研究背景
电力设备永劫光运行过程中易发生由绝缘毛病引起的局部放电、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。个中，空气作为最常见的电力设备绝缘气体，不仅被广泛运用于开关柜、变压器等设备气体添补以保障绝缘性能，同时也是无氟环保GIS等电力设备开拓的主要方向，有助于提高设备环保性能、知足可持续发展的哀求。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，天生多种气态衍生物。
研究表明，绝缘特色分解气体的组分和含量与设备故障类型密切干系。因此，基于气体组分剖析的检测方法能够非打仗式反响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打消具有重大意义。
论文所办理的问题及意义
目前，基于气体组分剖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剖析，存在本钱高、操作繁芜且在线监测运用难度大的问题。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，相应快速的上风。
论文方法及创新点
采取傅立叶红外光谱仪，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)所示的红外接管谱图。所有气体样本均在1650-1550 cm-1波段均不雅观察到了明显的接管峰，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
根据朗伯比尔定律打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、放电韶光（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、功耗低的显著上风，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），用以得到差异性相应旗子暗记。
图2 基于微型气体传感阵列的气敏测试平台
本文共仿照15种不同放电电压和放电时长的空气放电故障并网络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相应规复测试并记录其相应曲线。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相应值（6 kV, 4033 %），赶过火花放电（15 kV-5次, 1142.8 %）近3倍。
图3 传感器对空气放电分解气体的相应特性曲线
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，采取PCA实现多维特色的线性重构，在此根本上利用Decision Tree、RF、Extra Tree和KNN四种基本分类算法进行演习并比拟。图5为10维PCA特色降维结合Extra Tree模型得到的稠浊矩阵结果，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的放电故障识别稠浊矩阵
结论
本文仿照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韶光，得到了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组相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、放电韶光（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相应值（6 kV, 4033 %），赶过火花放电（15 kV-5次, 1142.8 %）近3倍。
3）10维PCA特色降维后，比拟4种机器学习算法，创造Extra Tree算法得到了空气放电故障的最佳识别准确率（84.88 %）。
团队先容
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，在基于气体组分剖析的电力设备故障诊断方面，紧张研究电力设备状态劣化机理、气敏材料制备、气敏机理剖析、气体传感器开拓和气体组分辩认算法。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操持项目2项和包含华为火花奖项目在内的企业互助项目3项。
本事情成果揭橥在2023年第23期《电工技能学报》，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、陕西省自然科学根本研究操持、陕西省重点研发操持和电力设备电气绝缘国家重点实验室帮助项目的支持。
