高压并联电抗器运行状态评估的新方法！可有效识别油箱内部缺陷
A new Method for evaluating the operating state of High Voltage shunt reactors! Can effectively identify the tank internal defects
高压并联电抗器（高抗）运行期间调节输电线路的无功功率，对维持电压具有重要的作用。由于受到绕组电流产生的电磁力，磁通在铁心饼表面产生的麦克斯韦力和磁致伸缩的影响，电抗器存在显著的振动与噪声。在长期振动状态下容易出现结构疲劳和紧固件松动，而油箱表面声振特征与内部机械状态存在紧密关联，内部结构件松动后其振动形态发生了变化，可能导致箱体局部发生振动幅值波动或出现其他频率分量，因此可以通过提取油箱表面的声振信号对电抗器运行状态进行评估。国内外大量研究表明，通过建立具有层次变化的特征向量与系统不同严重程度下缺陷之间的内在联系，从而得以有效判断缺陷类型和故障源区域。由于生产厂家或型号的不同，每台高压并联电抗器在出厂时制造工艺并不完全相同，随着电抗器投运时间的增加，不同时刻下的声振信号也会发生不同程度的改变，因此运用传统的声振分析法时并不能避免不同时间维度下电抗器本身所处环境和运行工况所带来的机械状态影响。近年来，随着人工智能的发展，深度学习作为一种深层神经网络，逐渐成为监测电力设备运行状态方面备受关注的数据处理方法。深度学习模型拥有多个非线性映射层级，可以对输入信号逐层抽象并提取特征，从而挖掘出更深层次的潜在规律。同时随着电力设备数据量上升以及特征复杂化，越来越多的学者将深度学习模型应用于电力设备故障检测并取得了很好的效果。具有记忆和遗忘功能的时间序列预测模型在国内外不同领域都得到了应用，这些应用结果证明了它不仅可以出色地捕获数据的变化趋势，而且可以表征时序数据的依赖关系。电力设备声振特征既可作为衡量其内部缺陷严重程度的指标，同时具有一定随时序变化的特有属性。因此针对每台制造工艺不同、运行环境各异的高压并联电抗器，分别挖掘其声振特征时序变化的运行状态评估方法具有一定的自适应性和个性化。
结合现场电力设备状态监测和声振特征预测的现实需求，国网河北省电力有限公司电力科学研究院、西安交通大学电力设备与电气绝缘国家重点实验室的研究人员，使用时间序列预测的方法来研究电抗器声振特征的未来变化趋势。
图1 数据采集设备
他们开发了一套全天候、抗电磁干扰能力强、具有记录稳态信号和暂态信号的电抗器声学振动实时采集系统。针对某1000kV变电站内特高压并联电抗器的声振数据，提出了一种基于门控循环单元（Gated Recurrent Unit, GRU）网络模型的声振特征预测方法。该方法包含详细的网络结构设计以及实现网络预测的功能等，结构上包括输入层、隐藏层和输出层三个网络层，功能上可实现多通道信号的多特征参量预测。
研究人员表示，采用长短期记忆（LSTM）和门控循环单元（GRU）预测模型对电抗器声振特征进行预测，通过与真实测量值对比，预测结果的整体趋势、波动程度均与实测数据接近吻合，同时模型输出结果中特征参量的波动趋势可为状态评估提供参考。
图3 缺陷区域
研究结果表明，该电抗器声振信号在线监测系统能够满足变电站现场投入使用需求。通过在线监测系统持续运行，初步形成了以奇偶次谐波比、50Hz比重、基频幅值与基频比重为指标的缺陷诊断方法。他们利用本方法对一台接地线未连接的缺陷高抗声振特征进行评估，结果表明，模型输出结果与实测结果是否吻合，可说明电抗器当前振动特征波动是否存在规律性，可判断箱体内部是否存在机械缺陷。研究人员最后强调指出，利用在线监测系统和时间序列预测模型对电抗器声振特征进行对比分析的方法，可有效捕捉并适应电抗器声振特征的变化规律和波动趋势，避免了电抗器断电检修带来的整体影响和经济损失。因此，该方法可以作为电抗器状态评估的有效途径，为现场运维人员提供及时、有效的参考价值，在一定程度上可以提高现场电力设备运行的完备率。
转自：高压并联电抗器运行状态评估的新方法！可有效识别油箱内部缺陷 - 电气技术杂志社 (ces-transaction.com)