一种集成式智能高压开关设备的设计与实现

王大伟 陈富国，2 蔡 杰 张 恒 陈 亮

（1.平高集团有限公司，河南 平顶山 467001；2.西安交通大学电气工程学院，陕西 西安 710049）

0 引言

随着我国智能电网建设的不断深入推进，智能高压开关设备已普遍应用于变电站的建设中。根据对现场应用情况的统计分析，发现智能高压开关设备在一二次融合设计方面仍不完善，存在集成度低、对状态评估和状态检修的支撑能力不足等问题。智慧变电站对一次设备提出“本质安全、状态感知、智能标记、标准设备、绿色环保”的优化设计和选用原则，全面提升一次设备的质量和智能化水平［1］。同时，对开关设备状态检修作为智能电网的重要目标之一，有助于运维人员及早发现并及时处理设备中潜在的缺陷及隐患，从而有效减少非必要的停电检修维护工作量，降低设备的运维成本，提升检修工作的针对性。因此，亟须研制集成式智能高压开关设备，从而增强高压开关设备的智能化水平，提高高压开关在线监测与状态评估能力。

1 总体思路

本研究以ZF11Z-252型智能高压开关为研究对象，开展集成化技术研究，集成式智能开关是在现有智能开关的基础上，为满足最新智慧变电站的建设要求，对以下4个方面进行提升。①优化网络结构，实现高压开关设备过程层与间隔层功能的有效融合；②应用智能电机驱动技术［2］，实现分合闸闭环控制，实时监测电机电流、扭矩、转速、位置等数据；③综合应用多种状态感知技术，如SF6微水密度、特高频局放、机械特性等监测技术，实现开关状态的全面感知；④应用状态评估技术，通过智能分析算法，综合应用不同数据类型的采集结果，建立典型缺陷（故障）识别模型，实现对设备运行状态的实时监控、健康状态的智能识别、趋势发展的主动预警等功能。

新一代智慧变电站按照“优化网络结构、集成功能设计”的总体原则，在满足信息交互要求的前提下，集成典型智能变电站的过程层和间隔层的功能为设备网络层，采用一体化装置，其网络架构如图1所示。一体化装置采用站控层交换机，并通过光纤通信方式与站控层设备连接，从而极大地降低了网络复杂度，减少通信链路发生故障的概率。另外，一体化装置采用模块化设计，并具备故障指示功能，当装置出现故障时，能快速定位故障模块，从而实现整体更换。设备侧操作机构、互感器、在线监测传感器等统一接入一体化装置，可实现遥控、遥信、遥测功能。集成式智能开关设备的网络信息流架构如图2所示。

图1 集成式智能开关设备的网络架构

图2 集成式智能开关设备的信息流架构

基于设备智能化、信息数字化的设计思路，对集成式智能开关设备的传统控制回路进行优化，将部分二次控制回路功能下放到智能机构。同时，集成式智能开关设备采用智能机构代替原有机构。在机械接口设计方面，智能机构的电机输出扭矩经减速机构与开关本体相连，机构控制器控制电机输出，从而精确地实现开关的分闸和合闸动作。在电气接口设计方面，电机伺服系统能获取电机运动的位置、速度、电流等信息，再结合机械传动的结构及尺寸，可换算得到输出转矩等特性参数，并通过RS485、以太网等接口将其输送给上层控制设备。在软件设计方面，根据开关类型的不同，以及电网系统对开关动作特性的不同要求，可在伺服驱动器中预置动作特性参数，包括运动速度、输出角度等。在走线布置方面，机构与汇控柜内的一体化装置采用光纤通信，传统控制回路的中间继电器、辅助开关由控制器中的软接点替代，配线和调试的工作量将大幅减少，同时也节约了汇控柜的空间，控制柜能够向小型化方向发展。控制柜内对外部出口采用固定式端子排，利于外接电缆的敷设和接线，从而实现设计和调试的标准化。

2 智能机构设计

本研究采用智能机构来代替传统机构，且智能机构与开关设备本体的连接结构简单。智能机构采用控制器对电机进行驱动，通过接收本体信号输入，经逻辑判断，完成分（合）闸出口的操作。智能机构控制器作为智能机构的重要组成部分，其由控制单元、采集单元和电源板组成［3］，主要功能有两方面。一是采集开关的各类状态信息，完成闭锁、联锁判断，接收上层控制设备分（合）闸指令和特性参数设置，从而实现控制功能；二是输出机构各类状态信息，并上传给监控设备，实现信息的监测功能。该智能机构有以下6个优点：①机构机械传动简单，从而降低了机械的故障率；②采用伺服控制，克服机构运动特性由机械结构唯一确定的缺点，以及调整范围受限的先天不足，实现开关产品动作的柔性可控；③一台驱动器可设定多条运动曲线，适用于不同的本体结构，使用灵活；④电机直接驱动本体运动，传动环节少，响应时间短；⑤采用闭环控制，特性曲线分散性小，可克服本体摩擦力增大等带来的负面影响；⑥易于实现状态监测，在设备智能化、数字化方面具备先天优势。其功能框图如图3所示。

图3 智能机构控制器功能框图

3 状态监测及评估技术研究

3.1 数据采集系统设计

一个完整的数据采集系统通常是由原始信号、信号调理设备、数据采集设备和控制系统四部分组成［4］，如图4所示。其中，传感器系统负责将压力、温度、振动等非电气参量信号转化为电气信号；信号调理设备主要是对原始信号进行放大、滤波等处理；数据采集设备是将各种电信号转换为计算机可直接处理的数字信号，也可将计算机的数字信号转化为适当的模拟信号，用于驱动现场执行机构进行工作；控制系统对数据处理过程进行管理和参数设置。

图4 数据采集系统的组成

为了能够更准确和真实地反映出设备的状态，便于开展多维度分析，对本研究设计的集成式智能高压开关设备的状态智能感知功能进行完善，具体包括以下3个方面。①集成数字式微水密度继电器、内置式特高频局放传感器，实现组合电器对SF6气体微水、密度检测及局放检测；②通过智能机构控制器获取操作机构电机电流、输出力矩、电机行程等数据，用于机械特性分析；③智能机构输出的电机位置等信息，可通过内部计算与逻辑判断，以协议方式或硬接点方式来输出状态判断结果，将“非同源”的第二判据与辅助开关状态的第一判据进行逻辑“与”运算，作为隔离开关位置“双确认”的信号输入，支持变电站一键顺控的高级应用。

3.2 SVM分类算法

本研究在完成对智能高压开关设备多维度状态监测信息采集的前提下，利用SVM分类算法对数据进行挖掘和分析，从而完成对状态的自动区分和典型缺陷的智能识别。支持向量机（Support Vector Machine，SVM）是通过求解得到一个满足分类要求的超平面（见图5），其可以实现将不同类的对象区分开来，同时能够保证超平面两侧数据间隔最大化，也就是最优分类平面［5］。

SVM算法有3个特征：①SVM学习问题可表示为凸优化问题，通过构建目标函数，在全局范围内存在最优解，能有效避免维数灾难、过拟合等问题，且求解算法相对成熟；②能实现小样本的应用，在多维数据分类中，相较其他算法，其应用效果更明显；③SVM算法可通过最大化决策边界的边缘来控制模型的能力。SVM算法一般用于解决二类问题，对多类问题可通过引入参数来改善算法效果，也可用于多分类问题［6］。

图5中黑点和白点分别代表二维平面的两类样本，并且正例标签为1，负例标签为-1，两类数据线性可分。以二分类为例，给定训练集D=｛（x1，y1），（x2，y2），…，（xm，ym），yi∈｛-1，+1｝，分类学习是在样本空间中找到一个超平面，将平面内的黑点和白点分开。显然，满足要求的超平面并不唯一，SVM算法提供了求取最优分类平面的方法［6］。

图5 SVM线性分类面示意图

对二维平面而言，最优平面求解过程就是求取一条合适的分类线，将两类数据分开，且能使分类间隔最大。

在样本空间内，分类线H的方程见式（1）。

式中：w为超平面方向的法向量；b是一个截距。

为保证训练集内所有的样本都能被正确分类，确定的约束见式（2）。

此时，最大化间隔分类等价于上述条件的约束最小化函数，见式（3）。

为了解决该约束条件下的最优化问题，引入拉格朗日函数，见式（4）。

式中：αi＞0为拉格朗日函数系数。那么，问题就转化为求变量w和b的凸二次规划问题。可将此问题的求解进一步等价为约束条件式（5）下，求解式（6）的最大值问题。

如果αj*为最优解，见式（7）。

式中：b*是对应的分类域值，式中x s为特定的向量。此时，可以使用样本向量的线性组合来表示w*。根据凸二次规划问题的KKT条件，得出该优化问题的解必须满足式（8）。

在样本集中，多数样本对应的αi为0，而只有少数样本的αi取值不为0，此时αi对应的向量称为支持向量，也就是对应图5中落在直线上的样本点。最优分类函数的表达式见式（9）［7］。

对二维空间中的数据进行分类，SVM分类器是一条线。当维数上升，推广到三维或者n维空间时，SVM分类器则变为三维空间中的一个平面，当推广到n维空间时，则变为n-1维超平面，也被称为最大间隔分类器。由此可知，最优分类超平面需满足两个条件，即数据可分和分类间隔最大化。

3.3 状态监测及评估系统测试

本研究以ZF11Z-252型智能高压开关为研究对象，开展对机械状态的监测及评估系统的测试。智能高压开关样机集成了分合闸线圈电流、储能电机电流（智能机构实现）、开关位置状态、SF6气体微水、密度等信号采集功能。智能高压开关机械状态评估系统物理平台示意图如图6所示。

图6 智能高压开关机械状态评估系统物理平台

测试过程如下。①多次操作GIS断路器，监测运动过程数据，将获取的原始数据存储到处理系统中。由于需要的数据量大，该过程可与样机的机械寿命试验同步进行。②按照规则剔除不符合要求的数据，同时对合格的数据进行数据预处理和归一化处理，以便后续过程对数据的利用。③挑选训练样本，人工对样本进行标记，使样本数据与缺陷类型一一对应。④调用分类算法，利用样本数据建立机械状态评估模型。⑤模拟典型故障，采集原始数据，经系统分析并输出测试结果，在经多次测量后，统计分析准确率。如果准确率低于预期值，则通过调整算法训练因子或增加训练样本数量来进行提高，直至达到预期目标。

为了验证系统的应用效果，本研究采用252 kV断路器样机展开相关测试，测试现场见图7。通过对测试数据与KOCOS系统同步采集的分合闸过程的电流数据、位移数据等数据进行对比，发现误差≤0.1%，完全满足要求。系统能对典型缺陷进行智能分析，图8给出了其中一组数据的分析情况，系统判定为“传动缺陷”，与实际情况完全相符。

图7 机械状态监测评估系统测试现场

图8 有传动缺陷的机械特性曲线

4 结语

高压开关设备作为电网控制、保护的重要执行元件和关键设备，其智能化水平的提高和一二次融合程度的不断加深，对电力装备制造水平的提升起着重要的促进作用［8］。本研究针对智能开关设计和运行过程中存在的问题，对集成式智能开关设备进行技术研究，设计方案采用优化后的控制网络和新型智能机构，设备本体与控制设备的连接简单、可靠。在样机功能开发的基础上，开展状态评估技术研究，并搭建状态监测及评估系统，通过试验验证了该系统对开关设备健康状态评估结果的有效性。集成式智能高压开关设备符合智慧变电站对一次设备集成设计、状态感知和智能识别的要求，有较好的推广应用价值。