基于特高频传感器的GIS局放信号监测装置及定位方法

doi:10.11985/2022.01.030

基于特高频传感器的GIS局放信号监测装置及定位方法

高扬^,¹, 沈毅¹, 夏峰¹, 蒋昊松¹, 周阳¹, 刘丹丹^,²

1.国网苏州供电公司苏州 215000

2.华乘电气科技股份有限公司上海 201114

GIS Partial Discharge Signal Monitoring Device and Localization Method Based on UHF Sensor

GAO Yang^,¹, SHEN Yi¹, XIA Feng¹, JIANG Haosong¹, ZHOU Yang¹, LIU Dandan^,²

1. State Grid Suzhou Power Supply Company, Suzhou 215000

2. PDStars Electric Co., Ltd., Shanghai 201114

收稿日期: 2021-07-5 修回日期: 2021-11-10

Received: 2021-07-5 Revised: 2021-11-10

作者简介 About authors

高扬,男,1986年生,硕士。主要研究方向为电力系统状态监测。E-mail： 235365048@qq.com;

刘丹丹,女,1987年生,硕士。主要研究方向为电力设备检测。E-mail： liudandan131@126.com

摘要

GIS局部放电监测与局放源定位是预防绝缘事故的主要手段。针对目前定位方法存在的成本高、布线难等问题,提出一种基于特高频传感器的GIS局放监测装置与定位方法,通过在GIS本体和周围空间部署特高频传感器获取放电信号。利用特高频累积平均信号强度及特征相似度方法,排除空间放电信号的干扰,识别GIS内部局部放电信号。结合传感器与GIS的空间拓扑关系,根据特高频信号强度,实现放电源的定位。经现场应用,所提方法能够准确定位放电源位置,验证了该定位方法的可行性。

关键词： GIS ; 局部放电 ; 特高频 ; 定位

Abstract

Monitoring partial discharge of GIS and determining the location of partial discharge source are important means to prevent insulation accidents. Aiming at the problems of high cost and difficult wiring in current positioning methods, a GIS partial discharge signal monitoring device and localization method is proposed based on UHF sensor. The abnormal electromagnetic signals are sensed by the UHF sensors which are deployed in the GIS body and surrounding space. The UHF cumulative average signal strength and characteristic similarity are used to eliminate spatial interference signals and identify partial discharge signals in GIS. Combined with the spatial topological relationship between sensor and GIS, the position of PD source can be judged according to the signal intensity of UHF. Through field application, the location of PD source is accurately located, which proves the feasibility of the location method.

Keywords： Gas insulated switchgear ; partial discharge ; ultra-high frequency ; localization

PDF (307KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

高扬, 沈毅, 夏峰, 蒋昊松, 周阳, 刘丹丹. 基于特高频传感器的GIS局放信号监测装置及定位方法. 电气工程学报[J], 2022, 17(1): 244-250 doi:10.11985/2022.01.030

GAO Yang, SHEN Yi, XIA Feng, JIANG Haosong, ZHOU Yang, LIU Dandan. GIS Partial Discharge Signal Monitoring Device and Localization Method Based on UHF Sensor. Chinese Journal of Electrical Engineering[J], 2022, 17(1): 244-250 doi:10.11985/2022.01.030

1 引言

气体绝缘开关设备(Gas insulated switchgear, GIS)是电网中常见的电气设备,由于工艺、设计等问题,在制造、装配和运输等过程中GIS内部会产生微小的绝缘缺陷,这些绝缘缺陷的劣化是导致设备故障的重要原因之一,因此对GIS进行局部放电检测是预防绝缘事故、保障电力系统安全运行的重要手段^[1⇓⇓-4]。目前,GIS局部放电的检测方法主要有化学检测法、超声检测法、脉冲电流法、特高频法等^[5⇓-7]。其中,特高频法具有抗干扰性强、灵敏度高、可实现局放源定位等优点,被广泛应用于GIS局部放电检测中^[8⇓-10]。传统的GIS特高频在线监测装置由于固定式、成本高、部署接线不便等问题^[11-12],在国网的应用中受到限制。近年来随着物联网、人工智能等技术的快速发展,局部放电检测装置已逐渐向无线化、集成化方向发展^[13-14]。国内对GIS特高频局部放电检测做了大量的研究工作,文献[15 ⇓-17]分别提出了基于特高频的GIS局部放电信号定位的方法,为GIS的局部放电缺陷定位做了积极探索和技术积累。然而,这些研究的应用对象都是基于传统的在线监测类装置,不能应用在无外部电缆供电的监测类传感器装置中。文献[18-19]研究了基于特高频无线传感器的局部放电定位法,对无线传感器的定位方法进行了初步探索。

为弥补GIS在线监测装置在应用中的不足,解决智能监测装置因人工复测定位导致的资源耗费问题,本文在物联网、无线通信、人工智能等技术的基础上,提出了一种基于特高频传感器的GIS局放信号监测装置及定位方法。该装置利用无线通信、电池自供电的特高频传感器监测GIS内部的局部放电信号和空间电磁干扰信号,结合特高频传感器的空间方位,通过特高频信号强度及特征相似度,排除空间电磁干扰并定位缺陷位置。现场实践表明该方法可有效地发现GIS内部的缺陷并进行定位,提高设备检修维护的效率。

2 GIS局放信号监测装置

基于特高频传感器的GIS局放信号监测装置由特高频传感器、汇集终端和数据分析平台组成,系统架构如图1所示。每套装置可配置多个特高频传感器来采集GIS内外部的特高频电磁信号。其中特高频传感器采用无线通信方式进行数据传输,采用内部电池进行供电;汇集终端通过无线传输网络收集特高频传感器监测的数据,并将其上传至数据分析平台;数据分析平台通过对比分析这些监测数据,对GIS的缺陷类型及位置进行诊断。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 GIS局放信号监测装置系统架构图

特高频传感器分为接触式特高频局放传感器和空间特高频局放传感器两种类型,两种传感器的原理、零部件组成及内部构造一致,仅外形结构不同。接触式特高频局放传感器通过绑带安装在GIS盆式绝缘子浇筑口处,用于监测GIS内部发出的局部放电信号;空间特高频局放传感器通过支架安装在室内GIS周围的墙壁上,用于监测GIS周围环境中的电磁干扰信号。由于户外GIS周围环境电磁干扰较复杂,本论文提到的空间特高频局放传感器仅适用于户内GIS的应用场景。两种传感器均采用内部电池供电和无线通信方式进行数据传输,无需外部电源供电和通信线缆连接。LoRa无线通信方式具有传输距离远、传输功耗低、抗干扰性强、传输速率低的特点,由于特高频传感器的低功耗要求,其采集频次较低、实时性要求不高,LoRa通信方式可以满足数据传输要求,所以本文的GIS局放信号监测装置中特高频传感器采用LoRa无线通信方式进行数据传输。

汇集终端是监测数据汇聚和传输的载体。对传感器采用LoRa无线通信方式,收集特高频传感器的监测数据、控制传感器的运行模式并下发数据分析平台传递的指令,采用休眠、唤醒的策略控制传感器的低功耗运行;对数据分析平台采用4G无线或以太网有线的方式,上传传感器的数据、接收平台下发的指令。

数据分析平台是监测数据与工作人员交互的枢纽。平台通过对监测数据的集中管理、分析和应用,保障数据的安全性和规范性;通过对GIS模型、特高频数据进行可视化展示,让工作人员能够快速、直观地掌握关键信息;通过部署算法评估诊断GIS的运行状态,为电力设备的状态检修提供决策依据。

3 传感器布置方法

特高频传感器采用300 MHz~1.5 GHz的宽带天线。接触式特高频局放传感器天线侧安装在GIS盆式绝缘子法兰上,检测GIS内部局放激发的电磁波信号,可有效避开电力系统中主要的电磁干扰信号;空间特高频局放传感器安装在GIS周围空间的墙壁上,传感器天线侧面向GIS,主要用于监测主变和线路方向传来的电晕干扰及空间电磁干扰。特高频传感器的监测范围需要覆盖断路器、隔离开关等关键设备。

以1个GIS间隔为例,特高频传感器的部署位置如图2所示,图中QF为断路器,TA为电流互感器,TV为电压互感器,QS为隔离开关,LCP为控制柜。在盆式绝缘子上安装4个接触式特高频局放传感器,监测GIS内部的电磁信号;在墙壁两侧分别安装1个空间特高频局放传感器,监测GIS周围的电磁波信号。接触式特高频局放传感器安装时应与盆式绝缘子紧密接触,且应放置于两根紧固盆式绝缘子螺栓的中间,以减少螺栓对内部电磁波的屏蔽以及传感器与螺栓产生的外部静电干扰。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 特高频传感器布置图

4 局放源空间定位方法

采用特高频技术实现GIS局放源定位的基本方法是时差法,该方法通过同步采集多个传感器接收的特高频局放信号,计算信号间的时延,根据各传感器的位置坐标和时延,对局放源进行定位^[20]。该方法需要采样装置具有很高的采样频率和频宽,同时必须同步采集多个传感器的信号^[21]。而内部电池自供电的特高频传感器受低功耗的限制,传感器采集频次较低,且传感器采集的时间不同步,导致传统的定位方法无法应用。

本文根据同一放电源产生的信号到不同位置传感器衰减程度不同的特性,利用接触式特高频局放传感器和空间特高频局放传感器的信号幅值和空间方位信息,提出适用于低功耗的特高频智能传感器的空间定位方法。该方法在GIS内部存在多个放电源、有外部干扰的情况下,可有效识别GIS内部产生的局放信号,确定放电的大致位置,定位流程如图3所示。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 定位流程示意图

(1) 对传感器进行编码,将编码信息与GIS空间位置进行关联,得到传感器空间拓扑图。

(2) 对每个传感器采集的特高频信号进行异常判断,将数据异常的传感器组成异常传感器集。

(3) 对各传感器的信号进行相似度计算,将异常传感器集划分为多个异常传感器组。

(4) 对各异常传感器组进行内部缺陷识别,排除干扰信号。

(5) 对异常传感器组的内部缺陷进行定位。

4.1 传感器空间位置关联

对部署在GIS上的传感器进行编码是建立GIS和传感器空间关联的基础步骤,编码规则为站点名称_设备名称_安装位置_传感器编号,站点名称是GIS所在变电站的名称,设备名称是GIS的名称,站点名称和设备名称需要与变电站台账信息一致;安装位置为传感器所处盆子的信息。例如：龙门变电站_1973水龙线主变进线间隔_1102主变开关电流互感器_UHF01,表示的是位于龙门变电站水龙线主变进线间隔电流互感器盆子的编号为UHF01的特高频传感器。

根据GIS空间结构、电力连接图和传感器安装位置,将编好码的传感器与GIS空间位置进行关联,建立传感器空间拓扑图。拓扑图不仅包括传感器与GIS的空间位置信息,还包括局放信号传播路径上各传感器的电气连接信息。

4.2 特高频信号异常判断

当发生局部放电或外部干扰时特高频传感器采集到的图谱数据会呈现局部放电特征,且电磁信号强度会比正常时的大。由于手机等外部干扰信号会导致电磁信号强度增大,所以通过信号强度阈值对比的方式对信号进行异常判断无法排除干扰的影响。本文利用基于深度学习的图谱识别和特高频信号强度对比相结合的方法判断信号是否异常,排除部分干扰的影响,提高信号异常判断的准确性。判断流程如下。

(1) 利用基于深度学习的图谱识别方法对特高频传感器第i次采集的图谱数据进行诊断,初步识别出数据异常的传感器。

(2) 计算数据异常的特高频传感器第i次采集数据的脉冲个数N_i和平均放电幅值F_i,得到特高频信号强度为

(1)${{V}_{i}}={{N}_{i}}\times {{F}_{i}}$

(3) 计算数据异常的特高频传感器第i次前采集数据的累积平均信号强度

(2)${{V}_{j}}=\underset{j=i-t}{\overset{i-1}{\mathop \sum }}\,{{N}_{j}}{{F}_{j}}/t$

式中,t为累积时间窗口长度,表示选取的累积次数; N_j为特高频传感器第j次采集正常数据的脉冲个数; F_j为特高频传感器第j次采集正常数据的平均放电幅值。

(4) 对数据异常的传感器进行筛选,当V_i>V_j时,将该传感器加入异常传感器集。

异常传感器集由多个采集到异常数据的传感器组成,造成数据异常的原因可能是GIS内部局部放电或外部放电干扰,其中放电源可能是一个或多个,要区分放电源并定位首先要对异常传感器集进行分组。

4.3 异常传感器分组

根据电磁波的衰减特性,同一放电源发出的电磁波信号强度会沿着传播路径发生不同程度的衰减,但局部放电的特征不会发生变化。利用信号特征的相似度可以判断多个异常传感器的同源性,对异常传感器进行分组,识别局放源的数量。流程如下所示。

(1) 调节异常传感器集中传感器的采集频次,同一时刻触发采集n组特高频异常数据,对数据进行去噪处理。

(2) 计算每组特高频数据的空间特征,空间特征包括放电信号的脉冲个数、放电次数相位分布集中度、平均幅值等21个特征值。

(3) 对空间特征进行Z-Score标准化处理,公式如下

(3)$E_{ij}^{*}=\frac{{{E}_{ij}}-{{E}_{j}}}{{{s}_{j}}}$

式中,$E_{ij}^{*}$为第i组数据第j个特征值的标准化值,$\text{1}\le i\le n$,$\text{1}\le j\le \text{21}$;E_ij为第i组数据的第j个特征值;E_j为n组数据第j个特征值的均值;${{s}_{j}}$为n组数据第j个特征值的标准差。

(4) 计算任意两个传感器第i组数据的相关性为

(4)$si{{m}_{AB}}\left( i \right)=\frac{\sum\limits_{j=1}^{21}{A\left( E_{ij}^{*} \right)\times B\left( E_{ij}^{*} \right)\ }}{\sqrt{\sum\limits_{j=1}^{21}{{{\left[ A\left( E_{ij}^{*} \right) \right]}^{2}}}}\times \sqrt{\sum\limits_{j=1}^{21}{{{\left[ B\left( E_{ij}^{*} \right) \right]}^{2}}}}}$

式中,A、B为任意两个异常传感器的代号;$si{{m}_{AB}}\left( i \right)$为A、B两个传感器第i组特高频数据的空间特性相似度;$A\left( E_{ij}^{*} \right)$为传感器A的第i组数据第j个特征值的标准化值;$B\left( E_{ij}^{*} \right)$为传感器B的第i组数据第j个特征值的标准化值。

(5) 计算A、B两个传感器n组特高频异常数据的相似度均值

(5)$\overline{si{{m}_{AB}}}=\frac{\sum\limits_{i=1}^{n}{si{{m}_{AB}}\left( i \right)}}{n}$

(6) 异常传感器分组。当$\overline{si{{m}_{AB}}}\ge {{S}_{t}}$时,判断A、B传感器监测到的异常数据具有相关性,来自同一放电源。利用相似度的阈值判定对异常传感器进行分组,将监测到同一放电源特高频数据的传感器分为一组。其中S_t为相似度阈值,通过对200组数据的相似度进行统计,得到S_t取0.65时可较好地判断数据的相关性。

通过对信号特征的相似度进行分析,判断信号的同源性,对不同放电源进行有效识别,提高定位的准确性。

4.4 排除空间干扰

每个异常传感器组的放电源可能是GIS内部的局部放电信号,也可能是GIS外部的空间干扰信号。根据电磁信号随距离增大而衰减的特性,通过对单个异常传感器组中各传感器特高频数据的信号强度进行对比,可以排除空间干扰信号,具体流程如图4所示。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 排除空间干扰流程图

(1) 查看异常传感器组中是否包含空间特高频局放传感器,如果不包含则判断该组异常传感器的放电源为内部局部放电,否则进入下一步。

(2) 对空间特高频局放传感器的检测数据进行过滤,去除噪声干扰。

(3) 计算异常传感器组中各特高频传感器的信号强度均值,信号强度均值计算公式如下

(6)${{V}_{Av}}=\frac{\sum\limits_{i=1}^{n}{{{N}_{Ai}}\times {{F}_{Ai}}}}{n}$

式中,V_Av为传感器A的信号强度均值;N_Ai为传感器A第i组信号的脉冲个数;F_Ai为传感器A第i组信号的平均放电幅值;n为异常传感器组采集的异常数据组数。

(4) 对比各传感器信号强度均值,如果最大值为空间特高频局放传感器的,则判断该组异常传感器的放电源为外部干扰信号;如果最大值为接触式特高频局放传感器的,则判断该组异常传感器的放电源为内部局放信号。

4.5 空间定位

根据同一放电源产生的信号到不同位置传感器衰减程度不同的特性,本文针对同一内部局放源,通过对比不同位置传感器采集的信号强度判断局放源的大致位置,对内部局放缺陷进行定位,具体流程如下。

(1) 根据式(6)得到信号强度均值最大和次大的局放特高频传感器A、B,结合传感器空间拓扑图,得到与传感器A和B有直接电气连接的气室为疑似放电气室;同时将只安装1个传感器A的气室列为疑似放电气室。

(2) 利用传感器A和与其相邻的传感器之间的中垂线对疑似放电气室进行分割,得到中垂线和传感器A之间的区域为疑似放电区域;若疑似放电气室仅部署一个传感器,则该气室无需分割即为疑似放电区域。

(3) 判断n个疑似放电区域的交集为局放源所处区域;若n个疑似放电区域无交集,则判断n个疑似放电区域的并集为局放源所处区域。

5 应用案例

采用基于特高频传感器的GIS局放信号监测装置对GIS设备进行监测,发现某站GIS存在异常放电信号,利用该GIS的监测数据,对本文提出的定位方法进行验证。

该GIS为110 kV主变-进线间隔,其上安装部署了9个特高频传感器,包括7个接触式特高频局放传感器和2个空间特高频局放传感器。传感器的位置拓扑图如图5所示,编号1~7为接触式特高频局放传感器,编号8~9为空间特高频局放传感器。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 传感器位置拓扑图

编号1~7：接触式特高频局放传感器编号8~9：空间特高频局放传感器

利用基于深度学习的图谱识别方法对特高频传感器的图谱数据进行诊断,识别出传感器1~5、7、9图谱数据存在异常;计算每个传感器的信号强度及累积30天的平均信号强度,如表1所示。

表1 各传感器信号强度值

编号	信号强度	累积平均信号强度
1	28.4	5.4
2	44.7	5.7
3	146.1	8.1
4	121.5	9.8
5	5.3	6.2
7	10.4	4.1
9	2 847.1	2 476.3

新窗口打开| 下载CSV

通过对比信号强度的大小,将编号1~4、7和9的传感器添加入异常传感器集中,连续采集5组异常数据,计算异常传感器集中每两个传感器的相似度均值,结果如表2所示,根据相似度阈值判定,将异常传感器分为两组,即存在两个放电源,其中传感器1~4为一组、传感器7和9为一组。

表2 各传感器相似度均值

传感器编号	相似度均值	传感器编号	相似度均值
1-2	0.750 9	2-9	0.245 3
1-3	0.883 8	3-4	0.953 1
1-4	0.908 5	3-7	0.270 2
1-7	0.771 7	3-9	0.314 7
1-9	0.257 1	4-7	0.297 4
2-3	0.793 8	4-9	0.351 6
2-4	0.718 6	7-9	0.753 9
2-7	0.443 5

新窗口打开| 下载CSV

传感器1~4均为接触式特高频局放传感器,其信号来自同一内部放电源,通过对比传感器5组异常数据的信号强度均值,得到传感器4和3采集数据的信号强度依次是最大值和次大值,根据本文的定位方法,判断局放源位于传感器3上侧、传感器4左侧的隔离开关气室。对于传感器7和9的异常传感器组,由于传感器9为空间特高频局放传感器,计算传感器7和9的信号强度均值,通过对比得到传感器9的信号强度均值大于传感器8的,判断该组的放电源为外部干扰信号。

通过对该GIS异常信号的跟踪发现,其放电幅值和密度呈上升趋势,后经停电解体检查,通过X光透视发现隔离开关中的绝缘拉杆存在裂纹和气孔,如图6所示。缺陷位置与本文定位结果吻合,证明了空间定位方法的有效性。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 绝缘拉杆X光透视图

6 结论

本文提出了基于特高频传感器的GIS局放信号监测装置及定位方法。通过分析GIS内外部的特高频电磁信号,结合传感器与GIS的空间拓扑关系,识别GIS内部局放信号,确定局放源所处位置。经过现场应用,验证了定位方法的适用性,具有一定的推广价值。

(1) 本文通过在GIS本体和周围空间部署特高频传感器获取放电信号。利用特高频累积平均信号强度及特征相似度方法,排除空间放电信号的干扰,识别GIS内部局部放电信号。结合特高频智能传感器的安装位置与GIS的空间拓扑关系,并根据特高频信号强度,实现局部放电源的定位。

(2) GIS特高频传感器监测装置投入运行后,实现了110 kV GIS设备主变-进线间隔的局部放电信号的在线监测及局部放电信号的定位分析。

(3) 基于特高频智能传感器的GIS局部放电监测系统与定位方法极大地降低了传统GIS特高频在线监测定位状态的成本,并解决了现场部署接线的不便等问题,可进行推广应用。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

刘君华, 姚明, 黄成军, 等.

采用声电联合法的GIS局部放电定位试验研究

[J]. 高电压技术, 2009, 35(10):2458-2463.