基于電力物聯網的配電設備監測與故障預警研究

摘 要：根據配電臺區的設備組成分析了監測需求，基于物聯網技術設計了3層結構的主站系統，利用改進阻性基波電流法分析避雷器泄露電流，根據阻性電流增長情況判斷避雷器運行狀態。利用油溫變化率、異響聲波分貝監測變壓器狀態，經過模擬實驗證明監測方法可以準確反映實際情況，為實現配電設備自動化監測以及故障智能診斷提供了技術方案支持。

關鍵詞：物聯網;配電設備;避雷器;配電變壓器;在線監測;故障預警

中圖分類號：TN97 文獻標識碼：A 文章編號：1001-5922（2022）05-0181-04

Research on power distribution equipment monitoring and fault warning based on power internet of things

Abstract： According to the equipment components of power distribution area， monitor requirements were analyzed， three layer structure was also designed based on the Internet of Things technology of master station system，analysis of the fundamental wave current method with improved resistance arrester leakage current according to the impedance current growth situation judgment arrester running state. Using the oil temperature change rate and abnormal sound wave decibel to monitor the transformer state， the simulation experiment proved that the monitoring method could accurately reflect the actual situation， which provided technical support for automatic monitoring and intelligent fault diagnosis of distribution equipment.

Key words：? Internet of Things;distribution equipment;lightning arrester;distribution transformer;on-line monitoring;fault warning

配電臺區是智能電網建設中的核心環節，雖然處于電網的“末梢”，但配電設備是與用電客戶聯系最為緊密的關鍵設備，各類設備的運行狀態直接關系著電網是否穩定運行，也直接影響著供電質量的優劣，因此對于配電設備的監測不可或缺。由于數量龐大，配電設備維護與管理十分困難，相較于傳統的人工檢測方式，信息技術的發展及智能電網的鋪設推動配電設備的監測模式向自動化方向發展，不再需要人工攀桿作業，既降低了運維人員的工作強度，又提升了工作效率，更可以通過趨勢預測提早發現配電設備異常，對電網的可靠運行具有極大的現實意義。

1 配電設備監測現狀

1.1 配電臺區組成

配電臺區主要包括桿塔、電氣設備2個部分，由于配電臺區基本處于戶外，其中不乏荒無人煙的惡劣環境，為了長期安置臺區必要設備，通常選擇地勢平坦、土質緊密的地基安裝桿塔，在其上添加橫檔、抱箍等部件，便于固定避雷器、熔斷器等設備。雖然臺區的使用對象不同，但是主要設備基本一致，根據從上而下的順序通常包括刀閘或熔斷器、避雷器、變壓器、綜合配電箱。熔斷器是日常檢修的保護設備;避雷器用于防止雷擊產生過電壓情況;變壓器是用電客戶與輸電系統的連接樞紐，其安全運行關系到整個片區的用電安全;綜合配電箱作為電網的智能神經中樞包括非常多的電氣設備，通常由斷路器、電能計量表、漏電保護器、智能投切開關等部件組成，具備計量、通信、保護等多種功能[1]。

1.2 監測需求分析

由于配電臺區的各類設備直接關系到電網的供電安全及供電質量，因此需對各類設備的運行狀態進行檢測，將設備工作狀態傳輸至運維人員，便于后續分析與決策。在運行過程中，熔斷器由于造價低廉，目前存在異常時通常采用調整或更換方式。綜合配電箱包括多種包含設備，出現故障時會自行切斷，屬于配電臺區中最穩定的設備集。避雷器由于電壓波動以及外界環境影響容易產生內部受潮、外部污濁等問題，導致內部閥片發熱、老化，嚴重情況下甚至引起爆炸。變壓器目前以S系列的油浸式變壓器為主，內部結構比較復雜，長期處于戶外環境容易產生頂層油溫與繞組溫度過高、局部放電等問題。因此在線監測需求主要以避雷器和變壓器為主進行分析與設計[2]。

2 基于物聯網技術的設備狀態在線監測

2.1 物聯網技術

物聯網（The Internet of Things，IOT）主要是通過信息采集終端以及各類采集技術獲取信息，通過網絡載體將數據傳送至信息處理中心，由處理中心進行分析并將控制指令回傳，實現對設備的智能控制。相關技術主要包括RFID技術、傳感器技術、紅外識別技術、GPS及激光技術等，可以利用傳感器設備、嵌入式技術、通信設備等根據通信協議實現物體的識別、檢測、定位及管理，傳輸穩定，廣泛應用與多個領域。對于配電臺區的設備狀態監測來說，監測過程中所需的“物物相連、穩定傳輸”與物聯網特性非常契合，因此可利用物聯網技術實現配電設備識別、數據遠程傳輸、數據反饋與分析。

2.2 基于物聯網的主站系統

根據配電臺區中核心配電設備的一故障點以及監測原理，利用物聯網經典的3層模型，設計配電設備在線監測的主站系統，整體結構如圖1所示。

感知層：利用傳感器采集待監測設備的運行數據，通過物聯網的網絡層實現數據傳輸。

網絡層：實現數據的采集、清晰、轉換及抽取，利用嵌入式技術將傳感器采集的信息數據封裝后通過接口傳輸，供應用層使用。

應用層：實現信息的處理與統計分析，通過可視化界面實現人機交互。

3 避雷器在線監測及故障預警

3.1 改進的阻性基波電流法

目前避雷器的檢測手段比較多，比較常用的包括全電流法、三次諧波法、容性電流補償法。全電流法結構相對簡單、操作方便，但靈敏度不高。三次諧波法雖然利用阻性電流的高靈敏度反應出避雷器的工作狀態，但運算時無法排除三次諧波分量且諧波峰值與阻性電流峰值函數關系不唯一，容性電流補償法難以避免系統諧波，在實際應用過程中效果不甚理想[3]。因此，基于阻性電流反映老化情況靈敏度高的原理，在其基礎上進行優化改進，設計一種阻性基波電流法，抑制諧波影響，彌補傳統方法的不足。

首先，利用小電流互感器提取全電流。其次，利用低通濾波器過濾其中的高次諧波分量。最后，將過濾后的信號傳遞至主站監測系統進行阻性基波電流的提取操作。提取流程如圖2所示。

3.2 避雷器狀態預警等級設置

為了滿足戶外環境中的實際采集要求，采用單匝穿心式小電流互感器進行全泄露電流提取，將3個電流互感器固定在避雷器的橫擔上，分別采樣。采用巴特沃斯低通濾波器獲取全泄露電流中的基波分量。當提取出的阻性電流存在增加趨勢時，需密切關注避雷器狀態，根據《電力設備預防性試驗規程》中的規定，增量達到1倍應及時預警，則需安排運維人員進行檢查[4]。

4 配電變壓器在線監測及故障預警

根據運維人員日常巡檢流程，變壓器的主要監測指標包括繞組溫度、頂層油溫、變壓器油位、局部放電、變壓器異響。將傳感器安置于變壓器箱體的內部及外部采集相關數據。以頂層油溫和異響為例闡述監測原理。

4.1 油溫監測及預警

在電網運行過程中，用電負荷增加、諧波干擾等原因會導致變壓器的頂層油溫升高，若一段時間內油溫大幅升高則可能是變壓器絕緣老化，選用PT100傳感器進行測量，它的金屬鉑探頭的電阻值會隨著油溫的變化而變化，可表示為：

式中：R為電阻，t為溫度，A、B、C為常數，根據選用的探頭對應不同數值。根據這一規律，利用電阻值可以推算變壓器油溫。

對于得到的油溫數據，需要根據其變化趨勢判斷是否存在異常升溫，油溫變化率可表示為：

其中：xn，xn+1分別為當次監測值及下次監測值，r為油溫變化率。根據箱型圖利用四分位數判斷異常值，由于油溫變化率的下界趨近于0，因此以0至下分位作為第一區間，變化率較低，油溫正常;下分位到上分位為第二區間，變化率稍高，油溫比較正常;上分位到上屆為第三區間，變化率偏高，油溫不正常;高于上屆的作為第四區間，油溫不正常。將區間標記為0、1、2、3，則有：

式中：ri代表某配電變壓器的油溫變化率[5]。

4.2 異響監測及預警

變壓器的內外部件存在緊密聯系，一旦內部部件出現故障，所產生的振動會體現在變壓器的機箱外殼中，引起變壓器產生異響。異響的分貝以及音色會隨著內部不同運行情況存在差異。鑒于此，變壓器的聲音信號可以作為特征量反映出其運行狀態，分貝及音色可以作為配電變壓器是否故障的判斷標準。利用聲音傳感器如MIC麥克風采集聲音信號，利用LM386芯片的放大器組成采集電路，根據變壓器噪聲標準的規定10 kV油浸式配變噪聲不得超過44 db，鑒于存在環境噪聲，設置預警等級對應為為50 dB為1級，60 dB為2級，65 dB為3級，68 dB為4級，70 dB為5級。當一段時間內持續出現2級以上噪聲時，認為配電變壓器存在故障風險，派遣運維人員到現場進行排查與處理[6]。

5 配電設備監測與故障預警仿真分析

5.1 避雷器在線監測模擬實驗

為了驗證實際監測效果，利用MATLAB的Simulink仿真工具進行方案效果分析[7]，利用10 kV單相電壓提取避雷器正常運行時的阻性電流基波分量。選擇非線性電阻與電容并聯的經典避雷器仿真模型，在兩端進行電壓采樣，下端進行電流采樣，利用改進的阻性基波電流法提取后將仿真數據與和仿真環境相同的實際環境提取數據進行對比，得到結果如表1所示。

其中：I1為主站系統利用阻性基波電流法提取到的電流峰值;I2為電流表測量得到的阻性電流峰值;I3為現場測量得到的電流峰值。由此可見，I2和I3的誤差為0.7%，說明仿真模型與實際現場情況非常接近，以此模型得到的結果可以反應實際情況，I1和I2的誤差為4.6%，誤差產生原因主要是低通濾波器會對信號產生相位偏移及衰減情況。根據誤差對比結果可知阻性基波電流法可以比較準確的提取出避雷器泄露電流中的阻性分量，通過阻性電流增量可以實現測避雷器的運行狀態以及預警目的。

5.2 配電變壓器監測及故障預警模擬

為驗證配電變壓器故障預警模型的實際效果，利用電阻值推算獲得的油溫，計算油溫變化率判斷是否存在異常升溫，對國內某配電變壓器進行測試，得到監測數據如表2所示。

代入系統判斷模型，得到下界趨近于0，下分位數為0.002 30，上分位數為0.003 91，上屆為0.006 01，均值0.323，以此根據油溫變化率對應的區間進行油溫是否異常判斷，處于不正常區間時需采取對應的應急措施。

6 結語

從配電臺區的設備結構出發分析了配電設備的監測需求，基于物聯網技術設計在線監測與故障預警的主站系統，詳細闡述了避雷器以及配電變壓器的監測原理及故障預警機制，經過模擬實驗監測方法有效，為配電設備的狀態監控提供了可借鑒方案。但由于還受到外界環境、線路、天氣等多種因素影響，還需進一步優化監測方案。

【參考文獻】

[1]江秀臣，劉亞東，傅曉飛，等.輸配電設備泛在電力物聯網建設思路與發展趨勢[J].高電壓技術，2019，45（5）：1 345-1 351.

[2]張婷，趙峰，高鋒陽.配電設備的風險評估與狀態檢修決策方法[J].中國安全生產科學技術，2020，16（5）：172-177.

[3]劉建明，趙子巖，季翔.物聯網技術在電力輸配電系統中的研究與應用[J].物聯網學報，2018，2（1）：88-102.

[4]JAMAL MABROUKI， MOURADEAZROUR，DRISSDHIBA，et al. IoT-Based Data Logger for Weather Monitoring Using Arduino-Based Wireless Sensor Networks with Remote Graphical Application and Alerts[J].Big Data Mining and Analytics，2021，4（1）：25-32.

[5]徐友剛，任堂正，沈曉峰，等.基于電力物聯網的配電設備智能感知診斷關鍵技術與應用[J].電力與能源，2020，41（4）：389-391，402.

[6]趙晨.低壓供配電線路及設備的故障分析與處理措施[J].電子元器件與信息技術，2020，4（7）：145-146.

[7]楊亮，滕宇，張凌浩，等.基于泛在物聯網建設的客戶側變配電設施遠程故障診斷方法研究[J].供用電，2020，37（1）：62-66.

收稿日期：2021-01-26;修回日期：2022-05-03

作者簡介：吳仲超（1969-），男，高級工程師，研究方向：電氣工程、管理，電網規劃。