[发明专利]一种避雷器运行状态在线监测及评估方法和系统

说明书

本申请公开了一种避雷器运行状态在线监测及评估方法和系统，所述方法包括获取避雷器的在线和历史运行状态数据；筛选得到避雷器缺陷特征数据参量及其变化规律；确定避雷器运行状态评估指标；建立避雷器运行状态评估模型；将历史运行状态数据输入避雷器运行状态评估模型进行模型训练，将在线运行状态数据作为实时输入量输入避雷器运行状态评估模型进行预测，从而实现对避雷器设备运行状态评估及发展趋势预测。本发明可广泛应用于智能变电站等一线现场，对于提高试验效率，增强运维水平，预防设备故障具有重要的作用，可用于避雷器的运行状态和寿命评估，可及时监测设备的潜在隐患，降低避雷器故障风险，带来巨大的社会效益。

技术领域

本发明属于电力系统避雷器运行状态监测技术领域，涉及一种避雷器运行状态在线监测及评估方法。

背景技术

金属氧化物避雷器(Metal oxide surge arrester，MOA)被广泛应用于电力系统的雷电过电压和操作过电压的防护，为系统的持续安全运行提供了可靠保证。MOA除遭受雷电过电压、操作过电压等威胁外，还承受着温湿、化学污染、污秽等外部环境因素的影响。随着运行时间的增加，MOA出现老化劣化现象，通常表现为压敏电压降低、泄漏电流增大、伏安特性曲线变化等，严重时可能出现热失控现象，严重影响MOA的性能及电力系统的安全。

最初的在线监测的概念提出后，被大量运用在各种电力设备的检测中。在线监测技术由最初的简单的直接测量，向通过模拟信号、数字信号测量的方向发展，到采用泄漏电流传感器来监测氧化锌避雷器来进行在线监测。随后，又提出了通过硬件电路对容性电流进行补偿的方法，来获取氧化锌避雷器的阻性电流。近年来国内外研究学者在避雷器缺陷在线监测方法上开展了一系列研究，提出了阻性电流谐波补偿法、基于正交分解法、容性电流补偿法、谐波分析法、零序电流法等。

随着大数据与人工智能的发展，国内电网公司有些已经开始根据运维统计数据分析厂家产品质量、故障与负荷关系、频发故障原因等，国内一些研究也开始尝试将人工智能算法应用于金属氧化物避雷器状况的在线监测中，并取得了一定的成果。如利用BP神经网络对金属氧化物避雷器进行故障诊断，结果表明BP神经网络可以较为准确地诊断避雷器故障；又如基于遗传算法的MOA老化在线监测，该方法通过分析避雷器等效模型中的参数变化趋势达到状态的目的，为MOA在线监测提供了新的思路。

近年随着智能变电站建设，大多数电网公司已采用一定数量的避雷器在线监测装置，但目前在线监测数据均仅能上传至站内辅控系统，且只具备单纯报警功能，未对数据进行有效的分析，无法有效的掌握避雷器的厂家品质、故障影响因素、潜在风险来源等重要信息。同时现有在线装置上线率不足10％，且数据准确率较低、数据可用性差，导致数据无法上传后台及数据误传率较高，状态评估及健康诊断的阈值选取方法尚不完善，现有在线监测系统数据及系统反馈结果可信度较差。

现有的MOA状况检测方法中，三次谐波法无法排除电网电压谐波所产生的容性电流、高次谐波对MOA在线监测的影响，因此测量误差较大。容性电流补偿法的阻性电流检测峰值会受电压谐波影响。零序电流法很容易受到电压不平衡性和表面泄漏的影响。目前MOA的状况在线监测方法都无法很好地解决电网中电压波动、频率波动、电压谐波等对监测指标带来的影响。同时在避雷器健康评价指标方面，为了实现状态评估的计算机自动化操作，相关行业制定了一些评估规范，用于从观测量计算设备状态，并将设备状态量表征为一个数值评分。这些规范通常以确定性的算法给出，这些算法依赖于历史经验，缺少理论依据，不能完全刻画数据规律，因此评判结果并不令人满意，因此需要寻找更为有效的检测和评价方法来监测MOA的状况仍是研究热点。

目前基于大数据的在线监测系统模型受到MOA内部影响及外部环境影响的因素较多，对于未曾出现或出现次数很少的因素造成的影响并不能及时发现，在线监测数据和系统反馈结果的可信度还有待提升。因此，如何选取避雷器健康及风险评估方法以及将大数据技术更好地应用到避雷器状态评估中，对电网向智能化、大数据化方向发展有着重要的意义。

发明内容