林福海，颜湘莲，稂业员，邓永强，徐 锐，李 惟

（1.国网江西省电力有限公司电力科学研究院，江西 南昌 330096；2.中国电力科学研究院有限公司，北京 100192）

0 引言

目前，国内气体绝缘金属封闭开关设备（GIS）以每年10%左右的速度增长，SF6气体的用量也迅猛增长[1]。SF6气体在设备过热、局放、拉弧的情况下会产生分解物，分解物检测已成为判断气体绝缘高压电气设备运行健康状态的重要参考指标，SF6分解产物不仅会影响设备的绝缘强度，造成非计划停电，还会一定程度上污染大气环境，危害现场人员的身体健康[2-3]。因此，需要开展SF6气体分解产物与设备局放检测相结合的研究工作。

对于变电站内发生故障的电力设备SF6检测，早期主要采用比色管法，将经过化学反应后的溶液颜色与标准颜色进行比对，得到有一定误差的SF6分解物浓度。近年来，由SF6气体电化学特性研究形成的传感器检测法在设备带电、停电情况下，可以对SF6设备进行气体分解物浓度的检测，检测较为简便[4-5]，但分解物不稳定，存在组分间的交叉干扰、仪器的零漂及温漂等问题，导致检测精确度不高[6]。目前的检测方法都难以对SF6电气设备的气体酸性分解物浓度进行精确的定量测量。部分智能GIS变电站安装了在线特高频传感器，从电磁波信号方面来判断是否存在局放[7]，存在片面、干扰、数据不准确等问题，且没有其他手段进行相互印证。因此，目前的检测方法难以对GIS设备内的潜伏性局部放电进行检测，无法及时有效地将设备缺陷扼杀在初始阶段。

本研究将SF6分解后的气体经过强氧化剂氧化后，溶于水得到酸性液体，通过标准碱液自动滴定，得到SF6气体酸性分解物的浓度及总量，再将测试结果与在线特高频局放测试数据相结合，通过实验室模拟试验，得到一种GIS设备局部放电的放电类型、放电量大小的判断标准。

1 理论研究

1.1 SF6气体酸性分解物浓度检测系统及实现方式

SF6气体酸性分解物浓度检测所需的检测仪器及设备如图1所示。

图1 SF6气体酸性分解物浓度检测系统Fig.1 Detection system diagram for SF6gas acid decomposition product concentration

该方法通过以下步骤实现：将SF6气体取样阀装在电气设备的取样管路上，之后再安装一个不可调节的气体流量计，气体的取样时间通过精密秒表来计时，SF6酸性分解气体经过SF6分解物氧化装置后均被强氧化剂氧化成可水解的高价酸，在装有纯水的密封锥形瓶内形成酸性液体，通过碱式自动滴定装置装有的标准碱液进行滴定，滴定换算后得到SF6气体酸性分解物质量浓度、酸性分解物的总量。

该检测方法中，气体取样阀门为逆止阀，防止气体回流，SF6分解物氧化装置能将不稳定的低硫化物氧化成可溶于水的稳定硫化物（SF6气体自身不被氧化，且不溶于水），气体流量、锥形瓶中的纯水体积均固定。

1.2 SF6气体酸性分解物浓度的计算步骤

1.2.1 SF6气体酸性分解物溶于纯水后的H+摩尔数的计算

SF6气体酸性分解物溶于纯水后呈酸性，用于滴定酸性溶液的碱液消耗体积为V1，OH-摩尔浓度为ρ1，则SF6气体酸性分解物溶于纯水后的H+摩尔数n1通过式（1）计算。

1.2.2 SF6气体酸性分解物质量浓度、酸性分解物总量计算公式的推导

电弧放电、局部放电、异常发热下的SF6气体分解产物主要有 SO2、H2S、SOF2、SO2F2、S2OF10、SOF4、SF4、CF4、HF和固体分解物[8]，这些分解产物以低价硫化物为主。本检测方法的氧化装置将分解物中的这些低价硫化物氧化成可溶于水的高价硫氧化合物SO3，而SF6气体自身不被氧化，且不溶于水；SO3溶于水后生成的H2SO4中H+离子与S6+离子摩尔数比为2∶1，较为稳定且未被氧化的H2S中H+离子与S2-离子摩尔数比也为2∶1，即S原子摩尔数n为式（2）。

SF6气体分解物的气体流量为Q，取气时长为T，则SF6气体分解物的取气体积V2为式（3）。

SF6气体酸性分解物主要是以低价硫化物存在，其中会有少量的HF酸，但极不稳定，且含量少，可忽略不计，则得到以硫元素表示的酸性分解物的质量浓度c为式（4）。

式（4）中：32为硫原子的摩尔质量；n为硫原子摩尔数；V2为SF6气体分解物的取气体积。

将式（1）、（2）、（3）代入式（4）可得到以硫元素表示的酸性分解物的质量浓度c，如式（5）所示。

设SF6设备内的充气体积为V，则以硫元素表示的设备内酸性分解物的总量M为式（6）。

按照式（5）～（6）可计算出以SF6气体为绝缘介质的故障或疑似故障设备中酸性分解物的质量浓度和总量[9]。

2 模拟试验研究

设计了GIS模拟放电实验装置，如图2所示，对金属尖端放电、悬浮电位放电、绝缘件内部气隙放电和自由金属颗粒放电实验下SF6酸性分解物的质量浓度进行测试，得到不同放电模式、放电量、SF6气体酸性分解产物浓度之间的关联参数，建立基于神经网络的诊断模型[10]，提出基于GIS典型缺陷类型、SF6酸性分解物浓度推算放电量大小的诊断判据。

图2 GIS模拟放电实验装置Fig.2 GIS simulated discharge experimental device

2.1 试验实施方案及数据

根据图2标识，用AC 220 V电源经调压器、滤波器输出接至试验电源输入端，通过4个放电模型的升降杆将放电体之间的距离调节至合适位置，固定不动，并通过调压器来调整起始电压及试验电压值，从耦合电容处接检测阻抗取局放信号，用累积式电脉冲局放仪测量放电量；从放电模型气室的充气接口取出SF6气体，通过取样管通入SF6气体酸性分解物浓度检测装置，酸性分解物检测的计时时间从达到起始电压值开始，检测结束时间以达到累计的整数放电量（1、2、3µC）为止；放电类型直接从放电模型升降杆的位置判断，正常试验时，只有1根升降杆旋出高度较低，其他3根升降杆保持最高位置，那么就可以确定是升降杆旋出高度较低的那个是放电试验模型，这时通过内置特高频传感器与仪器连接检测出的图谱验证放电类型。每次局放试验之后，均对设备内的SF6气体抽真空，更换新的吸附剂。在SF6气体压力为0.4 MPa、微水含量为78µL/L的情况下，在实验室测得金属尖端放电、悬浮电位放电、绝缘件内部气隙放电和自由金属颗粒放电时的具体条件及具体情况如表1所示。

表1 4种放电情况下的具体条件及具体情况Tab.1 Specific conditions and specific conditions under four discharge conditions

从表1可以看出，起始电压为57 kV、试验电压为60 kV的情况下，悬浮电位累积放电量为1µC时的放电时间为3.8 min。在4种放电类型下通过电脉冲局放检测端口测试酸性分解产物浓度对应的累积放电量，其中累积放电量分别为1、2、3µC情况下的SF6酸性分解产物浓度具体数据如表2所示。

表2 典型缺陷下累积放电量对应的酸性分解产物浓度Tab.2 The content of acidic decomposition products corresponding to the accumulated discharge amount under typical defects

2.2 设备缺陷放电量大小的诊断模型

统计获得的24组局放试验数据（每种放电类型6组数据，累积放电量分别为1、2、3、4、5、6 µC），采用BP神经网络法，设置充装气压等10个输入向量，列于表3，输出向量为累积放电量，并用Matlab自带的premnmx函数将这些数据归一化处理。BP网络由输入层、隐层和输出层组成，网络选用S型传递函数，通过反传误差函数不断调节网络权值和阈值使误差函数E达到极小，如式（7）所示。

表3 设备缺陷诊断模型的输入向量Tab.3 Input parameters of the device defect diagnosis model

式(7)中：Oi为网络的计算输出；ti为期望输出（即实际测量值）。

将样本数据归一化后输入网络，设定网络隐层和输出层的激励函数分别为tansig和logsig函数，网络训练函数为traingdx，网络性能函数为mse，隐层神经元数初设为6。网络迭代次数epochs为5 000次，期望误差goal为0.000 000 01，学习速率lr为0.01。设定完参数后，开始网络非线性参数的确定。

该网络通过24次重复调整达到期望误差后完成参数设定。网络参数调整完成后，只需将各向量输入网络即可得到预测的累积放电量。

对建立的基于SF6气体酸性分解物浓度、4种放电类型来确定设备累积放电量的诊断模型，用现场实测的12组数据（每种放电类型3组数据）进行模型验证。例如：在金属尖端放电1 000 min的情况下，测得SF6酸性分解物浓度为1.2µg/L，根据建立的诊断模型，估算出累积放电量为2.0µC，与实际测量值（即期望输出值）2.2µC接近。详细的验证结果如表4所示，正确率达到83%以上，表明建立的诊断模型是有效的。分析发现随缺陷放电强度的增加，SF6酸性分解物浓度增大，且具有一定的对应关系。

2.3 设备缺陷的评价流程

检测到酸性分解物浓度增加表明缺陷劣化，缺陷的严重程度及其发展趋势可通过放电类型、累积放电电荷量和SF6酸性分解物浓度进行评估，评估流程如图3所示。

表4 设备缺陷放电量大小诊断模型的验证结果Tab.4 The verification results of the model for discharge amount of device defect

图3 设备缺陷程度和发展的评估流程Fig.3 Evaluation process of equipment defect degree and development

3 研究结果

对SF6气体酸性分解产物的检测流程进行优化及自动化设计，检测灵敏度可达0.1 μg/L，完全满足放电故障的诊断要求。

综合GIS设备缺陷类型的SF6气体酸性分解产物检测方法、局放累积电荷量诊断技术和缺陷诊断模型，获得了设备典型缺陷的酸性分解产物与局放特征参量，进而提出了基于SF6气体酸性分解产物浓度与放电类型来综合评估GIS设备局放累积电荷量的缺陷诊断方法，并提出了运行设备潜伏性故障预警流程[11]，分别如表5和图4所示。

由模拟试验研究和验证结果以及表5可知，检测到酸性分解物，设备内必然有放电。当检测到运行GIS设备内SF6气体酸性分解物浓度大于注意值时，需同时开展特高频局放检测，通过现场特高频检测到的PRPS图谱判断放电类型，具体见表6，确定放电类型后，再结合表5中的酸性分解物浓度大小来综合评估累积放电量；若特高频检测图谱显示没有放电，则根据表5中的酸性分解物浓度判断放电量大小。

表5 基于SF6酸性分解物与放电类型的GIS设备局放量综合评估方法（检测时间为4 min）Tab.5 Comprehensive evaluation method of partial discharge amount based on SF6acidic decomposition products and discharge types for GIS equipment(detection time is 4 minutes)

图4 运行设备潜伏性故障预警机制的检测流程Fig.4 Detection process of the equipment latent fault for early warning

如果酸性分解物浓度正常，而特高频局放检测图谱显示有放电信号，初步排除高能量放电及过热缺陷，并判别是否存在电磁波信号的干扰，分析是否存在疑似缺陷，再应用传感器或色谱法对分解物各组分进行复测，最终根据检测数据综合判断设备状态，具体步骤见图4。

4 结论

（1）研究了一种SF6气体酸性分解物浓度的检测新方法，可以计算SF6电气设备中酸性分解物的质量浓度。

表6 局部放电的特高频典型图谱及特征分析Tab.6 Typical high-frequency spectrum of partial discharge and its characteristic analysis

（2）通过GIS模拟放电装置，获得了放电类型、SF6气体酸性分解物浓度、累积放电量之间的大量关联数据，并用神经网络法建立了基于SF6气体酸性分解物浓度、放电类型来确定设备累积放电量的诊断模型，采用试验结果验证了模型的有效性，并给出了具体的评估判据。

（3）提出了运行设备是否存在潜伏性放电故障的检测、评价流程。

（4）采用SF6酸性分解物检测与特高频局放分析相结合判断GIS设备的放电量大小，在理论与实验室均取得了新突破，并建立了有效的分析模型，可对运行GIS设备内的潜伏性局部放电进行准确预判，有望应用于现场诊断。