傅 堅， 王 賓， 周孝法， 魏向向

(1. 國網(wǎng)上海市電力公司檢修公司， 上海 200063； 2. 清華大學(xué)電機系， 北京 100084;3. 中國農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院， 北京 100083)

1 引言

換流站交流濾波器能夠濾除高壓直流輸電系統(tǒng)產(chǎn)生的大量諧波信號，并具有無功補償能力[1-3]。由于系統(tǒng)輸出功率采用日前調(diào)度計劃，當(dāng)實際輸出功率在一定范圍內(nèi)變化時，交流斷路器作為濾波器支路的開關(guān)設(shè)備，需要頻繁地斷開與閉合，以保證系統(tǒng)無功平衡和電能質(zhì)量達(dá)標(biāo)[4,5]。交流斷路器頻繁動作，導(dǎo)致其機械或者電壽命相較于其他場合工作的斷路器大大降低，現(xiàn)有統(tǒng)計數(shù)據(jù)表明，近年已有多起交流濾波器用斷路器故障事故報道[6,7]。因此，為了保證直流輸電系統(tǒng)安全穩(wěn)定的運行，有必要分析交流濾波器用斷路器的典型合閘故障中相關(guān)電氣量的變化，最終實現(xiàn)斷路器運行狀態(tài)的有效監(jiān)測。

針對斷路器的狀態(tài)監(jiān)測，國內(nèi)外學(xué)者做了大量的研究，主要可分為三類：基于物理外特性的監(jiān)測方法、基于機械特性的監(jiān)測方法和基于電氣量特性的監(jiān)測方法[8]?；谖锢硗馓匦缘谋O(jiān)測分析方法，文獻(xiàn)[9,10]采集燃弧圖像和電弧輻射光、熱等，提取圖像特征并加權(quán)光熱等外在物理特征信息，實現(xiàn)斷路器燃弧故障的監(jiān)測。基于機械特性的監(jiān)測方法，文獻(xiàn)[11]當(dāng)斷路器分、合閘時，利用聲波傳感器收集摩擦和振動產(chǎn)生的聲波信號，利用希爾伯特-黃變換算法進(jìn)行時頻域分析，根據(jù)計算得到的高頻分量能量頻帶信息熵，再采用概率神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和分類功能辨別斷路器狀態(tài)。更多的文獻(xiàn)開展了基于電氣量特性的監(jiān)測方法研究。文獻(xiàn)[12]通過提取斷路器振動故障特征信息(觸頭的平均運動速度、分合閘線圈電流有效值)等，實現(xiàn)了高壓斷路器的故障診斷。文獻(xiàn)[13]首先利用濾波處理斷路器電流信號，然后利用小波變換方法獲得斷路器振動信號的特征頻帶，提出了一種多維映射的斷路器故障診斷方法。文獻(xiàn)[14]通過采集斷路器分合閘線圈電流，挖掘隱藏的不同故障類型條件下的故障特征信息，提出了一種基于融合粒子群的模糊核聚類和支持向量機的斷路器故障診斷方法。文獻(xiàn)[15-18]通過利用傅里葉算法或小波變換算法，得到斷路器電流的特征頻帶，通過設(shè)定閾值或借助神經(jīng)網(wǎng)絡(luò)分類算法實現(xiàn)斷路器早期故障的準(zhǔn)確判別。但是，上述文獻(xiàn)均以仿真為主，缺乏實際案例數(shù)據(jù)支撐。

本文以某高壓直流換流站交流濾波器用斷路器實際故障為例，首先描述了合閘故障過程以及現(xiàn)場檢修情況；然后從合閘電流幅值、相對合閘時間差和分閘電流的不同角度分析了斷路器故障前運行特性，對比了斷路器不同時間同一故障相的合閘特性，最后分析了斷路器合閘相對時間和合閘電流幅值兩種指標(biāo)應(yīng)用于交流斷路器實現(xiàn)故障預(yù)警的可行性。

2 故障過程簡述

2015年8月，某換流站在進(jìn)行功率變化操作過程中，交流濾波器支路的零序電流保護動作跳閘，交流濾波器未正常投入?，F(xiàn)場檢查斷路器A、B、C三相后發(fā)現(xiàn)，在分閘操作過程中，由于B相斷路器連接操動機構(gòu)固定螺栓脫落，操動機構(gòu)與本體連接在軸套處松脫，使得斷路器B相在合閘命令發(fā)出后未能實現(xiàn)成功合閘，最終導(dǎo)致零序保護動作，跳開交流濾波器，具體如圖1所示?，F(xiàn)場查看斷路器三相累計分合次數(shù)為：A相1577次、B相1572次、C相1572次。

圖1 斷路器故障相開關(guān)機構(gòu)箱Fig.1 Switch box of fault phase of circuit breaker

初步檢查發(fā)現(xiàn)，斷路器B相機構(gòu)箱傾斜，機構(gòu)與本體連接軸套松脫，軸套內(nèi)鍵槽有損傷，拐臂從軸銷孔處斷裂，分閘鏈條脫落，如圖2所示。

圖2 斷路器B相機構(gòu)現(xiàn)場檢查情況Fig.2 Picture of fault component in switch box of phase B of circuit breaker

合閘過程中，故障發(fā)生時刻的三相電壓電流錄波波形如圖3所示。根據(jù)故障錄波數(shù)據(jù)，斷路器三相的合閘順序為A相、C相和B相，其中A相和C相均合閘成功，B相合閘失敗。由圖3(a)可知，成功合閘瞬間，A相和C相的合閘電流快速增大隨后快速振蕩衰減，A相合閘時刻滯后于C相。需要指出的是，圖3(b)中的三相電壓均在同一時刻出現(xiàn)了波動，這是由于A相成功合閘后，該相對B、C兩相的電壓產(chǎn)生干擾，三相同時出現(xiàn)了擾動。

圖3 合閘故障時刻的三相電壓電流波形Fig.3 Fault voltages and currents in period of closing operation

3 電氣量故障特性分析

為了能夠在故障發(fā)生前及時預(yù)警濾波器支路可能存在的異常，判斷斷路器的運行狀況，本文從斷路器合閘電流瞬時值和合閘時間的角度統(tǒng)計分析了交流濾波器用斷路器故障前后的變化，具體如下。

3.1 故障合閘電流瞬時值分析

實際錄波數(shù)據(jù)顯示，斷路器在2016年8月30日時B相故障合閘未成功。統(tǒng)計錄波數(shù)據(jù)發(fā)現(xiàn)，該斷路器在2016年8月22日、23日、24日、26日、27日和29日均進(jìn)行了正常的合閘操作。當(dāng)斷路器在不同時間段進(jìn)行正常合閘時，統(tǒng)計合閘瞬間濾波器支路各相電流瞬時值，為了分析合閘電流瞬時值與合閘日期的關(guān)系，繪制曲線圖，如圖4所示。

圖4 斷路器三相合閘電流瞬時值分析Fig.4 Instantaneous analysis of CB’s three phase closing currents

由圖4可見，正常情況下，隨著時間的變化，A相的合閘電流瞬時值變化較為平穩(wěn)，介于6～10kA，合閘電流瞬時值無明顯的突變，B相合閘電流瞬時值在8月29日出現(xiàn)了明顯的下降(其值為-4.78kA)，而C相合閘電流瞬時值在8月23日為5.22kA，在8月29日為7.6kA，即在正常合閘時，C相合閘電流出現(xiàn)了明顯增大。根據(jù)不同時間合閘電流的瞬時值變化情況，可知斷路器B合閘電流最大值雖然在故障前一天出現(xiàn)了明顯的降低，但是由于C相的干擾作用，難以僅利用合閘電流最大值來說明斷路器所處的運行狀態(tài)，即合閘電流幅值無明顯的一致性變化規(guī)律。

3.2 故障合閘時間分析

從母線側(cè)電壓過零時刻開始直至合閘成功后出現(xiàn)電流的時刻為止，求得這期間的時間差定義為相對合閘時間差。

統(tǒng)計計算得到斷路器三相的相對合閘時間差結(jié)果，如圖5所示。

圖5 三相相對合閘時間差Fig.5 Difference of three phases relative closing time

由圖5可知，相比于8月27日，在8月29日該斷路器合閘時，B相和C相的相對合閘時間差均出現(xiàn)了明顯的增大(B相8.4ms、C相7.6ms)。但是對于健全相C相來說，其在8月23日的相對合閘時間差值與8月29日接近；對于故障相B相，在8月29日合閘操作之前，雖然其相對合閘時間差值較小，但是由于健全相C相合閘時間差出現(xiàn)了較大的情況，因此僅憑8月29日斷路器的相對合閘時間差值難以預(yù)知斷路器的運行狀況。

根據(jù)圖5可知，8月23日斷路器C相正常合閘時，合閘時間差變化異常，為了分析不同時刻的斷路器運行狀況，分別選取斷路器C相在8月23日的合閘電壓電流、B相在8月24日和8月29日的合閘電壓電流，將其進(jìn)行歸一化，結(jié)果如圖6～圖8所示。

圖6 8月23日C相斷路器合閘情況分析Fig.6 Situation analysis of CB C phase closing on 23 August

由圖5和圖6可知，8月23日斷路器C相正常合閘，母線側(cè)電壓過零點時刻與合閘電流首次出現(xiàn)時刻相差8.4ms，遠(yuǎn)大于A、B兩相的合閘時間(0.7ms和0.4ms)。

圖7 8月24日B相斷路器合閘情況分析Fig.7 Situation analysis of CB B phase closing on 24 August

圖8 8月29日B相斷路器合閘情況分析Fig.8 Situation analysis of CB B phase closing on 29 August

由圖7和圖8可知， 8月24日斷路器B相實現(xiàn)正常合閘，此時母線側(cè)電壓過零點0.5ms后合閘電流出現(xiàn)，然而在8月29日(故障前一天)，該斷路器在母線側(cè)電壓過零點8.4ms后開始合閘，此時合閘電壓為負(fù)值，得到的合閘電流初始峰值也為負(fù)值。

結(jié)合圖6～圖8可得，在斷路器正常運行時，斷路器合閘時間差有可能很大也有可能很小，也就是說隨著日期的增加，合閘時間差并沒有一致的變化規(guī)律，因此，僅依靠合閘時間差來實現(xiàn)斷路器的狀態(tài)監(jiān)測可行性不夠。

3.3 不同時間故障相分閘情況分析

為了降低電弧帶來的損害，斷路器的分閘操作通常在電流過零點時刻進(jìn)行，此時合閘電流值最小，對斷路器損害最小。根據(jù)3.1節(jié)和3.2節(jié)的分析可知，斷路器合閘時刻的電流最大幅值和相對合閘時間差這兩項指標(biāo)均不能可靠表征斷路器的健康狀況?？紤]到分閘特性也能反應(yīng)斷路器的故障特性，本文統(tǒng)計分別得到斷路器B相在8月22日、25日、28日和29日的分閘電流變化，結(jié)果如圖9所示。

由圖9可以看出，8月30日之前的斷路器分閘操作都是在電流過零點附近完成的，斷路器分開后，電流迅速降至0，無電弧現(xiàn)象發(fā)生。因此，即使增加利用斷路器分閘特性，也難以判斷出此斷路器的健康狀況。

4 基于電氣量的斷路器狀態(tài)監(jiān)測討論

通過分析斷路器合閘前后的電壓和電流的變化規(guī)律，本文探討了基于電氣量實現(xiàn)斷路器狀態(tài)監(jiān)測的可能性，若想實現(xiàn)該目標(biāo)需具備以下條件：

(1)足夠的故障數(shù)據(jù)。通過分析可知，故障前一天，斷路器故障相的相對合閘時間差較以往合閘相對合閘時間差要大，但是由于斷路器合閘故障次數(shù)太少，缺少足夠的數(shù)據(jù)量分析斷路器合閘故障規(guī)律。因此，要想找出某個電氣量的變化規(guī)律(如電流瞬時值變化、相對合閘時間變化等)以確定斷路器的健康狀況，應(yīng)提前獲得足夠多的斷路器合閘故障數(shù)據(jù)進(jìn)行統(tǒng)計分析。尤其要關(guān)注同一斷路器的非故障相的運行特征，比如本文案例中的C相在B相合閘事故前已經(jīng)出現(xiàn)了與故障相B相類似的故障特征，但是在B相出現(xiàn)合閘故障之前，C相一直運行正常，但這并不能說明C相仍然處于健康狀態(tài)，因此后續(xù)需要收集更多的樣本數(shù)據(jù)對比分析。

(2)準(zhǔn)確的故障特性提取?；诒疚姆治?，單一的依靠電壓、電流和合閘時間差任一電氣量均無法準(zhǔn)確實現(xiàn)斷路器狀態(tài)監(jiān)測。同時由于合閘故障會導(dǎo)致該濾波器支路的電壓、電流等相關(guān)的電氣量變化，且斷路器故障是由長期運行累積到一定程度導(dǎo)致的必然結(jié)果，因此這些電氣量的變化在合閘故障發(fā)生之前就已經(jīng)存在，且越接近故障時間，電氣量中故障特征越明顯。因此，實現(xiàn)斷路器的狀態(tài)監(jiān)測必須提取準(zhǔn)確的故障特征。

(3)依靠大數(shù)據(jù)、人工智能方法等實現(xiàn)準(zhǔn)確監(jiān)測。隨著社會的發(fā)展，大數(shù)據(jù)、深度學(xué)習(xí)等方法被成功應(yīng)用于電力系統(tǒng)相關(guān)領(lǐng)域，基于足夠的故障錄波數(shù)據(jù)，利用機器語言進(jìn)行深度挖掘或者深度學(xué)習(xí)，最終得到準(zhǔn)確的斷路器狀態(tài)監(jiān)測結(jié)果，該方法也是未來徹底解決斷路器狀態(tài)監(jiān)測的一個可能性方案。

5 結(jié)論

本文根據(jù)一起交流濾波器用斷路器典型的合閘故障案例，分析了斷路器故障發(fā)生瞬間和發(fā)生前的合閘電流幅值、合閘相對時間差以及分閘電流變化特性，嘗試從電氣量的角度衡量交流濾波器用斷路器的運行狀態(tài)。從分析結(jié)果可知，僅僅依靠故障前一段時間的電壓、電流和合閘時間差的變化無法準(zhǔn)確總結(jié)斷路器運行狀態(tài)的變化，要想利用電氣量的變化實現(xiàn)斷路器運行狀態(tài)的有效監(jiān)測，必須基于大量的斷路器歷史運行數(shù)據(jù)(包括正常狀態(tài)和故障時刻)、準(zhǔn)確的故障特性提取方法，甚至需要結(jié)合大數(shù)據(jù)、智能算法等技術(shù)手段來實現(xiàn)。

參考文獻(xiàn)(References)：

[1] 張長虹, 陽少軍, 楊旭，等(Zhang Changhong, Yang Shaojun, Yang Xu, et al.). 500 kV交流濾波器用斷路器絕緣故障分析及其絕緣特性研究(Analysis of insulation faults and research directions on insulation properties of 500 kV AC filter circuit breakers)[J]. 高壓電器(High Voltage Apparatus), 2016, 52(9): 1-7.

[2] 王賓, 魏向向, 張國輝，等(Wang Bin, Wei Xiangxiang, Zhang Guohui, et al.). 換流站交流濾波支路斷路器燃弧故障建模分析(Fault arc modeling and analysis in circuit breaker in HVDC converter station filter branch)[J]. 中國電機工程學(xué)報(Proceedings of the CSEE), 2018，38(5)：1496-1503.

[3] 陽少軍, 石延輝, 夏谷林(Yang Shaojun, Shi Yanhui, Xia Gulin). 一起±800 kV換流站投切交流濾波器用斷路器故障原因分析(Analysis of converter stations AC filter circuit breaker fault) [J]. 電力建設(shè)(Electric Power Construction), 2015, 36(9): 129-134.

[4] 聶定珍, 曹燕明(Nie Dingzhen，Cao Yanming). HVDC 換流站投切交流濾波器用斷路器特殊性能要求(Special performance requirement of circuit breakers to switch AC filter banks of HVDC converter station)[J]. 電網(wǎng)技術(shù)(Power System Technology), 2008, 32(23):86-90.

[5] 汪娟娟, 梁澤勇, 李子林，等(Wang Juanjuan, Liang Zeyong, Li Zilin, et al.). 高壓直流輸電系統(tǒng)低功率運行的無功控制策略(Reactive power control strategy for low power operation of HVDC transmission system)[J]. 電力系統(tǒng)自動化(Automation of Electric Power Systems), 2017, 41(6): 154-158.

[6] 申笑林, 馬為民, 白光亞,等(Shen Xiaolin, Ma Weimin, Bai Guangya, et al.). 特高壓換流站800 kV 交流濾波器小組斷路器容性恢復(fù)電壓仿真(Simulation and investigation on capacitive recovery voltage of 800 kV AC filter sub-bank circuit breaker in UHVDC converter station)[J]. 電力建設(shè)(Electric Power Construction)，2015，36(9)：73-77．

[7] 方冰, 關(guān)永剛, 申笑林(Fang Bing，Guan Yonggang，Shen Xiaolin). 特高壓換流站交流濾波器斷路器恢復(fù)電壓特性研究(Study on voltage recovery characteristics of AC filter breaker in UHV converter station)[J]. 高壓電器(High Voltage Apparatus), 2015, 51(8): 1-7.

[8] 趙洋(Zhao Yang). 高壓真空斷路器機械特性在線監(jiān)測技術(shù)研究現(xiàn)狀與展望(Research status and expectation of on-line monitoring technologies of mechanical characteristics of high-voltage vacuum circuit breaker)[J].工礦自動化(Industry and Mine Automation), 2016,42(12): 19-24.

[9] 田小靜, 馮雨, 郭英杰，等(Tian Xiaojing, Feng Yu, Guo Yingjie, et al.). 基于小波變換和形態(tài)學(xué)細(xì)化算法的真空電弧形態(tài)檢測(Morphological detection of vacuum switching arc based on wavelet transform and morphology edge thinning)[J]. 電工技術(shù)學(xué)報(Transactions of China Electrotechnical Society), 2015, 30(11): 110-114.

[10] 徐秦樂, 張金藝, 徐惠政，等(Xu Qinle, Zhang Jinyi, Xu Huizheng, et al.). 高精度故障電弧檢測多傳感器數(shù)據(jù)融合算法(Multi-sensor data fusion algorithm for high accuracy arc fault detection)[J]. 上海大學(xué)學(xué)報(自然科學(xué)版)(Journal of Shanghai University (Natural Science Edition)), 2014, 20(2): 165-173.

[11] 李建鵬,趙書濤,夏燕青(Li Jianpeng, Zhao Shutao, Xia Yanqing). 基于雙譜和希爾伯特-黃變換的斷路器故障診斷方法(Fault diagnosis based on bispectrum and Hilbert-Huang transform for circuit breaker)[J]. 電力自動化設(shè)備(Electric Power Automation Equipment). 2013, 33(2)：115-119.

[12] 楊凌霄,朱亞麗(Yang Lingxiao, Zhu Yali). 基于概率神經(jīng)網(wǎng)絡(luò)的高壓斷路器故障診斷(High voltage circuit breaker fault diagnosis of probabilistic neural network) [J]. 電力系統(tǒng)保護與控制(Power System Protection and Control), 2015, 43(10): 62-67.

[13] 董鏑，李恒真，易林，等(Dong Di，Li Hengzhen，Yi Lin, et al.). 基于形態(tài)小波和支持向量機的高壓斷路器狀態(tài)監(jiān)測和故障診斷(Condition monitoring and fault diagnosis of circuit breaker based on morphology wavelet and support vector machine) [J]. 電側(cè)與儀表(Electrical Measurement & Instrumentation), 2017, 54(4): 92-99.

[14] 梅飛, 梅軍, 鄭建勇，等(Mei Fei, Mei Jun, Zheng Jianyong, et al.). 粒子群優(yōu)化的KFCM及SVM診斷模型在斷路器故障診斷中的應(yīng)用(Application of particle swarm fused KFCM and classification model of SVM for fault diagnosis of circuit breaker)[J]. 中國電機工程學(xué)報(Proceedings of the CSEE), 2013, 33(36):134-141.

[15] 牟龍華, 王伊健, 蔣偉，等(Mu Longhua, Wang Yijian, Jiang Wei, et al.). 光伏系統(tǒng)直流電弧故障特征及檢測方法研究(Study on characteristics and detection method of DC arc fault for photovoltaic system)[J]. 中國電機工程學(xué)報(Proceedings of the CSEE), 2016, 36(19): 5236-5244.

[16] Liu Yu-Wei, Wu Chi-Jui, Wang Yi-Chieh. Detection of serial arc fault on low-voltage indoor power lines by using radial basis function neural network[J]. International Journal of Electrical Power & Energy Systems, 2016, 83:149-157.

[17] Koziy K, Gou B, Aslakson J. A low-cost power-quality meter with series arc fault detection capability for smart grid[J]. IEEE Transactions on Power Delivery, 2013, 28(3):1584-1591.

[18] 孫鵬, 董榮剛, 鄭志成, 等(Sun Peng, Dong Ronggang, Zheng Zhicheng, et al.). 基于小波分析信號特征頻段能量變比的故障電弧診斷技術(shù)研究(Arc fault diagnosis technology based on the analysis of energy variation of signal’s characteristic frequency band with wavelet transform)[J]. 高壓電器(High Voltage Apparatus), 2010, 46(7): 46-51.