基于数字孪生的GIS智能变电站健康评估及故障诊断模型

吴学正,李树荣

(国网河北省电力有限公司雄安新区供电公司,河北 雄安新区 071000)

0 引言

变电站作为电力系统中电能输送的关键环节,其安全稳定运行对维持电网稳定、保证电力系统可靠供电意义重大。随着我国坚强智能电网的发展,智能变电站模块化建设已成为趋势,加之电网改造要求和用地紧张等因素,以气体绝缘开关设备(Gas Insulated Switchgear,GIS)为核心的智能模块化变电站已成为主流方向。《河北雄安新区规划纲要》提出要坚持数字城市与现实城市同步规划、同步建设,形成比特构建的数字虚拟城市,实现城市各类要素的数字化、可视化呈现与调配[1]。借鉴数字孪生城市建设经验,在数字空间映射与实体变电站完全相同的数字孪生变电站,虚实交互,迭代共生,从而实现变电站设备全域感知、故障精准判断、定位准确清晰、预警及时有效,保证变电站安全可靠运行,降低变电站运维成本[2]。

现有研究多针对变电站某一类设备就故障诊断问题进行数字化建模,对变电站内多种设备同时建模的研究较少,且大多没有引入数字孪生模型概念,应用面较窄,得出的计算结果抽象,在指导实践工作时需要进一步转换。文章在现有GIS智能变电站中电力变压器、组合电器、开关柜三类主要设备故障诊断技术研究的基础上,结合数字孪生技术,提出了一种新型GIS智能变电站数字孪生模型。模型可实现GIS智能变电站内设备状态实时感知,利用故障诊断技术判断设备状态,通过三维实景模型实时展示并在出现异常时准确显示出预警(故障)位置和类型,提醒运维人员及时处理,从而保证变电站安全可靠运行,降低变电站运维成本。

1 变电站电气设备三维建模及软件选择

如果想要按实际比例大小还原出变电站内设备真实场景,就要用到三维建模技术。创建完整的变电站设备和环境的三维模型,才能真实再现设备环境状态,保证用户能够直观准确地定位设备故障。目前,三维建模软件的种类非常多(例如,Maya、3ds Max、Sketch up、Skyline、VRMap等),不同的三维建模软件在各自的领域都有不同的优势特点。由于变电站电气设备建模后还需要模拟出各类故障场景,而3ds Max可以在虚拟环境下构造出三维物体模型并设计出高质量的图片和视频动画,因此推荐选用3ds Max进行变电站电气设备三维建模[3]。

为了真实还原设备和环境的尺寸,可通过图片和变电站设备图纸,确定模型尺寸参数。建模完成后为使模型更加准确,可对模型外观进行美化。

2 GIS智能变电站设备故障诊断及评估诊断流程

GIS智能变电站一次设备包括:电力变压器、组合电器、开关柜及其他设备(如电容器、电抗器等)。由于其他设备故障种类较少,且故障诊断较为简单,通常仅通过布置红外温度传感器就能实现故障诊断,文中不再赘述。

2.1 设备故障诊断技术

2.1.1 电力变压器

作为电力系统中变电环节的核心设备,油浸式电力变压器造价高昂,结构复杂,在整个电力系统中扮演着至关重要的角色。电力变压器常见故障按照故障性质可划分为过热故障、放电故障和机械故障,由于机械故障最终都将转化为热或电的形式,因此仅分析过热故障和放电故障。按照不同的故障程度可将过热故障分为低温过热、中温过热和高温过热。放电故障可分为局部放电、火花放电和电弧放电。

对电力变压器状态监测分析的方法有2种,即化学分析监测法和局部放电信号监测法。由于局部放电监测需要大量的传感器和复杂的算法来完成监测分析,因此,采用化学分析监测法。油中溶解气体分析法(DGA)作为一种典型的化学分析监测法,只需在变压器本体布置少量的传感器,利用常规智能算法(例如,人工神经网络算法、支持向量机算法)就能给出监测结果,因此在实际中得到了广泛的应用[4-7]。本文推荐将油中溶解气体分析法应用于变电站电力变压器故障诊断模型中。

分解气体含量与油温关系表明,低温过热时,油中溶解气体成分主要是CH4,其次是C2H4,CH4与C2H4占总烃的比例高达80%;当出现中温过热时,C2H4和H2的含量和占比会急剧上升,占比最高可达60%;当发生高温过热时,油中的特征气体主要是C2H4,其次是CH4,二者含量占总烃的比例超过80%。

局部放电发生时,一般总烃含量不高,油中溶解气体中H2含量占总氢烃含量的比例高达90%,是此类故障的主要特征气体,其次为CH4,此气体含量占总烃含量的比例高达90%。当局部放电能量密度达到一定程度时会产生少量的C2H2,但占总烃的比例一般低于2%,可以作为定性局部放电的重要标志。火花放电时的总烃气体含量较低,溶解于绝缘油中的特征气体主要成分为C2H2和H2,C2H4占总烃比例低于20%,H2占氢烃比例高于30%,在某些情况下C2H2占总烃比例最高可高达90%以上。电弧放电时的总烃含量较高,主要成分依旧以C2H2与H2为主,其次的特征气体为C2H4与CH4[4]。以上数据特征均可作为变电站电力变压器故障诊断的主要判据。

2.1.2 组合电器

组合电器即气体绝缘开关设备,通过将母线、隔离开关、断路器、接地开关、TA、TV、避雷器等装置安装在一个密闭空间里,用SF6气体作为绝缘介质,有效增强了设备间的绝缘性能,降低了设备体积和设备间的绝缘距离,从而大大减小GIS的整体体积。当前GIS常见缺陷可分为3种类型,局部放电缺陷、发热型缺陷和机械型缺陷,具体分类及检测方法详见图1。

图1 GIS设备缺陷类型及检测方法

GIS设备从投入运行直至设备退役,发生故障的统计概率随投运年限的变化曲线,称为“浴盆曲线”,如图2所示。曲线表明,电力设备一般不会瞬时发生故障,而是由于之前微弱的潜伏性缺陷在各种应力作用下逐步发生劣化,直至绝缘劣化到足以被传感器检测到物理、化学现象。这个刚刚能够检测到的缺陷程度成为“潜在故障点”,一旦设备达到这个故障点后,劣化进程将加快,需要采取措施,阻止进一步劣化到功能故障点。

图2 组合电器设备故障“浴盆曲线”

选取评估指标时应综合考虑以下三方面内容:一是尽量多的从诱发故障的机理方面选取联系最密切的状态参量;二是从现有测量技术角度综合分析并优选可测量的状态参量;三是必须从智能化评估角度建立科学有效的绝缘评估模型。

关于组合电器故障诊断技术,李莉苹博士建立了基于脉冲电流法、超高频(Ultral-High Frequency,UHF)法和化学检测法的局部放电(Partial Discharge,PD)联合检测系统,通过现场和实验室模拟试验,获得了表征GIS设备绝缘状态的PD电气参数和PD化学参量信息库,构建了基于PD电气参数和PD化学参量的故障诊断模型,并利用DS证据(Dempster-shafer evidence theory)理论同时融合2类PD参数优化故障诊断模型,提出了基于改进证据融合理论的GIS设备故障联合诊断法[8],具体内容不再详细说明。本文推荐采用李莉苹博士的基于改进证据融合理论的GIS设备故障联合诊断法作为变电站组合电器故障诊断方法。

2.1.3 开关柜

根据中国电力科学院有限公司对我国电网内不同电压等级的中压开关设备运行情况的调查,可知10 k V开关柜的主要故障类型包括:载流故障、绝缘故障、误动和拒动故障、开断和关合故障及其他故障,见表1。

表1 金属开关封闭设备事故分布

动静触头和电力电缆接头处发热是引起开关柜载流故障的主要原因,因此选取开关柜动静触头温度、电力电缆与母线接头处温度为载流故障检测状态量。开关柜绝缘故障的原因本质上是绝缘性能劣化,能表征电气设备绝缘性能的特征有局部放电、泄漏电流和介电损耗角正切值等特征量,但结合在线状态检测实际、采集精度及成本情况,本文推荐选用泄漏电流作为特征量检测开关柜绝缘故障。通过对开关柜内电场强度的分析,选取母线与电缆连接处的环氧套管的泄漏电流、电缆室内TA处的环氧套管泄漏电流作为绝缘故障的状态量。开关柜误动和拒动故障可分为操作机构故障和电气控制回路故障2类,这2类故障都可以通过分合闸绕组电流波形、储能电机电流波形综合判断,因此选用以上2种波形作为误动和拒动故障的状态量[9]。由于开断和关合故障占比较小且难以选择合适在线检测指标,本文不推荐对其进行检测。

2.2 各类主设备健康评估及故障诊断流程

通过对以上变电站主设备的故障诊断技术研究,发现其健康评估及故障诊断流程是一致的,区别仅在于监测手段及对象、评估诊断方法,因此各类主设备的健康评估及故障诊断流程可规范统一,如图3所示。

图3 主设备健康评估及故障诊断流程

图3中各主设备传感器检测结果数据按主设备类型可分为4类,不同类型包含的数据内容不同。对于电力变压器数据内容主要包括CH4、C2H4、H2、C2H2等气体的油中溶解气体含量;对于组合电器数据内容主要包括超声波/特高频局放检测、红外检测、X射线检测等PD电参数和SF2、SF4、S2F2、SO2F2、SOF4等气体含量;对于开关柜数据内容主要为泄漏电流大小;对于电容器、电抗器等其他一次设备数据内容主要为测点温度。关于评估及诊断方法,电力变压器可选用油中溶解气体分析法(DGA),组合电器可选用基于改进证据融合理论的GIS设备故障联合诊断法,开关柜及其他一次设备可采用检测指标对比指标体系阈值定性的方法。

3 GIS智能变电站健康评估及故障诊断数字孪生模型

3.1 模型建立

智能变电站主设备点多面广,运行特征各异,传统的运维检修模式在信息传递时容易出现偏差,不能随意拆解或操作现场设备,因此难以精准进行设备健康评估及故障诊断。数字孪生概念提出后使得物理世界与数字虚拟世界有了沟通的桥梁。由于数字孪生具有高保真性、可扩展性、互操作性等典型特征,自其诞生以来便在电力系统、电力设备数字化进程中发挥了重要作用。数字孪生的典型特征能弥补传统运维检修模式因信息保真性不高及互操作性差,造成难以精准进行设备健康评估及故障诊断的缺点。

本文在选定变电站主设备的健康评估及故障诊断方法的基础上,提出了一种基于数字孪生的GIS智能变电站主设备健康评估及故障诊断模型。该模型可完成对GIS智能变电站实体的数据映射,实时动态显示变电站实体传送过来的各种数据,通过数据判断出变电站实体运行状态并在判断出异常时在模型中相应位置给出明显预警提示。模型建成应用需要在变电站实体布设监测指标对应传感器的基础上,建立设备运行数据转换中心、设备健康评估及故障诊断中心。GIS智能变电站故障诊断模型如图4所示。

图4 GIS智能变电站健康评估及故障诊断模型

GIS智能变电站实体设备运行数据由接入信息专网广泛布置的各种传感器采集加密传出,通过设备运行数据提取转换中心提取收集并转换,之后数据流转到变电站设备健康评估及故障诊断中心,过程中部分需要显示的数据发送到孪生模型中实时显示。

3.2 算例分析

设备健康评估及故障诊断中心接收到数据后要进行数据分析,主变压器、组合电器、开关柜及其他设备4个功能模块分别将数据中需要用到的内容提取出,运用各自的评估及诊断方法进行健康评估及故障诊断,同时将部分数据存储更新。设备健康评估及故障诊断中心得出结果后,发给运行数据转换中心,并通过其转发给变电站孪生模型进行显示,为运维检修人员对实体设备的运维和检修提供参考意见。例如,某日10:00,某变电站GIS设备间隔运行数据提取转换中心提取布设在设备内部的传感器数据(包括特高频局部放电检测结果,红外检测结果,SF2、SF4、S2F2、SO2F2、SOF45种气体含量,SF6气体压力,气室温度),将数据发送给设备健康评估及故障诊断中心,过程中将SF6气体压力和气室温度参数发送到孪生模型进行显示。设备健康评估及故障诊断中心接收到数据,由组合电器功能模块调用基于改进证据融合理论的GIS设备故障联合诊断法,进行设备健康评估和故障诊断。经评估诊断,该间隔内出线电缆仓气室出现电晕放电,立即将评估诊断结果发给运行数据转换中心,并通过其转发给变电站孪生模型进行告警显示,如图5所示。

4 结束语

通过对GIS智能变电站主变压器、组合电器、开关柜等主要设备故障诊断建模技术的研究,利用数字孪生技术,建立了一套基于数字孪生的GIS智能变电站模型。该模型不仅可以同步显示实体变电站各仪表的数值,而且能基于实时数据和历史数据,对设备进行健康评估及故障诊断,并在模型上将结果进行三维立体展示,使得各设备运行状态一目了然,故障类型及位置指示准确。该模型可减少运维人员现场巡视的工作量,提前对可能发生的设备故障发出预警,并在模型准确位置给出警示,为检修人员进场消缺提供参考和指示,早期消除潜在故障点,防止故障发生。

图5 某变电站GIS间隔告警显示