金属氧化物避雷器在线监测的评价模型研究

，，

（1.浙江省电力公司电力科学研究院，杭州310014；2.浙江省电力公司，杭州310007）

输配电技术

金属氧化物避雷器在线监测的评价模型研究

何文林1，张驰2，邹国平1

（1.浙江省电力公司电力科学研究院，杭州310014；2.浙江省电力公司，杭州310007）

通过理论和试验统计数据分析，指出了在线监测检出金属氧化物避雷器故障的有效性。基于形态学理论，构造了适用于在线监测数据处理的开-闭、闭-开和混合滤波器，并通过仿真计算验证了形态学滤波器的有效性。建立了金属氧化物避雷器本体温升、全电流、阻性电流、外观等状态量的评价函数，并通过引入状态量的权重因子获得了在线监测的评价模型，该模型可以对运行中的金属氧化物避雷器进行有效评价。

MOA；在线监测；形态学滤波器；状态评价；模型

0 引言

金属氧化物避雷器（MOA，Metal Oxide Arrester）以其流通能力大、保护性能好、结构简单等特点在电力系统得到了广泛的应用。由于MOA在运行期间要长期承受运行电压，阀片会出现老化现象；潮湿、污秽、雷击过电压等因素也会加速阀片劣化。如果对老化的避雷器不及时处理，将会导致避雷器击穿甚至爆炸，严重影响电网安全[1]。

长期以来，停电试验是检测MOA状态的主要手段。由于MOA在运行过程中逐渐老化，有些潜伏性故障在停电试验中难以及时发现；此外试验需要停电，除了影响到电力系统的正常运行外还存在周期长、成本高、维修过剩等问题。

近年来，随着传感器技术、人工智能及计算机网络等技术的发展，MOA在线监测技术在信号采集、数据传输等方面取得了长足的进步，在很大程度上推动了MOA在线监测技术的发展。目前国内外对于MOA的在线监测工作主要集中在状态量的获取、数据处理、在线监测设备的研制等方面，但是对于在线监测结果的评价尚未建立有效的模型[5]。因此，通过选取合适的状态量，建立基于在线监测状态评价的数学模型显得尤为重要。

1 MOA状态量检出有效性分析

1.1 MOA故障统计数据

根据对某省电网2004—2010年间110 kV及以上等级MOA的故障统计：巡检、停电试验和直接故障发现的MOA异常事件110台次；其中巡检53台次，占48.18%；停电试验45台次，占40.91%；直接故障12台次，占10.91%。图1是MOA故障来源统计分布情况。

图1 MOA故障来源统计

1.2 MOA直接故障分析

12台次的MOA直接故障可分为密封不良和并联电容设计不合理两类，其中11台次由于密封不良引起内部受潮，1台次由于内部并联电容设计不合理，可通过优化设计加以改进；密封不良外加环境气温剧变易引起设备发生故障，密封不良引起受潮的故障理论上可以通过在线监测MOA的全电流、阻性电流提前检出。

1.3 MOA电气试验结果分析

通过直流U1mA参考电压和0.75U1mA下全电流测出40台次MOA异常，通过底座绝缘电阻测出5台次。例行试验中发现：直流U1mA参考电压和0.75U1mA下全电流数据异常的MOA返厂解体显示，主要是密封不良导致内部受潮；底座绝缘电阻偏低的主要原因是底座内部积水。

试验研究表明：MOA受潮或老化时，必然伴随着全电流、阻性电流的大幅增大[3]。因此通过在线监测MOA的全电流和阻性电流，能够有效地检出其绝缘故障。图2是直流U1mA和0.75U1mA下全电流检测项目检出设备缺陷分布情况。从图中可以看出，在2006年之前直流试验检出的缺陷为总缺陷的85%；在2006年之后得益于新的在线监测技术的应用，电气试验的缺陷检出率一直维持在很低的水平，每年的检出缺陷占总缺陷的0%，5%，2.5%，7.5%。因此，利用成熟的在线监测技术（全电流、阻性电流、红外等）可以替代停电试验。

图2 直流U1mA和0.75U1mA下检出缺陷

2 在线监测数据处理方法

2.1 数学形态学及滤波器设计

电力系统在线监测是掌握电气设备运行状态、评估电气设备性能和保证电网安全的重要手段。但在线监测现场测量环境复杂，容易受到各种背景噪声和干扰的影响，监测数据很不稳定，从而影响故障诊断的准确性。因此如何采取有效的数据处理方法一直是在线监测技术研究的热点。目前，基于数学形态学的非线性滤波器已在数字信号处理中得到了广泛的应用[6]。

设原始信号f（n）和结构元素g（n）分别是定义在Df={0，1，…，N-1}和Dg={0，1，…，M-1}上的离散序列，且N≥M。则f（n）对于g（n）的膨胀和腐蚀分别定义为：

由式（1）与（2）可分别定义开闭运算：

由开闭运算的定义可知，开和闭运算分别具有削峰和填谷的作用，能够去除信号中毛刺、孔洞的影响。为了同时利用开闭运算的优点，可以将二者通过级联构成广义滤波器。采用相同的结构元素，通过不同顺序的级联运算可以构造如下形态学开-闭、闭-开滤波器[7]：

形态学开-闭和闭-开滤波器虽可同时滤除信号的正负脉冲噪声，但因开运算的收缩性导致开-闭滤波器的输出幅值偏小，闭运算的扩张性导致闭-开滤波器的输出幅值偏大，这样明显存在统计偏倚现象，将直接影响到噪声的抑制性能。为消除该缺点，可将以上两种运算组合并构造如下混合滤波器：

式中：ai是权系数，取a1=a2=1/2。

2.2 仿真分析

为了验证形态学滤波器的性能，仿真了1组MOA全电流在线检测序列，并通过计算分析不同滤波器的数据处理性能。

全电流理想信号是一幅值为500 μA，频率为50 Hz的正弦信号，即y=500 sin（314x），其波形如图3（a）所示。由于在信号检测中往往有随机噪声的干扰，设检测信号信噪比为20，则检测信号图形如图3（b）所示。

图3 理想信号和实际信号波形

考虑到理想信号为平滑的正弦结构，故选择半圆形结构元素，其中元素长度为20，圆半径为信号幅值的1/10。图4是经过膨胀和腐蚀后的信号波形。由图可知，经过运算后，信号出现了不同程度的扩张和收缩，信号平滑度大大提高。

图4 膨胀和腐蚀运算结果

为了获得更好的滤波效果，可以对信号采取混合滤波的方式。图5是信号经过混合滤波的波形，由图可以看出：经过混合滤波，检测信号的毛刺基本被除去，同时消除了图3运算中的信号扩张和收缩效应，滤波信号接近于原始理想信号。应该指出的是，仿真只是采用了一阶混合滤波器，如果应用经式（5）与式（6）多次开闭运算之后的高阶滤波器，将能够获得更好的滤波效果。

图5 混合滤波器运算结果

3 MOA状态评价

3.1 状态量选择

MOA在线监测的主要评价内容包括绝缘性能、温升、外观等方面，主要状态量有全电流、阻性电流、本体温升、外观状况等。MOA各状态量根据其重要性可以分为主要状态量和辅助状态量，并引入不同的权重因子，从而对MOA完成全面评价。表1为各状态量相应的评价信息，其中主状态量权重k1=k2=k3=0.8，辅助状态量权重k4=0.2。

3.2 状态量评价模型

3.2.1 本体温升

表1 MOA在线监测/带电检测状态量

通过红外热像仪检测MOA本体及连接部分，可以看到MOA的温度分布，MOA正常工作时，应为整体轻微发热，且热场分布基本均匀。其评价函数为：

对于不同电压等级的MOA，评价允许不同的温升和相间温差。其中110 kV允许温升1.0 K，温差0.5 K；220 kV允许温升1.5 K，温差0.6 K；500 kV允许温升3.0 K，温差1.2 K。

3.2.2 全电流

试验研究表明，当MOA受潮、内部元件接触不良或阀片老化时，全电流的幅值会发生明显变化。全电流的评价函数为：

3.2.3 阻性电流

研究表明，当MOA阀片老化时，阻性电流幅值增加很快。阻性电流的评价函数为：

3.2.4 底座状况

底座主要提供绝缘和支撑作用，要求底座绝缘良好，外观无破损。底座状况评价函数为：

3.3 状态评价结果

MOA评价起评分为100分，其中主要状态量扣分不超过80分，辅助状态量扣分不超过20分。根据各状态量的扣除分值可以得到式（11）所示的最终评价得分：

式中：p为缺陷因子，若该MOA存在家族性缺陷，p=0.95，否则p=1。

MOA的状态可以分为“良好”、“正常”、“注意”、“异常”和“重大异常”等5个结果。根据式（11）可以计算得到MOA的评价分值，状态评价结果可以通过表2的分值-状态对应关系获得。

表2 MOA评价结果与评价分值的关系

3.4 评价处理原则

状态评价结果为“良好状态”、“正常状态”设备的处理，按照Q/GDW-11-121《输变电设备状态检修导则》规定执行。对“注意状态”、“异常状态”、“重大异常状态”设备，按Q/GDW-11-113《金属氧化物避雷器状态评价导则》的要求进行状态评价及处理。

4 结论

MOA是防止电力系统过电压的重要设备，为了准确掌握MOA的运行状态，需要对其进行合理的评价。

（1）通过对MOA的故障统计数据进行分析，指出了MOA在线监测的有效性。

（2）利用数学形态学理论，构造了开-闭、闭-开和混合滤波器。通过仿真计算，验证了形态学滤波器对在线监测数据处理的有效性。

（3）利用MOA全电流、阻性电流、本体温升、外观状况等状态量建立了在线监测的状态评价模型。

[1]丁国成.金属氧化物避雷器在线监测的基础研究[D].保定：华北电力大学，2005.

[2]DL/T 393-2010输变电设备状态检修试验规程[S].北京：中国电力出版社，2010.

[3]程天翔，王寅忠，海世杰.电气试验[M].北京：中国电力出版社，2007.

[4]Q/GDW-11-113-2010金属氧化物避雷器状态评价导则[S].北京：中国电力出版社，2010.

[5]张怀宇，朱松林，张扬，等.输变电设备状态检修技术体系研究与实施[J].电网技术，2009，33（13）∶70-73.

[6]王楠，律方成.数学形态学滤波预处理tanδ在线监测数据[J].高电压技术，2003，29（7）∶32-33.

[7]谭向宇，许学琴，孙福，等.新型自适应广义形态滤波器在MOA在线监测数据处理中的应用[J].中国电机工程学报，2008，28（19）∶25-29.

（本文编辑：杨勇）

Evaluation Model for Online Monitoring of Metal Oxide Arrester

HE Wen-lin1，ZHANG Chi2，ZOU Guo-ping1
（1.Z（P）EPC Electric Power Research Institute，Hangzhou 310014，China；2.Zhejiang（Provincial）Electric Power Company，Hangzhou 310007，China）

Through the analysis on the theoretical and test statistical data，the effectiveness of online monitoring of metal oxide arrest（MOA）malfunction is verified.Based on the mathematical morphology theory，the open-closing filter，close-opening filter and hybrid filter for online monitoring data processing are constructed. The effectiveness of the filters is also validated through the simulation and calculation.The evaluation functions of quantity of state including body temperature rise，total current，resistive current，appearance etc.are established and the evaluation model of online monitoring of MOA is created by introducing the weighting factor of quantity of state.This model can perform effective evaluation of MOA in operation.

MOA；online monitoring；mathematical morphology filter；condition assessment；model

TM862

：A

：1007-1881（2012）09-0001-04

2012-01-20

何文林（1963-），男，浙江浦江人，高级工程师，从事电力系统设备状态检修和试验研究工作。