如图2所示。

图2 金属外壳中电流微元受力分析示意图

图2中:R1为导线到微元的距离;F为设备金属外壳中受到的电磁力;i为电流的朝向。

本文设定磁场分布均匀。导体中流过的电流为:

i0=I0cos(wt)

(1)

式中:I0为初始电流;w为工频;t为时间。

设备金属外壳中受到的电磁力可表示为:

(2)

式中:B为磁感应强度;L为磁场中直导线的长度;S为微元的横截面积;μ0为真空磁导率;μr为相对磁导率;Req为导体阻抗;R1为导线到微元的距离[4]。

根据图2可知,长期受交变磁场的影响,机械操纵系统极有可能出现不响应、误动和合闸不到位的情况。所以在实际运行过程中,需要时刻关注电流微元的受力情况。

2 基于差分光声光谱法的分析方法

高压开关设备发生气体泄漏故障时会产生少量SF6气体。传统的光声光谱技术不能在大气条件下实现万亿分比浓度或十亿分比浓度量级的SF6气体检测,也存在无法检测流动SF6气体的缺陷。为提高系统对电气设备气体泄漏故障的检测精度、避免空气自身光声效应的干扰,本文采用差分吸收光声光谱的技术实现对流动SF6气体的检测[5]。同时,为了及时、有效地对设备故障进行预警,以反映电气设备的状态随着时间而变化的特性,本文还采用了滤波算法直接对电器设备的状态进行变量预算,并扩展了卡尔曼滤波法,使系统可以对非线性的电气系统进行线性化[6]。差分光声光谱法气体检测系统整体架构如图3所示。

图3 差分光声光谱法气体检测系统整体架构图

由图3可知,压力控制器以氮气为动力控制六通阀,并通过六通阀实现对取样回路以及检测模块的信息交流。六通阀首先对待检测的SF6气体进行定量进样;然后由取样回路通过灯丝、斩波器、滤光片等装置将其采集到的样本传输至色谱柱,进一步传输至固体氧化物燃料电池(solid oxide fuel cell,SOFC)传感器,并在前端控制器的辅助下通过锁相放大器对处理后的信息进行放大;最后信息传输至数字信号处理(digital signal process,DSP)芯片,由DSP芯片处理信息后将信息传给预警模块,并将信息反馈给气体处理系统。

为使气体检测的微弱信号放大至合适的电压以进行釆样,本文设置了基于INA163芯片的前置放大电路。INA163放大器是将4个高精度电阻器对和片上电磁干扰(electromagnetic interference,EMI)滤波与1个低失真、高输出电流、双路音频运算放大器集成在一起的装置,对电路噪声有很强的抑制能力。主芯片工作频率为200 MHz。1 024点复合快速傅里叶变换(fast Fourier transform,FFT)执行时间为46 μs,并且具有良好的动态响应[7]。

前置放大采样电路如图4所示。

图4 前置放大采样电路

在具体工作时,本文研究的差分光声光谱法利用了分子红外吸收光谱技术,在SF6光声池中充入一定浓度的SF6气体作为SF6的测量底气,并在调制光源照射光声池的光程中额外附加了1个特制的光声池。待测SF6气体光声池内会发生吸收效应,吸收并削弱与待测SF6气体浓度相对应的光能量[8]。通过测量经待测SF6气体吸收后底气的光声信号变化,可以有效检测电气设备中的SF6气体泄漏故障。当带有一定浓度的SF6气体通过光声池时,会引起激发态分子数的变化。此时,光声信号的强弱也会同步变化。这个过程可表示为:

(3)

式中:ΔH(r,t)为气体焓变量;N′0为SF6底气的激发态分子数;N′1为通过光声池后的激发态分子数;Anr为光通量;E′为能量变化。

ΔH(r,t)与检测的SF6气体浓度同步发生变化,故能反映待测SF6气体的浓度信息。由于SF6光声检测系统所产生的光声信号很微弱,而灵敏度越高的传声器检测出的光声信号幅值越大,所以设备气体泄漏故障检测精度得到提升。DSP芯片内部结构如图5所示。

图5 DSP芯片内部结构图

本文采用了DSP芯片,结合粒子滤波算法进行预警。DSP芯片内部采用程序和数据分开的哈佛算法,具有专门的乘法器,通过提供特殊的DSP指令,可以快速地实现各种信号的算法处理。

本文通过构建设备状态空间模型,基于粒子滤波算法,对卡尔曼滤波法进行扩展。该模型通过比较状态变量实时测量值与状态估计值得到残差值,对气体泄漏进行预警。同时,该模型加入自适应阈值方法检测设备故障,以避免因模型误差以及噪声的干扰造成误报警。

本文采用粒子滤波算法对卡尔曼滤波法进行了扩展。本文对气体系统状态变量预估的过程分为3个阶段,即状态预测、状态更新和重采样。通过扩展的卡尔曼滤波法对初值误差具有修正作用,可以使精准度更高[9]。

①状态预测。本文设定0时刻的状态概率函数为P(|xt-1|yt-1),从系统中采用N个不同的xt-1(i)取值,并分别加权wt-1(i)。

从中产生的预测概率为P(|xt|yt-1)的新值为:

(4)

②状态更新。状态的更新取决于历史值对新时刻状态的预测。在获取到最新观测值yt后,可确定观测值的权重。

(5)

(6)

经过上述3个环节,即可通过变量的估计值与实际值的插值对电气设备进行预警。

(7)

至此,系统完成对电气设备的预警。

实际运行中,随着负载的变化,天然存在不为0的数据残差。此时,为避免设备正常运行时误预警,可以引入自适应阈值来降低其他环境干扰。

电气设备的自适应阈值如图6所示。

图6 自适应阈值

通过自适应阈值方法,可以有效避免其他干扰因素影响变量差值的变化。对此,本文利用电气设备运行时的状态变量数据,采用粒子滤波算法,通过比较当前实际测量值和状态变量估计值计算出变量残差,取得状态预警指标;结合自适应阈值,实现对电气设备故障的检测。当设备状态的某一变量残差超过自适应阈值时,表示设备出现故障模型并发出报警。此时,系统获得了较好的鲁棒性和实用性[10]。

3 尾气回收处理系统设计

本文根据环保的原则,在电气设备中添加了SF6气体的过滤、调压、计量及回收的尾气回收系统。该系统采用高效低温预冷却装置,加速回收气体的液化、提高回收的效率,以提升用户经济效益、降低原料能耗、减少有毒气体或污染物的排放[11-13]。通过对SF6气体取样分析及尾气回收处理系统和基于差分光声光谱法的SF6气体分析系统的集成,使得SF6气体得到了循环利用和准确计量,并且实现了SF6气体取样分析及尾气回收处理一体化设计,节约了工程投资,提高了电气设备的可靠系数,维护了用户和环境的安全。尾气回收处理系统结构如图7所示。

图7 尾气回收处理系统结构图

由图7可知,尾气回收处理系统主要采用了冷凝循环处理的原理,实现了SF6气体的回收利用。从电器设备回收的气体通过气泵来到分离器。分离器将SF6气体和其他杂质气体分开,并分别进行处理。SF6气体经过预冷器先液化一部分,再由气体循环处理器抽走气体中的空气和水分,使储存气体循环干燥净化、冷冻固化提纯。经过多重循环处理,回收处理系统将洁净的气体完全液化处理,经由回收储罐输送管道输送给电器设备或其他储罐。而设备中的其他杂质气体经过废弃过滤塔的无害化处理,由控制中心分类,对杂质进行排放处理或深埋处理。

随着国家对环保的大力推广以及“双碳”目标的提出,节约资源、环境友好成为广大电气设备的建造标准。本文设计的尾气回收处理系统积极开展SF6气体的净化处理,在进行气体取样分析、预警处理的同时对尾气进行回收处理。这推进了SF6气体的可循环利用,提高了电气设备的处理效率,保证了电力工业的健康发展。

4 试验与分析

文献[2]采用被动FTIR红外遥测技术判断SF6气体是否泄漏。文献[3]采用小波分析法来检测SF6气体的泄漏。为验证本文系统的取样分析、预警处理和尾气回收的能力,本文分别以文献[2]系统、文献[3]系统建立对照试验,对比3种系统对SF6气体电器的综合处理性能。搭建的试验平台如下:252 kV带隔离开关的SF6电气设备1台;电流源为FCG-3000/5的数字式大电流发生器1台;取样分析模块、预警分析模块、尾气回收模块各1个。分析模块具体参数为色谱柱,带放大电路。预警模块具体参数为C60701 DSP芯片。回收模块具体参数为气体循环处理器、预冷器。试验架构如图8所示。

图8 试验架构示意图

为了模拟实际故障情况,本文主要在试验过程中对电流进行处理。试验过程中,电流从0开始增加,每次增加200 A,最大电流增加到1 000 A。随着电流的增加,SF6气体溢出的可能性越来越大,电气设备中共有50个单位的SF6气体。不同电流状态下的气体分析状况如表1所示。

表1 不同电流状态下的气体分析状况

通过对表1的数据信息进行整理仿真,得到如图9所示的取样分析能力对比图。

图9 取样分析能力对比图

由图9可知,本文系统在面对SF6气体设备时可以有效地分析出SF6气体的具体含量。同时,通过记录上述试验过程中3个系统分析SF6气体速度的快慢,也能得到本文系统在分析预警方面有着较大的领先优势。文献[2]系统和文献[3]系统检测到的SF6气体略低于实际值。当电流增加到1 000 A时,其气体分析预警存在明显的滞后性,处理能力不如本文系统。

回收气体能力对比如图10所示。

图10 回收气体能力对比图

为验证本文系统对SF6气体的回收效果,本文利用回收储罐分别计算3个系统在不同电压下的SF6气体回收能力。由图10可知,SF6气体的回收试验使用预冷凝技术的尾气回收系统,可以有效回收SF6气体。其整体回收效益要优于文献[2]和文献[3]所设计的系统。

5 结论

本文建立了SF6气体取样分析及尾气回收处理系统。该系统通过功能模块化和集成3个模块形成系统化的智能运维方案,能够根据不同的电气设备所处的特征设置不同的运行参数。本文使用基于差分光声光谱法对电气设备发生的气体泄漏进行取样分析,使气体系统能够高精度地进行SF6气体检测;在此基础上,提出基于粒子滤波算法的状态变量估计方法,利用状态空间模型表示多状态间的非线性关系,通过计算状态变量残差实现对故障的预警,免除了系统对正常运行的误报警。本文进一步集成了尾气回收处理模块,通过预先液化的方式加快了尾气处理的速度,并通过回收循环的方式提高了SF6气体再循环使用的阈值。

然而,本文研究仍存在一些不足之处。由于本文研究采用了功能一体化的设计,在设备发生多故障时如何准确地进行故障诊断仍有待进一步研究。