基于電氣信息的變電設備狀態(tài)漸變過程分析方法研究.pdf

1、變電設備的狀態(tài)對電網安全可靠運行起著非常關鍵的作用，且隨著電網規(guī)模的擴大和電氣設備容量的增加，這種作用更為顯著。變電設備一旦故障，將直接造成用戶停電，從而帶來經濟損失，甚至威脅人身安全。因此，研究變電設備的潛伏故障檢測、狀態(tài)評估和檢修措施至關重要。
　　傳統(tǒng)的定期檢修制度因存在成本高、潛伏故障檢測能力差等問題，正逐步被基于狀態(tài)的檢修制度替代。狀態(tài)檢修，即根據設備狀態(tài)確定合適的檢修時機和檢修措施，以實現(xiàn)人、財、物的最優(yōu)配置，其基礎是

2、設備狀態(tài)的在線監(jiān)測與評估。目前研究主要思路是通過綜合分析電氣量和非電氣量監(jiān)測數據，利用各種算法評估設備狀態(tài)，取得了較好的實際效果。但是，狀態(tài)檢修更關注設備狀態(tài)的變化過程，這是準確確定檢修時機，進而實現(xiàn)設備利用率最大化、并對生產影響最小的基礎。而已有研究側重于設備當前健康狀況評估，缺少對設備狀態(tài)漸進變化過程的細致分析，迫切需要研究相應分析方法。利用豐富的電氣信息，建立其與設備狀態(tài)之間的關聯(lián)，為設備狀態(tài)評估提供輔助分析信息具有無需附加額外裝

3、置，量測數據豐富，獲取方便的優(yōu)勢。因此，論文基于電氣信息，從數據挖掘角度出發(fā)，對比設備端口模型參數概率分布差異實現(xiàn)漸變過程特征提取，分析了雷擊、外部短路故障等沖擊對變電設備狀態(tài)變化過程的影響，并在把握漸變過程規(guī)律基礎上提取未來變化趨勢特征，以期為檢修措施的制定提供更多輔助信息，有利于狀態(tài)檢修的進一步實施。論文的創(chuàng)新性工作如下:
　　(1)變電設備狀態(tài)漸變過程分析方法:變電設備狀態(tài)漸進變化過程是由諸多微小變化累積而成，這些微小變化可

4、以通過基于廣義伏安特性構建設備端口模型的參數變化規(guī)律來間接反映。然而，外界環(huán)境和量測誤差的影響，導致相應參數辨識結果呈現(xiàn)較強的隨機性，其內在趨勢特征規(guī)律難以提取。因此，提出基于統(tǒng)計學的變電設備狀態(tài)漸變過程分析方法。首先，將變電設備運行過程分成多個時段，采用非參數核密度估計法計算各個時段內設備端口模型參數的概率密度函數，并提取參數的概率特征。然后，分析不同時段內變電設備端口模型參數概率特征的差異，從而定義了四個表征變電設備狀態(tài)漸變過程的指

5、標:端口模型參數概率密度函數最大值對應參數值Ckmax，表示該時段內端口模型參數的最大可能值;各時段內Ckmax相對第一個時段內C(l)max的差值，表示設備損傷隨運行時間的不斷積累;各時段內端口模型參數相對于第一個時段內的變化概率，表示設備不斷遠離初始狀態(tài);各時段內端口模型參數相對于告警狀態(tài)下對應參數概率分布的變化概率，表示設備逐漸靠近告警狀態(tài)。最后，利用這些指標分析端口模型參數漸變過程，得到指標序列，從而為分析變電設備狀態(tài)變化趨勢提

6、供輔助分析基礎。所提方法從統(tǒng)計的角度出發(fā)，通過大量歷史樣本數據挖掘概率特征分析漸變過程，受少數不良數據影響小，具有良好的抗干擾能力和魯棒性。其中，概率密度函數的計算采用非參數核密度估計法，不需要預先假設設備端口模型參數的分布，減少了主觀因素的影響;變電設備端口模型參數通過偏最小二乘回歸辨識得到，保證了結果準確可靠。以分析變壓器繞組形變累積效應為例，通過蒙特卡洛法獲取漏電感參數，實現(xiàn)變壓器繞組形變累積過程的模擬;利用定義的四個指標對該漸變

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

8、和自適應積分算法的兩種檢測與分析方法。前一種方法中，端口模型參數變化的檢測通過分析相鄰時間窗口內參數的概率分布差異實現(xiàn)，變化的幅度通過概率密度函數最大值對應參數值的差值反映，該方法檢測準確，計算量較大，適用于沖擊過后量化分析端口模型參數的變化;后一種方法中，利用相鄰時間窗口內端口模型參數差值樣本的均值不同對變電設備狀態(tài)變化進行檢測，并直接用該均值反映端口模型參數變化幅度，該方法計算快速，能及時檢測端口模型參數在沒有達到報警或保護動作條件

9、時的突變。在這兩種方法中，門檻值均由歷史數據自適應確定，能夠同時協(xié)調檢測的靈敏度和準確度。通過改變變壓器漏電感參數模擬雷擊、短路故障等沖擊造成的變壓器狀態(tài)變化，仿真分析結果驗證了這兩種方法的有效性和可靠性。
　　(3)間接反映設備狀態(tài)的端口模型參數變化趨勢特征分析方法:狀態(tài)檢修需要分別從長時間尺度和短時間尺度對變電設備狀態(tài)的變化趨勢進行把握。為此，根據提取的端口模型參數漸變過程分析指標序列，利用經驗模態(tài)分解提取指標的趨勢分量，建立

10、長時間尺度下未來時段內指標的預測模型，預估達到變電設備告警狀態(tài)對應端口模型參數的時段，進而為估計變電設備當前狀態(tài)距離告警狀態(tài)的時間進行輔助分析，為變電設備狀態(tài)評估、檢修措施制定提供有益的輔助依據。為詳細分析未來短時間尺度下端口模型參數變化情況，提出基于狀態(tài)轉移概率矩陣預測概率分布的方法;通過統(tǒng)計相鄰時間窗口內端口模型參數在各個參數變化區(qū)間的轉移情況，建立狀態(tài)轉移概率矩陣，并預測后續(xù)時間窗口內端口模型參數的分布，進而輔助分析未來設備狀態(tài)變

11、化細節(jié)。以分析變壓器繞組形變累積效應導致的變壓器狀態(tài)變化為例，在表征繞組形變累積過程的端口模型參數指標序列基礎上，對當前參數距離告警狀態(tài)對應參數值的時間進行了估計，能夠為變壓器狀態(tài)評估提供輔助依據，有利于檢修措施的制定。為模擬變壓器臨近告警狀態(tài)的場景，利用蒙特卡洛法獲取三個相鄰時間窗口內漏電感參數;使用前兩個時間窗口內端口模型參數樣本計算狀態(tài)轉移概率矩陣，并預測第三個時間窗口內端口模型參數的分布;最后，計算其與直接利用蒙特卡洛模擬獲得第