一种高压断路器健康水平诊断算法研究

2020-12-23王俊波

机电信息 2020年32期

王俊波

（广东电网有限责任公司佛山供电局，广东佛山528000）

0 引言

高压断路器作为电力系统“三大器”之一，具有举足轻重的地位，开展高压断路器健康水平评估工作尤为重要[1-5]。对于高压断路器健康水平的评估，目前电力行业普遍采用两种方法：一是阈值判别法，二是基于高维随机矩阵的健康水平诊断方法。

阈值判别法是根据各试验项目或在线监测量是否超过相关规程的规定值来判断，比如绝缘电阻不得低于10 000 MΩ、回路电阻不得超过出厂值或初始值的1.2倍[6]、分合闸时间不得超过出厂值等，其中任何一项指标超标则判断该高压断路器不合格，这种依靠单个或者多个指标是否超标的方式只能对高压断路器健康水平是否满足要求做出是与否的判断，无法反映高压断路器健康水平演变趋势，即无法实现高压断路器健康水平预警。

基于高维随机矩阵的健康水平诊断方法，利用高压断路器的开断磨损、电气特性、机械特性、绝缘介质4个方面的参数值构建基于高维随机矩阵的高压断路器健康水平矩阵，在每次进行试验或电气测量时完成对高压断路器的健康水平评估。理论上来讲，当矩阵的行、列超过100时才能称为高维矩阵，而在实际生产中对于单一断路器很难收集到100维的试验数据，所以该方法主要适用于同一厂家、同一型号的高压断路器，无法实现对单一高压断路器的健康水平诊断与预警[7-16]。为此，本文提出了一种新的高压断路器健康水平诊断算法。

1 算法流程

该算法流程包含7个步骤：评价指标矩阵构建、评价指标矩阵归一化、求取归一化矩阵的相关系数矩阵、求解备选主成分并确定主成分、健康度（脆弱指数）计算、报警阈值确定、高压断路器健康水平预警，具体流程如图1所示。

2 算法实现

图1 算法流程

高压断路器预防性试验项目包括绝缘电阻、分闸时间、合闸时间、分闸同期、合闸同期、SF6气体微水（针对六氟化硫断路器）、弹跳时间（针对真空断路器）、线圈低电压动作特性、交流耐压，其中绝缘电阻、分闸时间、合闸时间、分闸同期、合闸同期、SF6气体微水、弹跳时间的试验结果是量化的数据，可选择这7项作为评价指标构建评价矩阵，除绝缘电阻越大越好之外，其余指标都是越小越好，因此将绝缘电阻增加一个负号，让其与其他评价指标同向，以真空断路器为例，构建1×6矩阵（一行六列）如下：

式中：X1、X2、X3、X4、X5、X6分别为被评价真空断路器的某一次试验的绝缘电阻相反数、分闸时间、合闸时间、分闸同期、合闸同期、弹跳时间。

如果是六氟化硫断路器，则将X6由弹跳时间替换为SF6气体微水即可。

为消除数量级引起的数据差别，需要将样本数据X标准化处理为X*，具体计算方法如下：

归一化后的评价指标矩阵如下：

绝缘电阻、分闸时间、合闸时间、分闸同期、合闸同期、SF6气体微水、弹跳时间这些指标存在一定的相关性，计算归一化后的相关系数矩阵R如下：

由于归一化后的评价指标矩阵X*为1×6矩阵，则其转置矩阵X*T为6×1矩阵，于是相关系数矩阵R为6×6矩阵，如下所示：

求解R的特征值λ1≥λ2≥λ3≥λ4≥λ5≥λ6≥0及其对应的特征向量β1、β2、β3、β4、β5、β6。其中，βj=（β1j，β2j，β3j，β4j，β5j，β6j）为第j个主成分载荷矩阵。由特征向量组成6个新的指标变量，即主成分y1、y2、y3、y4、y5、y6，计算如下：

式中：yi为第i个主成分。

主成分要根据所有备选主成分的累计贡献率Z来确定，各备选主成分的贡献率Zi计算如下：

计算前n个备选主成分的累计贡献率Z，使得Z＞0.9，则可以确定主成分为n个（n＜6），累计贡献率Z计算如下：

根据高压断路器某一次试验结果，可以计算出基于本次试验结果的健康度，计算方法如下：

健康度作为高压断路器健康水平的综合评估指标，报警阈值要根据基于出厂试验值或初始试验值的健康度确定。出厂试验值是指高压断路器厂家提供的出厂试验报告中的试验值，初始试验值是指高压断路器交接试验的试验值，通过上述（1）至（6）步可以计算出基于出厂试验值或初始试验值的健康度ζ0，为排除系统误差并保留一定裕度，将1.1ζ0作为报警阈值。

根据高压断路器历次试验结果，按照上述（1）至（6）步计算基于每次试验值的出厂健康度，按照时间先后绘制健康度，并将1.1ζ0作为报警基线绘制在曲线中。每新增一次试验在曲线中增加一个点，根据是否越过报警基线可以判断高压断路器是否还能继续服役，根据曲线的变化趋势对高压断路器健康状态是否在发生劣化发出预警，据此可以个性化制定高压断路器的检修策略。

3 实验验证

佛山供电局某220 kV变电站某110 kV高压断路器在周期性停电预防性试验中发现，机械特性严重不合格，经过解体发现绝缘拉杆发生断裂，这种缺陷并非突发故障，而是一个缓慢发展的过程。本文选取该高压断路器的历史数据作为样本数据，使用Matlab编程实现章节2所提出的高压断路器健康水平预警算法，开展算法验证，结果如图2所示。