電力系統的狀態監測與故障診斷

隨著現代化大生產的發展和科學技術的進步，對電力的需求與日俱增，對電力生產設備的可靠性、經濟性以及穩定性提出了更高的要求。隨著電力的大規模生產，電力設備的結構越來越復雜，功能越來越完善，自動化程度也越來越高，各子系統的關系也越來越密切，一旦設備的某個部分在運轉過程中出現故障，就很可能中斷生產，造成巨大的經濟損失，甚至帶來災難性的后果。為保證電力系統安全、經濟、穩定運行，電力設備的故障監測診斷將從以時間為基準的方式轉變到以狀態為基準的方式，其內容包括狀態監測與故障診斷兩個方面：前者通過提取故障的特征信號為狀態維修提供檢驗依據，后者則分析、處理所采集的狀態信息。 示波器| 電阻測試儀| 電阻計| 電表| 鉗表| 高斯計| 電磁場測試儀| 電源供應器| 電能質量分析儀| 多功能測試儀| 電容表| 電力分析儀| 諧波分析儀

電力設備在線監測技術研究大致包括以下內容 ：1、在線監測手段 ；2、監測信息的傳遞、處理和存儲 ；3、故障特征量的提取 ；4、故障機理分析；5、故障診斷的方法和理論分析。其系統流程見圖1。其中，在線狀態監測技術以及故障診斷的方法和理論分析是其兩大研究方向。

圖1 電力設備狀態監測與故障診斷系統

電力設備在線狀態監測技術與系統

◆ 信號采集

電力設備在線監測系統是指在設備使用期內連續不斷檢查和判定設備狀態，猜測設備狀態發展趨勢的系統。通常通過設備運行狀態量反映設備運行情況，首先獲取診斷對象的狀態信息，采集電力設備的電壓、電流、頻率、局部放電量以及磁力線密度等信號(包括正常信號和異常信號)。根據表征設備狀態量的各種信號的不同特性而采用不同的信號采集方法，常用的采樣方法有：

● 一次性采樣，每次只采集一個足足數據處理所需長度的信號樣本。
● 定時采樣，按事前整定的周期進行采樣。
● 利用發生隨機故障時的信號突變自動采樣。
● 根據故障診斷的特殊要求采取轉速跟蹤采樣、峰值采樣等特殊采樣方式。

針對不同的電力設備和任務要求其狀態監測方法不同。變壓器故障主要由內部盡緣老化造成，因而根據變壓器各種機械和電氣特性，采用局部放電、油中氣體分析、振動分析、極化波譜、恢復電壓法等方法監測其運行狀態。交流旋轉電機發生故障的類型不同，故趨向于結合神經網絡、小波分析等監測電機的狀態。斷路器狀態的好壞的監測主要采用跳閘輪廓法和振動監測法獲得斷路器的狀態信息。

◆ 數據傳送

信號處理系統通常距監測設備較遠，由于在傳輸過程中易受干擾、易損失及相移難以一致(受環境因素影響較大)，故需先作模數轉換、預處理和壓縮打包，再經通訊路徑傳輸到處理控制中心。通訊設備現已廣泛應用于電力領域，光纖傳輸數字信號可較好地抑制干擾，保證信號質量。

◆ 數據處理

工控數據處理中心收到通訊線路傳輸來的狀態量數據包后，利用各種不同數學方法對數據解包處理。例如：頻譜分析、自（互）相關性分析、小波分析、神經網絡、人工智能等。數字信息技術和智能技術應用到電力設備監測系統的數據處理使電力設備在線監測更加實時正確。

目前，在線狀態監測還未達到完善、可靠的程度，尚存在以下題目 ：1、信號采集受傳感器可靠性和現場電磁干擾和設備靈敏度等因素影響；2、在并發診斷能力、自學習和自適應能力、大量數據的處理、治理能力方面不夠完善；3、理論上缺乏系統的知識體系、概念體系。

電力設備故障診斷技術

◆ 電力設備在線監測與診斷技術發展趨勢
● 電力系統監測與前沿性技術成果緊密結合，將計算機技術、通訊技術、人工智能技術、電力電子技術與設備診斷技術結合，使診斷技術不斷進步。
● 由以單臺設備為目標的在線監測向整體監測延伸。設備的狀態由多種參數綜合決定，故障維修不再局限某一設備，而是同時考慮整個電網設備的運行以及電力供求關系的調整。與集中式監測系統相比，從設備四周采集和處理數據的分布式多參數在線監測系統可以節省信號電纜，降低監丈量，進步了監測的可靠性，同時還可以做到資源共享。
● 設備狀態的遠程監測和網絡化的跟蹤。分布式系統的發展以及通訊技術在電力系統的廣泛應用，使設備診斷技術與計算機網絡技術結合，采集設備的狀態參數后可遠程傳送數據，遠程協作診斷。
● 狀態監測系統與其他系統聯網和集成。如在分布式的監控系統中將狀態監測系統與繼電保護有機結合。

總之，隨著傳感器技術和信息技術的日益成熟，在智能化理論(如神經網絡和專家系統) 的基礎上結合信號采集、數據分析為主的計算機輔助監測和診斷技術，可預見電力設備狀態監測與故障診斷將進進智能化的新時代。

電力設備故障診斷的過程可以概括為圖2所示框圖。

圖2 電力設備故障診斷的過程

可以看到，機械故障診斷主要包括四個步驟，即信號測取、特征提取、狀態診斷和狀態分析。在機械故障診斷的發展過程中，人們發現最重要、也是最困難的題目之一就是故障特征信號的特征提取。從某種意義上說，特征提取可以說是當前電力設備故障診斷研究中的瓶頸題目，它直接關系到故障診斷的正確性和故障早期預告的可靠性。為了解決特征提取這個關鍵題目，對于電力設備故障的特殊性，診斷方法就具有一定的特殊性。隨著電站發電容量的增大以及人工智能和計算機技術的迅猛發展，智能診斷方法在電力設備故障診斷中得到了廣泛的應用。目前應用較多的智能診斷方法是模糊診斷方法和規則診斷方法。

◆ 診斷技術
● 模糊診斷方法

在電力設備故障診斷中存在很多邊界不分明的事情，不能再用經典集合論中的二值邏輯關系來描述，必須用模糊集合論中的“隸屬度”來描述。這無疑可以進步故障診斷的正確性。但是鑒戒模糊數學的基本理論發展起來的模糊診斷方法，通常是利用反映征兆與故障相關程度的模糊關系矩陣，通過模糊變換來診斷故障，這是不正確的。由于從征兆出發往診斷故障，是根據征兆逐步確定和排除故障的過程，因此，需要明確的是征兆對故障的肯定和否定程度。根據征兆對故障的肯定和否定程度，可以建立模糊篩選矩陣，建立故障診斷的數學模型；利用模糊篩選矩陣可以反映故障存在的充分條件，可以考慮不同征兆之間的相互影響，能夠對故障隸屬度進行精確計算。但涉及的故障和征兆數目太多時，就可能難以分辨征兆之間的相互作用，且模糊篩選矩陣一般是根據機組故障的典型情況建立的，一旦確定后不能根據故障的具體情況靈活地進行調整。由于故障和征兆表現的多樣性，必須根據機組的不同狀態和故障可能表現的形式對模糊篩選矩陣進行修正。

● 規則診斷方法

規則是一種表示故障和征兆之間因果關系的形式。規則必須能夠正確地反映專家處理實際題目的整個思維過程，確切地表達故障和征兆之間的復雜映射性，不能簡單地以為規則只是某故障所有的征兆的任意組合。

在基于規則的診斷推理中，一般要求同一故障不同規則之間的條件條件是相互獨立的，這在故障和征兆存在復雜映射性的情況下是不可能實現的。因此，需要對不精確推理算法進行改進，不能在規則的條件條件之間和規則之間進行簡單的模糊加權運算，不能簡單地以為故障是通過某些征兆得到的。基于規則的診斷方法能夠根據機組故障的實際情況組織規則，具有較大的靈活性。能夠根據情況不同激活相應的規則，迅速確定和排除某些故障。能夠根據推理路徑對診斷結果進行公道解釋。能夠在一定的程度上改善單規則輕易發生沖突和不一致的現象。

● 混合診斷規則

顯然，單一的診斷方法已不能適應水輪機機組復雜故障診斷的要求。在其他的智能故障診斷方法中，人工神經網絡診斷方法能夠根據大量的故障機理研究以及經驗性的直覺知識回納出典型樣本，通過對神經網絡內部的競爭達到題目的求解，從本質上模擬專家的直覺。基于案例的診斷推理能夠利用以前解決類似題目的經驗，診斷結果易于理解和接受。基于模糊診斷推理能夠利用機組結構和故障機理等深知識來區分故障之間的層次關系和因果關系，能夠診斷出系統中從未發生過的故障。當然，它們只是這些診斷方法理論上所具有的優越性，能否在實踐中真正發揮作用，取決于這些診斷方法是否真正體現了故障診斷的本質。假如對所有征兆的作用不加區分，僅根據不同的征兆的權值計算案例的相似度，可能得不到正確的診斷結果。

狀態監測與故障診斷實例

超高壓主干變壓器是電力傳輸系統的關鍵設備，其運行的可靠性直接關系到電力系統的安全與穩定，而局部放電又是造成其盡緣故障的重要原因，因此對變壓器進行局部放電在線監測，為電站的變壓器實現狀態檢驗與維護提供可靠、正確的決策依據和符合市場經濟規律的現代治理和維修的科學模式具有重要意義。與傳統的檢測方法相比，變壓器局部放電超高頻(UHF)檢測技術具有檢測頻率高、抗干擾性強和靈敏度高等優點，更適合局部放電在線監測。它通過接收電力變壓器局部放電產生的超高頻電磁波，實現局部放電的檢測和定位，現已被國內外的眾多電力變壓器監測研究機構所認可。

圖3 電力變壓器在線狀態監測與故障診斷系統實例

變壓器超高頻局部放電信號的頻率均在300MHz以上，甚至超過1GHz，如此超高頻放電信號，常用的A/D采集卡在采樣率和存儲深度等方面是很難滿足要求，而且局部放電丈量通常只關心信號的峰值及其出現的相位，因此，必須對信號進行處理，將信號調整到通用大動態范圍高速采集卡能處理的頻率范圍，并保存其峰值和相位等特征，達到既能檢測信號，避開干擾，又降低技術要求的目的。基于混頻技術的超高頻局部放電檢測便能實現這一功能。

圖4 基于專家智能系統的變壓器診斷系統的框架

變壓器局部放電超高頻檢測技術的具體方法為：變壓器中局部放電發射的電磁波經超高頻傳感器(檢測頻帶為400～800MHz) 耦合接收后，將放電信號轉換為電壓脈沖信號，然后經過超高頻接收機的混頻、濾波、檢波和放大處理后，局部放電超高頻信號可降頻為0～5MHz信號，最后將處理過的高頻窄帶信號送進研華工控機ACP－4001內的數據采集卡PCI－1714（采樣頻率為30MS/s采樣率）進行數據采集、處理和分析，整個硬件系統的結構如圖3所示。由于變壓器故障的特殊性，診斷方法就具有一定的特殊性。隨著人工智能、專家系統和計算機技術的迅猛發展，智能診斷方法在水輪機機組故障診斷中得到了廣泛的應用。基于專家智能診斷系統的變壓器故障診斷的框架見圖4所示。