变电站高压电气设备局部放电检测技术分析

变电站高压电气设备局部放电检测技术分析

廖怡怡

广西壮族自治区计量检测研究院 广西南宁市 530007

摘要:变电站为了准确检测高压电器设备的局部放电情况，采用多轴平行摄影同时采集可见光、紫外辐射、红外辐射和多频谱视频，故障位置定位由三点定位法确定，分析了部放电检测技术。

关键词:高压电气设备;变电站;局部放电

由于运行环境的广泛影响，高压电气设备容易受到过度爬电和意外放电。这些干扰不仅会电网内瞬间杂波，而且会对电网设备和操作产生短期影响。但是局部放电是电气设备微小故障典型例子。从安全检修窗口的理论上讲，窗口是系统故障与相关事件之间维护状态的理想起点。当变压器局部放电能够快速检测时，高压装置的状态控制具有积极意义。

一、高压电气设备局部放电的三点定位法

1.基于倾斜摄影三点定位方法。应用于超低空遥感方面，广泛应用于勘探技术研究，在倾斜摄影，例如电力系统的智能巡线，为电力系统的线性测量和数据分析，例如无人机挂载倾斜摄影的电力线用于更精确的定位和劳动密集型测量。借助于倾斜摄影探头，提供了更精确的探针坐标和以毫米级表示的更精确的最终结果。由于微小电弧通常小于1厘米，并且在可见、红外、紫外光的频率范围内具有物理特性，因此使用倾斜摄影在频率范围内定位微小电弧非常重要。多轴平行摄影为超视觉光谱中的平行摄影提供技术支持。三摄像头的集成监控模块可以通过CMOS传感器模块的平行轴镜头提供，如可见、红外、紫外光。该模块已成功应用于多种控制系统，特别是见光摄影可以识别电弧放电的辐射可见部分。红外摄像机检测温度的局部瞬时变化，而紫外线摄影检测电弧放电时的紫外线部分。

2.基于声纳定位原理。噪声探针早期用于采集设备噪声信息，早期部署微振动特性。噪声探头的应用很久没有改变。多探头同步测量的重要创新是基于噪声探头和声学特性分析高频率噪声峰值之间的差异，从而实现比频谱更精确的三维定位。为了满足分析并行多轴相机数据的要求，使用声呐声纳装置确定电弧放电位置，进一步定位。在大气中的静态空气中，声速通常为340m/s，因此声音探头的采样频率通常为44mhz，从而使定位的理论精度提高。

二、高压电气设备局部放电的物联网系统设计

1.摄影探头的设计和排列。多轴平行摄影探头设计成三种不同波长光轴平行组合成摄影探头。该技术目前在制造中微型化，用于探头工业部件的装配技术相对较高，市场上有许多国际产品品牌，基本配置如图1所示。

1多轴平行摄影探头布局示意图

在图1中，见光探头使用高分辨率摄影探头，通常为2k(1920×1080像素)可获得图像质量和帧速率超过60帧/秒的图像。但不需要红外线和紫外线探测器。一方面，红外和紫外线信号在集成到可见光探头中时会叠加在一起，另一方面，图像数据非常小，特别是紫外线探头，由于视场不能发射大量离子紫外辐射，因此实际拍摄只是图像的电弧。相机数据叠加，即红外和紫外探头数据重叠可见光数据。当可见光探头的头发闪烁、红外线温度异常、紫外线探头三个紫外线发射点中的一个或多个异常时，需要校准时间戳并实时存储单帧数据，然后将其发送到IDC进行远程离线。

2.物联网拓扑探头研究。数据采集包括3个平行的多轴摄影探头和三个噪声探头。预处理后，集成控制系统收集的数据被传输到数据缓存中，然后再传输到集成控制中心。安装在5 TB存储阵列SSD，通过集中板和工业网桥将数据传输到IDC。IDC通过探头物联网传输的信息检测工作流主要包括，通过摄像头和噪声探头通道存储媒体数据，并与IDC媒体流服务器同步。存储媒体流中的关键数据并与IDC逻辑数据存储服务器同步所需的信息时间戳。

3.IDC体系结构设计监控系统。IDC基于当前的CBA电力结构IDC，指云计算(C.C)、大数据(B．D．)、人工智能(A.I.)等与计算机网络有关的不同系统需要不同的CDI要求，CBA结构具有不同的优先级。数据库区域用于在线程环境中存储和检索数据，本文利用多个流媒体服务器与相应的任务服务器协调执行服务器群集功能。任务服务器可以协调服务器上的存储空间，并使用虚拟服务器技术将多台服务器组合成一台功能强大的服务器。逻辑数据服务器存储放电时间戳数据。c、c和A.I是系统需要不高两项功能，并使用单一神经网络模块进行二值化数据估计。系统中的任务分配和负载均衡器由本地负载平衡器和运行流媒体的任务服务器管理。逻辑数据路径由API服务器、平行和上级系统，桌面和移动数据由LAMP服务器检索。

三、人工智能的实现模式

人工智能流媒体是短板技术判断，但利用时间戳过程中捕获的数据，可以使用时间戳分析来单帧数据流媒体。它是一种相对发达的机器学习技术。核心是将九组视频和三组线性噪声数据集成到神经网络中，然后将数据数字化到神经网络模块中。将收到相关分析的结果。对于这些图像，系统由3个可见光(1 920×1 080的2 073．6pt个像素)和紫外和红外(640×480的307.2 pt像素点组成。具有导入数据点扫描的降维神经系统将2D数据压缩为零，即中间级别由七个级别组成，每个级别的压缩比率最多为0.30。所有节点都是使用多维函数设计的，对于噪声数据，使用降维神经网络将数据内容从一个维缩小到零维，从而生成Double变量格式。因此，所有输入最终都会形成一组六个Double变量。核心神经网络接受二值化数据及相应的解释。神经网络的核心模块分为6层3组，第一组由1层和2层组成，负责对数函数节点的完全数据放大和构造。第二组由第3层和第4层组成，负责标准化数据、数据特性及其隐藏关系，以及节点的多功能设计。第三组包括第五层和第六层，负责根据偏差调节两位数的数据。因此，对数据的解释是，已识别的数字接近1.000，未判读值接近0.000不认同放电。

四、数据仿真与系统功能验证

在实践中，需要在仿真环境中创建测试环境，以确定微电弧是否在测试环境中运行，因为没有合适的监控机制。本文用Simulink电力电气软件进行仿真试验，模拟电气系统或电器设备的不同状态，为微电弧仿真创造了精确的环境。该测试使用Simulink软件卸载了1100个电弧放电。该算法由于其性质估计了可见光、红外、紫外电磁辐射和机械设备引起的高频噪声，因此系统微电弧是否发生。因此，确定系统的准确性是系统性能分析中的一个重要因素。"真阳性"这个概念是一种微电弧现象，被系统地评价为非微电弧现象。“假阳性”不是被系统地评价为非微电弧现象，该系统的灵敏度是系统估计的所有结果与实际生成的非微电弧的比率。系统属性是指系统在没有非微电弧的情况下评估的所有结果的比率。

通过捕捉三维模型视图、红外温度视频、紫外视频状态视频，创建数据，如关于设备噪声采集、甚高频声光信号和识别技术广泛应用，在高压装置的微小异常放电过程中及早发现高压装置的潜在影响。

参考文献：

[1]李杰.变电站高压电气设备局部放电检测方法研究[J].计算技术与自动化,2019(04).

[2]王包.变电站高压电气设备局部放电检测方法研究[J].百科论坛电子杂志,2020(04).

[3]尚士.变电站高压电气设备状态检测现状分析及发展探讨[J].大科技,2019(20).

[4]郭伊金.高压电气设备局部放电监测系统设计[J].自动化与仪器仪表,2019(04).