2.3 智能设备状态感知

2.3 智能设备状态感知

系统级与用户级的量测回答"电网运行得怎么样"，这一节把镜头再拉近一层：设备本身还撑多久。变压器、断路器、电缆这些一次设备故障大多有从潜伏到爆发的过程，感知的任务就是在潜伏期把它们找出来——本节承接前两节凑齐感知端的三级镜头，也是第 4 章状态评价与检修决策的物理基础。

从按时检修到按状态检修

传统检修体制是"到期就修"：不论设备好坏，按固定周期停电试验。它的代价有两面——过度检修引入不必要的人为风险（据统计，相当比例的设备缺陷恰是检修中引入的），不足检修又放走真隐患。状态检修（CBM）的思路是反过来的：先感知，后决策，依据设备的实际健康状态安排检修窗口。

状态检修成立的前提，是故障可感知。绝大多数电气设备的劣化过程符合一条加速曲线：潜伏期里缺陷缓慢发育，常规试验几乎测不出；发展期特征量开始漂移；临界期指标陡增，距离击穿只差一次雷击或一次操作冲击。感知体系的设计目标，就是在发展期截住它。

图 2-3 故障演化曲线与各阶段对位的感知手段

变压器油色谱：让气体说出故障类型

油浸式变压器是状态感知的教科书案例。内部发生过热或放电时，绝缘油和固体绝缘会裂解出氢气、甲烷、乙烷、乙烯、乙炔等特征气体，溶解在油里。油中溶解气体分析（DGA）只抽一小瓶油样，就能"审讯"这些气体：有没有故障看总烃与乙炔含量，是什么故障看气体成分的比例。

行业导则里最常用的推理工具是三比值法：取乙炔/乙烯、甲烷/氢、乙烯/乙烷三个比值，按区间编码成三位数字，再查表定位故障类型。原理朴素而有物理依据——低温过热主要产甲烷乙烯类，电弧放电必产乙炔，局部放电氢气占比突出。

下面的代码把一次真实格式的油样数据走完整个判定流程：

# 三比值法演示：单位 uL/L
gas = {"H2": 120.0, "CH4": 58.0, "C2H6": 12.0, "C2H4": 140.0, "C2H2": 32.0}
total_hc = gas["CH4"] + gas["C2H6"] + gas["C2H4"] + gas["C2H2"]   # 总烃

def code(ratio, edges):                 # 按区间边界编码：低于下界 0，中段 1，超过上界 2
    if ratio < edges[0]: return "0"
    if ratio < edges[1]: return "1"
    return "2"

c1 = code(gas["C2H2"]/gas["C2H4"], (0.1, 3.0))   # 乙炔/乙烯
r2 = gas["CH4"]/gas["H2"]                         # 甲烷/氢：区间表特殊，小于 0.1 编 1
c2 = "1" if r2 < 0.1 else ("0" if r2 < 1.0 else "2")
c3 = code(gas["C2H4"]/gas["C2H6"], (1.0, 3.0))   # 乙烯/乙烷
codestr = c1 + c2 + c3

TABLE = {
    "000": "无故障特征",       "001": "低温过热（低于150摄氏度）",
    "010": "局部放电",         "020": "低能放电（火花放电）",
    "021": "低能放电兼过热",   "101": "电弧放电",
    "102": "电弧放电兼过热",
}
print(f"总烃 {total_hc:.0f} uL/L（超过注意值即需查明原因）")
print(f"三比值编码 {codestr} → 判定：{TABLE.get(codestr, '未收录组合，改用三角图法综合判断')}")
​

这份油样跑出的编码是 102，指向电弧放电兼过热，与总烃明显超标的结论互相印证。工程上三比值法只是第一层筛子：编码落在未收录组合、或结论与电气试验矛盾时，要换杜威三角图法、气体增长率趋势等手段交叉验证。单一判据定检修，本身就是一种故障。

局放、断路器与线路：另三张感知网

局部放电检测补上了 DGA 的盲区。DGA 反映"曾经发生过什么"，局放反映"正在发生什么"。特高频传感器捕捉放电路径辐射的电磁波，超声传感器捕捉放电的声信号，两种手段互相校核还能定位放电源。GIS 组合电器因为全封闭无法取油样，局放几乎是其状态感知的唯一主力。

断路器的健康藏在机械特性里。每次分合闸，线圈电流波形、触头行程时间、速度曲线都会被在线记录，曲线形状的细微畸变（比如操作机构卡涩导致的缓冲段拉长）往往比电气试验提前数月暴露问题。

输电线路的感知则是另一番天地：分布式光纤测温让电缆温度沿全线可见，覆冰监测与舞动预警靠拉力与视频传感器，无人机巡检加图像识别已经把绝缘子破损、通道树障的排查效率提升了数倍。这些手段共同的特点是把巡检从"人扛仪器"变成"数据自动跑"。

非电气量的价值：温度、振动与图像

电气量之外的感知手段常被低估，但它们往往更早看见问题。红外测温把设备的异常发热变成可见图像：接头接触劣化、套管受潮、散热风道堵塞，都会在温度场上先留指纹，一架无人机十几公里线路的红外巡检，等效过去半个人月的登杆检查。振动与声学监测盯住旋转与操动机构：风机轴承的频谱特征、断路器操作声音的时域波形，都带着丰富的机械健康信息。图像识别则把外观缺陷的发现标准化——锈蚀、破损、异物、渗油，识别模型给出的不是结论而是线索，人工复核闭环。

把这些手段与电气量监测叠加，设备画像才立体：油色谱说"有放电史"，局放说"现在还在放"，红外说"某相接头偏热"，三者交叉，检修策略直接从"疑似"走到"定位"。多源交叉验证是设备感知的方法论核心，单一手段的置信度永远不够支撑停电决策。

数据的最后一公里：从监测到决策

所有在线监测数据最终汇入状态监测主站，与台账、试验、缺陷、家族性缺陷记录融合，经状态评价模型给出设备健康分与检修建议。这条数据链的难点不在传感器而在融合：不同厂家监测单元的接口规约五花八门、采样口径不一，评价模型再好，喂进去的口径不齐也会失真。这也是第 3 章通信规约与第 8 章标准体系反复出现的主题——感知端的天花板，常常由信息侧的标准化程度决定。

从定期试验到在线监测：迁移路线图

状态感知不是推倒重来，而是把既有试验体系逐步"在线化"。一张迁移对照表：

迁移的节奏按设备重要性排：主变压器与 GIS 先行，配网设备随后。原则是"在线监测发现异常、离线试验确认定性"，两者永远是搭档而非替代。

本节要点

• 状态检修的逻辑是"先感知后决策"，其经济学在于把检修安排在故障发展期而非临界期之后。
• 油色谱是变压器感知的主力：总烃判断有无故障，三比值法判断故障类型，结论必须与趋势、电气试验交叉验证。
• 局放、机械特性、线路环境监测各管一段，设备级感知的瓶颈通常是数据接口与口径的标准化。