超高壓直流閥廳套管智能維修系統

張裕漢 萬施霖 王祥 張瑞亮 金鑫

摘要：直流套管是直流輸電工程中最重要的設備之一。直流閥廳內部高壓套管使用時間通常較長，是故障高發部件。為實現對套管運行維修工程的全面、智能化管理，根據套管運維的實際工作特點和技術需求，采用包括深度神經網絡、大數據分析技術、先進動態路徑規劃算法等在內的最新技術，提出了一種面向超高壓直流閥廳的套管維修系統。

關鍵詞：超高壓直流閥廳;套管;維修系統;拆卸平臺;設備巡視;多源視頻監控

發展超高壓交直流輸電是緩解我國電力供應緊張狀況的有效途徑，也是改善電網結構，促進全國聯網的需求。自向-上、云-廣兩條超高壓直流輸電工程投入商業運行后，超高壓直流輸電工程在我國蓬勃發展，將逐漸成為我國未來遠距離大容量輸電工程的主流[1-3]。

高壓直流穿墻套管是換流站中不可缺少的主設備之一，起到連接閥廳內外電氣設備的作用[4-5]。由于直流閥廳內部高壓套管使用時間較長，屬于故障高發部件。

套管由于自身質量及拆裝尺寸等原因，傳統拆裝工藝需使用吊車。由于閥廳內凈空不足及閥廳隔墻的阻擋，吊車無法在閥廳內部起吊套管，只能使用牽引車將換流變牽引至空曠處，采用吊車起吊拆裝套管的方式[6-7]。

套管因安裝精度低、安裝時的碰撞磨損、運行維護不當、維修不及時等方面，都易造成絕緣損壞、老化，產生絕緣擊穿，產生高溫使套管爆炸起火，從而引發電力火災事件，給人民群眾的生命財產安全造成嚴重威脅及損失。

為此，文章提出了一個面向超高壓直流閥廳的套管維修系統，其包括智能拆卸平臺、運輸機器人、大數據分析系統、多源視頻監控系統、智能巡視系統五個部分，為套管的運行維護工程提供了全面、智能化的管理與輔助，也將為電力火災事故防范于未然做好準備。

1? 智能拆卸平臺

本維修系統采用了一種直流閥廳內部高壓套管智能拆卸平臺，其可在閥廳內操作，直流閥廳內部高壓套管智能拆卸平臺直接駛入閥廳內，直接在閥廳內進行套管拆裝作業流程。采用伸縮臂固定套管，通過伸縮、旋轉將套管拆裝或放置在閥廳內的運轉裝置，該運轉裝置由安順換流站提供。避免了牽引換流變的工作流程，節省了大量的作業時間和隱性成本。

1.1? 平臺整體結構

經初步設計，直流閥廳內部高壓套管智能拆卸平臺由移動底盤、平衡支腿裝置、升降裝置（變幅大臂、伸縮臂、變幅油缸、伸縮油缸）、頭部旋轉裝置（旋轉控制盤）、滑軌（套管吊臂、吊鉤）裝置等部分組成。平臺可在場地內自由移動，四個支腿具有獨立調節高度功能，底盤上安裝有水平儀，可通過調節四個支腿使得平臺底盤水平，支撐架可旋轉，機械手臂可伸縮，工裝部分可旋轉和伸縮。直流閥廳內部高壓套管智能拆卸平臺的原理如圖1所示。

1.2? 關鍵技術

為實現拆卸平臺的智能性與安全性，以及專用功能機構有機組合。本系統采取的工藝設計與裝置選擇均基于超高壓直流閥廳設計的技術規定、理論參數與現場勘測[8-9]。

1.2.1? 平臺平衡支撐、配重計算及設計

當直流閥廳內部高壓套管智能安裝平臺吊起1750kg套管，升降大臂伸到最長，變幅油缸縮到最短時，且升降裝置轉到與底盤正常前進方向成90度時，底盤受力狀態最差，根據力矩的計算公式：

式中：F表示作用力，L表示力臂，M是作用力F對轉動軸的力矩。

根據公式（1）計算可得套管端相對支腿的力矩21.42噸米，大于底盤端相對支腿的力矩18.13噸米，因此存在傾翻可能，若一定要在此環境下使用，則底盤須加配重1400kg。

經現場勘測，場地限制條件不多，則考慮在操作工程設置位置安全保護，在大臂伸出狀態不允許大臂角度降到30度以下，此時據公式（1）計算可得套管端相對支腿的力矩16.8噸米小于底盤端相對支腿的力矩18.13噸米，因此，底盤不須加配重也能保證不會傾翻。

1.2.2? 機械臂受力計算及材料選型

初選機械臂壁厚為20mm，當直流閥廳內部高壓套管智能安裝平臺吊起1750kg套管，升降大臂伸到最長，變幅油缸縮到最短時，此時機械臂各部件受力情況最差。設備工作過程中無沖擊，受力模式為靜應力模式。機械臂共分為三段，采用第三強度理論進行計算，公式為：

式中：為彎曲應力，為切應力。

根據公式（2），計算可得最小臂極限點受力為3.17MPa，次小臂極限點受力為5.63MPa，大臂極限點受力5.03MPa。

通過比較，得到次小臂受力狀態最差。近似取，代入公式（2）可得為7.96MPa。

按照焊接性能很好、力學性能相對一般的材料Q235A來考慮。Q235A材料許用應力（屈服強度）為235MPa，遠小于。

復合安全系數的計算公式為：

式中：[S]為許用復合安全系數。

近似取，可得。起重作業機構許用最小安全系數[S]一般大于5，S遠大于[S]。

可以進行一次優化設計：

選機械臂壁厚為10mm，對次小臂進行核算。

此時，，遠小于。依然大于[S]，滿足要求。

1.2.3? 工裝零部件選型

直流閥廳內部高壓套管智能拆卸平臺的工裝零部件如表1所示。

1.2.4? 底盤選型設計

選用10t麥輪底盤增配液壓支腿作為直流閥廳內部高壓套管智能拆卸平臺底盤，其設計參數如表2所示。

1.3? 工作過程分析

直流閥廳內部高壓套管智能拆卸平臺的工作過程如下。

（1）套管拆卸時，首先通過電控設備移動底盤把裝置移動到換流變套管旁邊，使裝置行走方向與換流變套管軸線在地面上的投影呈90度角，并盡量靠近套管的適合操作的位置上。

（2）通過平衡支腿裝置把整個裝置支撐起來，通過升降裝置把滑軌移動到需拆卸套管正上方，通過旋轉控制盤調整滑軌角度，使之與套管軸線基本平行，調整套管吊臂長度使之與需拆卸套管匹配，運用吊鉤及輔助吊繩把需拆卸套管吊住，人工拆卸套管安裝螺釘，并使用專用工具把套管從安裝法蘭上頂開，操縱套管吊臂順著套管軸線方向平穩移動，直至套管從安裝法蘭上完全脫開。

（3）通過升降裝置、旋轉控制盤的運動，把拆卸套管放置到地面專門運送套管的小車上，完成套管拆卸，并反向執行拆卸動作，把新套管安裝到換流變上，完成整個工作流程。

2? 運輸機器人

在直流閥廳障礙物固定不變的情況下，運輸機器人可以利用傳統A*算法躲避障礙物來運輸套管[10]。但是，現實的直流閥廳的障礙物不是一成不變的，而運輸機器人雖然可以利用動態窗口法（Dynamic Window Approach， DWA）躲避動態障礙物，但是由于動態窗口法是局部路徑規劃算法，在沒有全局最優路線引導的情況下，運輸機器人很容易陷入局部最優解，而無法達到目的地[11]。

辛煜等[12]提出了一種通過重新定義中心節點的位置，在每個節點的周圍擴大無限可搜索鄰域的算法（以下稱為A*-INF算法）。程傳奇等[13]提出了一種基于A*算法和關鍵點選取策略的算法（以下稱為A*-SS算法）。王洪斌等[14]提出了一種結合預瞄偏差角追蹤法和二次A*的路徑規劃算法（以下稱為A*-QAA算法）。

本維修系統中的運輸機器人則采用融合A*算法和動態窗口法的全局動態路徑規劃方法，以下簡稱DWA*算法。

為了驗證本文提出的DWA*算法的有效性，以某電網某輸電公司的直流閥廳中的障礙物實際分布情況為仿真環境，比較了其與類似算法的效率。

結果如圖2所示，綠色軌跡、紫色軌跡、灰色軌跡和棕色軌跡分別由DWA*算法、A*-SS算法、A*-INF算法和A*-QAA算法解出。

圖（a）中，四種算法都成功地找到了無碰撞路徑。圖（b）在這四種算法中，提出的DWA*算法找到了行程時間最短的路徑。

實驗結果表明：融合算法與傳統A*算法相比，路徑更加平滑、具有實時避障的功能，還可以輸出運動參數，有利于運輸機器人的自動反饋控制;與動態窗口法相比，可以保證全局最優、路徑長度更短。

3? 大數據分析系統

大數據分析和人工智能技術已經被研究并應用于電力系統工程的許多部分。以往研究的一個缺點是，它們側重于變壓器，特別是繞組和鐵芯，忽略了套管，而套管是許多變壓器故障的根本原因。

超高壓直流閥廳的套管運維數據主要具有如下幾個特點：（1）體量大、多源性;（2）故障數據較少，因此需要在海量的運維數據中挖掘出重要的故障信息;（3）運維數據常常分布在不同的監測系統中，監測指標缺少融貫性。

針對套管運維數據的上述特點，本維修系統采用基于大數據分析技術的運維框架，其包括如下五個層次：（1）數據來源層;（2）數據處理層;（3）特征分析層;（4）模型計算層;（5）運維應用層。

其中，在最核心的模型計算層中，主要包括：（1）專家知識庫;（2）知識轉移（knowledgetransfer）算法;（3）深度神經網絡（DeepNeuralNetworks，DNN）三個部分。通過知識轉移算法將專家知識庫中的領域知識（domainknowledge）轉化成DNN中的初始參數，再進行DNN的調試，從而能在較少的故障數據下實現高效的模型計算和分析。

我們利用了60000條套管故障數據對本文提出的事后故障分析算法的性能進行評估，其中訓練集、驗證集和測試集數據分別為36000條、12000條和12000條。表3顯示和訓練準確率、實際準確率和神經元個數、迭代次數、訓練時間的關系。

由表3可以看出，本文所提出的故障分析算法的分類準確率可達98%左右。

4? 多源視頻監控系統

由于超高壓套管維修施工面積大、現場施工設施和環境復雜等情況，采用常規的有源布線式視頻監控設備，需要在施工現場布設大量的供電線路、網絡傳輸線路，不僅影響現場施工作業，還容易發生因施工作業導致線路中斷的問題。同時，僅靠管理人員來識別監控視頻中的異常行為，存在發現不及時、誤判等情況，難以達到及時監督制止現場問題的目的。

本文提出了一種針對套管維修工程現場的視頻監控系統，包括前端的監控攝像頭、通信網絡、視頻服務管理平臺、視頻畫面展示窗口，而超高壓直流閥廳的套管維修工程現場的視頻監控需要重點考慮監控攝像頭的可移動性、覆蓋范圍、電源和網絡線路布設需求情況等[15-17]。

針對套管維修工程現場的施工特點，本維修系統主要由三部分構成：（1）現場視頻監控硬件，包括移動4G布控球機、移動單兵、無人機、復眼陣列相機等;（2）物聯管理平臺。套管維修工程現場中存在多種監控設備，因此本系統采用物聯管理平臺進行統一的設備參數配置，管理各個設備間的拓撲關系，從而實現多種設備間高效的同步監控;（3）圖像分析與異常識別子系統。對視頻監控設備采集到的圖像，根據預設的問題類型，使用基于YOLOV4的卷積神經網絡（Convolutional Neural Networks， CNN）進行典型違章及異常問題的識別。

本文所提出的視頻監控系統的整體框架如圖3所示。

5? 智能巡視系統

在電網智能化的背景下，如何用較少的運維人員確保設備巡視的全面性、及時性、精準性，是超高壓直流閥廳的套管運行維護所需要解決的突出問題[18-20]。

變電站智能巡檢機器人配備了紅外成像傳感器、可見光傳感器、激光雷達傳感器、慣性測量單元（IMU）等多種類型的傳感器，被廣泛部署在大型變電站，以降低成本，提高效率。

本維修系統采用智能機器人對超高壓直流閥廳的套管維修進行巡視，主要包括基站層、通訊層和終端層三部分。其中：（1）基站層由監控后臺、錄像系統及智能控制和分析軟件系統組成;（2）通訊層由網絡交換機、無線網橋等設備組成;（3）終端層包括巡視機器人、充電小室和固定監測點等。智能機器人巡視又可以進一步分為紅外測溫巡視、設備外觀巡視、設備儀表巡視等。

同時，我們開發了一種支持深度學習加速的新型變電站檢測機器人。與傳統機器人相比，該機器人采用低功耗、高性能的JetsonTX2模塊專門用于深度學習硬件加速，并采用TensorRT進行軟件加速。對物體檢測和故障診斷任務的測試和演示表明，檢測精度高，計算速度快，能夠滿足實時應用。

圖4顯示了智能機器人的設備檢測結果。其中：（a）是可見光圖像的分割結果，（b）是提取的目標設備的熱圖像。

6? 結語

文章提出了一種面向直流閥廳內部高壓套管的維修系統，采用深度神經網絡、大數據分析技術、先進動態路徑規劃算法等在內的最新技術，將智能拆卸平臺、運輸機器人、大數據分析系統、多源視頻監控系統、智能巡視系統等子系統進行有機組合，實現了對超高壓直流閥廳套管維修的全面、精細化、高時效的智能管理輔助。通過上述技術手段的實施，在降低安裝時間、減少安裝過程中的碰撞磨損之外，也能大幅度降低絕緣損壞與老化的風險，有效地消除了電氣火災隱患，從而在源頭上加強了消防安全管控，預防火災事故的發生。在安全生產之余，將研究基于可見光或無線電波通信的三維定位技術，進一步提高套管安裝的精度。

參考文獻：

[1]中國電機工程學會信息化專委會.中國電力大數據發展白皮書[R].北京：中國電機工程學會， 2013.

[2]王道翔.新基建中交通網與能源網的發展機遇[J].杭州金融研修學院學報， 2020（04）：19-22.

[3]林曈.特高壓交直流輸電系統技術經濟分析[J].企業改革與管理，2020（20）： 221-222.

[4]劉振亞.特高壓直流電氣設備[M].北京：中國電力出版社，2009.

[5]劉振亞.特高壓交直流電網[M].北京：中國電力出版社，2013.

[6]李穆，盧文華，向冬冬.輸變電設備智能化運維系統研究與應用[J].電氣工程學報，2015（07）：75-81.

[7]FU M， SONG J， ZHAO J， et al. Intelligent Operation and Maintenance of Micro-grid Technology and System Development[J]. IOP Conference Series Earth and Environmental Science， 2018， 108（5）：052060-052060.

[8]DL-T 5223-2005，高壓直流換流站設計技術規定[S].

[9]SHEN W， KE C， WANG H， et al.Muti-parameter diagnosis of HVDC bushing[J].High Volt. Eng.2012，38（3）： 616-622.

[10]王殿君.基于改進A*算法的室內移動機器人路徑規劃[J].清華大學學報（自然科學版），2012，52（08）：1085-1089.

[11]FOX D， BURGARD W， THRUN S. The dynamic windowapproach to collision avoidance[J].IEEE Robotics &Automation?Magazine，1997，4（1）：23-33.

[12]辛煜，梁華為，杜明博，等.一種可搜索無限個鄰域的改進A*算法[J].機器人，2014，36（05）：627-633.

[13]程傳奇，郝向陽，李建勝，等.融合改進A*算法和動態窗口法的全局動態路徑規劃[J].西安交通大學學報，2017，51（11）：137-143.

[14]王洪斌，尹鵬衡，鄭維，等.基于改進的A*算法與動態窗口法的移動機器人路徑規劃[J].機器人，2020，42（03）：346-353.

[15]高琳.視頻監控技術在電網基建工程管理中的應用[J].電子測試，2019，（10）：78-79.

[16]岳長城，周揚，陳曉捷.柔性直流換流站閥廳及交流耗能裝置室輔助綜合監控系統實施方案[J].電工技術，2020（23）：15-16+21.

[17]陸勇，王世巍，李攀，等.特高壓換流站工程多源視頻智能監控研究[J].現代工業經濟和信息化，2020，10（11）：60-61.

[18]QGDW 11513.1—2016 變電站智能機器人巡檢系統技術規范[S].

[19]楊清民，陳煒智，韋明.對于變電站智能巡檢機器人的幾點思考[J].電力設備管理，2021（03）：37-39.

[20]王娟，李曉麗.電站智能巡檢機器人運行維護及問題處理[J].電子測試，2021（06）：113-114.

Abstract：DC bushing is one of the most important pieces of equipment in DC transmission projects. In order to realize comprehensive and intelligent management of bushing operation and maintenance works， a bushing maintenance system for EHV DC valve hall is proposed based on the actual working characteristics and technical requirements of bushing operation and maintenance， using the latest technologies including deep neural networks， big data analysis technology， advanced dynamic path planning algorithm.

Keywords：EHV DC valve hall; bushing; maintenance system; disassembly and installation platform; equipment inspection; multi-source video monitoring