摘要：为了能够保证变电站一次设备的运行质量和效率，延长一次设备的使用寿命，需要加强对变电站一次设备的检修工作，科学评价变电设备的运行状态，及时发现其中的安全隐患，有针对性的提出改进建议，提升变电设备运行的安全性，以满足用电用户的需求，促使电网企业实现经济与社会效益双丰收。基于此，本文就电力系统变电一次设备状态检修技术进行深入分析，以供参考。
关键词：电力系统；变电一次设备；状态检修技术
1电力系统变电一次设备状态检修的技术
1.1状态监测
状态监测主要有三种形式，分别为解体点监测、离线监测和在线监测。其中，第一种监测形式主要应用在当前处于停运状态的设备，如设备维修期等，根据设备参数信息，结合相应的工艺方法对设备现状进行判断，并验证设备构件是否产生劣化。离线监测是指借助先进的仪器设备在系统离线状态下对设备运行状况进行监测，这种监测形式对于硬件设备有很高的要求，常用设备包括红外成像仪、超声波检漏仪等。而在线监测相比之下较为简单，主要通过对数据收集系统、数据处理系统与分布控制系统等子系统的联用，实现设备在线监测，掌握设备运行动态信息，为故障判断提供依据。电力系统变电设备通常要根据实际情况选取其中一种或多种组合的方式完成监测，以此确保监测实效性。
1.2故障诊断
故障诊断是状态检修中一个非常重要的内容，可以及时发现设备中存在的故障隐患，对故障的类型、危害等进行判断，为后续的故障处理奠定良好的基础。对于变电一次设备而言，故障诊断方式是多种多样的，包括噪声诊断、振动诊断、射线诊断、污染诊断以及专家系统诊断等，而在实际操作中，最为常用的方法一是振动诊断，主要是结合相应的仪器，对变电一次设备在运行过程中的振动信息（包括位移、速度、相位、频谱、幅值等）进行分析和识别，从而判断设备运行的健康状况，对其中存在的故障和隐患进行诊断。相关统计数据显示，振动诊断可以准确识别60%左右的变电一次设备故障；二是专家系统诊断，主要是结合专家系统，对变电一次设备运行中存在的故障和问题进行识别和判断，具有智能化、高效性、可靠性等优点。专家系统诊断可以细分为基于信息的诊断以及基于神经网络的诊断，在实际应用中，后者可以再次分为模糊神经网络诊断、集成化网络神经系统诊断、分形神经系网络诊断等。
1.3状态预测
状态预测是变电设备检修的核心内容，它主要将预测模型作为基础。预测模型是根据BP神经网络与灰色系统理论等形成的。变电设备状态预测的本质在于对设备状态对应的特征量进行准确预测，再依据系统运行要求，选定阈值，进而完成在线预测。与BP神经网络相比，以灰色理论为基础的变电设备状态预测有着更好的预测效果，尤其是在短期预测方面具有显著的优势。基于灰色理论的变电设备状态预测模型可分成两种类型，即动态预测模型和残差分辨模型。以长时间处在运动状态的设备部件为例，其运行磨损通常遵循浴盆曲线，所以对此类设备的状态预测，可采用基于灰色理论的预测模型，根据上一个时期设备的磨损量，预下一个或更多时期的设备磨损状态，以这样的方式为检修工作提供方向。
2实例分析
本文以主变压器的状态检修为例，该主变压器的运行参数如下：空载损耗35kW，空载电流0.37%，相数为3相，额定功率为50Hz，额定容量为31500kVA。在对供电网络中的一次设备进行检修时采用了油色谱检测技术，监测系统为MGA-6，安装的监测系统共有23套。
油色谱监测系统中的监测硬件包括端子箱、油气分离器等，端子箱的主要功能为检测气体，油气分离器具有溶解气体与分离气体的作用，透气膜是分离器中的核心装置，在分离器的附近安装端子箱，在安装端子箱后采用槽钢进行固定，以避免端子箱发生松动问题，监测软件与监测系统工作原理，如图1所示。
图1状态检修监测系统工作原理
监测系统中的功能模块包括通信模块、载气模块、应用软件模块、数据处理模块及数据采集模块等，在监测主变压器的过程中能够对油中溶解的气体进行实时分析及连续监测，同时可以在获得监测数据之后进行定量计算、定性计算、分析三比值、计算产气速率、分析趋势图、绘制原始谱图、实现远程监测与故障诊断、对变压器进行远程维护与及时发送报警信息等。利用状态监测系统对供电网络中的一次设备进行检修时发现其中1台主变压器的引线部分出现故障，主要表现为引线被烧断。发现问题后及时对接线柱进行紧固处理，同时更换烧断的引线。经过处理后保证了变压器正常工作，且有效避免了因三相电压出现不平衡问题而导致用电设备被烧坏。故障判断模型，如图2所示。
图2故障判断模型图
其中1台主变压器的引线部分出现故障，主要表现为引线被烧断。发现问题后及时对接线柱进行紧固处理，同时更换烧断的引线。经过处理后保证了变压器正常工作，且有效避免了因三相电压出现不平衡问题而导致用电设备被烧坏。故障判断模型，如图2所示。上图从上到下依次为m层、n层、c层，模型方程式如下：
式中，br为量子输出函数；
ns为间隔数目；
ɑn为量子陡度因子；
X为神经网络输入值；
VT为输入层转置权值；
θr为神经网络输入值；
公式中的值均可被监测系统获取（br除外），状态参量为ns、ɑn及VT
Y={b1r....b2r...b3r....bkr}
判断参数如下：
故障判断数据：诊断次数为45次，正确数为44次，错误1次，诊断率为97.98%，误诊率为2.22%。
3结束语
总而言之，在电力系统中，变电一次设备占据着非常重要的位置，做好设备的状态检修工作，关系整个电力系统的稳定可靠运行，必须得到电力技术人员的重视，采取切实有效的检修方法，及时发现并且排除变电一次设备在运行过程中存在的安全隐患和异常工况，保证变电一次设备始终处于健康的运行状态。不过也应该认识到，状态检修技术在实际应用中也存在着一定的缺陷和问题，需要检修人员结合自身的经验进行改进和创新，以更好的适应电力系统的发展需求。
参考文献：
[1]徐文元.电力系统变电一次设备状态检修技术研究[J].企业技术开发，2014，33（36）：3-4.
[2]明永占，宋俊国，陈冬.电力系统变电一次设备状态检修技术探讨[J].黑龙江科技信息，2016（6）：27.
[3]陈小波.电力系统变电一次设备状态检修分析[J].电子技术与软件工程，2016（10）：249.
作者介绍：
叶洁莉；性别：女；籍贯：广东省佛山市；民族：汉族；学历：大专；职称：助理工程师；职务：变电站值班员，研究方向：变电运行管理
论文作者:叶洁莉
论文发表刊物:《电力设备》2017年第34期
论文发表时间:2018/5/14
标签：设备论文; 状态论文; 电力系统论文; 神经网络论文; 模型论文; 故障论文; 引线论文; 《电力设备》2017年第34期论文;