【原】西安交通大学王琼苑、褚继峰 等：基于微型气体传感阵列的空气绝缘设备放电故障识别

阅读提示：本文约 2000 字

当电力设备发生放电性故障时，空气绝缘介质会产生O₃、NO₂和CO等多种气体分解产物，这些分解产物的组分及含量能够反映放电故障的严重程度。西安交通大学荣命哲课题组模拟了包括电晕放电、火花放电、以及电弧放电在内的多种空气放电故障，提出一种基于NO2微型传感阵列的空气绝缘设备放电故障诊断方法。实验结果表明，所提出的方法可以有效区分不同类型的空气放电故障，准确率可达84.88 %，具有体积小、成本低、操作简单的显著优势，在空气放电故障诊断领域具有广阔的应用前景。

研究背景

电力设备长时间运行过程中易发生由绝缘缺陷引起的局部放电、局部过热等故障，从而导致设备内部气体绝缘介质发生分解。其中，空气作为最常见的电力设备绝缘气体，不仅被广泛应用于开关柜、变压器等设备气体填充以保障绝缘性能，同时也是无氟环保GIS等电力设备开发的重要方向，有助于提高设备环保性能、满足可持续发展的要求。当空气绝缘设备发生故障时，内部空气与微水微氧及固体绝缘介质产生反应，生成多种气态衍生物。

研究表明，绝缘特征分解气体的组分和含量与设备故障类型密切相关。因此，基于气体组分分析的检测方法能够非接触式反映设备运行状态并有助于减缓设备绝缘劣化进程，对电力系统安全隐患的排除具有重大意义。

论文所解决的问题及意义

目前，基于气体组分分析的空气放电规律与识别的研究大多依赖气相色谱、红外光谱等大型精密仪器进行气体组分的定性与定量分析，存在成本高、操作复杂且在线监测应用难度大的问题。针对上述难题，本文提出一种基于微型气体传感阵列的空气放电故障识别方法，实现了对不同电压等级、不同持续时长空气放电故障的有效识别，具有体积小、易集成，响应快速的优势。

论文方法及创新点

采用傅立叶红外光谱仪，检测100 uL/L NO₂标准气体、电晕、火花和电弧放电分解产物，得到如下图1 (a)所示的红外吸收谱图。所有气体样本均在1650-1550 cm-1波段均观察到了明显的吸收峰，对应O=N=O化学键的反对称伸缩振动。

图1 空气放电产物的红外光谱结果

根据朗伯比尔定律计算可得不同放电故障下的NO₂气体浓度，如图1 (b)所示。结果表明，放电电压越大、放电时间（次数）越长，空气分解产物中NO₂含量越多，证明基于NO₂气体实现空气放电故障识别方法的可行性。

微型气体传感阵列包括Si衬底、Pt加热电极、Si₃N₄绝缘层和Au叉指测试电极，具有体积小、集成度高、功耗低的显著优势，如图2所示。传感阵列表面涂覆有四种气敏材料（10% WO₃-10%SnCl₂-In₂O₃、5% NiO-10%SnCl₂-In₂O₃、10% TiO₂-10% SnCl₂-In2O₃和5% SnO₂-10% SnCl₂-In₂O₃），用以获得差异性响应信号。

图2 基于微型气体传感阵列的气敏测试平台

本文共模拟15种不同放电电压和放电时长的空气放电故障并收集对应的空气放电分解气体，并利用微型传感阵列对上述气体进行多次响应恢复测试并记录其响应曲线。结果表明，较电晕和火花放电而言，微型传感阵列对电弧放电分解气体表现出极大的响应值（6 kV, 4033 %），高出火花放电（15 kV-5次, 1142.8 %）近3倍。

图3 传感器对空气放电分解气体的响应特性曲线

基于微型气体传感阵列的空气放电故障识别流程如图4所示，采用PCA实现多维特征的线性重构，在此基础上利用Decision Tree、RF、Extra Tree和KNN四种基本分类算法进行训练并对比。图5为10维PCA特征降维结合Extra Tree模型得到的混淆矩阵结果，最高识别准确率为84.88%。可以看出，传感阵列对10 kV和15 kV火花放电样气的识别能力略低，对局部放电和电弧放电则表现出较好的区分能力。

图4 空气放电故障识别流程图

图5 基于Extra Tree的放电故障识别混淆矩阵

结论

本文模拟了空气绝缘电力设备中可能发生的电晕放电、火花放电和电弧放电故障，通过调节放电电压和放电时间，获得了15种空气分解样气。基于所研制的微型传感阵列对放电分解产物进行气敏测试并构建了包含150组响应特性曲线的实验数据集，得出以下结论：

1）空气放电分解产物的红外光谱结果表明，电弧放电（200-400 uL/L）比电晕和火花放电（10-50 uL/L）产生更多的NO₂气体，且气体浓度随放电电压、放电时间（次数）的增大而上升。

2）较电晕和火花放电而言，微型传感阵列对电弧放电分解气体表现出极大的响应值（6 kV, 4033 %），高出火花放电（15 kV-5次, 1142.8 %）近3倍。

3）10维PCA特征降维后，对比4种机器学习算法，发现Extra Tree算法得到了空气放电故障的最佳识别准确率（84.88 %）。

团队介绍

西安交通大学荣命哲课题组长期从事电力装备智能运维研究，在基于气体组分分析的电力设备故障诊断方面，主要研究电力设备状态劣化机理、气敏材料制备、气敏机理分析、气体传感器开发和气体组分识别算法。在该研究领域近年来承担国家自然科学基金联合基金重点项目1项、面上项目1项、青年基金项目2项和陕西省重点研发计划项目2项和包含华为火花奖项目在内的企业合作项目3项。

本工作成果发表在2023年第23期《电工技术学报》，论文标题为“基于微型气体传感阵列的空气绝缘设备放电故障识别”。本课题得到国家自然科学基金、中国博士后科学基金、陕西省自然科学基础研究计划、陕西省重点研发计划和电力设备电气绝缘国家重点实验室资助项目的支持。

引用本文

王琼苑, 褚继峰, 李秋霖, 杨爱军, 袁欢, 荣命哲, 王小华. 基于微型气体传感阵列的空气绝缘设备放电故障识别[J]. 电工技术学报, 2023, 38(23): 6494-6502. Wang Qiongyuan, Chu Jifeng, Li Qiulin, Yang Aijun, Yuan Huan, Rong Mingzhe, Wang Xiaohua. Miniature Gas-Sensing Array Employed for the Discharge Fault Diagnosis of Air-Insulated Equipment. Transactions of China Electrotechnical Society, 2023, 38(23): 6494-6502.