基于電氣信息的變電設(shè)備狀態(tài)漸變過(guò)程分析方法研究.pdf

1、變電設(shè)備的狀態(tài)對(duì)電網(wǎng)安全可靠運(yùn)行起著非常關(guān)鍵的作用，且隨著電網(wǎng)規(guī)模的擴(kuò)大和電氣設(shè)備容量的增加，這種作用更為顯著。變電設(shè)備一旦故障，將直接造成用戶停電，從而帶來(lái)經(jīng)濟(jì)損失，甚至威脅人身安全。因此，研究變電設(shè)備的潛伏故障檢測(cè)、狀態(tài)評(píng)估和檢修措施至關(guān)重要。
　　傳統(tǒng)的定期檢修制度因存在成本高、潛伏故障檢測(cè)能力差等問(wèn)題，正逐步被基于狀態(tài)的檢修制度替代。狀態(tài)檢修，即根據(jù)設(shè)備狀態(tài)確定合適的檢修時(shí)機(jī)和檢修措施，以實(shí)現(xiàn)人、財(cái)、物的最優(yōu)配置，其基礎(chǔ)是

2、設(shè)備狀態(tài)的在線監(jiān)測(cè)與評(píng)估。目前研究主要思路是通過(guò)綜合分析電氣量和非電氣量監(jiān)測(cè)數(shù)據(jù)，利用各種算法評(píng)估設(shè)備狀態(tài)，取得了較好的實(shí)際效果。但是，狀態(tài)檢修更關(guān)注設(shè)備狀態(tài)的變化過(guò)程，這是準(zhǔn)確確定檢修時(shí)機(jī)，進(jìn)而實(shí)現(xiàn)設(shè)備利用率最大化、并對(duì)生產(chǎn)影響最小的基礎(chǔ)。而已有研究側(cè)重于設(shè)備當(dāng)前健康狀況評(píng)估，缺少對(duì)設(shè)備狀態(tài)漸進(jìn)變化過(guò)程的細(xì)致分析，迫切需要研究相應(yīng)分析方法。利用豐富的電氣信息，建立其與設(shè)備狀態(tài)之間的關(guān)聯(lián)，為設(shè)備狀態(tài)評(píng)估提供輔助分析信息具有無(wú)需附加額外裝

3、置，量測(cè)數(shù)據(jù)豐富，獲取方便的優(yōu)勢(shì)。因此，論文基于電氣信息，從數(shù)據(jù)挖掘角度出發(fā)，對(duì)比設(shè)備端口模型參數(shù)概率分布差異實(shí)現(xiàn)漸變過(guò)程特征提取，分析了雷擊、外部短路故障等沖擊對(duì)變電設(shè)備狀態(tài)變化過(guò)程的影響，并在把握漸變過(guò)程規(guī)律基礎(chǔ)上提取未來(lái)變化趨勢(shì)特征，以期為檢修措施的制定提供更多輔助信息，有利于狀態(tài)檢修的進(jìn)一步實(shí)施。論文的創(chuàng)新性工作如下:
　　(1)變電設(shè)備狀態(tài)漸變過(guò)程分析方法:變電設(shè)備狀態(tài)漸進(jìn)變化過(guò)程是由諸多微小變化累積而成，這些微小變化可

4、以通過(guò)基于廣義伏安特性構(gòu)建設(shè)備端口模型的參數(shù)變化規(guī)律來(lái)間接反映。然而，外界環(huán)境和量測(cè)誤差的影響，導(dǎo)致相應(yīng)參數(shù)辨識(shí)結(jié)果呈現(xiàn)較強(qiáng)的隨機(jī)性，其內(nèi)在趨勢(shì)特征規(guī)律難以提取。因此，提出基于統(tǒng)計(jì)學(xué)的變電設(shè)備狀態(tài)漸變過(guò)程分析方法。首先，將變電設(shè)備運(yùn)行過(guò)程分成多個(gè)時(shí)段，采用非參數(shù)核密度估計(jì)法計(jì)算各個(gè)時(shí)段內(nèi)設(shè)備端口模型參數(shù)的概率密度函數(shù)，并提取參數(shù)的概率特征。然后，分析不同時(shí)段內(nèi)變電設(shè)備端口模型參數(shù)概率特征的差異，從而定義了四個(gè)表征變電設(shè)備狀態(tài)漸變過(guò)程的指

5、標(biāo):端口模型參數(shù)概率密度函數(shù)最大值對(duì)應(yīng)參數(shù)值Ckmax，表示該時(shí)段內(nèi)端口模型參數(shù)的最大可能值;各時(shí)段內(nèi)Ckmax相對(duì)第一個(gè)時(shí)段內(nèi)C(l)max的差值，表示設(shè)備損傷隨運(yùn)行時(shí)間的不斷積累;各時(shí)段內(nèi)端口模型參數(shù)相對(duì)于第一個(gè)時(shí)段內(nèi)的變化概率，表示設(shè)備不斷遠(yuǎn)離初始狀態(tài);各時(shí)段內(nèi)端口模型參數(shù)相對(duì)于告警狀態(tài)下對(duì)應(yīng)參數(shù)概率分布的變化概率，表示設(shè)備逐漸靠近告警狀態(tài)。最后，利用這些指標(biāo)分析端口模型參數(shù)漸變過(guò)程，得到指標(biāo)序列，從而為分析變電設(shè)備狀態(tài)變化趨勢(shì)提

6、供輔助分析基礎(chǔ)。所提方法從統(tǒng)計(jì)的角度出發(fā)，通過(guò)大量歷史樣本數(shù)據(jù)挖掘概率特征分析漸變過(guò)程，受少數(shù)不良數(shù)據(jù)影響小，具有良好的抗干擾能力和魯棒性。其中，概率密度函數(shù)的計(jì)算采用非參數(shù)核密度估計(jì)法，不需要預(yù)先假設(shè)設(shè)備端口模型參數(shù)的分布，減少了主觀因素的影響;變電設(shè)備端口模型參數(shù)通過(guò)偏最小二乘回歸辨識(shí)得到，保證了結(jié)果準(zhǔn)確可靠。以分析變壓器繞組形變累積效應(yīng)為例，通過(guò)蒙特卡洛法獲取漏電感參數(shù)，實(shí)現(xiàn)變壓器繞組形變累積過(guò)程的模擬;利用定義的四個(gè)指標(biāo)對(duì)該漸變

7、過(guò)程進(jìn)行分析，結(jié)果表明該方法有效可行。
　　(2)沖擊對(duì)變電設(shè)備狀態(tài)漸變過(guò)程影響的分析方法:變電設(shè)備運(yùn)行過(guò)程中，不可避免的遭受來(lái)自雷擊、外部短路故障等沖擊的影響，沖擊導(dǎo)致的變電設(shè)備狀態(tài)變化隱含著設(shè)備安全信息，必須引起足夠重視。量化分析外部沖擊帶來(lái)端口模型參數(shù)的變化對(duì)于后續(xù)變化過(guò)程特征提取十分必要。但是，外界環(huán)境和量測(cè)誤差造成的端口模型參數(shù)隨機(jī)波動(dòng)，增加了檢測(cè)的難度。因此，考慮端口模型參數(shù)的隨機(jī)波動(dòng)特性，提出分別基于概率密度函數(shù)差異

8、和自適應(yīng)積分算法的兩種檢測(cè)與分析方法。前一種方法中，端口模型參數(shù)變化的檢測(cè)通過(guò)分析相鄰時(shí)間窗口內(nèi)參數(shù)的概率分布差異實(shí)現(xiàn)，變化的幅度通過(guò)概率密度函數(shù)最大值對(duì)應(yīng)參數(shù)值的差值反映，該方法檢測(cè)準(zhǔn)確，計(jì)算量較大，適用于沖擊過(guò)后量化分析端口模型參數(shù)的變化;后一種方法中，利用相鄰時(shí)間窗口內(nèi)端口模型參數(shù)差值樣本的均值不同對(duì)變電設(shè)備狀態(tài)變化進(jìn)行檢測(cè)，并直接用該均值反映端口模型參數(shù)變化幅度，該方法計(jì)算快速，能及時(shí)檢測(cè)端口模型參數(shù)在沒(méi)有達(dá)到報(bào)警或保護(hù)動(dòng)作條件

9、時(shí)的突變。在這兩種方法中，門(mén)檻值均由歷史數(shù)據(jù)自適應(yīng)確定，能夠同時(shí)協(xié)調(diào)檢測(cè)的靈敏度和準(zhǔn)確度。通過(guò)改變變壓器漏電感參數(shù)模擬雷擊、短路故障等沖擊造成的變壓器狀態(tài)變化，仿真分析結(jié)果驗(yàn)證了這兩種方法的有效性和可靠性。
　　(3)間接反映設(shè)備狀態(tài)的端口模型參數(shù)變化趨勢(shì)特征分析方法:狀態(tài)檢修需要分別從長(zhǎng)時(shí)間尺度和短時(shí)間尺度對(duì)變電設(shè)備狀態(tài)的變化趨勢(shì)進(jìn)行把握。為此，根據(jù)提取的端口模型參數(shù)漸變過(guò)程分析指標(biāo)序列，利用經(jīng)驗(yàn)?zāi)B(tài)分解提取指標(biāo)的趨勢(shì)分量，建立

10、長(zhǎng)時(shí)間尺度下未來(lái)時(shí)段內(nèi)指標(biāo)的預(yù)測(cè)模型，預(yù)估達(dá)到變電設(shè)備告警狀態(tài)對(duì)應(yīng)端口模型參數(shù)的時(shí)段，進(jìn)而為估計(jì)變電設(shè)備當(dāng)前狀態(tài)距離告警狀態(tài)的時(shí)間進(jìn)行輔助分析，為變電設(shè)備狀態(tài)評(píng)估、檢修措施制定提供有益的輔助依據(jù)。為詳細(xì)分析未來(lái)短時(shí)間尺度下端口模型參數(shù)變化情況，提出基于狀態(tài)轉(zhuǎn)移概率矩陣預(yù)測(cè)概率分布的方法;通過(guò)統(tǒng)計(jì)相鄰時(shí)間窗口內(nèi)端口模型參數(shù)在各個(gè)參數(shù)變化區(qū)間的轉(zhuǎn)移情況，建立狀態(tài)轉(zhuǎn)移概率矩陣，并預(yù)測(cè)后續(xù)時(shí)間窗口內(nèi)端口模型參數(shù)的分布，進(jìn)而輔助分析未來(lái)設(shè)備狀態(tài)變

11、化細(xì)節(jié)。以分析變壓器繞組形變累積效應(yīng)導(dǎo)致的變壓器狀態(tài)變化為例，在表征繞組形變累積過(guò)程的端口模型參數(shù)指標(biāo)序列基礎(chǔ)上，對(duì)當(dāng)前參數(shù)距離告警狀態(tài)對(duì)應(yīng)參數(shù)值的時(shí)間進(jìn)行了估計(jì)，能夠?yàn)樽儔浩鳡顟B(tài)評(píng)估提供輔助依據(jù)，有利于檢修措施的制定。為模擬變壓器臨近告警狀態(tài)的場(chǎng)景，利用蒙特卡洛法獲取三個(gè)相鄰時(shí)間窗口內(nèi)漏電感參數(shù);使用前兩個(gè)時(shí)間窗口內(nèi)端口模型參數(shù)樣本計(jì)算狀態(tài)轉(zhuǎn)移概率矩陣，并預(yù)測(cè)第三個(gè)時(shí)間窗口內(nèi)端口模型參數(shù)的分布;最后，計(jì)算其與直接利用蒙特卡洛模擬獲得第