金屬氧化物避雷器在線監測的評價模型研究

，，

（1.浙江省電力公司電力科學研究院，杭州310014；2.浙江省電力公司，杭州310007）

輸配電技術

金屬氧化物避雷器在線監測的評價模型研究

何文林1，張馳2，鄒國平1

（1.浙江省電力公司電力科學研究院，杭州310014；2.浙江省電力公司，杭州310007）

通過理論和試驗統計數據分析，指出了在線監測檢出金屬氧化物避雷器故障的有效性。基于形態學理論，構造了適用于在線監測數據處理的開-閉、閉-開和混合濾波器，并通過仿真計算驗證了形態學濾波器的有效性。建立了金屬氧化物避雷器本體溫升、全電流、阻性電流、外觀等狀態量的評價函數，并通過引入狀態量的權重因子獲得了在線監測的評價模型，該模型可以對運行中的金屬氧化物避雷器進行有效評價。

MOA；在線監測；形態學濾波器；狀態評價；模型

0 引言

金屬氧化物避雷器（MOA，Metal Oxide Arrester）以其流通能力大、保護性能好、結構簡單等特點在電力系統得到了廣泛的應用。由于MOA在運行期間要長期承受運行電壓，閥片會出現老化現象；潮濕、污穢、雷擊過電壓等因素也會加速閥片劣化。如果對老化的避雷器不及時處理，將會導致避雷器擊穿甚至爆炸，嚴重影響電網安全[1]。

長期以來，停電試驗是檢測MOA狀態的主要手段。由于MOA在運行過程中逐漸老化，有些潛伏性故障在停電試驗中難以及時發現；此外試驗需要停電，除了影響到電力系統的正常運行外還存在周期長、成本高、維修過剩等問題。

近年來，隨著傳感器技術、人工智能及計算機網絡等技術的發展，MOA在線監測技術在信號采集、數據傳輸等方面取得了長足的進步，在很大程度上推動了MOA在線監測技術的發展。目前國內外對于MOA的在線監測工作主要集中在狀態量的獲取、數據處理、在線監測設備的研制等方面，但是對于在線監測結果的評價尚未建立有效的模型[5]。因此，通過選取合適的狀態量，建立基于在線監測狀態評價的數學模型顯得尤為重要。

1 MOA狀態量檢出有效性分析

1.1 MOA故障統計數據

根據對某省電網2004—2010年間110 kV及以上等級MOA的故障統計：巡檢、停電試驗和直接故障發現的MOA異常事件110臺次；其中巡檢53臺次，占48.18%；停電試驗45臺次，占40.91%；直接故障12臺次，占10.91%。圖1是MOA故障來源統計分布情況。

圖1 MOA故障來源統計

1.2 MOA直接故障分析

12臺次的MOA直接故障可分為密封不良和并聯電容設計不合理兩類，其中11臺次由于密封不良引起內部受潮，1臺次由于內部并聯電容設計不合理，可通過優化設計加以改進；密封不良外加環境氣溫劇變易引起設備發生故障，密封不良引起受潮的故障理論上可以通過在線監測MOA的全電流、阻性電流提前檢出。

1.3 MOA電氣試驗結果分析

通過直流U1mA參考電壓和0.75U1mA下全電流測出40臺次MOA異常，通過底座絕緣電阻測出5臺次。例行試驗中發現：直流U1mA參考電壓和0.75U1mA下全電流數據異常的MOA返廠解體顯示，主要是密封不良導致內部受潮；底座絕緣電阻偏低的主要原因是底座內部積水。

試驗研究表明：MOA受潮或老化時，必然伴隨著全電流、阻性電流的大幅增大[3]。因此通過在線監測MOA的全電流和阻性電流，能夠有效地檢出其絕緣故障。圖2是直流U1mA和0.75U1mA下全電流檢測項目檢出設備缺陷分布情況。從圖中可以看出，在2006年之前直流試驗檢出的缺陷為總缺陷的85%；在2006年之后得益于新的在線監測技術的應用，電氣試驗的缺陷檢出率一直維持在很低的水平，每年的檢出缺陷占總缺陷的0%，5%，2.5%，7.5%。因此，利用成熟的在線監測技術（全電流、阻性電流、紅外等）可以替代停電試驗。

圖2 直流U1mA和0.75U1mA下檢出缺陷

2 在線監測數據處理方法

2.1 數學形態學及濾波器設計

電力系統在線監測是掌握電氣設備運行狀態、評估電氣設備性能和保證電網安全的重要手段。但在線監測現場測量環境復雜，容易受到各種背景噪聲和干擾的影響，監測數據很不穩定，從而影響故障診斷的準確性。因此如何采取有效的數據處理方法一直是在線監測技術研究的熱點。目前，基于數學形態學的非線性濾波器已在數字信號處理中得到了廣泛的應用[6]。

設原始信號f（n）和結構元素g（n）分別是定義在Df={0，1，…，N-1}和Dg={0，1，…，M-1}上的離散序列，且N≥M。則f（n）對于g（n）的膨脹和腐蝕分別定義為：

由式（1）與（2）可分別定義開閉運算：

由開閉運算的定義可知，開和閉運算分別具有削峰和填谷的作用，能夠去除信號中毛刺、孔洞的影響。為了同時利用開閉運算的優點，可以將二者通過級聯構成廣義濾波器。采用相同的結構元素，通過不同順序的級聯運算可以構造如下形態學開-閉、閉-開濾波器[7]：

形態學開-閉和閉-開濾波器雖可同時濾除信號的正負脈沖噪聲，但因開運算的收縮性導致開-閉濾波器的輸出幅值偏小，閉運算的擴張性導致閉-開濾波器的輸出幅值偏大，這樣明顯存在統計偏倚現象，將直接影響到噪聲的抑制性能。為消除該缺點，可將以上兩種運算組合并構造如下混合濾波器：

式中：ai是權系數，取a1=a2=1/2。

2.2 仿真分析

為了驗證形態學濾波器的性能，仿真了1組MOA全電流在線檢測序列，并通過計算分析不同濾波器的數據處理性能。

全電流理想信號是一幅值為500 μA，頻率為50 Hz的正弦信號，即y=500 sin（314x），其波形如圖3（a）所示。由于在信號檢測中往往有隨機噪聲的干擾，設檢測信號信噪比為20，則檢測信號圖形如圖3（b）所示。

圖3 理想信號和實際信號波形

考慮到理想信號為平滑的正弦結構，故選擇半圓形結構元素，其中元素長度為20，圓半徑為信號幅值的1/10。圖4是經過膨脹和腐蝕后的信號波形。由圖可知，經過運算后，信號出現了不同程度的擴張和收縮，信號平滑度大大提高。

圖4 膨脹和腐蝕運算結果

為了獲得更好的濾波效果，可以對信號采取混合濾波的方式。圖5是信號經過混合濾波的波形，由圖可以看出：經過混合濾波，檢測信號的毛刺基本被除去，同時消除了圖3運算中的信號擴張和收縮效應，濾波信號接近于原始理想信號。應該指出的是，仿真只是采用了一階混合濾波器，如果應用經式（5）與式（6）多次開閉運算之后的高階濾波器，將能夠獲得更好的濾波效果。

圖5 混合濾波器運算結果

3 MOA狀態評價

3.1 狀態量選擇

MOA在線監測的主要評價內容包括絕緣性能、溫升、外觀等方面，主要狀態量有全電流、阻性電流、本體溫升、外觀狀況等。MOA各狀態量根據其重要性可以分為主要狀態量和輔助狀態量，并引入不同的權重因子，從而對MOA完成全面評價。表1為各狀態量相應的評價信息，其中主狀態量權重k1=k2=k3=0.8，輔助狀態量權重k4=0.2。

3.2 狀態量評價模型

3.2.1 本體溫升

表1 MOA在線監測/帶電檢測狀態量

通過紅外熱像儀檢測MOA本體及連接部分，可以看到MOA的溫度分布，MOA正常工作時，應為整體輕微發熱，且熱場分布基本均勻。其評價函數為：

對于不同電壓等級的MOA，評價允許不同的溫升和相間溫差。其中110 kV允許溫升1.0 K，溫差0.5 K；220 kV允許溫升1.5 K，溫差0.6 K；500 kV允許溫升3.0 K，溫差1.2 K。

3.2.2 全電流

試驗研究表明，當MOA受潮、內部元件接觸不良或閥片老化時，全電流的幅值會發生明顯變化。全電流的評價函數為：

3.2.3 阻性電流

研究表明，當MOA閥片老化時，阻性電流幅值增加很快。阻性電流的評價函數為：

3.2.4 底座狀況

底座主要提供絕緣和支撐作用，要求底座絕緣良好，外觀無破損。底座狀況評價函數為：

3.3 狀態評價結果

MOA評價起評分為100分，其中主要狀態量扣分不超過80分，輔助狀態量扣分不超過20分。根據各狀態量的扣除分值可以得到式（11）所示的最終評價得分：

式中：p為缺陷因子，若該MOA存在家族性缺陷，p=0.95，否則p=1。

MOA的狀態可以分為“良好”、“正常”、“注意”、“異常”和“重大異常”等5個結果。根據式（11）可以計算得到MOA的評價分值，狀態評價結果可以通過表2的分值-狀態對應關系獲得。

表2 MOA評價結果與評價分值的關系

3.4 評價處理原則

狀態評價結果為“良好狀態”、“正常狀態”設備的處理，按照Q/GDW-11-121《輸變電設備狀態檢修導則》規定執行。對“注意狀態”、“異常狀態”、“重大異常狀態”設備，按Q/GDW-11-113《金屬氧化物避雷器狀態評價導則》的要求進行狀態評價及處理。

4 結論

MOA是防止電力系統過電壓的重要設備，為了準確掌握MOA的運行狀態，需要對其進行合理的評價。

（1）通過對MOA的故障統計數據進行分析，指出了MOA在線監測的有效性。

（2）利用數學形態學理論，構造了開-閉、閉-開和混合濾波器。通過仿真計算，驗證了形態學濾波器對在線監測數據處理的有效性。

（3）利用MOA全電流、阻性電流、本體溫升、外觀狀況等狀態量建立了在線監測的狀態評價模型。

[1]丁國成.金屬氧化物避雷器在線監測的基礎研究[D].保定：華北電力大學，2005.

[2]DL/T 393-2010輸變電設備狀態檢修試驗規程[S].北京：中國電力出版社，2010.

[3]程天翔，王寅忠，海世杰.電氣試驗[M].北京：中國電力出版社，2007.

[4]Q/GDW-11-113-2010金屬氧化物避雷器狀態評價導則[S].北京：中國電力出版社，2010.

[5]張懷宇，朱松林，張揚，等.輸變電設備狀態檢修技術體系研究與實施[J].電網技術，2009，33（13）∶70-73.

[6]王楠，律方成.數學形態學濾波預處理tanδ在線監測數據[J].高電壓技術，2003，29（7）∶32-33.

[7]譚向宇，許學琴，孫福，等.新型自適應廣義形態濾波器在MOA在線監測數據處理中的應用[J].中國電機工程學報，2008，28（19）∶25-29.

（本文編輯：楊勇）

Evaluation Model for Online Monitoring of Metal Oxide Arrester

HE Wen-lin1，ZHANG Chi2，ZOU Guo-ping1
（1.Z（P）EPC Electric Power Research Institute，Hangzhou 310014，China；2.Zhejiang（Provincial）Electric Power Company，Hangzhou 310007，China）

Through the analysis on the theoretical and test statistical data，the effectiveness of online monitoring of metal oxide arrest（MOA）malfunction is verified.Based on the mathematical morphology theory，the open-closing filter，close-opening filter and hybrid filter for online monitoring data processing are constructed. The effectiveness of the filters is also validated through the simulation and calculation.The evaluation functions of quantity of state including body temperature rise，total current，resistive current，appearance etc.are established and the evaluation model of online monitoring of MOA is created by introducing the weighting factor of quantity of state.This model can perform effective evaluation of MOA in operation.

MOA；online monitoring；mathematical morphology filter；condition assessment；model

TM862

：A

：1007-1881（2012）09-0001-04

2012-01-20

何文林（1963-），男，浙江浦江人，高級工程師，從事電力系統設備狀態檢修和試驗研究工作。