基于温变的煤矿变电站高压电气设备故障诊断方法

姜效星

（山西焦煤西山煤电（集团）有限责任公司东曲煤矿，山西 古交 030200）

东曲煤矿原有变电站高压设备故障诊断系统落后，维护、维修困难，无法实现高压电气设备故障的有效、实时诊断。本文对东曲煤矿变电站高压电气设备故障诊断方法进行研究，达到变电站高压电气设备高效、连续、稳定运行的目的。

1 温变故障分析

煤矿变电站高压电气设备运行时由于电压、电流的波动会引起不同程度的温变效应，导致电气安全隐患和故障。高压电气设备的温变效应来源主要有电阻损耗温变、电介质损耗温变以及铁磁损耗温变等，将电能转换为热能，产生温变反应。

煤矿变电站高压电气设备的温变故障有外部故障、内部故障两种。外部故障为可直接观测的设备部位热故障，如长期裸露接头接触不良引起过热，连接件压接不良或因氧化、腐蚀、灰尘等引起的局部过热，因表面污秽或绝缘性降低造成过热故障[1-4]。内部故障为封闭在电气设备内部的电气回路故障，如由于内部电气连接不良、绝缘老化、开裂或脱落等引起的缺油、放电、铁损增大等。

煤矿变电站高压电气设备温变故障危害极大，会导致设备绝缘性能、机械性能、导体接触性能降低，导致严重的高压电气设备安全事故。

2 温变故障监测系统设计

2.1 光纤光栅工作原理

以10 ms 长裸光纤照射，在光纤纤芯中发生折射，光波导内移动的前向导模发生耦合并向后反射及Bragg 反射。光纤Bragg 光栅的光学特征变量为Bragg 波长λB、反射光谱带宽λΔB以及反射率R的最大值tanh2（KL），其中L为光栅长度，K为调制程度常数。当光栅受外界温度升降、应力大小改变时，光纤的折射率、栅距也会随之改变并产生轴向应变力，Bragg 的波长随温度的变化呈线性增长或者减少[5-6]。以光纤光栅原理制成的光纤光栅传感器既可传感、也可传输，可构成独立的传感体系，检测技术为光电，传输方式为光信号，处理技术为高速数字技术，且不带电，抗干扰能力强，可工作于有害的恶劣环境。

2.2 系统设计

以光纤光栅传感器为基础的煤矿变电站高压电气设备故障监测系统设计如图1，采用复合复用技术，设计多通道并列通行的光纤光栅传感监测方案，在提高监测效率的同时增加传感容量，达到实时、精确监测的目的。光纤光栅监测系统由ASE 光源、F-P 滤波器、耦合器、光纤光栅传感器阵列、多通道信号采集器、系统控制器等组成。F-P 滤波器可将ASE 宽带光源调窄并完成波长扫描。多通道信号采集器会采集符合Bragg 反射条件的光波，并进行光电转换、电压放大、电压过滤及调整，将采集并处理后的电压数据传送给系统控制器。该电压数据即为光栅波长的移动值，通过该值可计算各位置的温度。

图1 温变故障监测系统设计

3 温变故障诊断系统设计

3.1 BP 神经网络

BP 神经网络是一种前馈、可实现输入与输出间非线性映射关系的反向传播神经网络，具有自学习、自适应能力，常用于故障诊断。BP 神经网络神经元模型如图2，分为输入层、隐含层以及输出层三层结构，其中，x1、x2...xn为输入值，y1、y2...ym为输出值，ω1、ω2...ωi为键结值。数据经BP 神经网络神经元模型学习、训练后对键结值进行调优，降低输出值的系统误差。该网络按误差逆传播算法进行训练，学习和适应能力较强。

图2 BP 神经网络神经元模型

3.2 D-S 证据理论

根据D-S（Dempster-Shafer）证据理论可知，概率不必满足可加性且具有表达不确定性的能力，可将信任留给识别框架。D-S 证据理论的核心概念有识别框架、信任函数、合成规则三部分。

1）识别框架

定义参数θ，可能的取值集合为I，则定义I为识别框架。D-S 证据理论的基本概率分配为：定义Mass 函数m（·）为基本概率分配函数，由2I映射至[0,1]，且满足式（1）、（2），A为识别框架I的集合。

2）信任函数

定义T（·）为信任函数，在识别框架I下基于基本概率分配的信任函数定义为式（3）：

其中B为事件A的子集。

3）合成规则

合成规则的功能为合并多个信任函数，达到融合观测数据的目的。假定有两种数据检测模式，基于事件A的基本概率分配函数分别定义为m1（A）、m2（A），则合成规则定义为式 （4）及式（5）：

其中：⊕为合成规则符号；m1（C）为检测模式1 对事件C的基本概率分布函数；m2（D）为检测模式2 对事件D的基本概率分布函数；K为归一化系数，表征组合证据的冲突程度，K为1 表示2个证据完全相容，K为0 表示2 个证据完全冲突，0 ＜K＜1 表示两个证据部分相容。

3.3 BP 与D-S 融合方案

煤矿变电站高压电气设备故障类型复杂、检测难度大，BP 神经网络能够有效实现故障映射关系且不依赖于模型，容错性较好，通过大样本数据学习可提高BP 神经网络的泛化能力并提高系统故障识别率。结合D-S 证据理论可清晰反映不确定数据信息且可有效表现推理规则的特点，将BP 神经网络与D-S 证据理论融合对煤矿变电站高压电气设备温变故障进行分析并实现高效故障诊断。BP 神经网络与D-S 证据理论特征融合结构如图3。首先，完成BP 神经网络的专一性训练；然后，将光纤光栅传感器采集到的数据输入至训练好的BP 神经网络，得到各故障（无故障、短路故障、介损过大、绝缘损坏、内部受潮、未知故障）的基本概率分配；最后基于D-S 证据理论进行推理并获得最终的融合结果。

图3 BP 神经网络与D-S 证据理论特征融合结构

4 试验分析

4.1 试验准备

煤矿变电站光纤光栅温度监测系统框图如图4，包括高压开关柜、光缆终端盒、传输光缆、光纤光栅信号解调系统以及监控主机五个子系统。将光纤光栅传感器布置于1#～3#高压开关柜内，对布置处温度进行实时监测，同时将温度数据经传输光缆、光缆终端盒传送至光纤光栅信号解调系统进行解析、计算和逻辑处理并在监控主机中实时显示。

在煤矿变电站1#～3#高压柜内部，光纤光栅传感器布置如图5，每个高压开关柜内各布置12 个光纤光栅温度传感器。可安装于接触点或者母排处，对以上各处温度进行实时监测。

图5 煤矿变电站光纤光栅温度监测系统布置

4.2 温度检测试验

对煤矿变电站高压电气设备进行温变试验并采集温变数据，实际测试时设置三个布拉格光栅检测反射光谱，利用三个光纤光栅传感器对反射光谱进行区分，解调后的部分高压电气设备实际温度见表1。可将表1 中数据输入至设计好的BP 神经网络进行处理，作为基础样本数据进行训练。

表1 实时温度分析报告

4.3 故障诊断试验

根据D-S 证据理论对煤矿变电站高压电气设备运行状态进行持续性跟踪，并对设备故障以及故障类型进行合理诊断。安装在1#～3#高压柜内的光纤光栅传感器实时获取温度差、电压电流等数据，构成信息源1、信息源2 以及信息源3。将信息源分别传入设计的BP 神经网络，对数据进行训练并提取特征数据，构成特征子集1～3。采用D-S 证据理论决策方法对特征子集1-3 数据进行持续性跟踪，诊断结果见表2。设备未知故障概率持续降低，该故障诊断方案能够很好地适应煤矿高压电气设备的故障诊断。

表2 煤矿变电站高压电气设备故障类型诊断结果

5 结语

基于光纤光栅传感器原理及工作特性设计的多通道并列式光纤光栅温变监测系统，用于煤矿变电站高压电气设备的温变监测及故障诊断，对监测的温变数据进行BP、D-S 证据理论分析，有效诊断煤矿变电站高压电气设备故障状态，消除高压电气设备运行过程中的安全隐患，提升了煤矿变电站高压电气设备运行的稳定性、安全性。