一种基于双SF6表监测的电力设备温升测试方法与流程

一种基于双sf6表监测的电力设备温升测试方法
技术领域
1.本发明涉及电力设备安全运行监测技术领域，具体涉及一种基于双sf6表监测的电力设备温升测试方法。


背景技术：

2.随着电力系统的快速发展及电压等级的不断升高，sf6电气设备凭借其优良的绝缘和灭弧性能应用日益普遍。
3.sf6电气设备运行时以及绝缘劣化以后会产生热量，大量的现场试验和运行经验表明，热效应带来的温升变化与sf6电气设备的健康状况密切相关，是设备状态的重要表征，并且对于触头接触不良、初期绝缘劣化缺陷具有更高的灵敏度。利用热效应检测设备状态通常采用非接触式的红外热像法或各种类型的接触式温度传感器法，这些检测方法都是通过探测设备外表面温度分布间接测量内部温度，不能准确掌握设备内部温度场分布及其所反应的设备状态信息。
4.针对这一现状，需要研发一种能够准确掌握sf6电气设备内部温度的测试方法。


技术实现要素：

5.本发明所要解决的技术问题是克服上述现有技术的不足，提供一种基于双sf6表监测的电力设备温升测试方法，能够及时发现设备发热缺陷，并对存在发热缺陷的设备实时温度进行准确预测，以便合理、及时安排停电消缺工作。本发明解决其技术问题所采取的技术方案为：其包括以下步骤，
6.s1在待检测sf6电气设备的a、b、c三相上分别安装两块sf6压力表，所述两块sf6压力表分别为带温度补偿的压力表a和不带温度补偿的压力表b；
7.s2利用压力表a的压力值p和温度值t分别计算出a、b、c相的sf6气体密度值ρ
a
、ρ
b
、ρ
c
；
8.s3利用a、b、c相的压力表b显示的当前压力值以及结合步骤s2的sf6气体密度值，计算出设备a、b、c三相的当前温度值t
丿a
、t
丿b
、t
丿c
；
9.s4判断a、b、c三相的状态。
10.进一步地，步骤s1中，安装完成后，确认待检测的sf6电气设备是否存在sf6气体泄漏，若压力表a示数不变时，说明未发生sf6气体泄露，若压力表a示数有变化，说明发生sf6气体泄露，则检查泄露点并修补。
11.进一步地，步骤s2中，将压力表a的压力值p和其对应的补偿后的温度值t代入到公式(1)中求出sf6气体密度ρ；
12.p＝0.57
×
10
‑4ρt(1 b)
‑
ρ2a
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)；
13.其中，p为压力值，mpa；t为温度值，k；ρ为密度，kg/m3。
14.进一步地，系数a按照公式(2)获取，系数b按照公式(3)获取；
15.a＝0.75
×
10
‑4(1
‑
0.727
×
10
‑3ρ)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)；
16.b＝2.51
×
10
‑3ρ(1
‑
0.846
×
10
‑3ρ)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)；
17.ρ为密度，kg/m3。
18.进一步地，压力表a的补偿后的温度值t＝20 273.5＝293.5k；
19.分别将a、b、c相中压力表a的压力值p
a
、p
b
和p
c
和补偿后的温度值t代入到公式(1)中求出a、b、c相对应的sf6气体密度ρ
a
、ρ
b
和ρ
c
；ρ
a
为a相对应的sf6气体密度，kg/m3，ρ
b
为b相对应的sf6气体密度，kg/m3，ρ
c
为c相对应的sf6气体密度，kg/m3。
20.进一步地，步骤s3中，利用压力表b的当前压力值p
丿a
、p
丿b
、p
丿c
和s2计算得出的sf6气体密度值ρ
a
、ρ
b
、ρ
c
分别计算出设备的a、b、c三相设备的当前温度值t
丿a
、t
丿b
、tw
c
。
21.进一步地，步骤s3中，将a相的压力表b显示的当前压力值p
丿a
和步骤s2中获得的sf6气体密度值ρ
a
带入到公式(1)计算出a相设备当前温度t
丿a
；将b相的压力表b显示的当前压力值p
丿b
和步骤s2获得的sf6气体密度值ρ
b
带入到公式(1)计算出b相设备当前温度t
丿b
；将c相的压力表b显示的当前压力值p
丿c
和步骤s2获得的sf6气体密度值ρ
c
带入到公式(1)计算出c相设备当前温度t
丿c
。
22.进一步地，步骤s4中，选择t
丿a
、t
丿b
、t
丿c
之中温度最低者为标准相，其它两相为待比较相。
23.进一步地，步骤s4的判断标准为，计算待比较相与标准相的温度差值，通过与标准相的温度差值确定待比较相的健康状态；
24.温度差值在0k
‑
5k时，待比较相为正常状态，此时设备正常，可以持续运行；
25.温度差值在5k
‑
10k时，待比较相为注意状态，此时对待比较相缩短巡视周期，加强监测；
26.温度差值在10k以上时，待比较相为异常状态，此时加强监测并结合停电计划及时开展隐患处理工作。
27.进一步地，还包括步骤s5，步骤s5为当待比较相为异常状态时，对其温升进行预测，预测模型为基于时间序列分析的arima模型；温度检测数据为一个不满足平稳性条件的序列，通过若干次差分后确定arima(p、d、q)模型中差分阶数d，参数p和q根据自相关函数acf和偏自相关函数pacf确定，并结合arima模型阶数选择原则中p阶后衰减趋于零和q阶后衰减趋于零的规定。
28.本发明的有益效果：
29.本发明通过在sf6电气设备a、b、c三相上分别安装两块sf6压力表，可以有效检测sf6电气设备温升情况，掌握设备内部温度场分布及其所反应的设备状态信息，并对存在发热缺陷的设备实时温度进行预测，以便及时、合理安排停电消缺计划，确保设备、电网安全，最大限度减少供电负荷损失。
附图说明
30.图1不带温度补偿时，压力和温度关系曲线；
31.图2为带温度补偿功能的压力测量类仪表的结构示意图；
32.图3为温度补偿时，压力和温度关系曲线；
33.图4为本发明实施例中实测温升曲线和预测温升曲线。
34.附图2中，1压力检测弹簧管；2温度补偿热双金属片；3机芯及扇形齿轮；4指针。
具体实施方式
35.下面结合实施例对本发明作进一步的详述，但本发明的范围并不仅仅局限于此，其要求保护的范围记载于权利要求的权项中。
36.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本技术及其应用或使用的任何限制。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
37.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
38.除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本技术的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
39.本发明的理论基础为：根据气体压力
‑
密度
‑
温度(p
‑
ρ
‑
t)三个状态参数关系式(p＝ρrt,r为常数)可知：当环境温度不变时，密度是随压力的改变成正比改变；当环境温度改变、密度不变时，压力随温度的改变而改变，如图1所示。根据sf6气体的物理特性，在密闭的容器中，一定温度下的sf6气体密度实际上可以由压力值来代表。要保持密闭容器中的sf6气体压力不变，只有对变化的温度进行补偿。目前sf6电气设备使用的sf6气体压力表是一种带温度补偿功能的压力测量类仪表，如图2所示。本发明中所述的在待检测sf6断路器a、b、c三相上分别安装两块sf6压力表，其中安装的带温度补偿的压力表a为图2所示的带温度补偿功能的压力测量类仪表，该压力表用来监测sf6气体是否存在泄漏。它通过测量元件测量sf6气体的压力，再通过压力表的温度补偿元件将sf6气体压力转换成20℃时的压力测量值，用压力测量值(p
20
值)代表sf6气体密度值。当sf6气体的密度不变时，p
20
值不会随温度的改变而产生测量值的改变，见图3。
40.本发明提供了一种基于双sf6表监测的电力设备温升测试方法，其特征在于：其包括以下步骤，
41.s1在待检测sf6电气设备的a、b、c三相上分别安装两块sf6压力表，所述两块sf6压力表分别为带温度补偿的压力表a和不带温度补偿的压力表b；整个电气设备一共是安装了六块sf6压力表。其中三块带温度补偿的压力表a和三块不带温度补偿的压力表b。
42.步骤s1中，sf6压力表安装完成后，确认待检测的sf6电气设备是否存在sf6气体泄漏，在确保sf6气体无泄漏的前提下才可利用后续方法进行温升检测及预测；利用压力表a的压力变化来确认待检测设备是否存在sf6气体泄漏，若压力表a示数不变时，说明未发生
sf6气体泄露，若压力表a示数有变化，说明发生sf6气体泄露，则检查泄露点并修补，存在漏气的情况下将不能使用本发明所述温升测试方法，只有检查出泄露点并修补完成，使sf6气体不泄露时，才进行后续步骤。压力表a用来实时监测设备内部sf6气体是否存在泄漏，压力表b用来实时监测设备内部sf6气体压力。
43.s2利用压力表a的压力值p和温度值t分别计算出a、b、c相的sf6气体密度值ρ
a
、ρ
b
、ρ
c
。
44.s2中利用压力表a的压力值p和温度值t(20℃)分别计算出a、b、c相的sf6气体密度值ρ
a
、ρ
b
、ρ
c
，sf6气体无泄漏时ρ
a
、ρ
b
、ρ
c
为一恒定值。
45.具体地，步骤s2中，将压力表a的压力值p和其对应的补偿后的温度值t代入到公式(1)中求出sf6气体密度ρ；
46.p＝0.57
×
10
‑4ρt(1 b)
‑
ρ2a
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)；
47.其中，p为压力值，mpa；t为温度值，k；ρ为密度，kg/m3。
48.系数a按照公式(2)获取，系数b按照公式(3)获取；
49.a＝0.75
×
10
‑4(1
‑
0.727
×
10
‑3ρ)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)；
50.b＝2.51
×
10
‑3ρ(1
‑
0.846
×
10
‑3ρ)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)；
51.ρ为密度，kg/m3。
52.具体地，压力表a的补偿温度为20℃，压力表a的补偿后的温度值t＝20 273.5＝293.5k；
53.分别将a、b、c相中压力表a的压力值p
a
、p
b
和p
c
和补偿后的温度值t代入到公式(1)中求出a、b、c相对应的sf6气体密度ρ
a
、ρ
b
和ρ
c
；ρ
a
为a相对应的sf6气体密度，kg/m3，ρ
b
为b相对应的sf6气体密度，kg/m3，ρ
c
为c相对应的sf6气体密度，kg/m3。
54.s3利用a、b、c相的压力表b显示的当前压力值以及结合步骤s2的sf6气体密度值，计算出设备a、b、c三相的当前温度值t
丿a
、t
丿b
、t
丿c
。
55.步骤s3中，利用压力表b的当前压力值p
丿a
、p
丿b
、p
丿c
和s2计算得出的sf6气体密度值ρ
a
、ρ
b
、ρ
c
分别计算出设备的a、b、c三相设备的当前温度值t
丿a
、t
丿b
、t
丿c
。
56.将压力表b显示的当前压力值p
丿
和步骤(3)获得的sf6气体密度值ρ带入到公式(1)计算出当前温度t
丿
，并以当前温度t
丿
表征sf6电气设备内部实际温度。步骤s3中，将a相的压力表b显示的当前压力值p
丿a
和步骤s2中获得的sf6气体密度值ρ
a
带入到公式(1)计算出a相设备当前温度t
丿a
；将b相的压力表b显示的当前压力值p
丿b
和步骤s2获得的sf6气体密度值ρ
b
带入到公式(1)计算出b相设备当前温度t
丿b
；将c相的压力表b显示的当前压力值p
丿c
和步骤s2获得的sf6气体密度值ρ
c
带入到公式(1)计算出c相设备当前温度t
丿c
。
57.s4判断a、b、c三相的状态。
58.步骤s4中，基于相间印证的设备状态判断方法，选择t
丿a
、t
丿b
、t
丿c
之中温度最低者为标准相，其它两相为待比较相。
59.鉴于设备运行过程中a、b、c三相同时发生过热故障的概率基本为零，所以选取t
丿a
、t
丿b
、t
丿c
当中最小者为标准相，其它两相为待比较相。
60.通过计算待比较相与标准相的温度差值确定待比较相处于正常状态、注意状态还是异常状态，进而对设备进行差异化、针对化运行维护。
61.对处于异常状态的sf6电气设备的实时温度进行预测，以便精确、及时地安排停电
进行缺陷消除工作，确保最大限度减少供电负荷损失。
62.具体地，考虑到设备运行时由高负荷造成的温升对于三相设备基本相同以及设备结构、安装位置、光照影响不同造成的实际温升有区别，步骤s4的判断标准为，计算待比较相与标准相的温度差值，通过与标准相的温度差值确定待比较相的健康状态；
63.温度差值在0k
‑
5k时，待比较相为正常状态，此时设备正常，可以持续运行；
64.温度差值在5k
‑
10k时，待比较相为注意状态，此时对待比较相缩短巡视周期，加强监测；
65.温度差值在10k以上时，待比较相为异常状态，此时应采取其它手段加强监测并结合停电计划及时开展隐患处理工作。
66.还包括步骤s5，步骤s5为当待比较相为异常状态时，对其温升进行预测，
67.所用的方法为基于时间序列分析的温升预测。对判断为已经处于异常状态的sf6充气设备的实时温度进行预测，预测模型为基于时间序列分析的arima模型。温度检测数据为一个不满足平稳性条件的序列，通过若干次差分后确定arima(p、d、q)模型中差分阶数d，参数p和q要根据自相关函数acf和偏自相关函数pacf确定，并结合arima模型阶数选择原则中p阶后衰减趋于零和q阶后衰减趋于零的规定。
68.本发明在不考虑压力表温度补偿的情况下，利用测量到的sf6气体压力值、计算得到的密度值可以求出设备内部sf6气体的温度值。根据拟合方法和拟合精度的不同，可以得到很多种不同方程次数、不同形式的关系式，本发明采用sf6气体状态参数方程为贝蒂
‑
布里奇曼状态方程，如公式(1)所示:
69.p＝0.57
×
10
‑4ρt(1 b)
‑
ρ2a
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)；
70.式中p为压力,mpa；t为温度,k；ρ为密度kg/m3；系数a、b分别为
71.a＝0.75
×
10
‑4(1
‑
0.727
×
10
‑3ρ)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)；
72.b＝2.51
×
10
‑3ρ(1
‑
0.846
×
10
‑3ρ)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)；
73.对存在发热缺陷设备的实时温度进行准确预测，通过温度预判来及时安排停电检修计划，确保发热缺陷及时消除，并且可以最大限度减少供电负荷损失。
74.目前常用的sf6电气设备温升预测方法主要有灰色理论、网络分析法、极端学习机、支持向量机等。极端学习机短期预测效果良好但算法的稳定性较差。灰色理论适用于随时间按指数规律增长趋势的预测，对于预测量不是按指数规律变化的预测量则预测结果存在偏差。支持向量机对极端值敏感容易产生过拟合现象。时间序列分析作为一种成熟的预测方法，已经在风速预测、雾霾预报、电力负荷预测领域取得了很好效果。时间序列分析即承认事物发展的连续性，又充分考虑偶然因素影响产生的波动性，依靠序列本身所具有的时序性和自相关性建立预测模型，具有很高的预测精度。常用的时间序列模型为移动平均模型(moving average,ma)、自回归模型(auto regression,ar)和自回归差分移动平均模型(autoregressive integrated moving average,arima),其中arima模型是ma模型和ar模型的线性或非线性组合同时加上对历史数据的差分。ar模型类似于线性回归方法，即假设m 1时刻的数据是前m时刻历史数据的线性组合y
′
＝βx。ma模型则是利用历史数据的误差来拟合预测数据。arima模型已在气象、医学、交通等领域得到应用，并取得不错效果，将该模型应用到sf6电气设备温升预测方面，可以对存在发热缺陷设备的实时温度进行准确预测，避免因停电消缺计划安排不适当造成的设备损坏或者供电负荷损失。arima模型承认变
量在时刻t的响应x
i
不仅与时刻t
‑
1，t
‑
2，t
‑3…
的响应x
i
‑1，x
i
‑2，x
i
‑3…
存在直接联系，而且与时刻t
‑
1，t
‑
2，t
‑3…
进入系统的扰动存在相关关系。arima建模时需要设置p阶ar、q阶ma和d阶差分三个参数，采用自相关函数确定参数p，采用偏自相关函数确定参数q，通过差分次数确定参数d，确定arima模型的参数后就可以进行参数估计得到预测温升曲线。
75.下面结合具体实例对本发明方法进行说明。
76.实施例1
77.(1)现场实测设备为sf6充气断路器，a、b相触头正常接触，c相触头非正常接触，经导电回路电阻测试，a相为78μω，b相77μω，c相165μω，即流通相同电流后c相发热量会明显大于a、b相。为了本技术实施例的测试需要，人为造成c相回路电阻大于其它两相，回路电阻大了以后发热量会增加。
78.(2)在待检测sf6断路器a、b、c三相上分别安装两块sf6压力表，即带温度补偿的压力表a和不带温度补偿的压力表b。当压力表a示数无变化时表明待检测设备不存在sf6气体泄漏，在确保sf6气体无泄漏的前提下才可利用后续方法进行温升检测及预测。经现场监测三相设备上压力表a示数无变化，可以进行后续检测。
79.(3)将p
a
、p
b
、p
c
、t
a
、t
b
、t
c
的值带入公式(1)—(3)中，分别计算出a、b、c相的sf6气体密度值ρ
a
、ρ
b
、ρ
c
，当sf6气体无泄漏时ρ
a
、ρ
b
、ρ
c
为一恒定值。
80.p
a
＝0.622mpa；
81.p
b
＝0.621mpa
82.p
c
＝0.622mpa
83.t
a
＝20 273.5＝293.5k；
84.t
b
＝20 273.5＝293.5k
85.t
c
＝20 273.5＝293.5k
86.p＝0.57
×
10
‑4ρt(1 b)
‑
ρ2a
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
87.a＝0.75
×
10
‑4(1
‑
0.727
×
10
‑3ρ)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
88.b＝2.51
×
10
‑3ρ(1
‑
0.846
×
10
‑3ρ)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
89.计算得到ρ
a
≈40.1706kg/m3、ρ
b
≈40.1702kg/m3、ρ
c
≈40.1706kg/m3。
90.(4)利用压力表b的当前压力值p
丿
和步骤(3)的sf6气体密度值ρ
a
、ρ
b
、ρ
c
带入公式(1)分别计算出a、b、c三相设备的当前温度值t
丿a
、t
丿b
、t
丿c
；
91.p
丿a
＝0.725mpa；
92.p
丿b
＝0.731mpa；
93.p
丿c
＝0.816mpa；
94.求得t
丿a
＝335.2896k、t
丿b
＝337.6775k、t
丿c
＝371.5024k。
95.其中t
丿a
≤t
丿b
≤t
丿c
。
96.(5)三相设备当前温度中t
丿a
＝335.2896k为温度最低者，为正常运行状态，所以选择a相为标准相，b、c两相为待比较相，计算b、c两相与c相的温度差值为
97.t
丿b
‑
t
丿a
＝337.6775
‑
335.2896＝2.3879k；
98.t
丿c
‑
t
丿a
＝371.5024
‑
335.2896＝36.2128k。
99.(6)通过计算待比较相与标准相的温度差值，b相与a相温度差值在[0k，5k]之间，考虑受光照等其它条件影响确定b相为正常状态；c相与a相温度差值大于10k，确定c相发生
过热缺陷，应采取其它手段加强监测并结合停电计划及时开展隐患处理工作。
[0100]
(7)对处于异常状态的c相实时温度进行预测，以便精确、及时地安排停电进行缺陷消除工作，确保最大限度减少供电负荷损失。实验数据来自2020年3月间c相的温度检测数据t
丿c
，每间隔2小时检测一次，共采集186例数据，其中前162例用于训练，后24例用于测试。
[0101]
温度检测数据为一个不满足平稳性条件的序列，通过若干次差分后确定arima(p、d、q)模型中差分阶数d。针对样本数据，经过两次差分处理后满足平稳性要求，因此确定参数d为2。arima(p、d、q)模型中参数p和q要根据自相关函数acf和偏自相关函数pacf确定，依据arima模型阶数选择原则中p阶后衰减趋于零和q阶后衰减趋于零的规定，确定参数p＝3，q＝2。
[0102]
使用162例温度检测数据对arima(3、2、2)模型进行训练后预测24例温度数据，并于实际检测数据进行对比，结果如图4所示，从图4可以看出预测数据与实际数据很接近，具有较高的预测精度。