高压电气设备故障运行状态自适应预警方法

摘 要：【目的】为了提前发现潜在的高压电气设备故障，并及时采取有效措施进行修复或维护，以确保高压电气设备的安全运行和延长高压电气设备的使用寿命，为此提出了高压电气设备故障运行状态自适应预警方法。【方法】建立高压电气设备故障运行状态数据库，利用所收集、分析和处理的数据来建立高压电气设备运行状态模型，结合该模型实现高压电气设备故障运行状态自适应预警。【结果】试验结果表明，该方法的高压电气设备故障运行状态自适应预警效果较好，具备较高的实际应用价值。【结论】该设计能够监测高压电气设备运行状态，通过分析数据和模式识别，及时发现潜在的故障迹象，有助于预防设备的故障发生，避免大规模停机和生产中断，提高设备的安全性和可靠性。

关键词：电气设备；故障运行状态；状态预警；预警方法；数据库；运行状态模型

中图分类号：TM507" " 文献标志码：A" " "文章编号：1003-5168（2024）11-0005-04

DOI：10.19968/j.cnki.hnkj.1003-5168.2024.11.001

Design and Implementation of Adaptive Warning for Fault Operation Status of High Voltage Electrical Equipment

CAO Yang

（Yankuang Lunan Chemical Co.， Ltd.， Tengzhou 277527，China）

Abstract： [Purposes] In order to detect potential faults in high-voltage electrical equipment in advance and take timely measures for repair or maintenance to ensure the safe operation of high-voltage electrical equipment and extend its lifespan， a self-adaptive warning method for the operation status of high-voltage electrical equipment faults has been proposed. [Methods] This paper establishes a database of the operational status of high-voltage electrical equipment faults， uses the collected， analyzed， and processed data to establish a model of the operational status of high-voltage electrical equipment， and combines this model to achieve adaptive warning of the operational status of high-voltage electrical equipment faults. [Findings]The experimental results show that the adaptive warning effect of the high-voltage electrical equipment fault operation status using this method is good， and it has high practical application value." [Conclusions] Through this study， the operation status of high-voltage electrical equipment can be monitored. By analyzing data and pattern recognition， potential signs of faults can be detected in a timely manner，which helps to prevent equipment failures， avoid large-scale shutdowns and production interruptions， and improve the safety and reliability of equipment.

Keywords： electrical equipment; fault operation status; status warning; early warning methods; database； running state model

0 引言

随着电力行业的快速发展，高压电气设备在电力领域中的应用越来越广泛，其运行状态对于电力系统的安全、稳定运行具有至关重要的作用［1］。然而，由于高压电气设备长期处于高电压、大电流、强磁场等恶劣环境中，容易出现绝缘老化、局部放电、温升过高等故障，给电力系统的安全运行带来巨大隐患［2］。因此，开展高压电气设备故障运行状态自适应预警研究具有重要的现实意义和工程价值。

目前，国内外学者已经开展了大量的高压电气设备故障预警研究工作，并取得了一定的成果。在国外，一些知名的研究机构和电力公司利用先进的传感器技术、信号处理技术、人工智能技术等手段，对高压电气设备的运行状态进行实时监测和故障诊断，实现了故障预警［3］。在国内，虽然起步较晚，但也取得了一些重要的研究成果。如潘伟伟［4］提出了一种基于深度学习的电气设备故障智能预警方法。通过采集电气设备故障信号并对采集到的信号进行预处理，基于模糊神经网络算法搭建电气设备故障预警模型，将预处理后的信号输入该模型中，经过模糊推理实现电气设备故障预警；魏岸若［5］提出了一种基于数据驱动的电气自动化设备运行故障预警方法。利用现场采集的电气自动化设备实时数据，经数据推测、剖析、处理后确定电气自动化设备的运行状态，并结合电气自动化设备运行故障预警模型输出的各状态数据对应的预警结果集合，从而达到设备故障预警的最终目标。

然而，现有的高压电气设备故障预警方法仍存在一些问题。如所使用的数据不够完备、设备故障类型的识别不够准确、预警阈值设置不够合理、预警方法的自适应能力不强等［4］。因此，本研究提出了一种高压电气设备故障运行状态自适应预警方法，旨在提高预警方法的准确性和自适应能力。

1 高压电气设备故障运行状态自适应预警方法设计

1.1 建立高压电气设备故障运行状态数据库

本研究设计的高压电气设备故障运行状态自适应预警方法的关键环节是数据库的设计［5］。其中的数据主要源自数据库中所储存的电压、电流、频率、温度等信息，以便预测可能出现的问题［6］。在电力参数传输完成后，高压电气设备便能进行读取操作，将其与特定的数据库进行连接，确定请求时间，并在完成特定的数据采集任务后，更新相应的数据。本研究结合DataGrid控件（如平板电脑）和ADO控件，成功开发出一个强大且灵活的数据库。数据库中部分数据见表1。

通过将数据库表的值与PV值以及故障定位算法一起进行比较，识别并预测出故障发生的类型和在数据库的位置，从而为高压电气设备故障运行状态自适应预警奠定坚实的数据基础。

1.2 构建高压电气设备运行状态模型

根据创建的数据库，利用所收集、分析和处理的数据来判断自动发电厂的运行状态，从而建立高压电气设备运行状态模型。

高压电气设备的运行状态模型在预警和信息公开方面取得了一些进展［7］。待执行的设备应具有n个处于执行状态的测量点[t]，这些测量点[t]应与另一个测量点相连。在测量期间观察到的数据应被定义为设备的位置矢量［8］。如果[X]用于描述高压电气设备位置的矢量，则存在的关系见式（1）。

式中：[X（1）、X（2）、X（m）]分别表示第1次、第2次及第[m]次高压电气设备位置预测参数；[T]表示转置参数；[Xobs]表示在采样期间高压电气设备位置的评估值。

当考虑任何[Xobs]组或模型时，应产生一个对[m]维权重向量。则以下关系成立见式（2）、式（3）。

上述式中：[W]表示权重向量；[w1，w2，…，wm]分别表示[X（1），X（2），…，X（m）]的权重参数；[D]表示历史状态矩阵，用于明确展示高压电气设备在不同环境和工况条件下的状态。

为确保清晰呈现设备状态，需挑选适合的[D]值见式（4）。

式中：[X（m）n]表示第[n]次迭代下的第[m]个历史状态参数。

高压电气设备运行状态模型的输出和输入的剩余值应表示为2，并取得剩余的最小化结果，残差最小化结果见式（5）。

当只需计算变量[Xobs]时，需要计算[D]中每行的数据和权重向量，所构建的高压电气设备运行状态模型见式（6）。

式中：[Xi（1），Xi（2），…，Xi（m）]表示不同的高压电气设备位置变量。

由式（6）可知，通过将历史状态变量值[D]与等效权重[z]相乘，得到的结果即为[X]。如需改变相应的参数值，在计算[W]的权重时，可采用欧几里得距离进行简化运算，将[Xi]、[DT]相乘，以利用更为简便的模型实现高压电气设备运行状态识别。

高压电气设备运行状态模型涵盖了自动发电厂在不同运行条件下的运行状态。根据自动发电厂运行过程的状态，可以利用该模型获得状态矢量作为输入和输出值，以期提高输出预警的准确度。

1.3 实现高压电气设备故障运行状态自适应预警

首先，利用故障运行状态数据库中的某一重要故障特征，将配电设备的运行状态分为：有故障和无故障。同时，将故障类型分为少数类和多数类。对于样本数量较少的类型，将其记为无故障。由于计算自由数据集的最近邻域值的方法样本较少，因此使用欧几里得距离来获取其到无故障类数据集的距离，该距离即为近邻值。

其次，根据自由数据和故障数据的百分比，可以确定一个阈值。这个阈值可以用来判断样本数量是否过量。具体来说，可以从每个故障自由数据的无故障值中随机选择多个数据，以确保样本数量不过量。这样可以保证样本的多样性和代表性，同时避免样本数量过多而导致计算量和内存消耗的增加。通过这种方法，可以有效地利用自由数据和故障数据，提高模型的泛化能力和准确性。

最后，对于上述随机选出的多个近邻值，利用构建的高压电气设备运行状态模型进行计算，以此实现设备运行状态辨识见式（7）。

式中：[x]表示电气设备运行状态参数；[xk]电气设备运行状态偏移参数；[rand（0，1）]表示（0，1）之间的随机数。

配电设备运行状态监控与故障预警方法可以在连续运行过程中不断提高故障状态辨识准确性，同时增加对各类故障预警覆盖的范围。高压电气设备故障运行状态自适应预警流程如图1所示。

本研究根据高压电气设备运行状态模型进行计算，实现有无故障状态的分类，从而确保预警数据的准确性。

2 试验论证

为了验证本研究所提方法的可行性，搭建了一个统一的试验平台，分别采用了3种不同的方法进行故障预警：传统方法1、传统方法2及本研究所提方法，并将这3种方法的预警召回率结果进行相关对比。其中，传统方法1为潘伟伟［4］提出的基于深度学习的电气设备故障智能预警方法；传统方法2为魏岸若［5］提出的基于数据驱动的电气自动化设备运行故障预警方法。

2.1 试验准备

以某热电厂为试验对象，为了深入验证本研究所提故障预警方法的效果，需根据不同设备情况选择该电站的7个主要设备，包括继电器、水电管道、能源供应、压力阀、气泵、传感器和循环线。并在确保试验环境相同的情况下，对本研究所提方法进行试验。实验控制器使用高质量的微处理器为IE48N3AC30型号，并在计算机上运行故障报警程序。测试环境如图2所示。

2.2 对比试验

利用上述试验设备，统计采用本研究所提方法、传统方法1和传统方法2在不同信噪比下对设备进行预警的召回率结果如图3所示。

由图3可知，采用本研究所提方法对4种设备进行预警，随着信噪比的增加，召回率均呈现缓慢下降趋势。当信噪比在20 dB～80 dB范围时，本研究所提方法的预警平均召回率均在90%以上，高于传统方法1和传统方法2的预警平均召回率。因此，采用本研究方法在不同信噪比下预警的召回率最高，预警效果较好。

3 结语

本研究通过深入研究和探讨高压电气设备故障预警技术的现状和发展趋势，提出了高压电气设备故障运行状态自适应预警方法。试验结果表明，该方法能够提高预警效果，为高压电气设备的安全运行提供有力保障。希望本研究的成果能够对高压电气设备故障预警技术的进一步研究和应用提供参考和借鉴。

参考文献：

［1］蒙康，滕伟，彭迪康，等.运行机理与数据双驱动的风电齿轮箱系统故障预警［J］.中国机械工程，2023，34（12）：1476-1485.

［2］蔺奕存，吴青云，姚智，等.火电厂回热系统高加故障预警方法及其应用［J］.工业仪表与自动化装置，2022（6）：109-113.

［3］孙爱东，田锦钊，李广.主副井绞车轴承运行状态监测与故障预警系统研究［J］.山东煤炭科技，2022，40（7）：204-206，209.

［4］潘伟伟. 基于深度学习的建筑消防电气设备故障智能预警系统研究［J］.中国新技术新产品， 2023（10）：143-145.

［5］魏岸若. 基于数据驱动的电气自动化设备运行故障预警研究［J］. 电气技术与经济， 2023（6）： 71-74，89.

［6］李小伟，陶毅刚，黎敏，等.配电网多级继电保护系统故障运行状态预警研究［J］.电子设计工程，2021，29（22）：97-101.

［7］王元峰，王林波，王冕，等.基于大数据的配电设备运行状态监控与故障预警系统设计［J］.自动化与仪器仪表，2021（1）：148-151.

［8］吴迪，黄太贵，叶海峰，等.密集通道灾害风险预警及辅助决策研究［J］.电工技术，2021（10）：185-186，189.

收稿日期：2023-12-08

作者简介：曹洋（1983—），男，本科，工程师，研究方向：电气设备运行。