基于组合赋权法和模糊综合评价的电力设备状态数据质量评估

随着电力网络的扩大以及工业信息化的迅速发展,在电力领域中采集和待处理的数据量呈现爆发式增长,数据的丢失、冗余、异常、冲突等问题也日益突出,影响数据的质量。数据质量评估作为保证数据质量的关键一环,发挥着重要作用。针对电力设备的状态数据提出一种数据质量评估方法,选择完整性、准确性、唯一性、一致性、及时性5个评估指标构建数据质量评估体系,设置了定量计算的评估规则;组合运用模糊层次分析法和熵权法来确定各评估维度的权重,以提高数据质量评估的科学性;再运用模糊综合评价法,依据隶属函数来确定数据质量的所属等级。最后运用上述方法,对某地的油色谱数据质量进行评估,该方法计算得到数据质量的评分为77.15,处于“中等”等级。评估结果与实际应用场景相符,表明该文提出的方法适用于电力设备状态数据质量评估。

有载分接开关绝缘油中金属颗粒运动规律及其对介电性能的影响

高压有载分接开关油室金属微粒放电引发的缺陷超一半以上严重影响长期运行可靠性。研究了有载分接开关断开过程中绝缘油中金属颗粒的运动规律及其对绝缘油介电性能的影响,可为有载分接开关绝缘状态诊断和油隙绝缘裕度设计提供理论基础。首先分别给出了流体场、金属颗粒动力学以及电场的理论分析,并阐述了三者的耦合关系;同时建立有载分接开关触头二维简化仿真模型,得到了流体场中涡流的分布、金属颗粒的运动规律以及带电金属颗粒的运动轨迹;仿真结果表明开关运动过程中,开关间隙中心处颗粒浓度最高,且会形成“小桥”。通过混合物的介电常数和电导率模型计算了金属颗粒浓度分布变化对绝缘油介电性能的影响,提出了按浓度分区计算再并联的方法,提高了介电参数计算的准确性。

基于域随机化的绝缘子缺损数据自动生成与评价方法

机器代人巡检已逐步在电力巡检场景中得到广泛应用,绝缘子作为维护电力系统安全可靠稳定运行的重要设备,对其缺陷进行准确有效检测具有重要意义。绝缘子缺损识别是绝缘子缺陷检测中的重要任务,针对当前绝缘子缺损数据样本较少且样本不平衡,模型泛化能力差、数据标注不精确的问题,该文提出基于域随机化的缺损样本自动生成框架与样本图像质量评估方法,在虚拟域到真实域的绝缘子缺损检测域适应问题上取得了较好的效果,并基于该方法生成图像标注数据供开源使用。该文提出的域随机化数据生成方法首先基于程序化建模生成结构可调的绝缘子伞盘模型并基于纹理噪声模型建立了包含陶瓷绝缘子常见色彩、纹理信息的程序化纹理模型,进而基于网格噪声模型建立了绝缘子缺损切割模块,随后通过域随机化生成完整的绝缘子结构、纹理模型、缺损结构、背景信息与场景物体。在图像渲染和自动标注环节,首先基于相机对准与能见度自动生成与调整拍摄点及相机参数,进而提出了基于光线投射方法建立数据标注类别判定方法,设置实例对应的图像渲染通道进行图像渲染,完成批量数据生成。该文采用域随机化生成的3000张虚拟数据在不修改YOLO V5网络结构、模型参数的基础上训练模型,在300张真实绝缘子缺损图像上进行测试,正常绝缘子识别准确率达到97.8%,召回率92.1%,缺损绝缘子识别准确率79.0%,召回率75.9%,各检测类别的准确率和召回率均高于基于400张真实图像训练得到的检测模型的推理结果。该文提出的图像样本质量评估方法考虑了与真实域数据的相似度和样本在数据集中的独立性,将所得评价结果代入损失函数权重计算,进一步提升了推理结果,缺损绝缘子识别准确率85.3%,召回率77.8%。

基于重参数化YOLOv5的输电线路缺陷边缘智能检测方法

电力智能巡检与边缘计算相结合,对电力物联网和透明电网的建设具有重要作用。然而,边缘设备的低算力导致检测算法在边缘端推理速度慢,边缘设备的低内存也限制了目标检测模型的空间占用。针对以上问题,提出了一种基于重参数化YOLOv5的输电线路缺陷边缘智能检测方法。首先,利用R-D模块和重参数化空间金字塔池化(spatial pyramid pooling,SPP)对YOLOv5网络进行改进,通过重参数化加快模型的推理速度,得到重参数化YOLOv5模型。其次,利用ResRep剪枝方法对模型进行通道剪枝,减小模型空间占用。最后,将模型部署至NVIDIA Jetson Xavier NX边缘平台,并利用C++语言结合TensorRT图优化对模型进行优化加速,进一步减小推理时延,减少模型占用空间。实验结果表明:相较于原版YOLOv5,该文提出的方法推理速度提升至5倍,空间占用减小至41%,同时精度提升了2.4%,显著提高了输电线路边缘智能巡检的效率。

数字化电力装备专用传感应用需求与发展趋势

电力专用传感器是数字化电力装备实现可观、可测、可控的重要基础保障。该文面向新型电力系统建设目标,从数智化电网及智能传感器行业发展驱动政策出发,根据电网自身运行特性,分析了数字化电力装备电力专用传感技术的政策导向以及其在传感器小型化、多参量集成感知、一二次融合技术、可靠性与环境适应性、智能化等方面的需求。此外,该文围绕传感器敏感元件、制备技术、测试与校准、通信网络和能量收集技术,对传感器行业的现状和发展趋势进行了介绍和研判,并进一步分析了电力专用智能传感的标准建设需求,提出了未来电力专用传感技术的发展形态。

面向高变倍场景的变电站巡检机器人云台相机对准方法

受导航误差和机械磨损等因素影响,变电站巡检机器人在自主巡检时的停靠位姿偏离预置位姿,导致其云台相机在高倍变焦抓图时出现目标设备不在图像内以及聚焦失败等问题。因此,提出一种面向高变倍场景的变电站巡检机器人云台相机对准方法,使巡检机器人相机能够精确对准到预置位姿,以拍摄与模板图像一致的高质量巡检图像。首先,建立巡检机器人位姿与像素误差之间的关系模型;然后,基于构造的变电站空间布局假设条件,提出机器人相机位姿误差的近似解法;最后,对相机位姿误差进行正交解耦,使用提出的折半对准控制方法校正相机位姿误差。在巡检机器人真型平台上开展相机对准试验,结果表明,相较于仅调整云台姿态的传统相机对准方法,该方法在高变倍巡检场景中表现出更高的巡检覆盖率、准确率以及更低的巡检图像像素误差。

基于随机矩阵的变电站多源异常声音信号的定向方法

变电站的安全稳定运行至关重要,通过分析变电站中电力设备的可听声特征变化可以判断设备是否处于不正常运行状态,对异常声源进行主动定位可以快速确定故障区段,进而提高异常声音的检测效率。在实际应用中,由于准确性和实时性的要求常采用大阵列小快拍系统,造成当多个目标声源角度相近时,传统的声音定位方法不能对其有效分辨。根据随机矩阵理论提出基于均匀平面矩阵的声源定位方法,利用Stieltjes变换校正样本协方差矩阵的特征值和特征向量,然后通过空间谱的谱峰搜索对异常声源定位,可以有效提高分辨相邻声源的成功率。研究结果表明,所提方法可以使用更少的快拍数分辨相邻声源,且分辨成功率得到有效提升。

基于Boltzmann方程对C_(3)F_(8)/CF_(3)I/CO_(2)三元环保型混合气体的绝缘性能研究

为研究一种新型SF_(6)替代环保绝缘气体介质,采用密度泛函理论(DFT)从微观结构层面上深入地分析C_(3)F_(8)作为一种SF_(6)替代环保绝缘气体的可行性,利用两项近似的Boltzmann方程对300 K下C_(3)F_(8)/CF_(3)I/CO_(2)三元环保混合绝缘气体介质的绝缘特性进行了分析,计算三元环保混合气体的电子能量分布函数、电子群参数和协同效应系数等多种微观参数,分析了这些参数随C_(3)F_(8)混合气体比例的变化情况,并与同比例下的c-C_(4)F_(8)/CF_(3)I/CO_(2)三元混合气体的微观参数进行了对比和分析。在约化电场强度E/N低于418 Td时,从扩散系数、电子漂移速度的角度上来看,C_(3)F_(8)三元混合气体的性能优于c-C_(4)F_(8)三元混合气体,在C_(3)F_(8)比例低于7%时,C_(3)F_(8)三元混合气体的绝缘强度高于30%SF_(6)/70%CO_(2)的混合气体,此时的三元混合气体在中低压设备中具有一定的应用潜力。此外,当C_(3)F_(8)气体体积分数为10%时,三元混合气体协同性最好。文中的研究从理论上验证了C_(3)F_(8)/CF_(3)I/CO_(2)替代SF_(6)的可能性。

有载分接开关真空管操动机构力学特性动态仿真

真空管操动机构是换流变有载分接开关的核心部件,其机械结构较为复杂,且因其频繁操作常导致机械机构发生塑性形变与损伤,从而发生换流变故障。研究有载分接开关真空管操动机构力学特性动态仿真能够弥补传统测试手段无法直观展示应力分布的不足,并为真空管操动机构的设计与改进提供理论基础。首先,在ANSYS中建立了基于隐式非线性动力学的真空管操动机构瞬态动力学仿真模型,采用Von Mises屈服准则与等向硬化模型计算模型等效应力;其次通过有限元分析了操动机构整体的应力分布情况;最后针对性地分析了凸转盘、凸杆、支撑机构和真空管的应力分布情况,从而便于深入分析分接开关在各种工况下的工作原理,并有助于根据应力分布情况有效改进操动机构机械结构,并在设计阶段预见并避免可能的故障模式。

气隙长度对大气压下环氧树脂阻挡放电的影响研究

为了研究气隙长度对大气压下介质阻挡放电的影响机制,从而进一步明晰介质阻挡放电的放电机理及特性,基于气体放电流体模型,针对长度3 mm以下的环氧树脂阻挡同轴电极气隙,在外施电场恒定的条件下对其放电微观过程进行仿真,从带电粒子微观运动角度研究气隙长度对气隙放电特性的影响。仿真结果表明:在长度小于3 mm的气隙中,环氧树脂的阻挡导致电子崩无法发展成为流注,其放电形式为汤森放电;气隙长度对放电过程的影响主要通过改变带电粒子的分布和电场强度来实现;气隙长度对放电发展速度几乎没有影响;当电子崩靠近较短气隙的阳极时,其崩头密度低于较长气隙;随着气隙长度的增加,放电电流峰值增大,上升速度和降落速度增加,脉冲宽度减小。通过对比理论计算与实验结果,证明了仿真方法的合理性。

封闭条件下温度对气隙放电影响的模拟研究

气隙缺陷往往导致局部放电(PD)现象,局放的发展过程与放电条件密切相关,通过放电的宏观表征来分析判断放电条件,是实现绝缘条件评估的重要途径。以温度对气隙缺陷下局放过程的影响为例,通过建立温度条件对放电过程的参数控制模型,研究了不同温度对其微观发展过程的影响,得到了不同温度条件下的宏观表征。仿真研究表明,在封闭条件下,温度的升高会影响放电过程中的电子密度分布以及电场分布。在303、323和343 K的条件下模拟放电过程,其电流峰值依次为0.479、0.356和0.261 A,随温度升高逐渐下降;此外其电流脉冲持续时间依次为19.261、15.516和13.438 ns,随温度升高逐渐变短。最后,实地测量了不同温度下的放电电流,获得了与仿真模型一致的结果。

潮湿环境下中压电缆接头早期故障的演变规律及特性

由于目前缺乏对电缆接头早期故障演变过程的研究,为此根据实际运行场景设计了潮湿环境下的电缆接头早期故障模拟试验,得到不同放电次数下的电缆接头早期故障电流变化规律、绝缘损伤、气隙内积水位移等特征,分析早期故障演变过程,并根据故障时的电极构成特征将早期故障分为第1、第2阶段,提出了早期故障2个阶段各自的特征。在此基础上建立了电弧位置固定时的早期故障仿真模型,仿真分析了电弧温度的变化、固体绝缘部分的高温区域形成以及电弧区域的热量散失等现象。综合试验与仿真结果认为,移动位置电弧与重燃电弧共同构成早期故障的第1阶段。当电弧位置临近接头接地点,早期故障将进入第2阶段。当闪络痕迹贯穿绝缘表面时,将形成永久性故障。该研究结果为早期故障特征识别与监测提供了理论支撑。

基于非线性尺度空间与极坐标分布熵的GIS局放特征提取方法

气体绝缘组合电器(gas insulated switchgear,GIS)局部放电(partial discharge,PD)缺陷类型的准确识别对电力设备的状态评估与故障诊断至关重要,为了解决PD模式识别中特征提取准确性不足的问题,该文提出一种基于极坐标分布熵优化的非线性尺度空间特征(KAZE)提取方法。首先,对光、电单参量图谱进行非下采样轮廓波变换(non-subsampled contourlet transform,NSCT),得到包含信息更丰富的光电融合图谱;然后,利用KAZE算法提取图谱典型特征点,并依据相位、幅值、尺度信息将特征点发散至极坐标,提取子区域分布熵构成特征向量;最后,将特征信息带入经自适应增强算法(Adaboost)优化的长短期记忆网络(long short-term memory,LSTM)进行模式识别验证,并与KAZE法、统计参数法、卷积神经网络(convolutional neural networks,CNN)进行对比。结果表明,该文提出的特征提取方法在不同训练集分布下均可达到较高的识别率,最高可达91%,相较于统计参数法、CNN分别提升8.8%和4.4%,可以为提高GIS局部放电特征提取准确性提供参考。

电力设备ChatGPT类模式与关键技术

ChatGPT(chat generative pre-trained transformer)是近些年人工智能领域发展的新技术方向,其涵盖了设备数字孪生、设备管理、平台运行等数字化功能,更具备通用性、生成式人机对话的特点。文章首先介绍了ChatGPT的发展现状,以及电力设备ChatGPT类模式和核心技术架构,说明大模型具有优异的泛化能力、逻辑推理能力、多模态数据分析生成能力等突出特点。然后,从高算力人工智能芯片、语料样本体系构建、基于Transformer的生成式预训练模型、嵌入大语言模型的多模态算法、基于人类反馈的强化学习技术这五个方面分析了电力设备ChatGPT类模式所涉及的关键技术。最后,提出了电力设备ChatGPT在电力行业开展的可行性和技术方案,总结出未来电力设备ChatGPT所面临的挑战和发展方向。

面向新型电力系统的数字化电力设备关键技术及其发展趋势

新型电力系统对设备状态以及运行环境等信息感知的深度和广度有更高的要求,亟需利用先进的数字化和信息化技术对传统电力设备进行升级,构建新一代的数字化电力设备。因此提出了数字化电力设备的定义、内涵特征和基本架构,详细阐述了电力设备状态智能感知、电力设备物联网平台、数字孪生建模仿真和状态精准评估诊断、复杂多维信息合成与可视化等电力设备数字化关键技术的研究现状和存在的问题,并展望了未来的重点研究方向及技术发展趋势,包括电力设备全景状态感知、多场景数字孪生仿真、数字化测试和试验、智能感知芯片等。

10kV油浸式变压器匝间短路故障反演与定位

为了解决油浸式变压器内部匝间短路故障在线定位的问题,提出了匝间短路故障反演定位方法,实现了采用无接触测量的油箱外壳红外测温数据对内部故障位置和发热量进行反演计算的目标。首先建立了油浸式变压器传热正演计算模型,并基于正演模型提出了匝间短路故障反演计算方法;然后将故障反演求解问题转化为变压器内部热源参数最优化问题,采用二维粒子群算法进行寻优求解。采用变压器温升试验对模型仿真结果有效性进行了验证,并进行匝间短路故障案例分析。研究结果表明,提出的匝间短路故障反演算法的故障位置定位误差平均值为5.60%,可有效对油浸式变压器匝间短路故障进行在线反演定位计算。

特约主编寄语

在“双碳”目标的驱动下,我国在特高压柔性直流输电技术、多端直流输电技术、高压直流电网等工程应用领域得到了快速发展,在高端直流电力关键装备的材料、工艺、结构、设计、运维以及性能评估等关键技术领域实现了自主化加速研发,取得了重大突破和系列技术成果,推动了传统常规直流主设备在技术性能、结构型式等方面的产业升级,提升了我国在超、特高压直流技术领域的影响力。

状态参量关联规则挖掘及深度学习融合的变压器故障诊断算法

变压器的正常运转是电力系统可靠供电的基础,它的早期故障检测一直是研究的热点方向。随着大数据和人工智能的兴起,变压器的多种日常运行监测数据得以更有效的利用。早期故障检测方法容易误判,对故障部位及故障程度的识别也比较模糊。因此,为了获得更高的故障预测及诊断精度,文中提出了一种关联规则输入的变压器深度学习故障辨识方法。首先应用Apriori算法挖掘特征量集中的高频项,计算其与故障类型的置信度,找到强置信度规则。然后将置信度与油中溶解气体浓度一起作为输入应用到深度神经网络DNN(deep neural networks)模型中,通过正向传播、反向梯度更新进行训练,以确定变压器的故障类型。最终实例证明基于关联规则的故障检测模型具有更高的精度和更快的响应速度,相较于未输入关联规则的模型准确度至少提升了5%。

油浸式电力变压器匝间故障早期的电热特性研究

油浸式电力变压器匝间绝缘的老化和劣化会造成匝间绝缘电阻减小,从而引起故障线圈上电流和产生热量增加。因此,研究变压器匝间故障早期的电热特性具有重要意义。该文分析匝间故障电阻对变压器等效电路和绕组损耗的影响,提出基于电磁、热–流体场耦合的变压器匝间故障模型。基于数字孪生(digital twin,DT)的理念,建立变压器的高保真仿真模型,通过传递变压器实体的结构、尺寸、材料参数等,实现对绕组电流和不同部件温度的准确模拟。采用此高保真仿真模型,研究高压绕组发生1%匝间故障的电热特性,结果表明低压绕组电流幅值仅增加2%,而顶层油温升高了9.4℃(25.7%),油箱外壳整体温度升高了10℃。在匝间故障早期阶段,顶层油温和油箱外壳温度的变化较绕组电流更为显著,因此,顶层油温、油箱外壳温度和绕组电流等电热特性参量可用于辨识早期故障。

配电线路树线早期故障动态特性仿真与试验

树线早期故障常被视为扰动遭到忽视,但其间歇频发将导致断线、火灾等严重事故。研究其产生机理与发展过程并提取故障信号特征,可指导树线早期故障的检测与辨识,提高配电线路的运维水平。基于磁流体动力学仿真及早期故障模拟试验,对树线分离阶段故障伴生电弧的发展过程与故障电压电流波形进行了研究。结果表明:随着树枝与导线逐渐分离,电弧长度增加,温度下降,故障电流波形的零休持续时间随之增加;与树枝为阳极相比,铝绞线为阳极时电弧温度更高;故障电流由正至负过零时,零休的持续时间比电流由负至正过零时更长。前述特征的出现源于故障的产生与发展机理,与树枝运动速度、树木种类无关。研究结果为进一步实现树线早期故障的辨识奠定了基础。