油色谱在线监测装置异常情况及特征分析

2022-03-23童军心周梦垚钟圆美惠

江西电力 2022年2期

童超，童军心，周梦垚，钟圆美惠

（1.国网江西省电力有限公司电力科学研究院，江西南昌 330096；2.南昌大学，江西南昌 330096；3.国网江西省电力有限公司赣州供电分公司，江西赣州 341000）

0 引言

电力变压器是电力系统中能量传输的枢纽设备，其运行可靠性直接关系到电力系统的安全稳定运行。随着在线监测技术的发展，变压器油中溶解气体分析（DGA）作为诊断变压器故障的方法成为研究关注的焦点[1]。

然而，DGA 在线监测装置因油路设计不合理、脱气装置老化、载气压力不足差等因素常会产生数据异常，对变压器的日常运行监测产生重大影响[2]。油色谱在线监测装置的数据问题对变压器实时在线监测影响巨大，梳理在线监测装置偏差和故障的类型以及特征，是提高在线监测数据有效性的重中之重。

1 油色谱在线监测装置

1.1 在线监测装置组成

油色谱在线监测装置主要由油气分离模块、气体组分分离模块、气体组分检测模块以及数据处理及传输模块等组成[3]，其主要模块流程如图1 所示。

图1 油色谱在线监测装置组成

1.2 各模块的功能介绍

1）油气分离模块主要作用是快速、有效地分离绝缘油与气体，提取油中气体并传输给后续模块。常见的油气分离方法有：薄膜渗透法、波纹管顶空式分离技术和动态顶空式分离技术。

2）气体组分分离模块作用是将提取到的油中溶解气体进行组分分离，获取监测针对的多种故障特征气体。当油中溶解气体进入气体组分分离模块的色谱柱，由于沸点、极性各不相同，各气体组分在色谱柱内的移动速度也不相同，通过识别色谱柱上特征气体组分各自的保留时间，从而识别出不同特征气体组分的出峰时间和在色谱柱上的保留时间。特征气体根据时间顺序进入气体组分检测模块。

3）气体组分检测模块检测分离获取的多种故障特征气体，通过模块内的检测器计算得到各气体组分的含量。模块将获得的气体数据转换为电信号传给数据处理模块。

4）数据处理及传输模块主要作用为将获得的气体数据进行处理并传输给后台的系统，现有在线监测装置常包含故障诊断、状态诊断等附加功能，数据处理模块主要应用于数据交互，是在线监测装置的主要网络通信模块和数据转换模块。

2 在线监测装置故障及其特征

2.1 故障类型

变压器油色谱在线监测装置故障类型较多，依据在线监测装置结构组成，故障可分为主要结构故障与网络通信故障。其中主要结构故障主要有载气欠压、倒油故障、色谱电气故障等[4]。网络通信故障造成的故障类型主要为数据中断故障。所有故障类型中，载气欠压、倒油故障、色谱电气故障等结构故障占比较小，占比处于10%及以下[5]，网络通信故障在故障类型中占比较大。

2.2 故障原因及特征

依据在线监测装置数据异常特征的不同，在线监测装置故障存在多种类型。数据表现以H2、CO、CH4、C2H4、C2H2、C2H6和总烃等的数值展现[6]，数据异常常表现为数据全为0、数据不变、数据超过阈值、数据时有时无等。数据异常的产生多与油色分离等气体检测模块有关[7]。

1）载气欠压故障

根据在线监测装置组成可知，经过油气分离模块脱出的油中溶解气体进入气体组分分离模块中的色谱柱后，分离出的各特征气体组分在色谱柱的停留时间与载气的压力有关，而载气压力不足会导致装置无法正常运行或者存在无法正常运行的风险。

当载气压力不足时，特征气体无法充分进入后续检测模块，造成气体数值下降，从而形成载气欠压故障。载气欠压故障主要特征表现为气体数据较低甚至数据为0。H2、CH4等气体处于极低的位置。其余气体有值，但都在较低数值波动，则初步判断是载气欠压问题。故障数据表现如图2 所示。

图2 载气欠压故障数据表现

2）倒油故障

由于油色谱在线监测装置的检测用油不返回变压器，所以需要将进入在线监测装置检测完毕后的监测用油排入废油箱中，但由于现场条件限制，废油箱不可能无限大。当废油箱满，导致废油无法排入废油箱，就会堵塞出油口，导致装置发生故障。

造成倒油故障的主要原因是废油过多以致超出油箱存储上限，该故障产生的主要数据表现为H2、CO数据正常但数值偏低。CH4、C2H4、C2H2、C2H6和总烃值均为0且恒定不变，则出现倒油故障。故障数据表现如图3所示。

图3 倒油故障数据表现

3）色谱电气故障

油色谱在线监测装置的电子元件因为短路或者老化都容易发生故障，当它们发生故障时，往往也会造成在线监测装置出现问题。色谱电气故障包含很多种类，比如色谱主板故障、色谱加热棒故障等等，统称为色谱电气故障。

色谱电气故障造成的数据异常表现为H2、CO数据正常且数值不低，但CH4、C2H4、C2H2、C2H6和总烃都为0且恒定不变，则可初步判断为色谱电气故障问题，其数据表现如图4所示。

图4 色谱电气故障数据表现

4）数据中断故障

由于通讯或者网络问题，油色谱在线监测装置的某些气体组分出现数据中断或者数据异常，甚至表现为数据长时间恒定不变。此类数据异常或者数据中断的情况统一称之为数据中断故障，数据中断故障占油色谱在线监测装置故障比例较大，是当前故障发生频率最大的故障类型。

数据中断故障造成的后果是使变压器脱离在线监测装置的监管，其数据主要表现形式为CO数值较大，远超其余气体数据，其余气体在较低位置变化波动，C2H6气体存在部分零值。为清晰展示数据表现，以下分为图5、图6进行展现。

图5 数据中断故障数据表现（含CO）

图6 数据中断故障数据表现（不含CO）

3 在线监测装置数据偏差研究

3.1 在线监测装置偏差

在线监测装置因载气压力及流量发生变化、透气膜的被油中杂质腐蚀、色谱柱的劣化等原因，导致气体分离及检测能力降低，致使在线监测装置数据产生数据偏差，严重时将会造成故障。监测装置传感器长期运行造成的累积偏差影响，引起现交叉敏感、零漂、精度降低等问题。故障数据表现较为明显，近年来故障诊断已有广泛研究，在线监测装置数据偏差研究较少。

从传感器的故障类型中，可提取监测装置数据偏差有固定偏差、漂移偏差、变比偏差、精度失真等类型，定义如下：

1）固定偏差：气体的测量值与真实值之间存在某一固定的数值偏差，该偏差可能来自于脱气过程中脱气不完全或者气体泄漏或者气体检测单元老化。

2）漂移偏差：气体的测量值随时间的变化发生异常漂移，这种故障可能是由传感器的老化引起，表现在在线监测装置中。

3）变比偏差：气体的真实值与测量值之间存在一定的比例关系，通常发生在运行环境发生改变时。

4）精度失真：气体测量值的方差发生剧烈的波动，在传感器的数据采集部分受到强电磁干扰时容易发生。

以上偏差原为传统的部分传感器故障，但因与在线监测装置故障关系不大，产生主要原因为老化、干扰和环境变化等。从数据表现来说，以上几种类型的数据表现在故障区间均为连续且平滑的曲线，与在线监测装置故障的数据表现大相径庭，因此文中将其归类为在线监测装置偏差类型以示区别。

3.2 偏差识别与分析

3.2.1 偏差识别概述

针对在线监测装置的数据异常多依赖人工校验方法，效率低且耗时耗力，采用的人工校验方法主要分为离线色谱数据与在线监测装置对比法、标准气体校验法和标准油校验法等[8]，其中，标准油校验法使用较为频繁，是当前检验的主要方法。

随着电网数据平台的完善与发展，监测数据得以不断累积，大量历史数据的存在使得智能分析校验成为可能。近年来，智能算法的兴起和发展，为大数据分析提供了重要研究手段。油中气体数据可通过波形分析和指标判别等方式，分析数据的异常变化，相较于人工校验方式更加智能化，可明显减少分析时间。

3.2.2 偏差识别与分析方法

现有研究关注在线监测装置的数据异常，将数据故障和数据偏差归为一类，在异常程度上没有针对性区分。装置故障造成的数据异常较数据偏差而言，更加明显且易于识别。文献[1]通过整理分类现存故障类型，结合故障诊断方法，诊断在线监测装置故障。该方法将数据区间的数据作为输入，结合历史故障数据进行诊断，未能提炼故障数据特征，存在一定缺陷。

现有研究中，通过对监测数据波形进行分析，快速识别数据异常。文献[9]通过对数据使用小波变换模极大值和Lipschitz指数关系，识别快速渐变和异常跃变现象，快速有效识别数据异常。

针对在线监测装置的数据异常，部分研究考虑通过对在线监测装置进行状态评估从而识别状态异常装置。文献[10]采用Fast-MCD 稳健分析方法对H2、总烃和CO等特征气体进行异常值检测，定义数据有效性评估体系进行有效性评估。文献[5]提出了一种基于数据驱动和多判据融合的油色谱监测传感器有效性评估方法，考虑通过异常值的分布情况、连续相同值的分布情况、变异系数的变化情况以及产气率的变化情况，并设置权重综合判别监测装置状态，识别无效的监测装置。该方法考虑多种指标，但指标对数据区间有一定要求，难以识别微小的阶跃异常且耗时较长。文献[11]提出了基于核主成分分析模型（KPCA）的在线油色谱装置异常状态快速识别方法，通过统计量方法快速识别异常数据，结合数据特征识别在线监测装置工作状态。该方法较阈值法而言在5%幅度的阶跃异常辨识方面具有更大的准确率，相比文献[5]在耗时方面有更大优势。