高海拔地区的雷电分布及避雷器监测方法分析＊

2021-03-02逯宪斌武超罗福星李凯慧祁春刚

中国科技纵横 2021年24期

逯宪斌武超罗福星李凯慧祁春刚

（国网西藏电力有限公司检修公司，西藏拉萨 850000）

0.引言

高海拔地区的气候多种多样，容易出现雷暴天气，该地区每年都会出现较多的雷击导致输配电线路跳闸的情况，有些线路甚至在一年内会发生多次因遭受雷击导致跳闸的现象，有些雷击点还位于同一杆塔。通过分析高海拔地区的雷电分布规律和避雷器的运行状况，可以有针对性地采取技术措施，降低该地区输配电线路的跳闸率，并可以降低供电企业在输配电线路巡视中的工作量和人员投入。同时，避雷器容易因雷击而出现劣化现象，为此也有必要对避雷器的劣化情况进行监测，以保证避雷器的正常可靠运行。

1.高海拔地区的雷电分布

为了获取高海拔地区的雷电分布规律，需要对高海拔地区的落雷次数、落雷密度以及雷暴日等雷电监测数据进行相应的统计分析，并采用数学方法进行拟合，得出具体的雷电分布规律。对于雷电监测数据的来源，由于不同地区其地形地貌存在着较大的差异，在落雷次数上也有所不同，可以采用雷电定位系统，对不同气象的地区雷电分布数据进行采集[1]。当获取到雷电数据信息后，可以采用最小二乘法对雷暴日和落雷密度的关系进行拟合，从而得出该地区的雷电分布规律。获取到高海拔地区的雷电分布规律之后，就可以有针对性地布置避雷器监测系统，达到高效监测避雷器运行状态的目的。

2.高海拔地区的避雷器监测方法

2.1 避雷器监测系统的结构

高海拔地区的避雷器监测方法，可以采用人工智能技术，构建避雷器监测系统。在避雷器监测系统，需要采用传感器技术、网络通信技术和神经网络技术，对避雷器运行状态的数据信息进行分析和处理。其中传感器技术主要是用来对雷击电流等参数进行采集，网络通信技术主要是用来将采集到的数据传输到分析控制系统中，神经网络技术则可用来对所传输过来的数据进行集中的处理和判断，起着关键的决策作用。

避雷器监测系统的组成，主要包括了前端避雷器数据采集模块、数据传输模块和数据处理模块等。其中前端避雷器数据采集模块主要是借助性能较好的传感器，对避雷器的劣化情况进行全面的监测[2]。前端系统对避雷器劣化程度数据进行采集之后，再通过无线通信系统传输到监控中心，并发出相应的告警信息给运维人员，以便使得输配电线路及避雷器的运维人员能够及时掌握信息，安排人员进行处理，防患于未然。避雷器监测系统的结构图1所示。

图1 避雷器监测系统的结构

从图1中可以看出，传感器采集到的了避雷器的各类数据信息之后，再通过放大器以及数模转换之后，就可以将数字量通过无线通信系统进行传输到主站的后端系统，经过后端系统处理之后，就可以得到避雷器劣化情况的结论。由于避雷器的劣化是一个渐变过程，需要通过实时的监测，才能够保证及时发现避雷器的异常运行情况，故该避雷器监测系统应具备实时在线监测功能。

2.2 避雷器监测系统中的数据采集

由于避雷器监测系统在实际的应用过程中，需要综合利用多种不同类型的数据，才能够达到分析和判断避雷器运行状态的目的。当输电线路遭受到雷击之后，会在输电线路上形成一个较强的冲击电流，则避雷器监测系统中的数据采集模块就需要对冲击电流进行采样，并将采集到的数据信息加以存储。这些工作都已完成之后，就可以将避雷器监测系统中的主控制器发送输电线路的雷击信号。避雷器监测系统中冲击电流的采集程序流程图2所示。

图2 冲击电流的采集程序流程图

从图2中可以看出，程序首先是初始化外部中断，之后就进入到检测是否存在雷击信号的模块，如果避雷器中存在雷击信号，则触发外部中断，并接收所采集到的雷击信号数据。当程序判断已经接收完毕所有的雷击冲击电流数据信息之后，就可以将这些数据信息发生到数据处理程序模块中，如果没有接收完所有的数据，则程序将继续接收，这样就完成了对雷击冲击电流数据的采集。其中，数据采集功能模块和数据处理功能模块之后需要通过通信接口模块，才能实现数据信息的相互通信，保证数据信息在传输过程中的可靠性。由于数据信息在发生和传递的过程中，所采用的通信方式为无线通信方式，故在通信功能模块中还应加入数据信息的安全保护功能，保证这些数据信息不会被外界所干扰，或者被非法篡改，导致监测系统功能失效。这些都是在避雷器监测软件系统开发及设计过程中，需要重点考虑的关键问题，对于避雷器监测系统的实际应用性能也具有直接的影响。

2.3 避雷器监测系统中的数据处理

避雷器监测后端系统负责对避雷器运行数据进行处理，在数据分析和处理算法的选择上，应保证数据信息处理的高效性，才能够使得避雷器监测系统能够快速进行响应，及时发出避雷器的异常运行状态的告警信息。随着人工智能技术的发展，可以借助人工智能中的神经网络技术，来对避雷器运行数据样本进行训练，神经网络技术的应用原理结构图3所示。通过在避雷器监测系统中采用神经网络技术，可以提高避雷器监测系统的故障诊断及在线监测能力。

图3 神经网络技术在避雷器监测系统中的应用

从上图3中可以看出，可分为输入层、隐含层和输出层3个不同的数据计算层次，输入数据经过隐含层的处理之后，再经过输出层，得出具体的计算结果。其中对于输入层，可以选取评估避雷器绝缘状况的特征量，如绝缘电阻、泄漏电流等作为输入元素。在隐含层中包括了多个神经元，个数由样本数据在训练过程中的收敛速度以及目标误差来决定[3]。对于输出量，可以设置4个不同的特征量，分别用来代表避雷器绝缘系统的4种运行状态，即用y1值代表避雷器正常运行状态、用y2值代表避雷器轻度劣化、用y3值代表避雷器中度劣化、用y4值代表避雷器严重劣化等。每个输出元素的数值大小在零与一之间，当数值越趋近与一时，则代表该避雷器的劣化程度越严重，从而量化评估避雷器的运行状况。

3.高海拔地区避雷器监测方法的应用

3.1 避雷器监测要点的应用

对于高海拔地区避雷器监测的要点，以氧化锌避雷器的监测技术为例进行分析。氧化锌避雷器对输配电线路的保护性能良好、质量较轻、性能也相对稳定，并且氧化锌避雷器在耐污性能上也较为出色。在输配电线路中采用氧化锌避雷器，能够有效限制输配电线路中的过电压，降低输配电线路因雷击而导致的跳闸事件数量。对于氧化锌避雷器的工作原理，当工作电压水平较低时，此时流过氧化锌避雷器的电流值较小。当工作电压较高时，此时由于氧化锌避雷器中的电阻快速降低，此时就可以起到释放电压能量的作用，达到保护输配电线路绝缘系统不被击穿的目的。避雷器在运行的过程中，承受着一定的运行电压，故会产生一定的泄漏电流，但该电流值相对较小。但当避雷器因受潮导致劣化时，此时避雷器的泄漏电流将会出现明显的增加。故利用这一避雷器监测指标，能够很好地判别避雷器的实际劣化程度，劣化情况越严重，则避雷器的泄漏电流越大[4]。当监测到避雷器中的泄漏电流超过了所设定的阈值之后，就可以启动报警器发出报警信息，实现对避雷器的动态实时监测。

3.2 避雷器监测系统的调试及应用

避雷器监测系统在投入实际应用之前，需要对避雷器监测系统的各项功能进行调试，保证避雷器监测系统的各项功能能够正常发挥。首先可以采用冲击电流发生器来模拟实际的雷击电流，观察避雷器监测系统是否能够可靠发生相应的告警信息。在避雷器监测系统的功能测试过程中，还应观察系统的数据采样是否准确可靠、无线通信系统的传输是否问题、硬件电路系统是否存在局部温度偏高发热的情况等，这些都是在避雷器监测系统测试过程中的关键技术要点和性能评价指标。在调试软件界面上，应合理设置好登陆模块、串口设置模块、地址设置模块、电流监测模块等。通过在调试终端中合理设置好各项参数信息后，就可以使得调试终端和避雷器监测系统相互通信，达到对避雷器监测系统调试的目的。在调试软件的设计中，应尽可能方便调试人员的操作，避免设置过于复杂的界面，否则会给调试人员登录设备后台系统增加困难，降低调试的效率。同时在应用功能的界面设计方面，应将避雷器的泄漏电流、放电次数、阻性电流以及放电时间等数据信息，展示在应用功能界面上，方便对避雷器的劣化情况进行查看。此外，还应该在功能界面上，展示出泄漏电流中的基波和谐波波形，以及各种波形的数值大小，以便进一步分析避雷器劣化的详细特点。