一种空气型开关柜用伴生物预警检测方法与流程

1.本发明涉及电力设备检测技术领域，具体为一种空气型开关柜用伴生物预警检测方法。


背景技术：

2.高压开关柜作为配电网中重要的组成部分之一，其安全稳定的运行对于配网系统稳定的供电至关重要，高压开关柜主要故障是由局部放电和过热故障引起的，然而智能电网的提出给故障检测带来了更大考验，开关柜内部集成有断路器、接触器、负荷开关、熔断器、隔离开关、互感器、电容器、避雷针、母线、测量装置、检测装置、控制装置、保护装置、联锁装置、信号装置等并将它们置于方形金属外壳内，如果开关柜发生故障将会导致配网系统供电不稳定，影响居民用电质量和国家经济发展，更为严重情况还会导致开关柜爆炸。
3.随着电网日益扩大以及变电站无人值班管理模式和综合自动化的普及与推广，高压开关柜故障造成的停电事故给生产和生活带来的影响及损失也越来越大，统计表明，无论是气体绝缘开关柜还是空气型开关柜，开关事故类型分布如下：机械故障(拒分、拒合、误动)33.3％，温升故障(载流)8.9％，绝缘故障37.3％，其它20.5％，其中大约有70％以上的故障伴随有特征性气体的产生和规律性变化，本项目针对10
‑
35kv高压开关柜内部发生过热性、局部放电等故障时，固体绝缘材料分解产生的特征气体和故障类型对应关系进行研究。
4.由于过热、放电故障的特性差异，实际中过热、放电故障的检测系统通常需要分别安装配置，尚难以实现统一监测。


技术实现要素：

5.(一)解决的技术问题
6.针对现有技术的不足，本发明提供了一种空气型开关柜用伴生物预警检测方法，解决了由于过热、放电故障的特性差异，实际中过热、放电故障的检测系统通常需要分别安装配置，尚难以实现统一监测的问题。
7.(二)技术方案
8.为实现以上目的，本发明通过以下技术方案予以实现：一种空气型开关柜用伴生物预警检测方法，具体包括以下步骤：
9.s1、建立数据库：1)、首先搭建空气型开关柜内部过热性故障模拟试验装置，采用热重分析法和质谱分析方法监测环氧树脂、交联聚乙烯、有机硅橡胶等绝缘复合材料在空气气氛下的热分解逸出气体，根据气体产出速率与温度变化的关系筛选主要特征气体分解产物，探究主要绝缘材料与空气分子在不同温度下的分解规律，其中热重分析法通过公式(1)计算在程序控制温度下，物质的质量与温度或时间的关系，
10.m＝f(t或t)
ꢀꢀꢀ
(1)
11.式中，t为时间，t为温度，m为物质的质量；
12.2)、进一步采用热重
‑
气相色谱
‑
质谱联用技术，研究开关柜主要绝缘材料环氧树脂、交联聚乙烯、有机硅橡胶等与空气分子在不同温度下的分解规律与主要特征气体分解产物，然后结合热重、质谱、扫描电子显微镜、红外光谱及热重
‑
气相色谱
‑
质谱联用分析结果，确定主要绝缘材料热分解反应机理，对比研究主要绝缘材料在不同温度下的反应动力学特性及差异性行为；
13.3)、建立空气放电模拟分解气室，进行局部放电实验，利用脉冲电流法对各类绝缘缺陷模型进行放电量的校准，通过逐步升压法确定电压梯度或微粒颗数调节放电量，并测量各实验组的局部放电特性，采集统计相关数据，实验持续24小时，用烟气分析仪每四小时测量一次分解组分，记录各组分的浓度值，最终建立起模拟过热、局放故障下固体绝缘材料特征气体分解产物的分布规律与故障类型的对应关系；
14.s2、建立气体关联模型：1)、获取数据，选用电化学传感器作为检测传感器，安置在开关柜母线室检测开关柜运行状态，采集气体组分信息c，确定气体浓度净增长，作为svm和bp神经网络输入层，根据实验训练学习样本预测开关柜当前运行状态；
15.4)、确定分析对象，不同绝缘缺陷模型下气体组分特性如浓度不一样，根据步骤1)中获取的数据，选择了浓度变化较为明显的三种气体为代表，以这三种气体的浓度净增长作为bp神经网络输入对象，由此训练svm和bp神经网络；
16.5)、结合步骤2)中开关柜气体组分信息，通过k
‑
cv交叉验证算法确定svm的最优惩罚参数c和核函数参数g，以建立高精度的svm模型；
17.s3、基于svm的绝缘缺陷类型诊断：结合步骤s2中确定svm的最优惩罚参数c和核函数参数g，从数据库中提取数据用于svm预测，将开关柜内气体浓度c、生成速率v作为输入层，将开关柜常见劣化缺陷模型为输出，不断训练调整网络学习速率、权值阈值，直至网络误差满足设定误差阈值停止迭代，完成开关柜绝缘缺陷类型诊断模型训练；
18.s4、结合步骤s2中开关柜内气体组分信息和步骤s3中确定的绝缘缺陷类型，确定bp神经网络拓扑结构，确定遗传算法编码规则、编码方式，由适应值函数对初始种群进行选择，判断是否满足停止条件，是则执行步骤s3，否则对父代执行交叉变异操作，生产子代种群，不断重复操作直至满足停止条件；
19.s5、结合步骤s4确定bp神经网络初始化权值阈值，从数据库提取数据用于神经网络预测，将开关柜内气体浓度c、生成速率v作为神经网络输入层，以模型局部放电的放电时间作为绝缘缺陷劣化程度的参照，并以此为神经网络的输出，不断训练调整网络学习速率、权值阈值，直至网络误差满足设定误差阈值停止迭代，完成开关柜绝缘缺陷劣化程度预测模型训练，预测绝缘劣化程度，从而对相关工作人员进行预警。
20.优选的，所述步骤s1中过热故障模拟装置主要包括长方体密闭钢板器皿、排气阀、待测固体绝缘材料、开关电源、固态继电器、pid温控仪、热源、温度传感器和无线气体传感器，其中pid温控仪控制固态继电器的开断调节热源温度，并通过温度传感器实时监测，实现主要绝缘材料在不同温度下的热降解，无线气体传感器实时监测模拟试验装置内部有机气态物质的体积分数，初步探究主要绝缘材料的热分解有机气态物质体积分数随加热时间变化的规律。
21.优选的，所述步骤s1中空气放电时先将放电模拟气室进行抽真空处理，然后注入干燥空气直至气压与大气一致，利用循环泵抽打去离子水调节湿度至70rh％。
22.优选的，所述步骤s2中通过交叉验证选择最佳参数进行优化，训练svm，通过分类训练正确率和测试集，预测正确率来调整初始参数以获取最佳参数，最后根据修正后的最佳参数来训练svm，提高模型绝缘缺陷类型诊断正确率。
23.优选的，所述步骤s4中bp神经网络的建立首先明确检测对象，然后引入遗传算法对人工神经网络进行优化，由遗传算法确定最优连接权值和阈值分布，将其作为人工神经网络初始参数用于模型预测，最后根据测试结果修正模型误差参数，提高模型状态识别正确率。
24.优选的，所述步骤s5中现场测试检测气体组分信息时，设计气体检测阈值排除环境干扰，超过人为设定阈值时开始检测分析，检测、反馈开关柜内部运行状态。
25.(三)有益效果
26.本发明提供了一种空气型开关柜用伴生物预警检测方法。与现有技术相比具备以下有益效果：
27.(1)、该空气型开关柜用伴生物预警检测方法，通过开展劣化气体在高温及局部放电条件下的分解特性和反应机理的对应关系研究，有效完善现有的局部放电分解物组分分析理论、提高局部放电诊断可靠性，还能在基于分解物分析的过热性故障检测方法的基础上，利用劣化气体分解物特性实现多类绝缘故障统一检测、诊断。
28.(2)、该空气型开关柜用伴生物预警检测方法，通过采用k
‑
cv优化svm参数，采用遗传算法优化bp神经网络，并通过训练好的svm和bp一同诊断绝缘缺陷类型和预测劣化程度，有效提高开关柜绝缘缺陷类型诊断和绝缘劣化程度预测的准确性。
29.(3)、该空气型开关柜用伴生物预警检测方法，通过气体关联模型的建立，能够预测空气型开关柜当前绝缘缺陷劣化程度，分析对应开关柜内部缺陷状态，从而实现对开关柜内状态监测，提醒现场巡检人员维护，有效降低开关柜故障率。
附图说明
30.图1为本发明气体关联模型的算法流程示意图。
具体实施方式
31.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
32.请参阅图1，本发明实施例提供一种技术方案：一种空气型开关柜用伴生物预警检测方法，具体包括以下步骤：
33.s1、建立数据库：1)、首先搭建空气型开关柜内部过热性故障模拟试验装置，采用热重分析法和质谱分析方法监测环氧树脂、交联聚乙烯、有机硅橡胶等绝缘复合材料在空气气氛下的热分解逸出气体，根据气体产出速率与温度变化的关系筛选主要特征气体分解产物，探究主要绝缘材料与空气分子在不同温度下的分解规律，其中热重分析法通过公式(1)计算在程序控制温度下，物质的质量与温度或时间的关系，
34.m＝f(t或t)
ꢀꢀꢀ
(1)
35.式中，t为时间，t为温度，m为物质的质量；
36.2)、进一步采用热重
‑
气相色谱
‑
质谱联用技术，研究开关柜主要绝缘材料环氧树脂、交联聚乙烯、有机硅橡胶等与空气分子在不同温度下的分解规律与主要特征气体分解产物，然后结合热重、质谱、扫描电子显微镜、红外光谱及热重
‑
气相色谱
‑
质谱联用分析结果，确定主要绝缘材料热分解反应机理，对比研究主要绝缘材料在不同温度下的反应动力学特性及差异性行为；
37.3)、建立空气放电模拟分解气室，进行局部放电实验，利用脉冲电流法对各类绝缘缺陷模型进行放电量的校准，通过逐步升压法确定电压梯度或微粒颗数调节放电量，并测量各实验组的局部放电特性，采集统计相关数据，实验持续24小时，用烟气分析仪每四小时测量一次分解组分，记录各组分的浓度值，最终建立起模拟过热、局放故障下固体绝缘材料特征气体分解产物的分布规律与故障类型的对应关系；
38.s2、建立气体关联模型：1)、获取数据，选用电化学传感器作为检测传感器，安置在开关柜母线室检测开关柜运行状态，采集气体组分信息c，确定气体浓度净增长，作为svm和bp神经网络输入层，根据实验训练学习样本预测开关柜当前运行状态；
39.6)、确定分析对象，不同绝缘缺陷模型下气体组分特性如浓度不一样，根据步骤1)中获取的数据，选择了浓度变化较为明显的三种气体为代表，以这三种气体的浓度净增长作为bp神经网络输入对象，由此训练svm和bp神经网络；
40.7)、结合步骤2)中开关柜气体组分信息，通过k
‑
cv交叉验证算法确定svm的最优惩罚参数c和核函数参数g，以建立高精度的svm模型；
41.s3、基于svm的绝缘缺陷类型诊断：结合步骤s2中确定svm的最优惩罚参数c和核函数参数g，从数据库中提取数据用于svm预测，将开关柜内气体浓度c、生成速率v作为输入层，将开关柜常见劣化缺陷模型为输出，不断训练调整网络学习速率、权值阈值，直至网络误差满足设定误差阈值停止迭代，完成开关柜绝缘缺陷类型诊断模型训练；
42.s4、结合步骤s2中开关柜内气体组分信息和步骤s3中确定的绝缘缺陷类型，确定bp神经网络拓扑结构，确定遗传算法编码规则、编码方式，由适应值函数对初始种群进行选择，判断是否满足停止条件，是则执行步骤s3，否则对父代执行交叉变异操作，生产子代种群，不断重复操作直至满足停止条件；
43.s5、结合步骤s4确定bp神经网络初始化权值阈值，从数据库提取数据用于神经网络预测，将开关柜内气体浓度c、生成速率v作为神经网络输入层，以模型局部放电的放电时间作为绝缘缺陷劣化程度的参照，并以此为神经网络的输出，不断训练调整网络学习速率、权值阈值，直至网络误差满足设定误差阈值停止迭代，完成开关柜绝缘缺陷劣化程度预测模型训练，预测绝缘劣化程度，从而对相关工作人员进行预警。
44.本发明实施例中，步骤s1中过热故障模拟装置主要包括长方体密闭钢板器皿、排气阀、待测固体绝缘材料、开关电源、固态继电器、pid温控仪、热源、温度传感器和无线气体传感器，其中pid温控仪控制固态继电器的开断调节热源温度，并通过温度传感器实时监测，实现主要绝缘材料在不同温度下的热降解，无线气体传感器实时监测模拟试验装置内部有机气态物质的体积分数，初步探究主要绝缘材料的热分解有机气态物质体积分数随加热时间变化的规律。
45.本发明实施例中，步骤s1中空气放电时先将放电模拟气室进行抽真空处理，然后
注入干燥空气直至气压与大气一致，利用循环泵抽打去离子水调节湿度至70rh％。
46.本发明实施例中，步骤s2中通过交叉验证选择最佳参数进行优化，训练svm，通过分类训练正确率和测试集，预测正确率来调整初始参数以获取最佳参数，最后根据修正后的最佳参数来训练svm，提高模型绝缘缺陷类型诊断正确率。
47.本发明实施例中，步骤s4中bp神经网络的建立首先明确检测对象，然后引入遗传算法对人工神经网络进行优化，由遗传算法确定最优连接权值和阈值分布，将其作为人工神经网络初始参数用于模型预测，最后根据测试结果修正模型误差参数，提高模型状态识别正确率。
48.本发明实施例中，步骤s5中现场测试检测气体组分信息时，设计气体检测阈值排除环境干扰，超过人为设定阈值时开始检测分析，检测、反馈开关柜内部运行状态，同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
49.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
50.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。