引言

 

近年来，随着大数据、人工智能、移动互联网、边缘计算、边缘云协作、数字双胞胎、知识地图等技术的快速发展，为解决现有电力设备管理模式的上述缺陷提供了新的思路。为此，本文首先从电力设备健康管理和智能运行维护的基本特点出发，阐述了电力设备的数字化和智能转型，以及电力设备健康管理和智能运行维护发展的新需求。然后在此基础上，提出了新的电力设备健康管理模式和智能运行维护框架。最后，阐述了实现电力设备健康状态感知与评价、故障预测与诊断的新方法。

 

1.电力设备运维管理的发展历程

 

电力设备的运行和维护管理主要经历三个阶段：第一阶段是“被动”运行和维护管理阶段。在此过程中，相关人员被动发现电力设备的缺陷和不足，即只有当电力设备出现故障时，相关人员才能进行相应的维护工作。这种运行和维护管理模式具有明显的滞后特征，给经济发展和人民生活带来了极大的不便。例如，企业生产过程中的电力设备故障，将大大降低企业的生产效率，严重者使企业面临巨大的经济损失。

 

第二阶段是“主动”运维管理阶段。在这个阶段，相关人员会主动监控电力设备的缺陷和问题，有计划地开展电力设备的维护工作。对于一些重要的电力设施，相关人员也可以作为重点维护对象进行备案。“主动”运维管理可以有效保证电力设备的正常运行，但消耗了大量的人力资源和物质资源，大大提高了电力管理单位的成本。

 

第三阶段是“状态维护”运行维护阶段，“状态维护”吸收了“被动”运行维护管理和“主动”运行维护管理的优势，有效解决了两种运行维护管理模式的缺陷和不足，大大提高了电力设备运行的可靠性，降低了不必要的成本，受到电力企业和管理者的高度青睐。

 

2.监测技术与故障分类

 

电力设备状态维护中常见的监测技术种类繁多，包括油气中水分含量监测技术、ICP等离子体发射光谱监测变压器故障技术、电力设备故障分析判断、DGA气相色谱分析技术和诊断技术、变压器过热故障监测诊断、六氟化硫分解监测电力设备基本故障结构，确定故障位置，可通过应用糠醛含量来判断电力设备的老化。具体来说，实际工作中应用的状态维护基数可分为两类，一类是需要连接电路状态时的监控技术，另一类是基于非用电状态进行监控的技术形式。在前者需要连接电路进行状态监测的技术中，主要通过电力设备监测过程中变压器绕组的变形和局部结构的变形，以及电力设备的耐压性等相应的监测方法。电力设备的运行状态应通过核磁共振、波谱、光谱、色谱、光电等方式进行检验，而不是用电状态下的监测技术。其中，发电机最明显的故障问题往往是绕组匝、转子、铁心等结构。

 

通过实践研究发现，在电力设备的实际应用过程中，发电机的定子和铁心故障问题是基于温度过高，导致铁心温度过快升高，导致过热故障问题。目前，这种温度过热监测仍处于初步探索阶段。虽然热监测技术已初具规模，但电力设备的定子铁心在实际应用中仍难以形成良好的监测效果。发电机故障的转子绕组问题是由匝线之间的短路引起的。为了解决这些问题，需要在状态维护过程中应用气隙磁密度，以形成更准确的监测效果，在气隙磁密度的作用下，可以在短时间内确定绕组匝的短路故障位置和损坏程度。影响电力设备转子故障的最关键因素是改变内部结构的离心力参数，使转子本身的旋转和电流方向难以形成一致的效果。