李斐然，王 威，王绍安，池 伟，刘秩锋，程养春

（1.国网浙江省电力有限公司电力科学研究院，杭州 310014；2.浙江省电力学会，杭州 310014；3.华北电力大学 高电压与电磁兼容北京市重点实验室，北京 102206；4.华北电力大学 新能源电力系统国家重点实验室，北京 102206）

0 引言

高压隔离开关是电力系统中基础的开关电器之一，在电力系统中起到隔离电源、分合小电流、进行倒闸操作、改变运行方式等作用，对变电站和发电厂的设计、建设和安全运行影响均较大，是电力系统稳定运行的重要装置[1]。然而，由于在设备运行过程中，受到设备质量、操作方式、设备部件老化以及环境等因素的影响，隔离开关会发生不同性质的缺陷，较为严重的缺陷将会直接影响电网的安全运行[2-3]。

高压隔离开关传统的检修方式是定期检修，即根据之前设备的运维经验来制定一个检修周期，在每个周期时间到达后按计划对设备进行检修[4]，而随着近年电网的迅速发展，隔离开关的投运数量剧增、传统检修工作量大、耗费资源多等弊端逐渐显露[5]。状态检修是从定期检修的基础上形成的更适用于目前电网公司状况的检修方式，该方式主要是对设备的运行状态进行评估，以预测设备状态的变化趋势为依据制定检修计划，从而可以在保证设备安全性和可靠性的前提下，提高检修效率，降低检修成本[6-7]。隔离开关在运行和检修过程中记录的缺陷数据往往会作为设备是否需要检修和确定检修的重点依据，也是设备进行状态评价的基础，但目前对于隔离开关数据的收集与整理大多集中在缺陷现象上，缺乏从机械结构、电压等级、运行时间等不同维度对隔离开关的缺陷数据进行分析，因而也无法获取缺陷数据中包含的更多信息。

为了能充分利用缺陷数据的价值，需要将设备的缺陷数据从多个维度进行统计分析，从不同维度下的数据分析中得到隔离开关缺陷的潜在规律，尤其是隔离开关的缺陷率信息，这不仅可以为隔离开关的状态检修奠定基础，而且统计结果中得到的规律现象对隔离开关的管理、运行维护也有一定的帮助[8]。

1 数据简介

本文统计分析的数据是某省1980—2019 年隔离开关正常设备台账数据以及缺陷数据，数据信息如下。

（1）台账数据34 485 条，缺陷数据共1 325条，其中普通缺陷数据1 036 条，严重缺陷数据240 条，危急缺陷数据49 条。

（2）每条缺陷数据为一台设备的某一部件发生的一种缺陷，没有一台设备同时出现多种缺陷的情况。

（3）缺陷发现的时间均为首次缺陷出现的时间，不包括缺陷设备经维修后重新投运再次出现缺陷的情况。

根据国网公司采用的输变电一次设备缺陷分类的标准[9]，将隔离开关的缺陷数据按照电压等级、机械结构、运行时间、缺陷部位、缺陷现象进行统计，使统计结果能直观的展示出隔离开关缺陷数据信息内部的潜在规律，以此辅助隔离开关设备选型、隔离开关设备运检策略优化等工作决策。

2 不同电压等级与机械结构隔离开关总缺陷率

设备投运的电压等级与自身机械结构的不同往往会造成不同的设备缺陷率，此部分首先分别从这两个维度分别对缺陷数据进行一个统计分析，得到设备的总缺陷率；然后将两维度结合，从而得到更具体的隔离开关总缺陷率，总缺陷率λ 计算方法如式（1）所示[10]：

式中：n 为所考虑数据集合中缺陷设备的总数量；N 为所考虑数据集合中投运设备总数量。

本文所统计的缺陷数据集中分布在110 kV，220 kV 和500 kV 这3 种电压等级下，统计不同电压等级下隔离开关的总缺陷率，结果如表1 所示。

表1 不同电压等级下隔离开关缺陷数据

现有的隔离开关根据机械结构大致可划分为两类：水平式隔离开关和垂直式隔离开关，其中水平式隔离开关共有26 906 台，缺陷数量为1 054台，总缺陷率为3.91%；垂直式隔离开关共有7 579 台，缺陷数量为271 台，总缺陷率为3.57%，与水平式隔离开关相比较低。

其中水平式隔离开关又可分为水平式两柱型、水平式三柱型两类，垂直式隔离开关可分为垂直式折臂型、垂直式剪刀型隔离开关，每种机械结构隔离开关的总缺陷率如表2 所示[10]。

表2 不同机械结构隔离开关缺陷数据

上述分析是从机械结构和电压等级两个维度分别对隔离开关的缺陷数据进行统计得到的结果，单一维度下得出的总缺陷率虽有差异但相差不是特别大，现将两个维度结合，得到不同机械结构设备在不同电压等级下缺陷数据，见表3[10]。

表3 不同机械结构设备在不同电压等级下缺陷数据

在分配运维检修任务时，可根据上述结果针对不同电压等级下不同机械结构隔离开关进行更有针对性的管理。

3 隔离开关年缺陷率与运行时间的关系

在对隔离开关进行状态评估或安排检修任务时，最需要关注的因素之一就是设备的运行时间。由于运行时间不同，设备的年缺陷率变化趋势也会有所不同[11]。统计过程中运行时间以年为单位，当运行时间处在t～t+1 年之间时，认为运行时间为t 年。在现有的数据中，运行时间在20年以上的设备数量很少，缺陷数量也较少，为避免偶然性，只统计运行时间在20 年以内的年缺陷率。隔离开关年缺陷率λt计算方法如下：

式中：λt，x为在第x 年投运的设备运行时间为t 年时的年缺陷率；nt，x为在第x 年投运的设备运行时间为t 年时发生缺陷的数量；Nt，x为在第x 年投运的设备运行时间为t 年时减去之前发生缺陷的设备后剩余设备的总数。由于设备失效率定义为工作到t 时刻尚未失效的产品，在该时刻t 后的单位时间内发生失效的概率，若时间以年为单位，则本文中所定义的年缺陷率与设备失效率本质相同，所以在后文中提到的失效率也指年缺陷率。

3.1 年缺陷率与运行时间的关系

根据现有数据计算，隔离开关年缺陷率（失效率）与设备运行时间的关系如图1 所示。

图1 设备年缺陷率与运行时间的关系

图1 中曲线总体变化趋势与描述电力设备失效率的浴盆曲线的第二阶段和第三阶段较相近，分别为随机失效阶段与老化失效阶段。前者导致设备失效的主导因素是环境因素，包括自然环境（环境温度、雷电活动、气候）和工作环境（系统中断、瞬态现象、保护区域），几乎与电气元件的老化无关，因此设备失效的概率在整个生命周期内是恒定的；后者对应于随时间增长的失效率，这一阶段设备失效是由于设备电气或机械强度的降低，电气元件可靠性不足而引起的，包括各部件机械温升、磨损、疲劳等[12]，4.3 节中对老化缺陷产生的原因做了进一步解释。

Weibull 分布在可靠性理论中是适用范围较广的一种分布。它能全面地描述浴盆曲线的各个阶段，大量实践表明，凡是因为某一局部失效或故障所引起的全局机能停止运行的元件、器件、设备、系统等的寿命均服从Weibull 分布。为能准确得到电力设备的寿命模型，有学者采用双参数Weibull 分布对失效率曲线进行拟合并得到效果较好的拟合结果。基于此，这里同样采用双参数Weibull 分布对图中曲线进行拟合，双参数Weibull分布的概率密度函数、累积缺陷率函数计算公式分别如式（4）和式（5）所示[13-14]：

式中：β 为形状参数；η 为尺度参数；t 为设备运行时间；η 为累积缺陷概率为63.2%时设备的寿命，用以描述设备的总体寿命水平。理想状态下，随机缺陷阶段β=1，老化缺陷阶段β＞1。

在可靠性理论中，设备可靠度R（t）定义为：

设备年缺陷率计算表达式为：

考虑到存在随机缺陷和老化缺陷两个阶段，联立式（4）—式（7）可以得到：

式中：λR和λA分别为随机缺陷率和老化缺陷率。双参数Weibull 拟合不考虑常规Weibull 分布的常数项，而由于在本文的定义中运行时间即使为0 年时也有一定的年缺陷率，所以需要设定常数项抵消偏移量，且为了简化拟合过程，不再进行分段拟合，即不分别考虑λR和λA，直接用设定的常数项代替λR，最终拟合结果如图1 中曲线所示，与点线几乎完全重合，拟合效果较好。

年缺陷率计算模型如式（9）所示：

由式（9）可知，运行时间t 较小，即处在随机缺陷阶段时，式（9）中的后半部分较小，几乎可以忽略不计，年缺陷率主要由常数项决定，近似恒定；老化缺陷阶段运行时间t 逐渐增大，式（9）中的后半部分占比逐步增大，年缺陷率上升趋势逐渐明显，与实际情况相符合。

3.2 不同机械结构设备年缺陷率与运行时间的关系

上述是对缺陷设备进行整体的分析，但由于设备本身结构或者运行环境的影响，年缺陷率与运行时间的变化曲线可能与图1 所示曲线有所差异。为更详细的了解不同维度下设备年缺陷率随运行时间变化的情况，首先统计了不同机械结构的设备年缺陷率与运行时间的关系，如图2 所示。

图2 不同机械结构设备年缺陷率与运行时间关系

根据图2 比较水平式和垂直式两种隔离开关的年缺陷率与运行时间的关系，两者在随机缺陷阶段年缺陷率很相近，但垂直式隔离开关年缺陷率开始上升的时间点比水平式隔离开关要早一些。分析原因可能是由于垂直式隔离开关结构复杂、活动构件较多，动作次数也相对更多，部件老化速度与水平式隔离开关相比更快，所以会更早的进入老化缺陷阶段。

同样用含常数项的双参数Weibull 分布拟合两种不同机械结构隔离开关的年缺陷率，拟合曲线如图2 所示，模型如式（10）和（11）所示，其中λt，horizontal为水平式隔离开关年缺陷率，λt，vertical为垂直式隔离开关年缺陷率。

3.3 不同电压等级设备年缺陷率与运行时间的关系

除不同的机械结构外，不同电压等级下隔离开关年缺陷率随运行时间的变化也稍有不同。统计110 kV 和220 kV 两个电压等级下隔离开关年缺陷率与运行时间的关系，结果如图3 所示。隔离开关在这两个电压等级下处于随机缺陷阶段时缺陷率也较为相近，但220 kV 比110 kV 电压等级下设备年缺陷率急剧上升的时间点更早，后期220 kV 电压等级下隔离开关年缺陷率增长速度与110 kV 相比略低一些。

用含常数项的双参数Weibull 分布拟合两个电压等级下隔离开关的年缺陷率，拟合曲线如图3 所示，模型如式（12）和（13）所示，其中λt，110为110 kV 隔离开关年缺陷率，λt，220为220 kV 隔离开关年缺陷率。

图3 不同电压等级设备年缺陷率与运行时间关系

4 缺陷部件及缺陷类型数据统计分析

电力设备发生缺陷往往是由于其中某一部件发生了缺陷导致，清楚了解电力设备各部件发生缺陷的占比以及各部件出现的缺陷类型能更有效的对电力设备进行运维检修。现将隔离开关进行部件拆分，其中每台缺陷设备均只对应于一个缺陷部件，每个缺陷部件均只有一种缺陷，将缺陷数据中的缺陷类型进行整理，从而得到更直观的数据分析结果，并利用Arrhenius 模型及Coffin-Mason 模型从不同角度解释了设备在老化阶段产生缺陷的原因。

4.1 隔离开关各部件缺陷数据统计分析

参考Q/GDW 450—2010《隔离开关和接地开关状态评价导则》[15]和Q/GDW 11245—2014《隔离开关和接地开关检修决策导则》[16]，遵循相对独立性以及等效型的原则，将隔离开关拆分为传动连杆、导电回路、机构箱、基础及支架、接地开关、绝缘子、线夹7 部分，各部件缺陷数量占比如图4 所示。

图4 隔离开关各部件缺陷数量占比

图4 是对各部件在所有缺陷数据中总占比的统计，但实际上随着运行时间的变化，各部件的缺陷占比也会随之变化。在此以5 年为一周期，统计不同时段各部件的缺陷占比，由于投运时间超过20 年的缺陷设备数据较少，存在一定的偶然性，所以只统计运行时间在20 年内的缺陷数据，结果如图5 所示。

图5 中各面积随时间的变化即每种部件缺陷占比随时间的变化，部件缺陷占比较大的数值已标注。明显可以看出，机构箱在任何时段，占比都非常大；线夹随着运行时间的增长缺陷占比有一定的增长趋势，主要原因是线夹的松动、损坏以及脱落等问题在超过一定的运行年限后会频发；接地开关的缺陷占比变化趋势不固定，这可能与部件来自不同厂家导致质量不同有关；基础支架在投运初期有一定的占比，但比例较低，分析原因可能是因为在安装时存在一些问题，及时解决后后期占比逐步降低。

4.2 隔离开关主要缺陷类型数据统计分析

对隔离开关的缺陷类型进行统计，在1 325条缺陷数据中，缺陷类型大致分为14 种，各缺陷类型及占比如表4 所示。

表4 隔离开关缺陷类型及占比

分析上述隔离开关占比较大的主要缺陷类型随运行时间变化的分布特征，同样也是只统计运行时间在20 年内的设备缺陷数据，为使图更简洁明了，这里主要的缺陷类型依据占比由高到低依次编号为A—H，结果如图6 所示。

图6 缺陷类型占比随运行时间变化

其中“异常发热”“操作卡涩”“机构箱内加热器工作异常”问题几乎贯穿整个周期，检修维护时要特别注意此类问题；“遥信不正确”随运行时间的增长占比呈现逐渐下降的趋势；“无法实现有效的机械闭锁、电气闭锁”问题主要发生在运行时间在5～10 年的设备；“传动连杆锈蚀、连接松动”和“机构箱箱体变形、锈蚀、受潮”问题随着运行时间的增长占比有一个上升的趋势。

4.3 缺陷产生原因

设备在随机缺陷阶段发生缺陷的主要原因与工作环境和自然环境有关，而设备在老化缺陷阶段发生缺陷的原因从本质上讲与两种因素有关，一种与设备温度有关，即物理化学机理，最终导致部件发热、锈蚀等缺陷；另一种是由于设备反复操作，导致部件磨损、变形严重，即机械疲劳机理。

4.3.1 阿伦尼斯模型

阿伦尼斯（Arrhenius）模型是基于设备失效过程的物理化学解释而提出的一种典型的模型，主要描述了设备寿命和温度应力之间的关系，可以用于解释设备发热、锈蚀、腐蚀等缺陷产生的原因，其表达式如式（14）所示[17]：

式中：M 为设备某特性值的退化量；∂M/∂t 表示退化速率，退化速率是时间t 的线性函数；玻耳兹曼常数k=8.617×10-5eV·℃；T 为绝对温度；A0为常数；t 为设备运行时间；ΔE 为失效机理激活能，以eV 为单位，对同一类设备的同一种失效模式为常数。通过对M 进行关于时间t 的积分，该模型进一步表示为：

式中：L 为量化的寿命指标，如平均寿命、中位寿命等；C 是待定参数，且C>0；B=ΔE/k，是与激活能有关的参数。

将式（15）代入双参数Weibull 分布的概率密度函数中的尺度参数η，可得到威布尔分布—阿伦尼斯模型的表达式为：

根据式（7）和（8）得到设备年缺陷率：

式（17）将设备年缺陷率与温度应力和时间关联起来，根据前文整体隔离开关年缺陷率拟合结果可知λR=0.003 27，β=5.3，参数B 和C 需要通过实验测得，t 为运行年限，T 可以直接代入设备运行时的绝对温度，可以明显看出当温度应力增大或运行时间增长时，都会导致设备年缺陷率增大。

4.3.2 Coffin-Mason 模型

金属材料在高循环应力作用下会产生塑性应变，塑性应变会导致金属永久变形或者出现断裂，进而发生疲劳失效，隔离开关发生的操作卡涩、变形等缺陷都属于疲劳失效。对于金属疲劳失效来说，最为经典的是Coffin-Mason 模型，表示如下[18]：

式中：Δεp为塑性应变范围，在隔离开关中可以表示为各部件的操动幅度；为疲劳延性系数；c 为疲劳延性指数，根据Mason 提出的通用斜率法[19]，c=-0.6，Nf是失效时的循环周期数，在这里可以认为是部件的动作次数。

假设隔离开关某一部件平均每年动作次数为Nc，量化的寿命指标为L（平均寿命、中位寿命），那么设备失效时的部件动作次数Nf可用式（19）表示：

联立式（18）和式（19），可以推出：

式中：D 为与疲劳延性系数εf′有关的常数。由式（20）可以看出，当每年平均动作次数增加或者操动幅度增大时，设备寿命会相应缩短。将式（20）代入双参数Weibull 分布的概率密度函数中的尺度参数η，根据式（7）和式（8）得到设备年缺陷率：

式（21）将设备年缺陷率与设备部件操动次数、操动幅度和时间关联起来，同样根据前文整体隔离开关年缺陷率拟合结果，λR=0.003 27，β=5.3，参数D 需要通过实验测得，t 为运行年限，Nc可直接代入部件平均每年动作次数，Δεp可直接代入部件累积的操动幅度，当设备部件操动次数增多，操动幅度增大或者运行时间增长时，都会导致设备年缺陷率增大。由表1 数据也可以看出，110 kV 和220 kV 电压等级下设备动作次数与500 kV 相比略多，所以其缺陷率也相对高一些。

5 讨论与分析

无论从电压等级和机械结构的维度去分析总缺陷率，还是从运行时间的维度去分析年缺陷率，由于不同情况下投运设备的数量不同，导致得到的缺陷率结果置信度也会有一定的差异。不过本文数据基数较大，所以得到的结果准确性相对都较高，具有一定的参考价值。

针对不同的阶段可以安排不同力度的检修任务。运行时间在0～5 年的设备检修间隔时间可以稍微较长一些，抽样检修的数量也可以少一些；运行时间在5～14 年的设备检修力度要有一定的加强；运行时间超过14 年的设备，要视为重点检修对象，检修间隔时间要短，但由于过多的检修可能会对设备造成不必要的损伤，因此笔者认为检修周期缩短到之前的一半相对合适一些。

从隔离开关各部件的角度去分析，机构箱缺陷占比非常大，检修时对其内部的加热器、箱体材质及密封情况要重点关注；隔离开关中缺陷占比较高的异常发热、卡涩、锈蚀等缺陷均随着投运年限的增长占比逐渐增大，这不仅与部件磨损、老化有关，也与隔离开关部件金属选材直接或间接相关，金属材质对缺陷的产生也有着根本的影响，特别是不同厂家生产的设备差异性可能较大，可以加强对机构箱以及金属部件的抽检力度，并且随着投运年限的增长对不同部件的检修任务应制定不同的计划。

6 结语

本文以某省1980—2019 年共34 485 条隔离开关台账数据和1 325 条缺陷数据为基础进行了统计分析，从不同维度得到隔离开关的缺陷特征如下：

（1）从电压等级维度来看110 kV 的隔离总缺陷率最高，达到4.05%；从机械结构维度来看水平式两柱型隔离开关总缺陷率最高，达到4.03%。220 kV 的水平式两柱型和110 kV 的水平式三柱型隔离开关总缺陷率达到10%以上，需重点关注。

（2）隔离开关年缺陷率变化曲线与浴盆曲线的二、三阶段近似，分为年缺陷率较稳定的随机缺陷阶段和年缺陷率急剧上升的老化缺陷阶段，老化阶段产生缺陷的原因主要与温度应力、动作次数、操动幅度等因素有关，采用带有常数项的双参数Weibull 分布模型可以较准确地计算运行时间在20 年以内的隔离开关年缺陷率。整体隔离开关拟合结果：常数项为0.003 27，形状参数为5.30，尺度参数为34.97。

（3）隔离开关在整个寿命周期中缺陷占比最高的部件是机构箱，其次是操动频数较多的导电回路与传动连杆；出现频率较多的缺陷类型是“异常发热”“操作卡涩”以及“辅助开关损坏”，在进行检修时需对这些部件和缺陷类型重点关注。