[发明专利]一种SF6

说明书

本申请公开了一种SF₆气体泄漏缺陷研判方法和系统，具体为采集开关设备气室内SF₆气体数据；对气体数据进行预处理，得到有效气体数据；对有效气体数据进行特征参量提取，得到拟合参量组；通过OCSVM模型对拟合参量组进行判断处理，确定拟合参量组是否处于目标区域，若拟合参量组超出目标区域，则输出漏气报警信息。运维人员在得到漏气报警信息后即可及时采取相应维修处理措施。能够实现SF₆气室早期缺陷预警，有效提高设备运维水平，保障设备可靠运行。

技术领域

本申请涉及电力装备技术领域，更具体地说，涉及一种开关设备的SF₆气体泄漏缺陷研判方法及系统。

背景技术

在开关设备行业，SF₆气体由于其良好的电气绝缘性能和优异的灭弧性能，广泛应用于断路器、GIS等开关设备中。作为绝缘和灭弧介质，SF₆气体的密度是影响其绝缘和灭弧能力的关键因素，因此为了保证气体性能，需要将SF₆密度保持在标准范围内。而在实际中，随着运行时间增加，设备发生老化，密封损坏等缺陷会导致气室发生漏气现象，SF₆气体绝缘和灭弧性能随之劣化，从而影响到开关设备的开断性能。因此需要对SF₆气体密度进行实时监测与漏气缺陷预警。在实际的监测中，鉴于气体参数的可测量性、使用习惯和安全规程相应的规定等实际情况，目前都是利用气体压力值来代替气体的密度。

目前针对SF₆气室漏气故障诊断的方法有两种。

一是阈值判断，通过对比实测压力与预设的报警压力，判断是否存在漏气故障；或者比对气体压力的特征量(如压力变化率、压力一阶差分等)与设定的报警阈值，从而判断是否发生漏气。这种方法未考虑环境因素对压力的影响，尤其是温度对压力的影响。在早期缺陷阶段，由于漏气导致的压力变化可能会被环境因素干扰，因此这种方法对早期漏气缺陷不敏感，无法提前发出报警。

二是机器学习，这种方法需要采集正常运行与故障状态下气体数据，针对所采集的样本数据进行训练优化得到状态评估模型，利用评估模型评估SF₆运行状态，判断是否发生漏气。这种方法需要采集一定量的标准样本数据，包括正常运行数据与故障数据。而在开关设备领域中数据累积较少，且样本数据大多是在实验室中模拟采集所得，难以获得满足需求的现场样本数据，因此这种方法的准确性与可实施性可能存在问题。

综合以上可知，在开关设备SF₆气室漏气故障诊断方向，需要开发一种对早期漏气缺陷敏感且现场适用性强的方法，来解决开关设备运行现场SF₆气室早期漏气缺陷检测的问题。

发明内容

有鉴于此，本申请提供一种SF₆气体泄漏缺陷研判方法和系统，用于对开关设备气室中SF₆气体状态进行监测，实现气室早期漏气缺陷报警。

为了实现上述目的，现提出的方案如下：

一种SF₆气体泄漏缺陷研判方法，所述SF₆气体泄漏缺陷研判方法包括步骤：

实时采集开关设备的气室内SF₆气体数据；

对所述气体数据进行预处理，得到有效气体数据；

对所述有效气体数据进行线性拟合，得到所述SF₆气体数据的拟合参量组 (k),b；

将拟合参量组输入训练好的OCSVM模型，判断是否超出目标区域，如果拟合参量组处于目标区域，则判定气室未发生漏气；否则，判定气室发生漏气，输出漏气报警信息。

可选的，所述气体数据包括压力数据和温度数据。