低壓開關柜運行在線監測和診斷系統設計

王建新 李鐵軍 朱 軍 杜一錦

低壓開關柜運行在線監測和診斷系統設計

王建新 李鐵軍 朱 軍 杜一錦

(國網冀北電力有限公司廊坊供電公司 廊坊 350001)

針對于低壓開關柜人工巡檢成本高、效率低下的問題，設計一種低壓開關柜運行狀態與檢測故障在線監測系統。該系統通過傳感器獲取低壓開關柜的運行數據，采用云樣本熵的方法對數據進行處理，獲取其正常運行和故障運行的特征值，對特征值使用馬氏距離算法進行計算。該方法首先通過訓練樣本尋找馬氏距離的閾值，再通過試驗樣本數據計算馬氏距離，馬氏距離的值介于7～9，最后將該距離使其與馬氏距離的閾值進行比較，進而可以實時、在線監測其運行狀態。試驗表明，該系統的故障檢測正確率大于98%。

低壓開關柜；智能電網；云樣本熵；馬氏距離；在線監測

1 引言

低壓開關柜是由多個開關和測量設備構成的一種裝置，能夠將電路控制和檢測裝置整合到一個柜子中，大大提高使用的安全性和管理效率，因此該裝置被廣泛應用于配電所中，成為電力輸送和調配的重要載體[1-2]。

由于低壓開關柜在長時間運行中容易出現多種故障數據，快速準確地檢測出設備的故障位置和故障原因是快速恢復電力的主要步驟。文獻[3]介紹一種通過對低壓開關柜進行紅外光線測溫監測一次接插件，進而實現對低壓開關柜的檢測，但是該方法僅僅是低壓開關柜可能發生故障的一個功能組件，低壓開關柜有很多潛在故障的部分都需要進行檢測，同時需要人看守，人力資源耗費巨大；文獻[4]介紹一種對局部放電的檢測方法，電氣設備在運行過程中出現局部放電現象時，放電會產生電荷的轉移，這些電荷會聚集在接地的金屬組件上，形成對地電流，這就產生了暫態對地電壓，通過對暫態對地電壓的測量來實現對局部放電的檢測，但是該方法并不能夠準確得出放電部位；文獻[5]介紹了一種壓力檢測儀，通過使用壓力檢測器對低壓開關柜一次觸頭壓力進行測量，據此能夠解決因觸頭接觸不良造成的短路現象，但是由于觸頭的彈力會隨著時間減小，需要再次進行人力檢測，造成大量人力 浪費。

針對上述方法的缺點，本文設計了一種能夠在線監測低壓開關柜運行狀態的系統，該系統通過獲取數據和來源推斷出故障的具體位置和原因，大大節省人力資源和提高電力故障處理的效率。

2 低壓開關柜監測系統架構

為及時發現以及預防開關柜的故障問題，需要及時地監測和處理故障診斷。本文設計了一種低壓開關柜運行狀態在線監測及故障診斷系統[6-7]，該系統的整體框架圖如圖1所示。

圖1 在線監測系統整體框架

圖1中在線監測系統通過信息傳感器獲得低壓開關柜運行狀態相關數據，通過數據傳輸網絡將相關數據傳輸到數據庫，實現數據分析和人機交互[8-9]。

低壓開關柜的結構一般由繼電器儀表室、電纜室、斷路器手車室和母線室四部分組成，并且開關柜不同的組成部分有著非常顯著的差異，因此需要對低壓開關柜采用不同的數據采集模塊來采集多種數據，數據采集模塊組成結構如圖2所示。

圖2中，低壓開關柜中溫度、濕度的變化會影響很多元件的性能和使用情況，又因開關柜每個組成部分都是分隔成一個小隔間，本文設計對每一個小隔間安裝溫度、濕度傳感器，通過數據傳感器采集其中溫度、濕度數據[10]；通過儀器采集繼電器儀表室用于顯示開關柜的運行情況和電力維護儀表的數據。

圖2 數據監測裝置整體框架

3 低壓開關柜故障特征提取和分析

針對于開關柜故障特征進行提取和分析時，由于信號傳感器采集的數據無法直接使用，因此需要對監測的低壓開關柜數據進行量化處理，并對每個觀測點數據在時間序列上的關聯特征和每個觀測點之間的關聯特征進行分析，獲取低壓開關柜的運行狀態特 征[11-12]。再通過馬氏距離對特征值進行分析，檢測故障的情況，其基本流程如圖3所示。

圖3 故障檢測流程圖

3.1 基于云樣本熵的故障特征提取

為提取低壓開關柜的運行狀態特征，通過云樣本理論對傳感器采集的數據進行處理，對每個觀測點數據在時間序列上的關聯特征和每個觀測點之間的關聯特征進行分析，獲取低壓開關柜的運行狀態特征[13-14]。

現假設能夠采集低壓開關柜的個運行狀態量，利用標準的時間間隔對其運行狀態數據進行采集，構成檢測點的時間序列向量如式(1)所示

3.2 基于馬氏距離的故障診斷設計

本文采用馬氏距離的計算方法對低壓開關柜常見故障進行診斷，要使用馬氏距離的計算方法，需要引入已知故障樣本特征值構成的標準特征值向量集合和需要測定的監測數據特征值兩組數據，把需要測量的樣本特征值和已知的故障樣本特征值、正常運行的樣本特征值通過馬氏距離算法進行比較，觀察其相似度，通過相似度來判斷低壓開關柜的運行狀態和可能的故障種類[15-16]。

為計算被測樣本與標準樣本之間的相似度，本文采用了馬氏距離的計算方法，在馬氏距離中使用協方差矩陣來協助進行數據處理，能夠減小冗余數據對于數據分析的影響，同時考慮到數據之間的關聯性，因此通過馬氏距離算法能夠較好地處理低壓開關柜的檢測和故障診斷問題。

4 仿真試驗設計

通過對低壓開關柜各種故障原因進行分析，可以很明顯地發現常見的低壓開關柜故障主要如下：拒動、誤動故障，開斷與關合故障，絕緣故障，載流故障以及其他故障[19-20]。分析這些故障發生的原因大致分為三大類：第一類是機械結構故障，這種類型的故障是由于操作失誤、部件損壞等原因造成的機械故障；第二類是絕緣故障，是由于絕緣層老化、短路等造成的電氣線路和器件過渡發熱現象；第三類是電弧故障，是由于潮氣、污染和灰塵等外來物的入侵造成的電弧現象。

為了驗證本文方法的有效性和可靠性，本次模擬試驗通過獲取新疆某10 kV配電房低壓開關柜的運行數據作為測試樣本進行模擬仿真試驗。本文試驗設備選取的低壓開關柜為某地電力調控中心，品牌為上華電氣380 V的開關柜，試驗數據為該設備在2020年6～9月的設備運行數據，并統計近三年該開關柜的故障數據，數據包含低壓開關柜正常運行狀態數據，機械結構故障、絕緣故障和電弧故障這三種運行故障狀態數據，對于這4種運行數據每種獲取20組數據，共計80組數據，對于每種運行狀態的20組數據采用其中10組為訓練樣本，另外10組為試驗樣本。在每組數據中包含各種數據傳感器采集的數據，數據采集器每間隔50 ms采集一次數據，一共選取500個采樣點[21-22]。本文所選取的設備如圖4所示。

圖4 低壓開關柜在線監測及故障診斷系統

在本次試驗中采用仿真試驗環境的參數設置如下：選用Windows 10作為操作系統平臺，Matlab2020為仿真軟件，設置計算機內存為5 G，Intel Xeon W-2145 CPU 3.70 GHz。本次選取了500組數據為訓練數據，其中200組數據為低壓開關柜正常運行的數據，300組數據為已知故障類型數據。圖5、6、7分別為正常運行、電弧故障和絕緣故障三種不同的低壓柜運行狀態在電纜接口和電纜室內的溫度折線統計圖，每種狀態選取500個采樣點。

如圖5所示，該圖像為低壓開關柜正常運行時的溫度數據統計圖，其中電纜接頭的溫度保持在32～36 ℃，電纜室內的溫度保持在22～24 ℃。由于電路長時間運行會產熱，所以電纜接頭的溫度會略高于電纜室內溫度。電纜室電流大小穩定，所以溫度沒有較大波動。

圖5 正常運行溫度統計

如圖6所示，該圖像為低壓開關柜電弧故障的溫度數據統計圖，由于電弧的產生是周期性的，當產生電弧時，電纜接口和電纜室的溫度會快速升高，電纜接口的溫度會達到150 ℃左右，但電弧消失后，溫度會回到正常運行狀態。

圖6 電弧故障溫度統計圖

如圖7所示，該圖像為低壓開關柜絕緣故障電纜接口和電纜室的溫度數據統計圖，通常發生絕緣故障時，電路常常會發生短路現象，線路會快速升溫，使線路長時間處于高溫狀態，會達到200 ℃ 左右。

圖7 絕緣故障溫度統計圖

為計算馬氏距離的閾值，選取500組數據作為訓練樣本，其中200組數據為低壓開關柜正常運行的數據，300組數據為低壓開關柜運行故障數據，其馬氏距離計算結果統計圖像如圖8所示。

圖8 樣本馬氏距離統計圖

由圖8可知，左側虛線數據是正常運行樣本的馬氏距離統計圖像，其馬氏距離主要分布在1左右，其中最小值為0.05，最大值為7.35；右側實線數據是故障樣本的馬氏距離統計圖像，可以看出故障樣本和正常運行樣本的馬氏距離有很大區別，故障樣本中的馬氏距離最小值為21.24。因此馬氏距離閾值的選取應該在7.35～21.24。

在低壓開關柜故障檢測中，由于故障檢測的正確率與馬氏距離閾值有關，因此需要監測不同的馬氏距離在故障檢測中的正確率，如圖9所示為馬氏距離和故障檢測正確率折線圖像，其中虛線為訓練樣本的折線圖，實線為測試樣本的折線圖。

圖9 診斷正確率統計圖

如圖9所示，通過觀察測試樣本正確率數據統計圖可知，隨著馬氏距離閾值從零不斷增加，其故障檢測的準確率不斷增加，但是當馬氏距離閾值增加到一定值時，其準確率會不斷減小，所以馬氏距離的閾值需要選取合適的值。由統計數據可知，當馬氏距離閾值選取在7～9時，能夠更好地檢測低壓開關柜故障問題，其正確率在98%以上。

為研究本文設計馬氏距離故障檢測方法在不同種類的低壓開關柜的適應性，本文另選取五種不同品牌的電壓開關柜的使用數據進行驗證，每種品牌統計200組數據，其中包含50組故障數據和150組正常數據，其檢測正確率統計結果如圖10所示。

圖10 不同品牌檢測正確率

如圖10所示，這五種品牌的低壓開關柜檢測正確率都保持在97%以上，因此本文設計的馬氏距離檢測方法擁有在多種品牌低壓開關柜檢測的普適性。

5 結論

隨著我國電力行業的快速發展，電力事務管理逐漸自動化、智能化，需要更高效率的事務管理系統來對事務進行管理。對于低壓開關柜的在線監測和故障診斷很有必要，可以很大程度上減小人力成本、故障監測和維修效率。本文通過設計一個低壓開關柜的在線監測及故障診斷系統來對低壓開關柜的運行情況進行監測，通過云樣本熵的方法獲取數據特征值，使用馬氏距離對特征值數據進行計算分析，通過計算馬氏距離的方法分析其是否處于故障 階段。

[1] 肖先勇，崔燦，汪洋，等. 電壓暫降分類特征可比性、相關性及馬氏距離分類法[J]. 中國電機工程學報，2015(6)：1299-1305.

XIAO Xianyong，CUI Can，WANG Yang，et al. Comparability and relevance of voltage sag classifying features and classification methods based on mahalanobis distance[J]. Proceedings of the CSEE，2015(6)：1299-1305.

[2] 周念成，周川，王強鋼，等. 基于改進拉普拉斯分值的開關柜故障特征選擇和診斷方法[J]. 電網技術，2015，39(3)：850-855.

ZHOU Niancheng，ZHOU Chuan，WANG Qianggang，et al. Improved Laplacian score based fault feature selection of switchgear cabinet and its diagnosis[J]. Power System Technology，2015，39(3)：850-855.

[3] 查翔，倪世宏，張鵬. 基于多區域劃分的模糊支持向量機方法[J]. 中南大學學報，2015，46(5)：1680-1687.

ZHA Xiang，NI Shihong，ZHANG Peng. Fuzzy support vector machine method based on multi-region partition[J]. Journal of Central South Unversity，2015，46(5)：1680-1687.

[4] KRAUSE K，BURNS D，HUTCHINSON S. Managing arc flash：Collaborative solutions in medium-voltage switchgear[J]. IEEE Industry Applications Magazine，2014，20(1)：70-78.

[5] 陳勝. 基于WEB組態智能低壓開關柜通訊網關設計[J].電力設備管理，2020(8)：162-164.

CHEN Sheng. Design of communication gateway of intelligent low voltage switchgear based on WEB configuration[J]. Power Equipment Management，2020(8)：162-164.

[6] 曹文濤，李紅廣. 電力系統中的高低壓開關柜檢驗技術[J]. 集成電路應用，2020，37(8)：118-119.

CAO Wentao，LI Hongguang. Inspection of switchgear in power system[J]. Integrated Circuit Application，2020，37(8)：118-119.

[7] 賓進寬，楊蒙賓，周旭. 智能低壓開關柜的設計[J]. 通信電源技術，2020，37(11)：50-53.

BIN Jinkuan，YANG Mengbin，ZHOU Xu. Design of intelligent low voltage switchgear[J]. Communication Power Technology，2020，37(11)：50-53.

[8] 龔亮. 低壓開關柜觸頭發熱原因分析及解決措施[J]. 中國設備工程，2020(11)：176-177.

GONG Liang. Cause analysis and countermeasures of contact hair heat in low-voltage switchgear[J]. China Plant Engineering，2020(11)：176-177.

[9] HUSSAIN G A，KUMPULAINEN L，KLUSS J V. The smart solution for the prediction of slowly developing electrical faults in MV switchgear using partial discharge measurements[J]. IEEE Transactions on Power Delivery，2013，28(4)：2309-2316.

[10] KUMPULAINEN L，HUSSAIN G A，LEHTONEN M. Preemptive arc fault detection techniques in switchgear and control gear[J]. IEEE Transactions on Industry Applications，2013，49(4)：1911-1919.

[11] 林海芳. 探究低壓開關柜結構的設計對電氣性能的影響[J]. 機械管理開發，2020，35(3)：256-257.

LIN Haifang. Exploring the influence of low-voltage switchgear structure design on electrical performance[J]. Machinery Management Development，2020，35(3)：256-257.

[12] 王競，龍丹丹. 提高低壓開關柜控制電源供電的可靠性分析[J]. 工程技術研究，2020，5(2)：247-248.

WANG Jing，LONG Dandan. Analysis on improving the reliability of low-voltage switchgear control power supply[J]. Engineering Technology Research，2020，5(2)：247-248.

[13] 楊永久. 低壓開關柜結構設計對電氣性能的影響[J]. 現代制造技術與裝備，2020(2)：73-74.

YANG Yongjiu. The influence of low-voltage switchgear structure design on electrical performance[J]. Modern Manufacturing Technology and Equipment，2020(2)：73-74.

[14] 辛業春，崔金棟，周川. 基于多變量多尺度云樣本熵和模糊支持向量機的開關柜故障分類[J]. 電網技術，2016，40(11)：3597-3603.

XIN Yechun，CUI Jindong，ZHOU Chuan. Switchgear fault classification based on multi-variable and multi-scale cloud sample entropy and fuzzy support vector machine[J]. Power System Technology，2016，40(11)：3597-3603.

[15] 張淑行，連曉峰，王焜. 基于加權馬氏距離多核學習的外觀缺陷分類[J]. 傳感器與微系統，2020，39(10)：129-131，134.

ZHANG Shuxing，LIAN Xiaofeng，WANG Kun. Appearance defect classification based on weighted Mahalanobis distance multi-core learning[J]. Sensors and Microsystems，2020，39(10)：129-131，134.

[16] 効迎春，宿忠娥. 基于改進RBF神經網絡的電機故障診斷方法研究[J]. 甘肅高師學報，2018，23(5)：26-29.

XIAO Yingchun，SU Zhonge. Research on motor fault diagnosis method based on improved RBF neural network[J]. Journal of Gansu Normal University，2018，23(5)：26-29.

[17] 王超. 弧光保護在中低壓開關柜中的應用研究[J]. 電氣開關，2019，57(6)：83-84，88.

WANG Chao. Application research of arc protection in medium and low voltage switchgear[J]. Electric Switchgear，2019，57(6)：83-84，88.

[18] 茅雷. 探討局部放電在線檢測應用在中低壓開關柜檢測中的效果[J]. 科技與創新，2015(23)：157，159.

MAO Lei. Discuss the effect of partial discharge on-line detection in the detection of low- and medium-voltage switchgear[J]. Technology and Innovation，2015(23)：157，159.

[19] 盛赟烽，龍璽，蔡益州. 適用于中低壓開關柜的狀態檢測技術研究與實踐[J]. 科技資訊，2014，12(9)：128.

SHENG Yunfeng，LONG Xi，CAI Yizhou. Research and practice of state detection technology for medium and low voltage switchgear[J]. Science and Technology Information，2014，12(9)：128.

[20] 王群峰，高旭，巴玉江. 低壓開關柜觸頭夾緊力檢測儀開發應用[J]. 電氣時代，2018(11)：62-64.

WANG Qunfeng，GAO Xu，BA Yujiang. Development and application of the contact clamping force tester for low-voltage switchgear[J]. Electrical Age，2018(11)：62-64.

[21] 王大虎，杜猛，白帆. 基于虛擬現實的沉浸式高低壓開關柜教學軟件設計[J]. 實驗科學與技術，2020，18(1)：73-76.

WANG Dahu，DU Meng，BAI Fan. Teaching software design of immersive high and low voltage switch cabinet based on virtual reality[J]. Experiment Science and Technology，2020，18(1)：73-76.

[22] 潘向東. 關于高低壓開關柜接地保護裝置探析[J]. 礦業裝備，2020(2)：98-99.

PAN Xiangdong. Discussion on the grounding protection device of high and low voltage switchgear[J]. Mining Equipment，2020(2)：98-99.

Design of On-line Monitoring and Diagnosis System for Low-voltage Switchgear Operation

WANG Jianxin LI Tiejun ZHU Jun DU Yijin

(Langfang Power Supply Company, State Grid Jibei Electric Power Co., Ltd., Langfang 350001)

Aiming at the problem of high cost and low efficiency of manual inspection of low-voltage switchgear, a system that can detect the operating status and faults of low-voltage switchgear online is researched. The system obtaines operating data of low-voltage switchgear through sensors. The data is processed by the method of cloud sample entropy, and the characteristic values of its normal operation and fault operation are obtained. The eigenvalues are calculated by using Mahalanobis distance algorithm. The Mahalanobis distance threshold is obtained through the training samples, and then the Mahalanobis distance from the experimental sample data is calculated. The Mahalanobis distance is between 7-9, and finally the distance is compared with the Mahalanobis distance threshold, realizing real-time and online monitoring of its operating status. Experiments show that the fault detection accuracy rate of this system is greater than 98%.

Low voltage switchgear；smart grid；cloud sample entropy；Mahalanobis distance；online monitoring

10.11985/2021.04.024

TM764

20201201收到初稿，20211011收到修改稿

王建新，男，1978年生，碩士，高級工程師。主要研究方向為高壓試驗技術、狀態檢修管理。E-mail：rtgpo4om@21cn.com

李鐵軍，男，1973年生，工程師。主要研究方向為電力運行、維護、檢修。E-mail：15921036681@163.com

朱軍，男，1986年生，碩士，工程師。主要研究方向為高壓試驗技術、狀態檢修管理。E-mail：13937408280@163.com

杜一錦，女，1988年生，初級工程師。主要研究方向為運檢專業變電設備相關管理。E-mail：19945603262@163.com