石墨烯材料與傳感器技術(shù)在變壓器故障診斷中的應(yīng)用

摘 要：為了實(shí)現(xiàn)精度更高的變壓器故障診斷，基于石墨烯材料傳感器技術(shù)進(jìn)行變壓器的故障診斷研究。以NMOs修飾石墨烯材料為原材料進(jìn)行4種薄膜氣敏傳感器的制備，并將其用于變壓器的故障氣體采集；使用基于GA-BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型作為變壓器故障診斷模型，并通過(guò)數(shù)字孿生可視化技術(shù)進(jìn)行展示。試驗(yàn)結(jié)果表明，分別以ZnO-rGO、CuO-GO-CuO、SnO 2 -GO-SnO 2 -Ag為原材料制備的氣敏薄膜傳感器對(duì)變壓器故障氣體中的CH 4 、H 2 和C 2 H 2 具有良好的敏感性，分別達(dá)到了12.11%、10.05%和16.14%；使用設(shè)計(jì)的基于GA-BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型進(jìn)行故障氣體濃度預(yù)測(cè)時(shí)精度較高。

關(guān)鍵詞：數(shù)字孿生；變壓器故障；薄膜傳感器；GA-BP

中圖分類(lèi)號(hào)：TQ317；TM41 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1001-5922（2024）11-0081-04

Application of graphene materials and sensor technologyin transformer fault diagnosis

YUAN Jie，QIAN Junfeng，GAN Rundong

（Information Center of Guizhou Power Grid Co.，Ltd.，Guiyang 550000，China）

Abstract：In order to achieve higher accuracy in transformer fault diagnosis，the fault diagnosis of transformer wasstudied based on graphene material sensor technology. Four kinds of thin-film gas sensors were prepared usingNMOs-modified graphene materials as raw materials，and they were used for transformer fault gas collection. Theprediction model based on GA-BP neural network was used as the transformer fault diagnosis model，and was dem?onstrated by digital twin visualization technology. The experimental results showed that the gas sensitive thin filmsensors prepared with ZnO-rGO，CuO-GO-CuO and SnO 2 -GO-SnO 2 -Ag as raw materials had good sensitivity toCH 4 ，H 2 and C 2 H 2 in transformer fault gases，reaching 12.11%、10.05%，and 16.14%，respectively. The predictionmodel based on GA-BP neural network designed for fault gas concentration prediction has high accuracy.

Key words：digital twin；transformer failure；thin film sensor；GA-BP

在油浸式變壓器的故障診斷的相關(guān)研究中，針對(duì)當(dāng)前變壓器故障診斷中的氣相色譜法操作繁瑣以及檢測(cè)周期較長(zhǎng)的問(wèn)題，通過(guò)將研制的光聲光譜邊緣檢測(cè)裝置與SVM故障診斷方法相結(jié)合，有效提升了變壓器的故障診斷水平，使得變壓器運(yùn)維更加穩(wěn)定 [1] ；為實(shí)現(xiàn)更加精細(xì)的變壓器狀態(tài)監(jiān)測(cè)，通過(guò)對(duì)油中溶解氣體進(jìn)行分析，實(shí)現(xiàn)了變壓器的故障診斷 [2] ；在進(jìn)行油浸式變壓器的故障診斷時(shí)，通過(guò)引入氣相色譜分析法對(duì)變壓器油樣進(jìn)行氣體分析，以便更快地發(fā)現(xiàn)設(shè)備故障并進(jìn)行檢修 [3] 。綜合以上研究，油浸式變壓器故障所產(chǎn)生的氣體能夠應(yīng)用于變壓器的故障檢測(cè)且效果較好，因此可制備一種高靈敏性的氣敏傳感器作為油浸式變壓器故障診斷的主要元件，同時(shí)結(jié)合故障診斷算法和數(shù)字孿生技術(shù)進(jìn)行變壓器的故障診斷。

1 試驗(yàn)部分

1. 1 材料與設(shè)備

設(shè)計(jì)所制備的氣敏傳感器為納米金屬氧化物（NMOs）修飾石墨烯氣敏傳感器，在進(jìn)行傳感器制備時(shí)主要需制備的材料為NMOs修飾石墨烯材料。

主要制備材料包括氧化石墨烯水溶液和聯(lián)合劑 [4-5] 。其中，設(shè)計(jì)使用的氧化石墨烯水溶液來(lái)自蘇州碳豐石墨烯科技有限公司，該溶液穩(wěn)定性良好且純度較高；使用的聯(lián)合劑為聚陰離子溶液和聚陽(yáng)離子溶液，其中聚陰離子溶液選擇聚二烯丙基二甲基氯化銨溶液（PDDA），來(lái)自山東伊蘭博化玻儀器有限公司，聚陽(yáng)離子溶液選擇聚4-苯乙烯磺酸溶液（PSS），來(lái)自安徽酷爾生物工程有限公司。

在進(jìn)行傳感器材料制備時(shí)，使用的主要設(shè)備包括電子電平、磁力攪拌器、反應(yīng)釜、超聲設(shè)備、離心設(shè)備以及真空干燥設(shè)備，日立S4800冷場(chǎng)發(fā)射掃描電子顯微鏡。

1. 2 試驗(yàn)方法

1. 2. 1 傳感器材料制備

（1）ZnO-rGO。首先將PDDA和PSS分別配置為1.5%和0.3%水溶液。目標(biāo)材料為氧化鋅-還原氧化石墨烯（ZnO-rGO）復(fù)合材料和納米氧化銅，制備流程如下：

第1步，稱(chēng)取2.08 g的Zn（NO 3 ） 2 ·6H 2 O固體粉末，使用的工具為電子天平，將所得與體積為140 mL的去離子水進(jìn)行融合并進(jìn)行均速攪拌，使用的攪拌工具為磁力攪拌器，攪拌時(shí)長(zhǎng)設(shè)置為1 h，完成攪拌后得到均勻懸濁液，再在攪拌條件下加入20 mL濃度為4 mol/L的NaOH溶液。第2步，在準(zhǔn)備的水溶液中提取30 mL，將其加入至第一步制作得到的懸濁液，再次進(jìn)行攪拌操作，使用的攪拌工具與上一步相同，完成攪拌后將其放至反應(yīng)釜中進(jìn)行加熱處理，加熱時(shí)長(zhǎng)為12 h，環(huán)境溫度為180 ℃。第3步，將完成加熱操作并冷卻至室溫了的溶液轉(zhuǎn)移出，并使用去離子水和無(wú)水乙醇對(duì)固體粉末進(jìn)行多次水洗，并且先后進(jìn)行1 h的超聲處理和15 min的離心處理，再經(jīng)過(guò)60 ℃的真空干燥處理后得到ZnO-rGO復(fù)合材料。

（2）納米氧化銅。首先使用電子天平稱(chēng)取0.11 g的Na 2 CO 3 和0.17 g的CuCl 2 ·2H 2 O作為制備的反應(yīng)物，進(jìn)行反應(yīng)的條件為180 ℃的恒溫恒壓環(huán)境下加熱18 h。制備的前驅(qū)物選擇SnCl 4 ·5H 2 O質(zhì)量為24 mg，同時(shí)將反應(yīng)過(guò)程的環(huán)境設(shè)置為恒溫恒壓條件，溫度為120 ℃，反應(yīng)時(shí)長(zhǎng)設(shè)置12 h。二氧化鈦-還原氧化石墨烯（TiO 2 -rGO）復(fù)合材料的制備過(guò)程為：第1步，進(jìn)行一定濃度的硫酸鈦和尿素溶液的配置，將所得的尿素溶液緩慢滴加至硫酸鈦溶液中，同時(shí)進(jìn)行攪拌操作，得到混合液；第2步，在制得的混合液中加入2 mLGO懸濁液并將其轉(zhuǎn)移至反應(yīng)釜中進(jìn)行反應(yīng)，反應(yīng)條件設(shè)置為180 ℃的恒溫條件，反應(yīng)時(shí)長(zhǎng)設(shè)置為3 h；第3步，將反應(yīng)完成并冷卻至室溫的混合液中的沉淀物進(jìn)行洗滌，使用的洗滌材料為去離子水和無(wú)水乙醇，再進(jìn)行離心處理和環(huán)境條件為80 ℃的干燥處理，最終得到TiO 2 -rGO粉末。

在進(jìn)行氣敏傳感器的制備時(shí)，為了選取到性能最佳薄膜傳感器件，分別使用滴涂法和層層自組裝技術(shù)進(jìn)行薄膜傳感器的制備。

自組裝得到的具有GO層的薄膜傳感器導(dǎo)電性能較差，設(shè)計(jì)采用高溫?zé)徇€原的方法對(duì)薄膜器件進(jìn)行進(jìn)一步處理，以提升薄膜器件的導(dǎo)電能力 [6] 。同時(shí)，設(shè)計(jì)使用層層自組裝技術(shù)制得的2種薄膜傳感器還存在基準(zhǔn)電阻較大的問(wèn)題，無(wú)法滿(mǎn)足實(shí)際需求，因此設(shè)計(jì)通過(guò)使用高溫加熱的方法對(duì)氧化石墨烯進(jìn)行熱還原，以降低傳感器的基準(zhǔn)電阻，提升導(dǎo)電性能 [7] 。

1. 2. 2 故障診斷方法

在進(jìn)行油浸式變壓器的故障識(shí)別時(shí)通過(guò)構(gòu)建數(shù)字孿生變壓器進(jìn)行故障模擬，構(gòu)建如圖1所示的數(shù)字孿生變電站模型 [8] 。

構(gòu)建的數(shù)字孿生變壓器包括了變電站的主要設(shè)備和變電站環(huán)境的構(gòu)建，可以實(shí)現(xiàn)變電站故障環(huán)境的完整再現(xiàn) [9-10] 。

以構(gòu)建的數(shù)字孿生變壓器為基礎(chǔ)，構(gòu)建油浸式變壓器故障診斷系統(tǒng)如圖2所示。

在圖2所示系統(tǒng)中，變壓器預(yù)測(cè)模型所使用的預(yù)測(cè)方法為基于BP神經(jīng)網(wǎng)絡(luò)的多組份氣體預(yù)測(cè)，并通過(guò)遺傳算法GA對(duì)傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)的權(quán)值進(jìn)行優(yōu)化，以進(jìn)一步提升變壓器故障的預(yù)測(cè)診斷效果 [11-12] 。

遺傳算法在進(jìn)行參數(shù)優(yōu)化的流程為 [13-14] ：

（1）進(jìn)行初始種群的生成；

（2）對(duì)種群進(jìn)行適應(yīng)度評(píng)價(jià)；

（3）當(dāng)種群適應(yīng)度滿(mǎn)足優(yōu)化準(zhǔn)則時(shí)，輸出優(yōu)化結(jié)果，否則對(duì)種群進(jìn)行選擇、交叉、變異操作，得到新的變量種群，并返回步驟（2）；

（4）直至得到種群的適應(yīng)度滿(mǎn)足優(yōu)化準(zhǔn)則，輸出優(yōu)化結(jié)果，算法終止。

使用經(jīng)過(guò)遺傳算法優(yōu)化的權(quán)值進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，得到最終的基于GA-BP神經(jīng)網(wǎng)絡(luò)的變壓器故障預(yù)測(cè)診斷模型。

1. 3 性能測(cè)試

1. 3. 1 傳感器材料的故障特征氣體氣敏性測(cè)試

為了得到敏感性能最優(yōu)的薄膜氣敏傳感器，對(duì)設(shè)計(jì)的4個(gè)薄膜傳感器分別進(jìn)行故障氣體的氣敏性測(cè)試，其中，以故障氣體中的 CH 4 、H 2 和 C 2 H 2為主要的研究對(duì)象。

數(shù)據(jù)采集裝置為測(cè)試儀器Agilent 34970A，采集所得傳輸至PC機(jī)，傳感器加熱電壓由GPD-4303S穩(wěn)壓電源提供。

1. 3. 2 變壓器故障預(yù)測(cè)診斷模型測(cè)試

故障診斷系統(tǒng)在通過(guò)故障氣體進(jìn)行故障診斷時(shí)，需使用統(tǒng)一的評(píng)價(jià)指標(biāo)對(duì)預(yù)測(cè)診斷結(jié)果進(jìn)行評(píng)價(jià)。設(shè)計(jì)選擇的評(píng)價(jià)指標(biāo)為均方根誤差和絕對(duì)誤差，對(duì)應(yīng)的計(jì)算公式分別為：

式中： n 為預(yù)測(cè)樣本數(shù)； x i 為氣體實(shí)際濃度； x i 為氣體預(yù)測(cè)濃度； m 為氣體種類(lèi)數(shù)； x ij 為第i種氣體第j個(gè)樣本的實(shí)際濃度； x ij 為第i種氣體第 j 個(gè)樣本的預(yù)測(cè)濃度。

2 結(jié)果與分析

2. 1 傳感器材料性能測(cè)試結(jié)果

設(shè)計(jì)的薄膜氣敏傳感器材料包括 ZnO-rGO、TiO 2 -rGO、CuO-GO-CuO和SnO 2 -GO-SnO 2 -Ag，測(cè)試主要對(duì)ZnO-rGO、CuO-GO-CuO、SnO 2 -GO-SnO 2 -Ag3種材料進(jìn)行氣敏性測(cè)試，以故障氣體的選擇性作為主要的測(cè)試指標(biāo)。

2. 1. 1 ZnO-rGO薄膜傳感器

設(shè)計(jì)使用水熱法制備得到ZnO-rGO，在氣敏性測(cè)試環(huán)境中測(cè)試 ZnO-rGO 對(duì) CH 4 、H 2 、NH 3 和 CO 24種故障氣體的選擇性，在進(jìn)行測(cè)試時(shí)各氣體均為1000 ppm，測(cè)試結(jié)果如圖3所示。

從圖3可以看出，在對(duì)4種氣體的選擇性測(cè)試中，ZnO-rGO傳感器對(duì)甲烷的靈敏度明顯高于其余3種氣體，靈敏度達(dá)到了12.11%，而H 2 、NH 3 和CO 2 的靈敏度分別為0.9%、2.97%和1.19%，遠(yuǎn)遠(yuǎn)低于對(duì)甲烷的敏感程度，這也表明在使用ZnO-rGO傳感器在油浸式變壓器故障診斷中進(jìn)行故障氣體采集時(shí)，對(duì)于主要的故障氣體之一的甲烷敏感性較高，能夠迅速反應(yīng)并進(jìn)行采集，并將采集到的數(shù)據(jù)傳輸至故障預(yù)測(cè)診斷模型中進(jìn)行故障判定。

2. 1. 2 CuO-rGO-CuO薄膜傳感器

CuO-rGO-CuO薄膜傳感器主要進(jìn)行對(duì)氫氣的選擇性測(cè)試，選擇的對(duì)比氣體為CH 4 、NH 3 、O 2 3種，3種氣體濃度均為1 000×10 -5 ，得到如圖4所示的測(cè)試結(jié)果。

從圖4可以看出，在對(duì)4種氣體的選擇性測(cè)試中，CuO-rGO-CuO傳感器對(duì)氫氣的靈敏度明顯高于其余3種氣體，靈敏度達(dá)到了10.05%，而CH 4 、NH 3 、O 2 的靈敏度分別為1.07%、2.01%和2.88%，遠(yuǎn)遠(yuǎn)低于對(duì)氫氣的敏感程度，這也表明在使用CuO-rGO-CuO傳感器傳感器在油浸式變壓器故障診斷中進(jìn)行故障氣體采集時(shí)，對(duì)于主要的故障氣體之一的氫氣敏感性較高。

2. 1. 3 SnO 2 -GO-SnO 2 -Ag薄膜傳感器

SnO 2 -GO-SnO 2 -Ag薄膜傳感器主要進(jìn)行對(duì)乙炔的選擇性測(cè)試，選擇的對(duì)比氣體為CH 4 、NH 3 、H 2 3種，3種氣體濃度均為1 000×10 -5 ，得到如圖5所示的測(cè)試結(jié)果。

從圖5可以看出，在對(duì)4種氣體的選擇性測(cè)試中，SnO 2 -GO-SnO 2 -Ag傳感器對(duì)乙炔的靈敏度明顯高于其余3種氣體，靈敏度達(dá)到了16.14%，而CH 4 、NH 3 、H 2的靈敏度分別為1.42%、2.33%和1.85%，遠(yuǎn)遠(yuǎn)低于對(duì)乙炔的敏感程度，這也表明在使用SnO 2 -GO-SnO 2 -Ag傳感器在油浸式變壓器故障診斷中進(jìn)行故障氣體采集時(shí)，對(duì)于主要的故障氣體之一的乙炔敏感性較高。

2. 2 變壓器故障診斷結(jié)果

為了驗(yàn)證設(shè)計(jì)的基于GA-BP神經(jīng)網(wǎng)絡(luò)的變壓器故障預(yù)測(cè)診斷系統(tǒng)的具體性能，將構(gòu)建的數(shù)字孿生變壓器作為故障數(shù)據(jù)來(lái)源，并在構(gòu)建的基于GA-BP神經(jīng)網(wǎng)絡(luò)的故障預(yù)測(cè)診斷模型上進(jìn)行測(cè)試。

模型的訓(xùn)練和測(cè)試在MATLAB軟件上進(jìn)行，模型訓(xùn)練的最大迭代次數(shù)設(shè)置為2 000次，目標(biāo)誤差設(shè)置為1×10 -5 ，訓(xùn)練結(jié)果如圖6所示。

由圖6可知，設(shè)計(jì)的GA-BP神經(jīng)網(wǎng)絡(luò)僅需迭代300次便能達(dá)到目標(biāo)誤差，這表明設(shè)計(jì)的模型能夠用于變壓器故障預(yù)測(cè)診斷的測(cè)試。

使用設(shè)計(jì)的基于GA-BP神經(jīng)網(wǎng)絡(luò)的故障預(yù)測(cè)診斷模型對(duì)選擇的3種故障氣體CH 4 、H 2 和C 2 H 2 進(jìn)行濃度預(yù)測(cè)測(cè)試，并使用設(shè)計(jì)引入的評(píng)價(jià)指標(biāo)對(duì)預(yù)測(cè)結(jié)果進(jìn)行評(píng)價(jià)，得到如表1所示結(jié)果。

從表1可以看出，使用設(shè)計(jì)的GA-BP神經(jīng)網(wǎng)絡(luò)進(jìn)行故障氣體的濃度進(jìn)行預(yù)測(cè)時(shí)能夠保持較高的預(yù)測(cè)精度，同時(shí)預(yù)測(cè)結(jié)果的穩(wěn)定性較好，因此能夠根據(jù)預(yù)測(cè)得到的故障氣體濃度進(jìn)行變壓器的故障診斷。

3 結(jié)語(yǔ)

分別以ZnO-rGO、CuO-GO-CuO、SnO 2 -GO-SnO 2-Ag 為原材料制備的氣敏薄膜傳感器分別對(duì)變壓器故障氣體中的 CH 4 、H 2 和 C 2 H 2 具有良好的敏感性，能夠及時(shí)進(jìn)行氣體數(shù)據(jù)的采集；設(shè)計(jì)的基于GA-BP神經(jīng)網(wǎng)絡(luò)的變壓器故障預(yù)測(cè)診斷系統(tǒng)能夠進(jìn)行精度較高的故障氣體濃度預(yù)測(cè)，進(jìn)而進(jìn)行變壓器的故障診斷，可信度較高。

【參考文獻(xiàn)】

[1] 王艷，李偉，趙洪山，等. 基于油中溶解氣體分析的DBN-SSAELM變壓器故障診斷方法[J]. 電力系統(tǒng)保護(hù)與控制，2023，51（4）：32-42.

[2] 王建新，陳偉根，王品一，等. 變壓器故障特征氣體空芯反諧振光纖增強(qiáng)拉曼光譜檢測(cè)[J]. 中國(guó)電機(jī)工程學(xué)報(bào)，2022，42（16）：6136-6144.

[3] 李明澤，羅詩(shī)怡，周雪蓮，等. 金屬元素?fù)诫sZnO氣敏傳感器的研究進(jìn)展[J]. 當(dāng)代化工研究，2023， （1）：11-13.

[4] 謝誠(chéng)，張立. 新型的氣凝膠建筑節(jié)能材料制備及性能[J].粘接，2023，50（1）：66-69.

[5] 薛靜杰，荊世博，陳露鋒，等. 電力能源中鋰離子電池儲(chǔ)鋰性能技術(shù)提升探究[J]. 粘接，2022，49（11）：95-98.

[6] 王剛，楊雷，周青，等. 基于rGO@PMMA/PBA復(fù)合乳膠膜的電容式非接觸傳感器制備與性能分析[J]. 浙江理工大學(xué)學(xué)報(bào)（自然科學(xué)），2023，49（2）：219-227.

[7] 張慶，李碩，劉貴民，等. 石墨烯基柔性可穿戴傳感器：制備、應(yīng)用與展望[J]. 硅酸鹽學(xué)報(bào)，2022，50（7）：1800-1809.

[8] 李詠秋，徐晉，汪可友，等. 小型固態(tài)變壓器狀態(tài)監(jiān)測(cè)及單管開(kāi)路故障診斷數(shù)字孿生方法[J]. 電力系統(tǒng)自動(dòng)化，2023，47（5）：153-161.

[9] 胡洋. 基于數(shù)字孿生技術(shù)的變壓器狀態(tài)監(jiān)測(cè)研究與探索

[J]. 電氣化鐵道，2023，34（1）：38-43.

[10] 鄧祥力，朱慧，劉世明，等. 適用于變壓器保護(hù)的數(shù)字孿生 建 模 技 術(shù) 研 究 [J]. 電 網(wǎng) 技 術(shù) ，2022，46（12）：4982-4993.

[11] 劉梓軒. 基于BP神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷分析[J]. 光源與照明，2023， （4）：129-131.

[12] 李鋒，陳振，王騰飛，等.FTA與BP神經(jīng)網(wǎng)絡(luò)結(jié)合的地平儀故障診斷方法研究[J]. 自動(dòng)化儀表，2023，44（4）：39-42.

[13] 李文華，牛國(guó)波，劉羽佳. 基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的液壓系統(tǒng)故障診斷[J]. 機(jī)床與液壓，2023，51（8）：159-164.

[14] 鄒春玲，熊靜，劉超，等.基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的飛機(jī)油耗預(yù)測(cè)方法[J]. 智能計(jì)算機(jī)與應(yīng)用，2023，13（3）：226-230.