高压电气设备局部故障智能诊断系统探究

【摘 要】本文针对以往使用人工巡检、脉冲电流检测法受到电磁干扰影响，导致表面放电、电晕放电故障诊断结果不精准的问题，设计基于改进深度学习的高压电气设备局部故障智能诊断系统，设置地线推挽开关电路、吸波抑制电路，使油温油位监测子系统通过RS45接收电位信号，提升抗干扰能力;利用改进深度学习方法建立故障识别模型，并根据模型输出阵列，设计故障智能诊断流程，识别高压设备局部故障;实验结果表明该系统表面场强分量大于击穿场强时，在2-12 V电压范围内，放电频率高于38 khz，诊断结果较好。

【关键词】改进深度学习 高压电气设备 局部故障 智能诊断

【中图分类号】G  【文献标识码】A

【文章编号】0450-9889（2021）27-0173-04

高压电气设备不断投入扩大了电网规模，其电气设备正常使用，成为整个电力系统不可缺少的一部分。由于电力系统中大多数设备是在高压条件下运行，这些电气设备一旦出现故障会影响电力系统实际运行情况，有可能给电网经济带来不可预估的经济损失。电气设备故障会影响高压电场，并由此产生局部放电现象。因此，在绝缘区域电场强度较低情况下，容易出现击穿场强现象，放电情况极为分散。尽管使用人工检查方法在一定程度上能够解决电力高压电气设备局部故障问题，但不能实时监测电气设备运行状态，导致电气设备局部故障无法得到有效诊断。为此相关研究者对其进行了很多研究，并取得了一定成果。

陶诗洋、冯义、张天辰等的《基于脉冲电流法的高压开关柜局部放电在线监测装置》文献里设计了一种新型高压开关柜局部放电在线监测装置，用于监测电气设备局部故障。该方法首先分析开关柜局部放电现象，对其放电信号进行有效提取，并设计合理的电路，借助脉冲电流设计了检测故障的回路，通过实验检测该装置的灵敏程度，结果可靠。该装置可有效地对开关柜进行故障检测，但该装置适用范围较窄，存在一定局限性。张施令的《高压SF_6气体绝缘组合电器放电故障模式智能识别》一文里也设计并阐述了一种高压SF_6气体绝缘组合电器放电故障模式识别方法，该方法通过模拟固体绝缘件，确定高压设备故障类型，引入联合模糊迭代自组织数据分析方法对设备结构进行参数表示，通过蚁群算法对其中存在的故障进行智能识别。该方法可有效判断高压设备故障类型，但对其影响因子考虑甚少，存在诊断精度较低的问题。

为了弥补上述方法中存在的不足，笔者设计了一种新的高压电气设备局部故障智能诊断系统。通过系统硬件和软件设计，有效地实现高压电气设备局部故障智能诊断系统构建。

一、系统硬件结构设计

诊断系统硬件结构是由变压器局放监测子系统、接地电路、油温油位监测子系统及断路器监测子系统组成。通过变压器局放监测子系统可判断变压器铁芯多点接地故障。其原理是推挽开关电路使用两个金属氧化物半导体场效应晶体管进行交替导通/截止，抑制冲击电压。油温油位监测子系统的设计有利于对现场人员进行监控和维护。通过断路器监测子系统分析，并经A/D转换后，输出数字信号，最终完成硬件结构设计。

（一）变压器局放监测子系统

为提升设计系统的有效性，考虑到变压器对系统的影响程度，对其局放监测进行了子系统设计，其结构如图1所示：

结合图1所示变压器局放监控子系统，判断变压器局部放电监测子系统铁芯多点接地故障。

1.气相色谱分析

在气相色谱分析过程中，如果空气中甲烷和烯烃气体浓度较高，CO、CO2变化不明显，那么说明变压器堆芯过热。

2.监测接地线电流

在接地线电流监测过程中，使用监测钳形计监测铁芯是否能够正常接地。如果能够正常接地，那么铁芯外接引线上不会出现电流。如果不能，那么铁芯主磁周围出现短路现象，此时产生电流，该电流数值取决于故障点和正常连接位置，也就是短路匝圈内绕通量。

（二）接地电路

变压器用于大功率场合，常采用中间推挽开关电路。推挽开关电路输入输出之间有180°的距离，而开关电源的集成控制器A和B相的输出为180°，因此推挽开关电路可由功率MOSFET构成，直接驱动。另外，在无负载情况下，电路中功率MOSFET的漏极与源极之间会产生较高的电压。因此，功率金属氧化物半导体场效应晶体管的耐电压应留有足够的余量，以抑制冲击电压。中频功率电路一般采用半桥电路，即两个功率金属氧化物半导体场效应晶体管交替导通/截止。

（三）油温油位监测子系统

油温油位监测子系统由位移探测器和信号处理器组成，用LCD点阵显示监测结果。本系统实现现场实时报警和信号传输，有利于现场人员进行监控和维护。本系统可选择RS485通讯模式和 GSM无线公网报警传输模式，便于与其他设备连接，且抗干扰能力强，故障率低。本系统对波纹管箱内油位测量主要是检测波纹管的膨胀度，将波纹管的动态变化转换成型材的角度，以及与其连接的电位计的角度。利用 MCU将电位计的一部分转换成电位数字，通过RS45传输量子信号到二次测量。油温油位监测子系统如图2所示：

（四）断路器监测子系统

用多种监测仪器对高压电器设备工作状态的电流、电压等参数进行监测，提取所测电、非电信号，并将其转换成标准信号形式，输入数字信号采集裝置，经A/D转换后，再进行相应信号分析。断路器监测子系统如图3所示。

如图3所示，该子系统可从结构上分为数据采集和数据处理两个部分，使用Matlab 软件。采集器选用适合采集设备和传感器等硬件，并使用 C语言编写数据采集程序，实现数据快速、准确采集，系统可以完成对数据的处理。

二、系统软件部分设计

（一）故障识别模型构建

改进深度学习故障识别模型，如图4所示：

由图4可知，CSDN1框架是由第一层输入层和第二层隐含层组成，CSDN2框架是由两层隐含层组成，CSDNn框架是由第n层隐含层和可视层组成。

可视层vi与隐含层hj连接节能量可以定义为：

式中，w表示可视层与隐含层连接后所占比重，a和b分别表示不同的偏置量，θ表示模型参数。

为进一步说明改进深度学习工作过程，输入阵列中每一个元素对应一个可见层节点，以这种方式输入到每一个网络层，经过一系列的计算，每一个元素对应一个隐含层节点并输出阵列信号。

（二）局部故障智能诊断流程

根据构建的故障识别模型，设计局部故障智能诊断流程，如图5所示：

由图5可知，故障智能诊断步骤为：

1.原始特征提取

主要包括对电力设备振动原始信号的去噪、重构、分解等预处理。采用信号采集和信号处理相结合的方法，得到了较好的信号数据;最后提取信号的高压集。

2.特征空间转换

使用线性映射法将提取到高维信号特征映射为低维信号特征模式。

3.训练及故障识别

利用低维特征数据集ML的部分数据NL所建立的改进深度学习识别模型，通过优化算法得到稳定的标准改进深度学习模型，并以部分ML数据PL作为测试数据集输入标准改进深度学习模型，获得故障状态识别结果。

三、实验分析

基于改进深度学习的高压电气设备局部故障智能诊断系统能够将现场采集的视频数据传输到中央控制服务器，并在服务器中进行视频分析。如发现异常信息，保存异常图像，通过因特网传送到客户机，由工程师检查。与此同时，服务器将保留客户的基本用户信息，为工程师提供到技术交流平台，满足移动办公的需求，图6为网络结构示意图：

（一）高压电气设备局部放电故障分析

1.局部放电

当高压电气设备表面场强比击穿场强大时，受到高压电气设备使用材料中存在的气泡或孔隙影响，导致场强中出现局部放电现象，该现象最常出现在机壳法兰和电缆端子中。

2.电晕放电

导体表面电场受到击穿场强影响局部放电时，导体表面电场非常不均匀，容易出现电晕放电现象。尤其在高压电场中，电晕放电容易导致电极处产生负电量。

（二）实验结果分析

分别使用人工巡检、脉冲电流检测法和基于改进深度学习诊断法对表面放电、电晕放电故障情况进行诊断。

1.表面放电故障诊断

随机选取高电压电场中介质的A、B、C、D、E、F六个点，分别使用三种方法对表面放电故障进行诊断，结果如表1所示：

由表1可知，使用人工巡检方法诊断到的平行于表面场强分量均小于击穿场强，诊断结果没有出现表面放电故障问题;使用脉冲电流检测法诊断到平行于表面场强分量，只有在C处场强与击穿场强一致，其余均小于击穿场强，诊断结果没有出现表面放电故障;使用基于改进深度学习诊断法诊断到的平行于表面场强分量均大于击穿场强，诊断结果出现表面放电故障现象。对比之下，本系统诊断的效果更好。

2.电晕放电故障诊断

分别使用三种方法对电晕放电故障诊断，对比结果如图7所示：

由图7可知，使用人工巡检法，随着电压升高，放电频率逐渐增大，但在0-10 V电压范围内，放电频率均低于38 kHz，没有出现光辉放电现象。使用脉冲电流检测法，随着电压升高，放电频率逐渐增大，但在0～8 V电压范围内，放电频率均低于38千赫兹，没有出现光辉放电现象。使用基于改进深度学习诊断法，随着电压升高，放电频率逐漸增大，在0～2 V电压范围内，放电频率低于38千赫兹，没有出现光辉放电现象，在2～12 V电压范围内，放电频率高于38千赫兹，有光辉放电现象。

针对高压电气设备局部故障诊断精度较低等问题，笔者设计了一种新的高压电气设备局部故障诊断系统。该系统通过对变压器局放监测子系统、接地电路、油温油位监测子系统、断路器监测子系统以及故障诊断的改进深度模型，对高压电气设备局部故障进行有效诊断。实验结果表明，采用该系统可有效地对高压电气设备局部故障进行诊断，该系统具有一定可行性。

【参考文献】

[1]宋浏阳，李石，王芃鑫，等.基于动态统计滤波与深度学习的智能故障诊断方法[J].仪器仪表学报，2019（7）.

[2]宋思晗，王兴芬，杜惠英.基于改进深度学习算法的文本极性智能判断方法研究[J].现代电子技术，2020（1）.

[3]李俊卿，陈雅婷，李斯璇.机器算法在电气设备故障预警及诊断中的应用[J].科学技术与工程，2020（9）.

[4]陶诗洋，冯义，张天辰，等.基于脉冲电流法的高压开关柜局部放电在线监测装置[J].电力系统保护与控制，2019（9）.

[5]张施令.高压SF6气体绝缘组合电器放电故障模式智能识别[J].高电压技术，2020（2）.

[6]张欣，张静，高旭，等.采用局部时—频奇异值与优化随机森林的高压断路器机械故障诊断[J].高压电器，2020（6）.

[7]吴金利，马宏忠，吴书煜，等.基于振动信号的高压并联电抗器故障诊断方法与监测系统研制[J].电测与仪表，2020（1）.

[8]朱建新，陈学东，吕宝林，等.基于多维高斯贝叶斯的机械设备失效/故障智能诊断及参数影响分析[J].机械工程学报，2020（4）.

[9]韩宇，董波.一种基于线圈电流的高压断路器机械故障诊断方法[J].高压电器，2019（9）.

[10]刘慧鑫，张江龙，连鸿松，等.电气设备超标含气量数据分析与现场处理[J].高压电器，2020（5）.

[11]李龙，吴高林，张施令.高压断路器故障诊断的经验模态分解法应用[J].电气传动，2020（1）.

[12]王昱皓，武建文，马速良，等.基于核主成分分析SoftMax的高压断路器机械故障诊断技术研究[J].电工技术学报，2020（1）.

[13]吴瞻宇，董明，王健一，等.基于模糊关联规则挖掘的电力变压器故障诊断方法[J].高压电器，2019（8）.

[14]朱宁，吴司颖，曾福平，等.基于SF6分解特性的局部放电故障程度评估[J].中国电机工程学报，2019（3）.

[15]朱萌，梅飞，郑建勇，等.基于深度信念网络的高压断路器故障识别算法[J].电测与仪表，2019（2）.

【作者简介】卢芳革（1966— ），女，壮族，广西上林人，大学本科，广西安全工程职业技术学院副教授，研究方向为电工、电气控制技术及应急安全文化教育。

（责编 李 唐）