气体绝缘设备中sf6气体分解产物与设备故障关系的建模.docx

0 引言SF6 气体绝缘设备在电网中广泛应用，运行表明 SF6 气体分解产物检测方法对该类设备的绝缘沿面、悬浮放电和异常发热等典型缺陷具有受干扰小、灵敏度高等优势[1-8]。该技术在现场的应用仍缺乏参考指标和规则，难以根据检测结果判断设备运行状态或故障状况，亟需开展设备中分解产物与设备故障关系的研究。针对气体绝缘设备中SF6气体分解产物与设备故障关系的研究，大多仅开展了局放或发热产生的分解产物单一类型实验[9-16]，采用模拟实验装置，得到设备状态判断的分解产物参考指标与运行工况存在偏差[17,18]，难以对运行设备状态评价提供有效的指导。目前，有关分解产物与设备故障的建模研究未见报道，由此，在实验基础上，有必要对不同工况下的 SF6 气体分解产物实验结果进行建模分析，用合适的统计分布拟合数据和估算参数，以建立分解产物与设备故障关系的模型，提出设备状态判断的参考指标。本文研究SF6 气体分解产物与设备故障的建模方法，提出合适的故障分布和参数估计相关性计算方法，进而对不同工况下的分解产物实验数据进行建模分析，建立分解产物概率模型，得到设备典型工况的概率分布。在此前提下，提出设备概率估计的贝叶斯构想，为气体绝缘设备状态评价提供技术支撑。1 分解产物与设备故障建模方法为便于进行设备状态判断和评价，需开展不同设备工况下 SF6 气体分解产物实验及实测数据的建模，提出了分解产物与设备故障关系的建模方法，包括故障分布、参数估计和相关性计算，进而选择不同设备故障适用的概率分布。1.1 故障分布根据广泛应用的概率分布描述方法，结合设备可靠性的理论分析，通常采用威布尔( Weibull)分布、正态分布或对数正态分布描述开关设备故障分布，本文在这三种统计分布基础上建立分解产物与设备故障模型，由实验数据确定各分布函数中的参数。用这三种概率分布拟合不同设备工况下的SF6气体分解产物实验和实测数据，可得到不同分布的参数 γ、θ 和 μ、σ。1.2 参数估计对实验结果符合的概率统计分布进行参数估计，准确度取决于样本大小和参数估计方法。本文用极大似然估计法对实验数据进行参数估计，极大似然函数 L(θ) 为式中， θ 为函数变量，利用变量 l1, l2, l3,…,ln 来拟合计算该函数中的参数。1.2.1 Weibull 分布联立式( 1)和式( 9)，对函数取对数后求导，得到参数 γ 和 θ 的函数求解式( 10)，得到 Weibull 分布的参数 γ 和 θ。1.2.2 正态和对数正态分布联立求解式( 3)～式( 8)与式( 9)，给定参数 μ 和 σ 初始值，由式( 11)、式( 12)递归求解得到正态分布和对数正态分布的参数 μ、 σ。将参数 γ、 θ 和 μ、 σ 代入各分布函数中，得到分解产物检测数据可能符合的统计分布，进而分析其适用的概率分布。1.3 误差分析由于实验条件受限，实验结果与实际应用仍存在差距，需分析实验数据与统计分布的误差，计算实验数据与分布的相关性，选择可信的概率分布。1.3.1 均值和方差为弥补样本有限导致的采样误差，用置信区间量化实验结果的不确定性，选取典型值 95%。置信水平 [ ( ), ( )] ν l l ν 对具有置信区间过程性能的概率进行描述，该区间定义为1.4 建模流程在上述研究基础上，提出分解产物与设备故障关系的建模方法和流程，包括检测数据建模和故障概率估计两大模块：建立三种故障分布，对分解产物检测数据进行统计处理后，开展概率分布的参数估计和误差分析，得到设备故障适用的分布模型;用检测数据进行故障分布拟合，提取概率分布和置信区间，进而用 Bayes 方法估计设备故障概率(具体分析见第 2 节)，实现运行设备故障概率估计及寿命预测的构想。图 1 给出了分解产物与设备故障关系的建模流程，利用该方法对不同设备工况下的分解产物实验数据进行建模，预测设备发生故障的概率。2 分解产物实验数据的建模分析利用建立的分解产物与设备故障建模方法和流程，对开断电弧、局放和异常发热实验数据[20]进行建模，拟合出不同设备工况下的分解产物概率分布和置信区间，为预测设备故障概率提供参考。2.1 分解产物检测方法采用电化学传感器法、气相色谱法和气体检测管法对 3 种实验产生的 SF6 气体分解产物进行检测。2.1.1 电化学传感器法电化学传感器技术利用被测气体在高温催化剂作用下发生的化学反应， 改变传感器输出的电信号，从而确定被测气体成分及其含量。电化学传感器具有较好的选择性和灵敏度，可检测出 SF6 气体中SO2、 H2S 和 CO 组分，被广泛应用于设备中 SF6 气体分解产物的现场检测。2.1.2 气相色谱法气相色谱仪选用热导检测器( TCD)、火焰光度检测器( FPD)和氦离子化检测器( HID)，针对气体样品中的硫化物、含卤