北极星

搜索历史清空

  • 水处理
您的位置:电力输配电保护与控制技术正文

气体绝缘设备中SF6气体分解产物与设备故障关系的建模

2015-12-15 09:31来源:电工技术学报关键词:开关设备气体绝缘设备隔离开关收藏点赞

投稿

我要投稿

本文提出的 Bayes 估计设备故障概率构想为:先用实验数据或设备运行的历史数据建立设备故障的分解产物概率模型,跟踪检测设备运行中产生的分解产物,由 Bayes 技术更新概率模型的参数,使模型较好地符合设备运行工况。可见,应用 Bayes方法,基于设备状态检测,可持续更新设备的故障分布和故障概率估计。

图 10 为 Bayes 构想的分析框图, 对数据缺失造成的参数不确定性用包含未知分布参数的概率分布进行解释,可将未知参数分布的特征参数作为随机变量。基于实验数据建立的故障分布式(式( 1)~式( 8)),结合运行设备的状态监测数据,用贝叶斯分析法更新原分布中的参数,如β,获得设备在运行工况下的故障分布函数, 进而对设备故障概率等进行预估。

贝叶斯估计法为基于SF6 气体分解产物的设备故障概率估计提供新的手段,随着实验和现场检测数据形成的样本增加,先验概率模型准确度提高,可实现有效预估设备故障概率。

4 结论

( 1)提出了SF6 气体分解产物与设备故障的建模方法和流程,包括概率分布、参数估计和误差分析方法,应选取χ 2 值最接近 1 的概率分布作为设备工况的概率模型。

( 2)选用实验中的特征组分含量比值为特征参量 , 开断电弧和异常发热实验的特征参量均为SO2/H2S 含量比值, 异常发热实 验的 特征参量为SOF2/S2OF10 含量比值,三类实验分别满足对数正态、正态和 Weibull 分布。

( 3)建立了电弧、局放和发热实验的分解产物概率模型,得到了其概率分布及置信区间,并通过实验和实测数据对模型进行了校核,验证了建模方法和概率模型的有效性。

( 4)利用建立的 SF6 气体分解产物与设备故障关系的概率模型,结合设备状态检测数据,提出了Bayes 更新模型参数并修正模型,进而估计设备故障概率的方法。

( 5)由于实验条件受限,本文建模采用的样本数较少,而且因实验数据的分散性和检测手段的缺乏,使得建立的分解产物概率模型存在一定的局限性。需结合设备运行工况增加实验情形和次数,提高检测技术确保检测结果准确度等,以完善模型,加强对设备状态判断的指导。

致谢:本文的工作得到了国家电网公司科技项目 “ GIS 气体绝缘金属封闭开关设备综合状态评价”和“气体绝缘开关设备内部绝缘件缺陷诊断和混合气体分解产物检测技术研究”的资助,感谢项目组相关单位的辛勤工作和大力支持,谨此致谢!

原标题:气体绝缘设备中 SF6 气体分解产物与设备故障关系的建模
投稿与新闻线索:陈女士 微信/手机:13693626116 邮箱:chenchen#bjxmail.com(请将#改成@)

特别声明:北极星转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。

凡来源注明北极星*网的内容为北极星原创,转载需获授权。

开关设备查看更多>气体绝缘设备查看更多>隔离开关查看更多>