基于无源无线智能型避雷器在线监测器研究及应用

广东电网有限责任公司阳江供电局 张 强 袁世男 付晴晴

1 MOA在线监测原理及技术分析

1.1 氧化锌避雷器机理

在持续运行电压下，正常MOA 的内部持续电流中以基波为主，包含容性成分和阻性成分，主要为基波成分，除含有基波成分外还含有丰富的谐波成分，这是由MOA 的非线性特性造成的。在正常状态下MOA 阻性电流远小于容性电流，根据在相位上的特点，在峰值点处正好过零点，因此全电流中该点的值即为阻性电流的峰值。由于和该项电压同相位，因此只要引入该项PT电压信号即可确定峰值点，从而实现精确测量分量。同理，采用PT 电压信号同时可以精确测量分量[1]。

由于MOA运行过程中周围电磁干扰的影响，特别是邻相的干扰较为严重，使得在本相的阻性电流的相位发生偏移。对比分析理想状态下、仅考虑本组邻相干扰和非本组邻相干扰引起的MOA泄露电流的等效电流和向量分析图可知：在MOA实际运行时，对于周围存在本组和非本组带电设备运行时，对MOA的持续电流耦合干扰比理想情况下更为复杂，在这种情况下所测量得到的三相MOA持续电流无论在幅值上还是在相位上都产生复杂变化，此时即使引入母线电压信号也难以正确测量出其阻性电流。

本项目采用数字化监测技术对站内MOA实现在线实时监测，并将监测后的数字信号以无线方式传送给数据采集终端，终端对采集来的数字信号和同步送来的母线电压信号进行数字信号分析和处理，采用智能处理算法对MOA的运行状态进行准确判断，实现对MOA运行状态的实时正确监测，该方法基于母线电压信号的补偿法实时解算MOA运行过程中的阻性电流。为消除周围复杂电磁环境对阻性电流测量精度的影响，本项目研究并开发智能补偿算法，从已被干扰的阻性电流中提取出正确的阻性分量，以实现对MOA运行状态的准确判断，真正实现MOA故障的早期检测[2]。

1.2 氧化锌避雷器的传统测量方法

目前国外对避雷器在线监测采用双AT法和基于温度的测量方法[1]。双AT法仍是监测MOA的泄露电流，一个是AT传感器采样正常电流、另一个AT传感器测量在过电压情况下冲击大电流的峰值并记录MOA动作次数,并根据2.5和20kA的参考电流值来区分MOA动作原因(如区分雷击或操作过电压等)。信号经A/D转换后进行数字信号处理,用光纤所取电压信号来判断电网谐波对测量泄漏电流阻性分量的影响。为了区别泄漏电流的增大是否为温度引起,设置了一个温度传感器取MOA附近环境温度。双AT法依靠强大的支持软件来实现在线监测功能，同时考虑了来自电网的谐波和温度的影响，实现功能较强大但经济性不够好，高压MOA长期稳定性还有待时间检验。

德国开发了声表面波(SAW)温度传感器,该传感器无需电源,由振荡器发出高频信号(频率30MHz～3GHz),再由放在阀片间的SAW传感器接收该信号,并反射出带有温度信息的信号,由现场接收装置收集该高频信号,经数字信号处理,参照环境温度后得到相关温度信号波形，用来测量MOA工作时产生的温度，在MOA老化和受潮时温度会逐步上升，用来反应MOA的运行状况。该方式对正在制造并准备安装的MOA很有用途，但对已投入运行的MOA无法使用。

目前国内也有不少厂家已开始开发并使用避雷器在线监测系统，一般是采用全电流法和母线电压补偿法。采用全电流法是在原来在线监测器的基础上将全电流信号采集处理，通过全电流的大小的变化来监测MOA的运行状态。这种测量方式对于受潮劣化的MOA的状态监测较为实用，但对由老化引起的MOA状态变化、特别是早期的故障监测不灵敏，造成只有在故障非常严重时才能在全电流中反应出来。

为此，不少厂家开发了采用母线电压作为参考信号求取阻性电流分量的方式进行MOA状态的在线监测，这种方法虽可对MOA受潮和老化引起的状态变化进行监测，但由于在实际运行过程中周围复杂的电磁环境，特别是附近带电高压设备的耦合干扰影响，使得以母线电压为参考信号的阻性电流测量值不能正确反映实际的MOA阻性电流的变化情况，容易对MOA的运行状态造成误判断，不能有效实现MOA运行状态的准确监测。

2 变电站避雷器无源无线智能型在线监测性能研究[2]

对避雷器运行时的所有参数进行实时在线数字化采集。氧化锌避雷器瓷套内部泄漏电流及其阻性分量、瓷套外部泄漏电流、避雷器过电压动作次数等运行参数均由该装置同时实时就地数字化采集，实现了对避雷器全运行参数的数字化监测；对MOA数字化后的信息进行全数字滤波处理。基于先进的处理器芯片和算法，对MOA运行参数中的强干扰信号进行数字滤波，还原被干扰淹没的MOA运行数据，克服常规滤波器在滤除干扰时不能完全复现原始实际信号的缺点；自动组建避雷器运行状态知识库，自主完善预测数学模型。通过实时采集避雷器的运行参数，采用智能算法组建避雷器运行知识库，基于知识库和实时信息的反馈，自主完善和修改MOA运行状态的预测模型，作为避雷器运行状态判断的依据。

对避雷器运行状态进行智能判断。基于对避雷器运行参数的监测信息，特别是阻性分量的监测信息，并基于自动组建的知识库信息，采用历史数据、同类设备相似数据以及纵向横向对比等智能复合判断算法，可准确可靠地对避雷器的运行状态进行智能判断；充分利用避雷器的泄露电流提供能源。彻底避免了采用电池供电需要更换电池及外部供电方式引起的使用上的维护问题。此外，该无线监测器能够自动记录并存储避雷器初始运行时的持续电流、永不丢失，方便对比避雷器运行过程中持续电流的变化量，实现自动对避雷器运行状态的准确判断。

3 无源无线智能型变电站避雷器在线监测技术难点

强干扰环境下MOA微弱持续电流信号检测与数字化采集和远距离传送。由于MOA的非线性特性，在正常运行电压下其泄露电流一般是微安级别，即使是500kV的MOA泄露电流也不到2mA。而避雷器周围及本身都是高电压大电流强电磁场环境，对该强干扰环境下的微弱小电流信号的检测和提取，是对MOA进行智能在线监测首先需解决的问题。

避雷器动作次数的准确检测和可靠保护。避雷器在发生系统过电压或雷电作用时需瞬时通过大电流，该电流根据来源不同变化范围很大，从数安培到数千安培不等，且该电流的发生时间和大小都是随机的，因此需随时正确监测避雷器的动作次数，并在监测的同时不会对监测电路和单元造成损害，这也是避雷器正常工作须监测的项目和内容，需监测单元既能具有宽的监测范围和高的灵敏度，又具有强大的抗大电流冲击能力，确保在实现正确监测动作次数的同时本身能够安全工作、不受损害，这也是在MOA在线监测中需要面临和必须解决的难题。

避雷器运行状态的智能准确判断。对强干扰环境下监测到的MOA的微弱持续电流信号，含有邻相及周围高电压大电流电磁场环境耦合进来的复杂的干扰，即使借助于母线电压信号也难以分离出正确的阻性电流分量。因此需针对该种信号展开深入研究，开发人工智能算法，从强干扰背景下的微弱信号中提取出正确的阻性分量，以实现对避雷器运行状态的准确判断，这是本项目研究需要解决的关键问题和难点。

结论：无线传输信号符合电网《电力设备传感器微功率无线接入网通信协议》要求，无需现场任何改动即可实现传统避雷器在线监测器直接升级替换为泛在电力物联网无线智能传感器，既兼容了传统在线监测器全部功能，又满足了泛在电力物联网的无线远传要求，现场应用前景广阔。