CC BY
16Интегрированная система мониторинга состояний высоковольтного оборудования в рабочих режимах
В. В. Гаркуша, Г. М. Собстель, Б. Д. Борисов*, Н. В. Киншт**, Н. Н. Петрунько**
Конструкторско-технологический институт вычислительной техники СО РАН, 630090, Новосибирск, Россия *Институт лазерной физики СО РАН, 630090, Новосибирск, Россия **Институт автоматики и процессов управления ДВО РАН, 690041, Владивосток, Россия
Рассматривается метод мониторинга состояния высоковольтного оборудования на примере силовых трансформаторов. В качестве основных диагностических параметров используются спектры собственных электромагнитных излучений. Приводятся результаты экспериментальных исследований состояний трансформаторов и структурная схема сбора и обработки данных.
Ключевые слова: диагностика высоковольтного оборудования, частичные разряды, спектры электромагнитного излучения, автоматизированная система сбора и обработки данных мониторинга.
Classification of the states of a high voltage equipment using own electromagnetic radiation and diagnosis methods are discussed. Practical example which used EMR - monitoring and data processing of the power transformers are considered. The structure of the monitoring system are proposed.
Key words: diagnosis of a high voltage equipment, partial discharges, own electromagnetic radiation (EMR), classification of the states of high voltage units.
Введение. Либерализация рынка электроэнергии существенно изменила стратегию эксплуатации и диагностики высоковольтного оборудования (ВВО). На современном этапе в диагностике ВВО можно выделить следующие тенденции:
- комплексное использование диагностических параметров различных сред (масляных, газовых) и полей излучения (акустических, температурных и электромагнитных) контролируемых объектов на базе новейших информационных технологий и автоматизированных систем контроля [1-4];
- переход от планово-предупредительной диагностики к диагностике "по состоянию", что позволяет внедрить новую стратегию эксплуатации и значительно снизить эксплуатационные затраты [5];
- использование методов искусственного интеллекта - нейронных сетей, распознавания образов, генетических алгоритмов и алгоритмов нечеткой логики для раннего выявления скрытых зависимостей и связей между текущим состоянием объекта контроля и его параметрами [2, 6].
Высоковольтные трансформаторы (ВВТ) относятся к классу ответственного ВВО и требуют непрерывного мониторинга и контроля состояний по экологическим и эксплуатационным критериям. Поэтому стали актуальными методы дистанционного диагностического контроля состояний ВВТ под напряжением. В настоящее время помимо электрических параметров текущему контролю с различной периодичностью подвергаются состав и концентрация газов, растворенных в трансформаторном масле (ХАРГ-методы), температура и вибрация узлов и элементов систем ВВТ. Поиск новых информативных носителей о состояниях ВВО привел к исследованиям возможностей использования собственного электромагнитного излучения (ЭМИ) ВВТ [7-14]. Рассмотрим новый подход в этом направлении - дистанционный мониторинг на основе регистрации и анализа спектров ЭМИ ВВО. Данный диагностический метод, отличающийся оперативностью и низкой стоимостью, позволяет обследовать ВВО без отключений, под рабочим напряжением и естественной нагрузкой и оценивать техническое состояние ВВО при низких температурах.
Работа выполнена в рамках Интеграционного проекта СО РАН № 120 "Обеспечение живучести электроэнергетических систем", 2006-2008 гг.
1. Частичные разряды - источник диагностической информации. Собственные высокочастотные ЭМИ ВВТ - это первичный электрофизический процесс, несущий информацию об изменении качества изоляции при эксплуатации оборудования под рабочим напряжением. Источником ЭМИ являются электрические разряды, возникающие как при нормальной работе ВВТ, так и при деградации изоляции и других конструктивных элементов. В наибольшей степени техническое состояние изоляции ВВТ определяется наличием, интенсивностью и распределением так называемых частичных разрядов (ЧР). ЧР возникают в малоразмерных включениях, диэлектрическая проницаемость и электрическая прочность которых отличаются от характеристик основной изоляции. В каждом элементарном включении происходит серия ЧР, детерминированно связанных с напряженностью первичного электрического поля в ее окрестности E1 (x, y, z) и параметрами изоляции. С ЧР связан элементарный разрядный
ток, образующий практически идеальный элементарный диполь Герца. Время протекания тока ЧР составляет порядка 10"8-10"9 с, следовательно, диапазон частот ЭМИ простирается вплоть до сантиметровых волн (порядка 1010 Гц). Элемент тока ЧР i0(t) является функцией времени, координат (x,y,z), размера (диаметра) включения,
стационарной составляющей E1 (x, y, z) и электрофизических характеристик включения (диэлектрической проницаемости е и пробивной напряженности Епр). Преобразование Фурье функции i0(t) есть /0( jo). Для некоторого дефектного включения с координатами (x,y,z) суммарный спектр тока ЧР образуется пакетом единичных ЧР числом N (E1 (x, y, z)) на множестве моментов времени {т}:
N
F (м=S 10k (x, y, z, Er (x, y, z), jo) .
к -1
В точке наблюдения (x0, y0, z0) электрическую составляющую спектра ЭМИ получаем либо суммированием по всем включениям с учетом весовой функции комплексного пространственного коэффициента передачи, отражающей граничные условия, h( x0, y 0, z 0, xi, yi, zj, jo):
Nb
E ЭМИ (x0 , y 0, z0, jw) = S h(x0, y 0, z0, xi, yt, zi, jw)F1(jw) ,
1-1
либо интегрированием по всему объему с учетом объемной концентрации включений С (x,y,z).
В процессе старения изоляции в ней появляются новые газовые включения, а также изменяются ее электрофизические характеристики. Возникающие во включениях ЧР ускоряют процесс старения, и этот процесс может развиваться как цепная реакция. Данные явления, накладываясь друг на друга, сопровождаются местными температурными перегревами, приводящими к повышению интенсивности ЧР. При этом общая мощность излучения и полимодальность спектра излучения увеличиваются. Исследование связей между собственными ЭМИ ВВО и их техническим состоянием началось только в последние годы [8-14]. Заметим, что ЭМИ генерируются и излучаются в естественных режимах работы оборудования. Поэтому причинно-следственная цепочка имеющая вид: дефекты в изоляции - частичные разряды - собственные ЭМИ - анализатор спектра - математическая обработка - рекомендации персоналу, позволяет осуществлять мониторинг и выявлять предаварийные состояния объекта контроля.
2. Информационная обработка данных мониторинга. Принятие оптимальных решений о состоянии системы с учетом помех, ошибок измерений, флуктуаций параметров имеет статистическую основу и, как известно [15], включает следующие этапы:
- восстановление по наблюдаемому вектору параметров системы X =(/1,/2,...fN) , (fi — компоненты вектора параметров, i = 1, 2,...,N) апостериорной многомерной совместной функции плотности распределе-
ния (ФПР) этих параметров по каждому состоянию As, ( P (X/ As) , А - область состояний в пространстве параметров, s = 1, 2,..., S, S — число (алфавит) состояний);
- разрешение многоальтернативной гипотезы о нахождении системы в одном из состояний, например по критерию максимума апостериорной ФПР P (X/ As) = max или набору попарных классификаций - дихотомий
(коэффициенту правдоподобия)..
В рассматриваемом случае данный классический подход трудно реализовать не только из-за вычислительных трудностей восстановления многомерной ФПР, но и, в первую очередь, из-за отсутствия статистики по предава-рийным и аварийным состояниям. Учитывая эту специфику диагностирования ВВТ и требования непрерывности контроля, можно восстанавливать ФПР по доступной статистике одного известного состояния - нормального, штатного режима работы контролируемого объекта. Однако это также связано с техническими трудностями, поэтому для целей диагностики проще восстановить границы R замкнутой области известного состояния As — контур равновероятной ФПР [16]
P(X/ As) = const. (1)
Тогда решение о состоянии системы сводится к введению метрики — "расстояния d " - в пространстве параметров и контролю нахождения текущего вектора параметров Xr внутри границ этой области:
d (X, m A )< Ra , X <= A, (2)
где mA — вектор "центра" области A; RA — характерный объем области, граница.
Для более тонкой оценки внутри области (кластера) можно использовать детализацию, например функции ''конкурентного сходства" (FRiS-функции) [17].
На рис. 1 приведен пример формирования контура равновероятной плотности P(X) = const = 0 как графическое решение уравнения (1) в форме сечения двухмерной ФПР P(X)/О плоскостью x1 - О — x2 (О - параметр ФПР, x1 и x2 — компоненты вектора), в котором осуществляется гауссова аппроксимация неизвестного контура равновероятной плотности.
Требование замкнутости областей гарантирует надежность контроля известного состояния в условиях неизвестного числа (алфавита) состояний. Априорную неопределенность — неизвестность границ искомой области -можно исключить, восстанавливая границы по доступным выборкам известного состояния, например с помощью рекуррентных алгоритмов стохастической аппроксимации, хорошо подходящих для реализации непрерывного контроля, определяя и сохраняя в памяти параметры области (областей) [18]. Аналогичным образом по известной обучающей выборке любого предаварийного или аварийного состояния можно построить границы его области в пространстве выбранных параметров. Такой подход позволяет в режиме обучения по выборкам спектров известных состояний восстанавливать неизвестные границы областей этих состояний, а в режиме контроля осуществлять принятие решений по (2). Если условию (2) удовлетворяют несколько пересекающихся областей - состояний, решение принимается по min d. Данный подход положен в основу разработки диагностических алгоритмов [19].
3. Экспериментальные исследования. В течение 2006-2008 гг. на п/с "Научная" (Новосибирск) в рамках Интеграционного проекта СО РАН "Обеспечение живучести электроэнергетических систем" осуществлялся мониторинг ЭМИ высоковольтного автотрансформатора АТ220/110 и трансформатора тока ТФЗМ. На примере данных реального мониторинга ЭМИ ВВТ рассмотрим реализацию предложенного диагностического подхода. Задача решалась методом online-наблюдения ЭМИ с использованием антенны, направленной на ввод ВВТ, Фурье-ана-лиза и обработки получаемых спектров излучения методом распознавания образов.
P(X)=const
Рис. 1. Контур равновероятной плотности P (X As) = o
Рис. 2. Частотно-временной спектр ЭМИ автотрансформатора АТ220/110 (п/с "Научная", Новосибирск, 2006 г.)
На рис. 2 приведен пример регистрации спектра сигнала ЭМИ фазы А автотрансформатора AT220/110 спектральным анализатором (СА) типа "PROMEX". При регистрации через каждые 20 мс в указанной полосе (ось X в МГц) проводится новое измерение (выборка) спектра, по другой горизонтальной оси Y — оси времени t (0^20 с) регистрируется динамика изменения спектра ЭМИ объекта и набирается статистика - мониторинг контроля. По вертикальной оси Z отложены амплитуды спектральных составляющих. На рис. 2 видно, что в части спектральных поддиапазонов результат наблюдения искажен мощной местной помехой - телевизионными и радиорелейными сигналами с большой амплитудой, которые необходимо исключать при анализе данных.
B сканируемом диапазоне D при регистрации в СА горизонтальная ось частот разделена на N (как правило, N = 100^880) полос (частотных каналов), ширина каждой полосы А/і = D / N (кГц) (І =1, 2,...,N). Значения
энергии спектральных составляющих в узкой полосе (спектральная плотность) f используются в качестве входных параметров - компонент вектора признаков состояний в классификаторе состояний контролируемого BBT.
На рис. 3 представлена структурная схема алгоритма обработки спектров. Здесь X = (1, f2. fk)T — k-мерный вектор измерений со спектральными компонентами f; І = 1,...k; n = 1,
2... — номер измерения; Mj j =
1, 2,.) - k-мерный вектор эталонов-сфероидов, аппроксимирующих неизвестный объем области известного состояния контролируемого объекта в к-мер-ном пространстве спектральных параметров; (k+1)- координата — скаляр-радиус Rj для j сфероида; Di — дисперсия І-й компоненты вектора X по всем выборкам n = 1, 2...; Dn min — ее минимальное значение из всех координат; dnj
— евклидово расстояние между векторами Х„ и Му; Ь - скаляр, приращение
п Рис. 3. Структурная схема эксперимента и алгоритм обработки
радиуса Rj при коррекции.
спектральных данных
B режиме обучения системы координаты первого измеренного вектора X1 присваиваются первому эталону Ml = Xl, Rl = 0 с сохранением его параметров в памяти. Размер Rmax выбирается из априорных соображений либо определяется как среднеквадратичное отклонение по координате с минимальной дисперсией Dnmin. Oграни-чение на размер сфероида Rmax вводится для исключения тривиального решения, при котором один сфероид с неограниченным радиусом может охватывать всю искомую область сложной формы. При поступлении новых реализаций вектора Xn вычисляется "расстояние" между текущим вектором и всеми эталонами Mj. Если расстояние dnj меньше Rj (решение уравнения окружности), т. е. точка попала в сферу радиуса Rj, то коррекция не проводится. Если это расстояние больше Rj, но меньше Rmax, проводится коррекция вектора математического ожидания (центра сферы) и радиуса по формулам в квадрате "коррекция" (см. рис. 3). Если расстояние больше Rmax, формируется новый эталон с координатами текущего вектора измерений Mj = Xn, Rj = 0. Если текущий вектор попадает в несколько сфероидов, то выбирается сфероид с min d 2nj. B режиме мониторинга - диагностики состояний -проверяется лишь попадание текущего вектора в сфероид с индикацией принадлежности этого сфероида к известному состоянию (например, "норма").
На рис. 4 приведена демоверсия (для двухмерного вектора) результатов обработки полученных данных: рассеяние 200 реализаций векторов ЭМИ BBT (п/с "Научная", Новосибирск) с компонентами из спектральных полос 208, 209 для автотрансформатора AT220/110 и трансформатора тока TФЗМ. Наборы сфер на рис. 4 получены по алгоритму, представленному на рис. 3, только по данным 2006 г., принятым в качестве эталонных, и аппроксимируют объем и границы эталонных областей нормального состояния (реальный аналог рис. 1).
На рис. 4 видно, что практически все данные мониторинга за 2006-2008 гг. для каждого объекта попадают в одну область. Это свидетельствует об отсутствии отклонений от рабочего состояния. Данный вывод подтверждается и тем, что почти все векторы наблюдений за 2007-2008 гг., не участвовавшие в формировании сфер, попадают в область, построенную по отправным данным 2006 г. Реальный контроль должен проводиться по десяткам и сотням спектральных полос в соответствующем многомерном пространстве по числу выбранных спектральных полос.
Tаким образом, результатом информационного "обучения" диагностической системы по спектрам ЭМИ известных состояний и режимов является определение и хранение в памяти координат центров и значений радиусов гиперсфер, аппроксимирующих объем и границы областей этих состояний в пространстве выбранных спектральных параметров контролируемого объекта. Этот набор гиперсфер ("ЭМИ-образ" объекта) может легко адаптироваться путем "дообучения" по другим представительным выборкам спектров тех же или других состояний и режимов контролируемых объектов.
Oпределение текущего состояния объекта — классификация состояний по данным мониторинга состоит в контроле попадания текущего вектора выбранных спектральных компонент в одну из гиперсфер-эталонов и выведе-
и» .0:02 ййг о -0.01 ™ -0.02 ■= -0.03 -0.04 -0.05 -0.06 -0.07
+ -1
о - 2
о - 3
з- +
-0.02 band 208
0.02
0.01
0
-0.01
-0.02
-0.03
-0.04
-0.05
-0.06
-0.07 --0.08
■АШ..., band.20S
Рис. 4. Рассеяние реализаций вектора ЭМИ с компонентами из спектральных полос 208, 209 для автотрансформатора АТ220/110 (а) и трансформатора тока ТФЗМ (б):
1 - данные 2006 г., 2 - данные 2007 г., 3 - данные 2008 г.
нии на табло оператора соответствующего "имени" состояния (сферы). Более тонкий, динамический, мониторинг заключается в контроле нахождения (либо дрейфа) текущего вектора в (к) "пограничным сферам" эталонной области того или иного состояния.
Предлагаемый метод, основанный на регистрации ЭМИ, является перспективным при использовании в автоматизированных системах комплексной диагностики ВВО, включающих также другие методы, позволяющие повысить информативность и достоверность мониторинга.
4. Автоматизированные системы сбора и обработки данных мониторинга. В соответствии с Программой комплексного технического перевооружения электрических сетей ОАО ФСК ЕЭС на 2004-2012 гг. "...все оборудование подстанций ОАО ФСК, вошедших в Программу, будет оснащено подсистемами мониторинга с полным набором первичных датчиков, программных и технических средств сбора диагностической информации и интеграции в АСУ ТП ПС". В этом случае средства верхнего уровня будут едиными для всего комплекса оборудования АСУ ТП, поэтому с целью оптимизации оборудования системы необходима разработка программноаппаратных устройств сбора и обработки информации от комплекса датчиков, установленных на объекте или рядом с объектом контроля.
Исходя из опыта проектирования автоматизированных систем предлагается следующая структурная схема автоматизированной системы сбора и обработки информации в реальном времени, предназначенная для реализации алгоритмов диагностики мощных энергетических установок (рис. 5) [20]. Система имеет три уровня иерархии:
Рис. 5. Структурная схема диагностической системы сбора данных контролируемых объектов
верхний уровень - АРМ главного энергетика (оператора), который находится в здании управления; средний уровень — программируемый(е) контроллер(ы); нижний уровень — датчики, приборы и подсистемы — регистраторы физических величин. Под диагностической зоной понимается подстанция с ВВО для дистанционного контроля трансформаторами тока и напряжения. Для комплексного использования четырех основных методов дистанционной диагностики (анализ электромагнитного излучения вводов трансформаторов; измерение температур в критичных точках; анализ концентрации газов, растворенных в трансформаторном масле; вибрационный контроль конструктивных элементов) в структуре предлагаемой системы сбора и обработки данных выделены соответствующие подсистемы: регистрации электромагнитного излучения; газового анализа; регистрации температур и вибродиагностики. Дополнительно введена подсистема видеонаблюдения, которая помимо визуального контроля оборудования (коронных разрядов) может выполнять и охранную функцию.
Заключение. Рассмотренный метод дистанционного контроля состояний ВВО по спектрам собственных электромагнитных излучений соответствует современным требованиям к технологиям дистанционной диагностики и наряду с традиционными методами может быть включен в комплексную систему текущего контроля состояний высоковольтных объектов. Начальная сложность применения метода для классификации видов аварийных и предаварийных состояний вследствие априорной неопределенности преодолевается мониторингом состояний ВВО и созданием соответствующего банка данных (паспортов ЭМИ) для диагностики каждого объекта контроля. Это не ограничивает очевидного достоинства метода — возможности постоянного контроля основного - нормального состояния ВВТ и отклонений от него в режиме текущей эксплуатации без отключений оборудования.
Список литературы
1. АЛЕКСЕЕВ Б. А. Системы непрерывного контроля состояний крупных силовых трансформаторов // Электрические станции.
2000. № 8.
2. АБРАМОВ о. В., БОРИСОВ б. Д., КИНШТ Н. В. И ДР. Техническая диагностика и мониторинг мощных энергетических установок
по полям их излучений // Автометрия. 2003. Т. 39, № 6. С. 86-97.
3. ДЕГТЯРЕВ С. А., ДОЛИН А. П., ПЕРШИНА Н. Ф. Основные концепции комплексного диагностического обследования трансфор-
маторов // Электро. 2003. № 2. С. 17-26.
4. ЛЯПИН А. Г., ПЕВЧЕВ Б. Г., ПИМОШИН А. А. Комплексный подход к диагностике и оценке технического состояния энергетиче-
ского оборудования // Пром. энергетика. 2005. № 8. С. 5-7.
5. ГРЕЧКО О. Н., КАЛАЧЕВА Н. И. Современные тенденции в развитии системы контроля и диагностики состояния трансформа-
торов 110-750 кВ // Энергетика. 1996. № 5. С. 28-32.
6. АГАМАЛОВ О. Н. Кластерный анализ частичных разрядов для оценки технического состояния изоляции электрических ма-
шин // Электричество. 2006. № 7. С. 56-62.
7. ЛАВРОВ В. Я., ПУХАНОВ А. П. Принципы диагностики на основе идентификации электромагнитных полей // Техн. электроди-
намика. 1991. № 5. С. 3-6.
8. ВИЛСОН А., ХОЛЛ Л., ЛАПВОРТ ДЖ. Измерение частичных разрядов в силовых трансформаторах под напряжением // Матер.
Междунар. семинара "Повышение надежности и эффективности контроля трансформаторов в эксплуатации". Запорожье, 1996. Докл. 3.4.
9. КИНШТ Н. В., СИЛИН Н. В., ПЕТРОПАВЛОВСКИЙ ю. Б. Мониторинг электромагнитного излучения высоковольтного оборудова-
ния // Тр. IV Междунар. симп. по ЭМС. СПб.: Б. и., 2001. С. 110-115.
10. ГЛУХОВ О. А., КОРОВКИН Н. В., БАЛАГУЛА Ю. М. Методика оценки параметров частичных разрядов в высоковольтной изоляции при относительных измерениях их импульсных электромагнитных полей // Тр. IV Междунар. симп. по ЭМС. СПб.: Б. и., 2001. С. 30-35.
11. ВДОВИКО В. П. Образование и развитие частичных разрядов в бумажно-масляной изоляции высоковольтного оборудования в условиях эксплуатации // Электрические станции. 2004. № 2. С. 63-65.
12. ГОЛЕНКО О. В. Исследование сигналов частичных разрядов в силовом трансформаторном оборудовании и разработка метода локации их источников: Автореф. дис. ... канд. техн. наук. Новосибирск, 2003.
13. КИНШТ Н. В., ПЕТРУНЬКО Н. Н., ПОПОВИЧ А. Б. Представление и моделирование свойств собственных электромагнитных излучений высоковольтного электроэнергетического оборудования // Вычисл. технологии. 2004. Т. 9. Ч. 2.
14. КИНШТ Н. В. И ДР. О способе контроля высоковольтного оборудования на основе анализа спектров его собственного электромагнитного излучения // Пром. энергетика. 2007. № 5.
15. ЛЕВИН Б. Р. Теоретические основы статистической радиотехники. М.: Сов. радио, 1976. Т. 3.
16. СЕНИН А. Г. Распознавание случайных сигналов. Новосибирск: Наука, 1974.
17. БОГДАНОВ А. Б., БОРИСОВА И. А., ДЮБАНОВ В. В. И ДР. Интеллектуальный анализ спектральных данных // Автометрия. 2008. Т. 45, № 1. С. 92-100.
18. ЦЫПКИН Я. З. Адаптация и обучение в автоматических системах. М.: Наука, 1968.
19. Пат. № 2351939 РФ. Способ контроля технического состояния электроэнергетического оборудования / Б. Д. Борисов. Опубл. 02.05.07.
20. Пат. РФ. Диагностическая система контроля состояний высоковольтного энергетического оборудования под напряжением / Б. Д. Борисов, В. В. Гаркуша, Н. В. Киншт, Н. Н. Петрунько, Г. М. Собстель. Опубл. 27.11.2007. Бюл. № 33.
Гаркуша Владимир Владимирович— зав. лабораторией Конструкторско-технологического ин-та вычисл. техники СО РАН; тел. (383) 330-85-76; e-mailgarkusha@mail.ru Собстель Геннадий Михайлович — канд. техн. наук, исп. обязанности директора Конструкторско-технологического ин-та вычисл. техники СО РАН; тел. (383) 330-93-61; e-mail sobstel@mail.ru Борисов Борис Дмитриевич — д-р техн. наук, зав. лабораторией Ин-та лазерной физики СО РАН; тел. (383) 333-34-94; e-mail borisov@laser.nsc.ru Киншт Николай Владимирович — д-р техн. наук, зав. лабораторией Ин-та автоматики и процессов управления ДВО РАН; тел. (4232) 31-06-64; e-mail kin@dvo.ru Петрунько Наталья Николаевна — канд. техн. наук, ст. науч. сотр. Ин-та автоматики и процессов управления ДВО РАН; тел. (4232) 31-06-64; e-mailpnn@dvo.ru
