基于联合检测的SF6气体在线监测方法研究

(整期优先)网络出版时间:2018-12-22
/ 1

基于联合检测的SF6气体在线监测方法研究

洪汇隆

身份证号码:36078119881010xxxx

国家知识产权局专利局专利审查协作广东中心

摘要:通过工控机配合驱动控制电路实时控制压力和温度传感器采集GIS气室内的实际压力、外壳实际温度以及通过红外光声气体传感器对SF6气体的光声光谱进行检测,并将获得的实时数据传送回工控机,由工控机实现对数据的联合分析,结合压力、温度以及光声光谱实现SF6气体的联合监测,并通过基于支持向量机实现GIS的故障检测与预警。

关键词:压力;温度;光声光谱;联合监测;支持向量机;预警

一、前言

随着数字化、智能变电站的发展,越来越多的GIS变电站在监视SF6气体压力时采用在线监测系统;特别在特高压变电站,由于1000kV电压等级设备造价高、重要性高,而且GIS气室数量多,1000kVGIS设备的SF6气体密度监视均采用在线监测系统;SF6在线检测系统可以发现气体的泄漏及发展趋势,以防止GIS出现严重泄露危及主设备安全,造成主设备损坏而影响电力系统的稳定运行;而目前现有的在线监测都只是监测GIS的温度或压力等多个指标中的一个或几个指标无法对GIS内部的SF6气体的状态作出全面的判断;因此,本文提出一种基于多指标的联合在线监测系统,实现SF6气体的在线监测与故障预警。

二、联合检测的实现

本文通过压力传感器、温度传感器以及红外光声气体传感器实现GIS气室内部的气压、温度以及传感器电压值的实时获取,并将这些数据传输到工控机,在工控机上实现支持向量机的故障检测,故障分为三类:气密性故障、局部放电故障、无故障;本文设计的联合检测方法的结构框图如图2所示。

图2联合检测结构框图

在使用支持向量机(SVM)构建故障函数超平面,从而实现对故障的分类,首先需要采用训练库数据对支持向量机(SVM)进行训练,在原始标准数据的训练的基础上才能获得准确超平面函数,才能实现对实时传感器数据的故障分类。

只有足够多的标准数据才能使得支持向量机(SVM)分类器收敛,本文对三种故障类型分别采集了100组原始传感器数据,并且对这些原始数据进行故障类型的标记;使用这些标记后的原始标准数据对支持向量机分类器进行训练;其数据格式如表1所示;本文仅分别列出三组不同故障类型的原始标准传感器数据与故障标识,其中将气密性故障标记为故障1,将局部放电故障标记为故障2,将无故障标记为故障0。

表1支持向量机训练标准数据

通过上述原始标准数据的训练后得到的支持向量机(SVM)分类器,能够实现GIS气室的故障分类,若分类的结果为故障1或故障2则需要进行持续关注,系统发出提示告警,并结合其他方式进行检查。

四、联合检测试验

本文通过100组的原始数据进行SVM分类器的训练,将另外50组原始标准数据作为测试数据集;得到测试集的准确率为90.8±1.27%。分别采用单气压阈值法、气压/温度联合阈值法对50组原始标准数据进行测试,得到的准确率对比表如表2所示;

表2几种方法的比较

从表2中与其他方法所得的结果比较,可以看到联合支持向量机法具有较高准确率,采用本文的联合支持向量机法能够大幅提高GIS气室的故障检测率。

五、总结

本文采用联合检测的方法实现对GIS气室的故障检测,分别采用压力传感器、温度传感器对气室内的气压以及温度的测量,以及通过红外光声气体传感器采集光声光谱的电压值;并通过建立支持向量机实现联合传感器的故障检测,试验表明,本文提出的方法能够有效的对GIS气室的故障进行准确的检测,是一种具有实用价值的GIS气室故障检测方案。

参考文献:

[1]ShengyouXu,MinyouChen.Designandmodelingofnon-linearinfraredtransducerformeasuringmethaneusingcross-correlationmethod[J].Measurement.2011(3)

[2]JunyaSuehiro,GuangbinZhou,MasanoriHara.DetectionofpartialdischargeinSF6gasusingacarbonnanotube-basedgassensor[J].Sensors&Actuators:B.Chemical.2004(2)

[3]XiaoxingZhang,JinbinZhang,YichaoJia.TiO2NanotubeArraySensorforDetectingtheSF6DecompositionProductSO2.Sensors.2012

[4]唐炬,范敏,裘吟君,梁鑫,袁静帆.SF6局部放电分解组分光声光谱检测的温度特性[J].高电压技术.2012(11)

[5]唐炬,陈长杰,张晓星,刘帆,任晓龙.微氧对SF6局部放电分解特征组份的影响[J].高电压技术.2011(01)