特高壓換流站閥冷卻外風冷系統故障搶修試驗

涂 潛，李天佼，白光亞，宋 濤

（1.安徽電力工程監理有限公司，合肥230072；2.國家電網有限公司 直流建設分公司，北京100052）

特高壓換流站閥冷卻外風冷系統，是實現特高壓換流站閥冷卻外風冷的重要設備。受到環境和工況作業因素的影響，導致特高壓換流站閥冷卻外風冷系統容易發生故障，需要對其進行檢修[1]。因此研究該外風冷系統故障應急聯動搶修和故障診斷方法具有重要意義[2]。文獻[3]提出了基于分布式安裝的線路監測終端、運維中心和移動終端應用服務于一體的故障診斷服務系統；文獻[4]提出了±800 kV特高壓直流工程換流閥故障分析與優化設計，根據工程現場故障缺陷理論，提出雙重判據的反向恢復期保護電路方法；文獻[5]進行了換流站閥冷卻系統應急狀態故障診斷研究，有針對性地對ProFiBus 的典型故障進行了研究，總結了換流站現場ProFiBus故障情況下故障點和故障類型的排除方法。為進一步提高換流站閥冷卻系統的應急搶修效率，在此提出了基于軸頸慣性力特征分析和非線性力學參數評價的特高壓換流站閥冷卻外風冷系統故障應急聯動診斷技術。

1 外風冷系統故障信息樣本分析及預處理

1.1 故障信息樣本分析

在特高壓換流站閥冷卻外風冷系統故障搶修前，需要分析故障數據樣本，結合故障特征樣本信息，識別該外風冷系統的故障。在異常工況下，進行該外風冷系統故障信息分布式重組，得到系統故障分布的海量數據集[6]，設該外風冷系統故障樣本信息采樣時刻t 的權重系數ε 滿足邊值收斂條件，得到系統故障樣本的特征分布函數，故障數據分布的高階時間序列為

式中：n 為故障總體例數。在故障數據采集的傳感器節點，構造特高壓換流站閥冷卻外風冷系統故障特征的接收序列，通過模糊度匹配和信息融合[7]，得到故障特征樣本序列傳輸信息的更新迭代式為

式中：ci為故障樣本序列；φ 為迭代次數；κ 為特高壓換流站閥冷卻外風冷系統故障樣本xi與yi的測度距離，F（xi，yi）為初始化特高壓換流站閥冷卻外風冷系統故障檢測濾波中心。結合特征提取，進行故障檢測和搶修試驗，其實現過程如圖1所示。

圖1 故障檢測和搶修試驗的實現流程Fig.1 Flow chart of fault detection and emergency repair test

1.2 故障樣本預處理及約束參數模型構建

構建該外風冷系統的故障參數解析模型，以可控節流靜壓主軸的平衡狀態特征為約束參量[8]。在模糊代價尋優下，得到可控節流靜壓主軸的故障狀態分布參數為

式中：A 為可控節流靜壓主軸特征分布集；C 為液體靜壓主軸油膜剛度特征分量；μ 為軸頸慣性力和非線性油膜力的差異狀態特征分量。

在軸承結構參數和液壓系統參數約束下，進行特高壓換流站閥冷卻外風冷系統的故障類型分析[9]，進一步得到

式中：β 為非減凸函數；p 為特高壓換流站閥冷卻外風冷系統故障屬性分布。在顯著縮短軸心軌跡分布區域，得到外風冷系統的故障數據分組交換特征分量。在液體靜壓軸承的承載能力作用下，得到該外風冷系統故障參數變化特征量為λ，在約束邊界條件下，設定故障檢測的閾值下限，得到：

定義故障檢測和搶修的狀態函數，可控節流靜壓主軸的平衡狀態特征為約束參量，進行外風冷系統故障應急聯動特征分析[10]，得到故障判決式。對液體靜壓主軸進行主動控制，可知L（x）為非減函數，得到故障的類別狀態分布為

采用位移誤差補償控制的方法[11]，得到故障特征分布式挖掘的動態規劃方程，換熱管束另一側部分可以描述為

根據上述分析，建立該外風冷系統故障參數辨識模型，根據故障參數辨識結果，進行應急聯動搶修試驗。

2 外風冷系統故障檢測及搶修

2.1 故障特征提取及參數分組檢測

通過軸頸慣性力特征解析和模糊度辨識的方法，進行特高壓換流站閥冷卻外風冷系統故障輸出的可控調節[12]，得到

式中：u（n）為壓電致動薄膜反饋靜壓主軸的壓力差；S（n）為故障檢測的約束代價函數。

采用可控節流器參數調節的方法，得到該外風冷系統故障檢測的POMDP（partially observable markov decision process）動態規劃方程為

式中：ω 為特高壓換流站閥冷卻外風冷系統故障動態變化量。進一步通過回轉運動誤差估計，得到的外風冷故障特征提取結果為

分析特高壓換流站閥冷卻外風冷系統主軸的切削剛度，得到最小液體靜壓軸承參數分布特征量為u（n）=0，壓力傳感器測量主軸狀態參數分布特征量為u（n）=1。

在可控節流器參數與軸心位置參數之間建立傳感器基陣進行信息融合[13]，得到外風冷系統故障參數的分組檢測模型，檢測結果包含2 種情況。顯然，該外風冷系統故障故參數分布特征量M（x）具有以下性質：

1）對于任意公式（10）中，q（n-k）（其中0≤q（n-k）≤N）和不指示序列向量g，得到的特高壓換流站閥冷卻外風冷系統故障狀態特征分布集為

2）定義指示特高壓換流站閥冷卻外風冷系統故障參數序列向量jk，得到該統故障狀態的衍化向量。對于任意q（n-k）（其中0≤q（n-k）≤N）和指示序列向量ik，得到的系統故障狀態特征分布集為

根據上述分析，進行該外風冷系統故障輸出的可控調節和模糊度參數辨識，通過顯著縮短軸心軌跡分析的方法來進行故障應急連通搶修。

2.2 故障診斷和聯動搶修設計

通過顯著縮短軸心軌跡分析的方法，實現該外風冷系統故障優化檢測和診斷[14]，在聯動模式下實現故障應急聯動搶修試驗，得到外風冷系統故障特征分解的簡化問題描述為

式中：o（z）為主軸流固耦合狀態特征量；pB為閥體進水溫度；pC為閥體出水溫度。考慮q（n-k）≥k 的情況，得到該外風冷系統故障應急聯動動態規劃方程為

在q（n-k）≥k 的條件下，經過耦合動態參數分析[15]，得到x 個變量，由2k（N+1）維降低至x 維，得到故障樣本序列檢測輸出統計特征量為

x=q（n-k）≤N+o（g）

綜上分析，實現特高壓換流站閥冷卻外風冷系統故障應急聯動搶修的故障診斷。

3 試驗測試分析

通過仿真測試，驗證本文方法在實現高壓換流站閥冷卻外風冷系統故障應急聯動搶修和診斷的應用性能。設定故障樣本采樣序列點長度為1200，故障樣本的訓練集為120，高壓換流站閥的壓力為3 MPa，計算時間為26 s，波動幅值為0.211 μm。根據參數設定，進行該外風冷系統故障特征分析，得到的故障樣本分布如圖2所示。

圖2 故障樣本分布Fig.2 Distribution of fault samples

以圖2 的數據為測試對象，利用本文方法進行故障檢測，得到故障參數解析結果如圖3所示。

圖3 故障特征解析結果Fig.3 Analysis results of fault characteristics

由圖3 分析可見，故障故參數分布特征量M（x）=1.5 時，故障分布距離最高，介于0.34～0.42 μm；當M（x）=2.0 時，故障分布距離波動最小，介于0.28～0.31 μm；當M（x）=2.5 時，故障分布距離值最短，介于0.22～0.26 μm。說明本文方法可以對不同故障參數分布特征量下故障分布距離進行解析，故障檢測的參數辨識能力較好。

測試故障診斷搶修的分組傳送成功率和時延，得到對比結果如圖4所示。

圖4 故障診斷及聯動搶修性能對比Fig.4 Performance comparison of fault diagnosis and linkage repair

由圖4 仿真結果可見，在不同相電壓下，采用本文方法進行特高壓換流站閥冷卻外風冷系統故障檢修的成功率高于75%，平均時延低于400 ms，說明搶修的效率較高。因為該方法提取了故障特征，并分組檢測了故障特征參數，提高了故障檢測的成功率，降低了檢測時延。

4 結語

通過構建特高壓換流站閥冷卻外風冷系統的故障優化檢測模型，結合對其故障特征分布，進行該系統檢修。基于軸頸慣性力特征分析和非線性力學參數評價，在此提出該外風冷系統故障應急聯動診斷技術。在異常工況下，進行系統的故障信息分布式重組，在軸承結構參數和液壓系統參數約束下，進行故障類型分析，并進行故障輸出的可控調節，通過顯著縮短軸心軌跡分析的方法進行故障應急連通搶修。分析得知，本文方法進行特高壓換流站閥冷卻外風冷系統故障應急聯動搶修的可靠性較高，時效性較好。