基于传感器融合的直流系统离子电流测量风险评估:一种证据理论的故障诊断方法

《IEEE Transactions on Dielectrics and Electrical Insulation》:Risk Assessment Based on Sensor Fusion for the Ion Current Measurement as a Diagnosis Method for HVdc Systems: A Review

【字体: 大 中 小 】 时间:2025年12月26日 来源:IEEE Transactions on Dielectrics and Electrical Insulation 3.1

编辑推荐:

  本刊编辑推荐:为解决高压直流(HVdc)气体绝缘设备状态评估难题,研究团队创新性地将离子电流测量(ICM)与日晕仪(CS)图像通过证据理论(Dempster-Shafer理论)进行传感器融合,建立了针对针-板结构的故障检测与区分模型。该研究成功将离子电流特性与不同故障类型关联,实现了设备状态的量化评估,为直流设备的状态监测提供了可重现的诊断方法,显著提升了基于设备状态的风险评估可靠性。

  
随着高压交流(HVac)输电网络向混合交直流电网扩展,高压直流(HVdc)设备及其诊断方法的需求日益凸显。这些设备需要保证30年以上的长期可靠运行,然而直流应用下的局部放电(PD)测量目前仍是研究难点——由于直流放电缺乏交流电的时间信息,无法形成典型放电模式,且超高频(UHF)测量无法检测直流信号。更棘手的是,传统诊断方法需要处理绝缘气体,可能造成污染,而非侵入式诊断方法又面临经验不足和数据库缺失的挑战。
在这一背景下,离子电流测量(ICM)技术展现出独特优势。该技术原本是测量架空输电线路下方地面电流的标准方法,其原理是基于空间电荷在高压直流场中的漂移产生可测量的直流电流。研究表明,只要施加的直流电压超过起始电压但低于击穿电压,离子电流就与施加电压呈二次方关系。然而,如何解读这些抛物线形的ICM曲线来评估设备状态,仍缺乏系统方法和经验支持。
多特蒙德工业大学高压工程研究所的研究团队在《IEEE Transactions on Dielectrics and Electrical Insulation》上发表了一项创新研究,他们采用证据理论(德姆斯特-谢弗理论)将ICM与日晕仪(CS)图像进行传感器融合,建立了针对针-板布置的故障检测和故障区分模型。这种方法的巧妙之处在于,它尊重了当前直流绝缘诊断领域知识不完备的现状,通过融合两种物理原理不同的测量数据——ICM测量接地电极上的直流电流,而CS从法拉第笼外检测放电产生的紫外线辐射——形成了更加可靠的状态评估结论。
研究人员开展实验时,采用了针-板电极结构,分别施加±(0-20)kV直流电压,测试了无污染、0.1g铝屑、0.1g铝颗粒和1g铝粉等不同污染条件。实验同步进行ICM和CS图像采集,ICM采样率为10Hz,CS则在5、7、15和20kV等特定电压下拍摄电晕放电图像。这样确保了两种测量方法的数据源自相同的局部放电现象,为后续的传感器融合奠定了基础。
故障检测模型的设计与实现
故障检测模型要回答的是“设备是否发生了影响运行的故障”。研究团队建立了包含四个原子的辨识框架:c(ICM数据可理解)、dICM(ICM数据与参考数据有偏差)、f(CS对焦正确)、dCS(CS数据与参考数据有偏差)。通过定义三个子集X1,2,3和Y1,2,3,分别对应“无检测到故障”、“检测到故障”和“无法识别”三种场景。
诊断人员根据测量结果与参考数据的差异程度,为每个子集分配基本概率赋值(BPA),数值在0(完全不可能)到1(完全确定)之间。例如,当ICM曲线与参考曲线无明显偏差时,可分配icm1=0.95,icm2,3=0.025;而当出现显著偏差时,可能分配icm1=0.34,icm2=0.65,icm3=0.01。CS数据的BPA设定也遵循类似原则,通过视觉比较放电图像的亮度和范围变化来确定。
通过德姆斯特组合规则将两种证据的BPA融合后,模型输出对各场景的信度值。研究还定义了基于组合结果的维护建议:m(Z1)≥0.67对应正常状态,无需行动;m(Z5)≥0.33对应临界状态,需对设备进行干预;m(Z9)≥0.33表示数据错误,需检查测量设备。
故障区分模型的精细诊断
在确定存在故障后,故障区分模型进一步回答“是何种故障导致了运行限制”。该模型考虑了铝屑、铝颗粒和铝粉三种污染类型,以及无法识别的情况。辨识框架包含五个关键原子:UoCS(CS检测到的起始电压降低)、PD+(CS检测到额外放电)、PD*(CS检测到更亮或更大的放电)、ICe(ICM曲线从二次型变为指数型)、IC+(ICM电流增加)。
实验结果显示,不同污染类型确实会产生特征性的ICM曲线和CS图像。例如,铝屑污染导致离子电流曲线从二次型变为指数型,且电流值增加;CS图像显示起始电压降低、出现额外放电点。而铝颗粒和铝粉污染虽然也增加离子电流,但曲线形状保持二次型,主要区别体现在CS检测到的放电特征上。
模型验证与实际应用
研究人员将模型应用于实际测量数据,结果显示故障检测模型对所有污染类型都能准确识别故障状态,而故障区分模型对显著性故障原因(如铝屑、两种极性下的铝颗粒和正极性下的铝粉)也能产生准确区分结果。特别值得注意的是,冲突权重(Con)计算结果显示所有组合的Con=0,表明两种证据源之间没有信息损失,融合结果高度可靠。
与基于经验的风险评估模型相比,这种证据理论方法的结果不再强烈依赖于用户的专业经验,因为BPA反映了诊断专家对复杂情况的评估能力,而组合规则允许将来自独立证据源的信息有机结合。因此,就故障检测和区分以及维护建议而言,模型的结果是可重现和透明的。
研究意义与展望
这项研究的主要意义在于为高压直流系统提供了一种可靠的诊断方法,通过融合ICM和CS数据,使用户能够计算发生故障的信度并区分不同类型的污染。多种关于直流局部放电引发的效应链信息形成了关于设备维护的合理化建议。
虽然当前模型适用于高压直流实验装置,但将其应用于现场设备的条件监测还需要进一步工作,包括适应各种复杂设备、扩展DST模型以包含更多故障原因及其对应元素,以及考虑已安装的现场传感器。特别是,需要将来自时间相关信号(如放电脉冲)的信息融入风险评估过程。
未来的研究方向包括将ICM发展为不同现场应用的在线监测方法,开发相应的数据库,以及将这种方法集成到维护周期中,以确保输电网络的可靠性。基于ICM和CS传感器融合的诊断为高压直流设备提供了一条可靠的诊断途径,有望在未来智能电网的状态监测中发挥重要作用。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号