基于SF6酸性分解物與特高頻結合的GIS絕緣故障診斷

林福海，顏湘蓮，稂業員，鄧永強，徐 銳，李 惟

（1.國網江西省電力有限公司電力科學研究院，江西 南昌 330096；2.中國電力科學研究院有限公司，北京 100192）

0 引言

目前，國內氣體絕緣金屬封閉開關設備（GIS）以每年10%左右的速度增長，SF6氣體的用量也迅猛增長[1]。SF6氣體在設備過熱、局放、拉弧的情況下會產生分解物，分解物檢測已成為判斷氣體絕緣高壓電氣設備運行健康狀態的重要參考指標，SF6分解產物不僅會影響設備的絕緣強度，造成非計劃停電，還會一定程度上污染大氣環境，危害現場人員的身體健康[2-3]。因此，需要開展SF6氣體分解產物與設備局放檢測相結合的研究工作。

對于變電站內發生故障的電力設備SF6檢測，早期主要采用比色管法，將經過化學反應后的溶液顏色與標準顏色進行比對，得到有一定誤差的SF6分解物濃度。近年來，由SF6氣體電化學特性研究形成的傳感器檢測法在設備帶電、停電情況下，可以對SF6設備進行氣體分解物濃度的檢測，檢測較為簡便[4-5]，但分解物不穩定，存在組分間的交叉干擾、儀器的零漂及溫漂等問題，導致檢測精確度不高[6]。目前的檢測方法都難以對SF6電氣設備的氣體酸性分解物濃度進行精確的定量測量。部分智能GIS變電站安裝了在線特高頻傳感器，從電磁波信號方面來判斷是否存在局放[7]，存在片面、干擾、數據不準確等問題，且沒有其他手段進行相互印證。因此，目前的檢測方法難以對GIS設備內的潛伏性局部放電進行檢測，無法及時有效地將設備缺陷扼殺在初始階段。

本研究將SF6分解后的氣體經過強氧化劑氧化后，溶于水得到酸性液體，通過標準堿液自動滴定，得到SF6氣體酸性分解物的濃度及總量，再將測試結果與在線特高頻局放測試數據相結合，通過實驗室模擬試驗，得到一種GIS設備局部放電的放電類型、放電量大小的判斷標準。

1 理論研究

1.1 SF6氣體酸性分解物濃度檢測系統及實現方式

SF6氣體酸性分解物濃度檢測所需的檢測儀器及設備如圖1所示。

圖1 SF6氣體酸性分解物濃度檢測系統Fig.1 Detection system diagram for SF6gas acid decomposition product concentration

該方法通過以下步驟實現：將SF6氣體取樣閥裝在電氣設備的取樣管路上，之后再安裝一個不可調節的氣體流量計，氣體的取樣時間通過精密秒表來計時，SF6酸性分解氣體經過SF6分解物氧化裝置后均被強氧化劑氧化成可水解的高價酸，在裝有純水的密封錐形瓶內形成酸性液體，通過堿式自動滴定裝置裝有的標準堿液進行滴定，滴定換算后得到SF6氣體酸性分解物質量濃度、酸性分解物的總量。

該檢測方法中，氣體取樣閥門為逆止閥，防止氣體回流，SF6分解物氧化裝置能將不穩定的低硫化物氧化成可溶于水的穩定硫化物（SF6氣體自身不被氧化，且不溶于水），氣體流量、錐形瓶中的純水體積均固定。

1.2 SF6氣體酸性分解物濃度的計算步驟

1.2.1 SF6氣體酸性分解物溶于純水后的H+摩爾數的計算

SF6氣體酸性分解物溶于純水后呈酸性，用于滴定酸性溶液的堿液消耗體積為V1，OH-摩爾濃度為ρ1，則SF6氣體酸性分解物溶于純水后的H+摩爾數n1通過式（1）計算。

1.2.2 SF6氣體酸性分解物質量濃度、酸性分解物總量計算公式的推導

電弧放電、局部放電、異常發熱下的SF6氣體分解產物主要有 SO2、H2S、SOF2、SO2F2、S2OF10、SOF4、SF4、CF4、HF和固體分解物[8]，這些分解產物以低價硫化物為主。本檢測方法的氧化裝置將分解物中的這些低價硫化物氧化成可溶于水的高價硫氧化合物SO3，而SF6氣體自身不被氧化，且不溶于水；SO3溶于水后生成的H2SO4中H+離子與S6+離子摩爾數比為2∶1，較為穩定且未被氧化的H2S中H+離子與S2-離子摩爾數比也為2∶1，即S原子摩爾數n為式（2）。

SF6氣體分解物的氣體流量為Q，取氣時長為T，則SF6氣體分解物的取氣體積V2為式（3）。

SF6氣體酸性分解物主要是以低價硫化物存在，其中會有少量的HF酸，但極不穩定，且含量少，可忽略不計，則得到以硫元素表示的酸性分解物的質量濃度c為式（4）。

式（4）中：32為硫原子的摩爾質量；n為硫原子摩爾數；V2為SF6氣體分解物的取氣體積。

將式（1）、（2）、（3）代入式（4）可得到以硫元素表示的酸性分解物的質量濃度c，如式（5）所示。

設SF6設備內的充氣體積為V，則以硫元素表示的設備內酸性分解物的總量M為式（6）。

按照式（5）～（6）可計算出以SF6氣體為絕緣介質的故障或疑似故障設備中酸性分解物的質量濃度和總量[9]。

2 模擬試驗研究

設計了GIS模擬放電實驗裝置，如圖2所示，對金屬尖端放電、懸浮電位放電、絕緣件內部氣隙放電和自由金屬顆粒放電實驗下SF6酸性分解物的質量濃度進行測試，得到不同放電模式、放電量、SF6氣體酸性分解產物濃度之間的關聯參數，建立基于神經網絡的診斷模型[10]，提出基于GIS典型缺陷類型、SF6酸性分解物濃度推算放電量大小的診斷判據。

圖2 GIS模擬放電實驗裝置Fig.2 GIS simulated discharge experimental device

2.1 試驗實施方案及數據

根據圖2標識，用AC 220 V電源經調壓器、濾波器輸出接至試驗電源輸入端，通過4個放電模型的升降桿將放電體之間的距離調節至合適位置，固定不動，并通過調壓器來調整起始電壓及試驗電壓值，從耦合電容處接檢測阻抗取局放信號，用累積式電脈沖局放儀測量放電量；從放電模型氣室的充氣接口取出SF6氣體，通過取樣管通入SF6氣體酸性分解物濃度檢測裝置，酸性分解物檢測的計時時間從達到起始電壓值開始，檢測結束時間以達到累計的整數放電量（1、2、3μC）為止；放電類型直接從放電模型升降桿的位置判斷，正常試驗時，只有1根升降桿旋出高度較低，其他3根升降桿保持最高位置，那么就可以確定是升降桿旋出高度較低的那個是放電試驗模型，這時通過內置特高頻傳感器與儀器連接檢測出的圖譜驗證放電類型。每次局放試驗之后，均對設備內的SF6氣體抽真空，更換新的吸附劑。在SF6氣體壓力為0.4 MPa、微水含量為78μL/L的情況下，在實驗室測得金屬尖端放電、懸浮電位放電、絕緣件內部氣隙放電和自由金屬顆粒放電時的具體條件及具體情況如表1所示。

表1 4種放電情況下的具體條件及具體情況Tab.1 Specific conditions and specific conditions under four discharge conditions

從表1可以看出，起始電壓為57 kV、試驗電壓為60 kV的情況下，懸浮電位累積放電量為1μC時的放電時間為3.8 min。在4種放電類型下通過電脈沖局放檢測端口測試酸性分解產物濃度對應的累積放電量，其中累積放電量分別為1、2、3μC情況下的SF6酸性分解產物濃度具體數據如表2所示。

表2 典型缺陷下累積放電量對應的酸性分解產物濃度Tab.2 The content of acidic decomposition products corresponding to the accumulated discharge amount under typical defects

2.2 設備缺陷放電量大小的診斷模型

統計獲得的24組局放試驗數據（每種放電類型6組數據，累積放電量分別為1、2、3、4、5、6 μC），采用BP神經網絡法，設置充裝氣壓等10個輸入向量，列于表3，輸出向量為累積放電量，并用Matlab自帶的premnmx函數將這些數據歸一化處理。BP網絡由輸入層、隱層和輸出層組成，網絡選用S型傳遞函數，通過反傳誤差函數不斷調節網絡權值和閾值使誤差函數E達到極小，如式（7）所示。

表3 設備缺陷診斷模型的輸入向量Tab.3 Input parameters of the device defect diagnosis model

式(7)中：Oi為網絡的計算輸出；ti為期望輸出（即實際測量值）。

將樣本數據歸一化后輸入網絡，設定網絡隱層和輸出層的激勵函數分別為tansig和logsig函數，網絡訓練函數為traingdx，網絡性能函數為mse，隱層神經元數初設為6。網絡迭代次數epochs為5 000次，期望誤差goal為0.000 000 01，學習速率lr為0.01。設定完參數后，開始網絡非線性參數的確定。

該網絡通過24次重復調整達到期望誤差后完成參數設定。網絡參數調整完成后，只需將各向量輸入網絡即可得到預測的累積放電量。

對建立的基于SF6氣體酸性分解物濃度、4種放電類型來確定設備累積放電量的診斷模型，用現場實測的12組數據（每種放電類型3組數據）進行模型驗證。例如：在金屬尖端放電1 000 min的情況下，測得SF6酸性分解物濃度為1.2μg/L，根據建立的診斷模型，估算出累積放電量為2.0μC，與實際測量值（即期望輸出值）2.2μC接近。詳細的驗證結果如表4所示，正確率達到83%以上，表明建立的診斷模型是有效的。分析發現隨缺陷放電強度的增加，SF6酸性分解物濃度增大，且具有一定的對應關系。

2.3 設備缺陷的評價流程

檢測到酸性分解物濃度增加表明缺陷劣化，缺陷的嚴重程度及其發展趨勢可通過放電類型、累積放電電荷量和SF6酸性分解物濃度進行評估，評估流程如圖3所示。

表4 設備缺陷放電量大小診斷模型的驗證結果Tab.4 The verification results of the model for discharge amount of device defect

圖3 設備缺陷程度和發展的評估流程Fig.3 Evaluation process of equipment defect degree and development

3 研究結果

對SF6氣體酸性分解產物的檢測流程進行優化及自動化設計，檢測靈敏度可達0.1 μg/L，完全滿足放電故障的診斷要求。

綜合GIS設備缺陷類型的SF6氣體酸性分解產物檢測方法、局放累積電荷量診斷技術和缺陷診斷模型，獲得了設備典型缺陷的酸性分解產物與局放特征參量，進而提出了基于SF6氣體酸性分解產物濃度與放電類型來綜合評估GIS設備局放累積電荷量的缺陷診斷方法，并提出了運行設備潛伏性故障預警流程[11]，分別如表5和圖4所示。

由模擬試驗研究和驗證結果以及表5可知，檢測到酸性分解物，設備內必然有放電。當檢測到運行GIS設備內SF6氣體酸性分解物濃度大于注意值時，需同時開展特高頻局放檢測，通過現場特高頻檢測到的PRPS圖譜判斷放電類型，具體見表6，確定放電類型后，再結合表5中的酸性分解物濃度大小來綜合評估累積放電量；若特高頻檢測圖譜顯示沒有放電，則根據表5中的酸性分解物濃度判斷放電量大小。

表5 基于SF6酸性分解物與放電類型的GIS設備局放量綜合評估方法（檢測時間為4 min）Tab.5 Comprehensive evaluation method of partial discharge amount based on SF6acidic decomposition products and discharge types for GIS equipment(detection time is 4 minutes)

圖4 運行設備潛伏性故障預警機制的檢測流程Fig.4 Detection process of the equipment latent fault for early warning

如果酸性分解物濃度正常，而特高頻局放檢測圖譜顯示有放電信號，初步排除高能量放電及過熱缺陷，并判別是否存在電磁波信號的干擾，分析是否存在疑似缺陷，再應用傳感器或色譜法對分解物各組分進行復測，最終根據檢測數據綜合判斷設備狀態，具體步驟見圖4。

4 結論

（1）研究了一種SF6氣體酸性分解物濃度的檢測新方法，可以計算SF6電氣設備中酸性分解物的質量濃度。

表6 局部放電的特高頻典型圖譜及特征分析Tab.6 Typical high-frequency spectrum of partial discharge and its characteristic analysis

（2）通過GIS模擬放電裝置，獲得了放電類型、SF6氣體酸性分解物濃度、累積放電量之間的大量關聯數據，并用神經網絡法建立了基于SF6氣體酸性分解物濃度、放電類型來確定設備累積放電量的診斷模型，采用試驗結果驗證了模型的有效性，并給出了具體的評估判據。

（3）提出了運行設備是否存在潛伏性放電故障的檢測、評價流程。

（4）采用SF6酸性分解物檢測與特高頻局放分析相結合判斷GIS設備的放電量大小，在理論與實驗室均取得了新突破，并建立了有效的分析模型，可對運行GIS設備內的潛伏性局部放電進行準確預判，有望應用于現場診斷。