探讨电力设备状态监测技术

摘 要：电力设备状态监测技术将向智能型、系统型的状态管理系统发展。先进的传感器技术和智能信息处理技术在发展新型状态监测系统方面具有巨大的作用。

关键词：电力设备 状态监测 状态智能管理

1、引言

状态监测(condition-based monitoring)是利用传感技术和微电子技术对运行中的设备进行监测，获取反映进行状态的各种物理量，并对其进行分析处理，预测运行状况，必要时提供报警和故障诊断信息，避免因故障的进一步扩大而导致事故的发生，指导设备最佳的维修时机，为状态检修提供实时数据。

20世纪80年代以来，随着科学技术的发展，状态监测技术在我国逐渐开展起来，设备维修策略也从\"计划维修\"逐步向\"状态维修\"转换。目前，状态监测技术的应用还不够成熟，总体来看，投入产出比和性能价格比都很不理想。随着网络、通信、信息技术的进一步发展，设备状态监测将向系统化集成化方向发展，形成以状态监测为基础的设备智能管理系统、新型传器技术和智能信息处理技术将更多地应用于系统中，能对在线和离线数据进行分析处理，对设备进行实时监测、故障诊断、针对诊断结果提供相应的维修策略，并对设备进行状态分析，评估设备的当前健康水平。

2、状态智能管理系统

状态监测技术的研究将从局部探讨进入系统研究阶段，建立在状态监测基础上的状态智能管理系统将成为发展趋势，该系统具有对设备进行状态监测、故障预警、故障诊断、状态评估等功能，并且能对状态维修提供智能化决策。该状态监测系统是实行电气设备状态检修体制的前提和基础，系统由下列几部分组成：

(1)传感器(Sensor)。将电量、物理量、化学量转换成适合于数据采集装置处理的电信号。其选择依赖于状态监测采用的方法和被监测设备的故障产生机理。通常考虑适用于在线监测，有较高的灵敏度，价廉，非侵人性，抗干扰等特点。

(2)数据采集(Data quisition)。采集传感器输出信号，对信号进行去噪，选取、滤波、模/数转换等处理，以及对传感器补偿和校正等。

(3)故障检测(Fault detection)。首要目的是明确被检测设备是否出现初期故障征兆，为故障报警以及进一步的故障分析提供依据，故障检测一般包括参考模型和故障特征提取两种方法。

(4)诊断与决策(Diagnosis)。对检测到的异常信号进行处理、分析，制定维修策略。目前的研究方向倾向于由计算机采用先进的数字信号处理、人工智能技术进行在线自动分析处理，从而给出设备的故障类型、故障定位和维修决策等信息。

(5)评估(Assessment)。对影响设备状态的各种因素进行分析，涉及到这些因素的定义(即状态参量)、检测和综合分析，最终对设备的状态进行评估，为设备的使用和维护提供依据。

新型传感器技术、数字信号处理、智能信息处理等技术以其强大的数字信号处理能力在设备的状态监测领域得到了广泛应用。自动分析处理功能和在线故障诊断是实行状态监测的显著特征，状态监测将向着快速计算，智能分析的系统化方向发展。

智能管理系统的软件部分将是高性能的信息融合软件系统，具有规范的接口和通信标准。能实现各种状态信息，各种故障诊断方法，各种信息处理方法的有机融合，提高状态监测的可靠性和实用性，其系统分析数据能够远程传输，实现数据共享。该软件是信息处理的中枢，能够对多源信息进行融合处理，对在线、离线数据进行自动分析，根据故障征兆进行分析诊断，及时发现潜伏性故障，并且对设备状态进行分析，对设备进行状态评估，根据评估的情况，如正常级别、缺陷级别、障碍级别、事故级别确定合适的检修方案。

3、新技术的应用

3.1智能传感器。传感器是设备状态信息获取的源头，将直接影响到监测系统的性能。传统的传感器有易受干扰、寿命低、灵敏度不高、成本高、稳定性差等缺点。科学技术的发展，新型传感器的出现促进了测量技术的进步，解决了信息采集可行性问题，采用新工艺、新测量原理的传感器对提升系统性能起到了关键作用。目前，新型数字式传感器和基于MEMS技术的传感器已大量采用，特别是MEMS传感器，具有体积小，可靠性高，技术附加值高等特点，已成为全世界传感器市场增长最快产品之一。建立在新工艺、新测量原理上的智能传感器，能提高数据采集的精度，并且具有自校正、自补偿功能，将智能传感器用于设备数据采集，能解决数据不稳定、存在严重干扰、测量数据精确度不高等问题，也为系统诊断分析打好了基础。

3.2智能信息处理。智能信息处理技术就是将不完全、不可靠、不精确、不一致和不确定的知识和信息进行处理的过程和方法，就是利用对不精确性，不确定性的容忍来达到问题的处理。处理方法有的神经网络、模糊系统、粗糙集、信息融合等。

设备的诊断、分析、评估、决策都存在信息处理的问题。拿故障诊断来说，设备故障类型繁多，故障的征兆也很多，故障因果关系复杂，其故障机理无法以固定的规则来表示，这种特殊性决定了其监测信息中存在不确定信息，传统方法只能处理确定性信息，智能信息处理技术能对不确定信息进行处理，在设备状态智能管理系统中，可获得的信息有在线的、离线预防性实验、历史数据等，如何对信息进行分析处理，提取与设备诊断相关的特征信息，从而得出对设备进行状态可靠性的评定，为状态维修提供可靠的决策，是该系统的关键。在智能管理系统中，采用各种智能信息处理技术的融合处理，必能更有效地提高系统可靠性。例如：在变压器故障诊断中，将神经网络与粗糙集结合起来，就能将复杂的组合神经网络约简并删除其中不必要的属性，不仅克服了神经网络规模过于庞大和分类速度慢的缺点，同时应也利用了粗糙集良好的分类能力。

转载请注明来自：http://www.uuqikan.com/dianlilw/3762.html