CN113723887B - 一种电气设备六氟化硫回收再利用管控系统 - Google Patents

一种电气设备六氟化硫回收再利用管控系统 Download PDF

Info

Publication number
CN113723887B
CN113723887B CN202111026729.2A CN202111026729A CN113723887B CN 113723887 B CN113723887 B CN 113723887B CN 202111026729 A CN202111026729 A CN 202111026729A CN 113723887 B CN113723887 B CN 113723887B
Authority
CN
China
Prior art keywords
gas
air
sulfur hexafluoride
recovery
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111026729.2A
Other languages
English (en)
Other versions
CN113723887A (zh
Inventor
朱峰
赵跃
马凤翔
宋玉梅
杨奚诚
方辉祥
程伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei D2s Soft Information Technology Co ltd
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd
Original Assignee
Hefei D2s Soft Information Technology Co ltd
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hefei D2s Soft Information Technology Co ltd, State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd filed Critical Hefei D2s Soft Information Technology Co ltd
Priority to CN202111026729.2A priority Critical patent/CN113723887B/zh
Publication of CN113723887A publication Critical patent/CN113723887A/zh
Application granted granted Critical
Publication of CN113723887B publication Critical patent/CN113723887B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F1/00—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Game Theory and Decision Science (AREA)
  • Fluid Mechanics (AREA)
  • Treating Waste Gases (AREA)

Abstract

一种电气设备六氟化硫回收再利用管控系统，涉及SF6回收再利用技术领域，设备管理模块用于记录各类型设备的基础详情信息、投运状态以及在库状态，形成管理台账；物料管理模块用于对SF6各个流转环节进行管理，记录各环节处理的业务数据，构建出六氟化硫大数据库；检修管理模块用于记录SF6设备检修中所用气体的数量以及创建正常和临时的巡检计划；库存管理模块用于对SF6进行集中的定额库存管理、回收气体再生报废处理及周转库调拨管理；核算模块用于掌握各环节的气体损耗情况；预测模块用于预测下一年度的SF6新气购置量、气体回收量、净化气需求量及回用量；本发明提高了SF6回收再利用率、以及物料量核算和预测的准确度。

Description

一种电气设备六氟化硫回收再利用管控系统
技术领域
本发明电气设备六氟化硫回收再利用技术领域，涉及一种电气设备六氟化硫回收再利用管控系统。
背景技术
六氟化硫气体因为优异的绝缘性而被广泛应用于GIS、断路器等电气设备中，但其温室效应相比二氧化碳大得多，因此被《京都议定书》列为六大温室效应气体之一。有数据表明，六氟化硫气体是这6种温室气体里最为稳定且破坏能力最强的一种气体。一个六氟化硫气体分子产生的温室效应大概是一个二氧化碳气体分子的23900倍，而且可以很稳定地存在在大气中3200年。同时，当六氟化硫设备中发生绝缘故障时，放电产生的高温电弧使六氟化硫气体发生分解反应，生成SF4、SF3、SF2、和S2F10等多种低氟硫化物,而这些产物具有毒性和强腐蚀性，将引起设备上的有机绝缘材料的绝缘能力变弱或者是金属部分的损坏，从而导致设备的绝缘能力不足，造成六氟化硫设备不能安全可靠运行。
近年来，电力行业不断发展,越来越多的六氟化硫设备进入变电站或电厂运行。至今，早期投运的六氟化硫设备已经使用有二十多年了，一部分检修过，但是很大一部分在不断地达到检修周期，所以，需要回收的六氟化硫气体不断增加。然而，在很长一段时间里，我国没有足够看重六氟化硫的回收处理及再利用工作，主要是让其放任自流，没有进行集中处理及再利用的管理，而且设备运行单位在回收六氟化硫旧气后未进行净化再利用，不仅存在安全隐患，也让环境受到了破坏。而且这种气体价格昂贵，而经过处理的气体完全可以再次利用。因此回收再利用六氟化硫气体是电网行业对国家节能减排政策的积极响应，也是电网企业在经济社会发展新阶段对节能减排提出更高要求的背景下，自觉履行环保义务的切实之举。
公开日期为2016年的文献《六氟化硫气体回收处理及再利用系统在检修基地的研究与应用》(福州大学，谢鹏)结合检修基地生产管理的需求，根据检修基地的实际情况，对六氟化硫回收处理再利用系统在检修基地的建设工程项目开展研究，但是该文献并未对六氟化硫气体各个流转环节进行精确管理，存在六氟化硫气体回收再利用率低以及物料量核算和预测不准确的问题。
发明内容
本发明的目的在于如何设计一种电气设备六氟化硫回收再利用管控系统，对六氟化硫气体各个流转环节进行精确管理，以解决现有技术中六氟化硫气体回收再利用率低以及物料量核算和预测不准确的问题。
本发明是通过以下技术方案解决上述技术问题的：
一种电气设备六氟化硫回收再利用管控系统，包括：设备管理模块、物料管理模块、检修管理模块、库存管理模块、六氟化硫气体物料核算模块、六氟化硫气体量预测模块；
设备管理模块：记录各类型设备的基础详情信息、投运状态以及在库状态，形成各管理单位和变电站的设备管理台账；
物料管理模块：对六氟化硫气体各个流转环节进行管理，记录各环节处理的业务数据，构建出六氟化硫大数据库；所述的六氟化硫气体各个流转环节包括：新气采购环节、气体入库环节、气体出库环节、气体使用环节、气体回收环节、气体净化环节；
检修管理模块：记录六氟化硫设备检修中所用气体的数量以及创建正常和临时的巡检计划；
库存管理模块：对六氟化硫气体进行集中的定额库存管理、回收气体再生报废处理及周转库调拨管理，各周转库对本单位所需气体进行存储管理和回收气体的存储管理，并将回收气体运送至中心库进行回收处理；
六氟化硫气体物料核算模块：基于在运设备六氟化硫充气量、回收回用量、净化量、流量及入出库信息的全链条多维数据，建立六氟化硫气体物料核算模型，用于掌握各环节的气体损耗情况；
六氟化硫气体量预测模块：基于六氟化硫气体大数据库，建立六氟化硫气体量预测模型，用于预测下一年度的六氟化硫气体新气购置量、气体回收量、净化气需求量及回用量。
本发明的设备管理模块用于记录各类型设备的基础详情信息、投运状态以及在库状态，形成管理台账；物料管理模块用于对SF6各个流转环节进行管理，记录各环节处理的业务数据，构建出六氟化硫大数据库；检修管理模块用于记录SF6设备检修中所用气体的数量以及创建正常和临时的巡检计划；库存管理模块用于对SF6进行集中的定额库存管理、回收气体再生报废处理及周转库调拨管理；核算模块用于掌握各环节的气体损耗情况；预测模块用于预测下一年度的SF6新气购置量、气体回收量、净化气需求量及回用量；本发明提高了SF6回收再利用率、以及物料量核算和预测的准确度。
所述的气体回收环节采用分流回收装置对SF6气室气体进行回收，所述的回收装置包括：进气口(1)、第三阀门(7)、出气口(10)，第一气路(C1)、第二气路(C2)、第三气路(C3)；第一气路(C1)、第二气路(C2)、第三气路(C3)并联设置；进气口(1)密封连接在第一气路(C1)、第二气路(C2)、第三气路(C3)并联的输入端，出气口(10)密封连接在第一气路(C1)、第二气路(C2)、第三气路(C3)并联的输出端；所述的第一气路(C1)、第二气路(C2)、第三气路(C3)的内截面积依次减小；所述的第一气路(C1)中设置有第一阀门(4)，第一阀门(4)的输入端与进气口(1)密封连接，第一阀门(4)的输出端与出气口(10)密封连接；所述的第二气路(C2)中设置有第二阀门(5)、第一流量计(6)；第二阀门(5)、第一流量计(6)依次首尾密封串接，第二阀门(5)的输入端与进气口(1)密封连接，第一流量计(6)的输出端与出气口(10)密封连接；所述的第三气路(C3)中设置有第二流量计(8)、第四阀门(9)；第二流量计(8)、第四阀门(9)依次首尾密封串接，第二流量计(8)的输入端与进气口(1)密封连接，第四阀门(9)的输出端与出气口(10)密封连接；所述的第三阀门(7)的输入端与第二阀门(5)的输出端密封连接，第三阀门(7)的输出端与第四阀门(9)的输入端密封连接；所述的第二流量计(8)的量程小于第一流量计(6)的量程；回收方法包括以下步骤：步骤S11、测定第一气路、第二气路内的流量比，第二气路、第三气路内的流量比；步骤S12、测定气室内气体初始密度；步骤S13、计算实时回收率。
步骤S11中所述的测定第一气路、第二气路内的流量比，第二气路、第三气路内的流量比的方法为：在回收装置使用前，打开第一阀门(4)、第二阀门(5)，从进气口(1)预先控制通入已知流量Q的气体，通过第一流量计(6)测量得知第二气路(C2)的流量Q2，则第一气路(C1)的流量Q1＝Q-Q2，从而计算出第一气路(C1)、第二气路(C2)内的流量比K1；打开第二阀门(5)、第四阀门(9)，从进气口(1)预先控制通入气体，分别通过第一流量计(6)和第二流量计(8)测算得第二气路(C2)的流量Q2和第三气路(C3)的流量Q3，从而计算出第二气路(C2)、第三气路(C3)内的流量比K2；所述的第一气路(C1)、第二气路(C2)内的流量比K1的计算公式如下：
所述的第二气路(C2)、第三气路(C3)内的流量比K2的计算公式如下：
其中，Q1、Q2、Q3分别表示第一气路(C1)、第二气路(C2)、第三气路(C3)内的流量，n1、n2、n3分别表示第一气路(C1)、第二气路(C2)、第三气路(C3)的管内壁糙率，d1、d2、d3分别表示第一气路(C1)、第二气路(C2)、第三气路(C3)的管内径，L1、L2、L3分别表示第一气路(C1)、第二气路(C2)、第三气路(C3)的管道长度。
步骤S12中所述的测定气室内气体初始密度的方法为：关闭回收装置的所有阀门，将进气口(1)接入气室，出气口(10)接回收装置的回收进气口，通过压力传感器(2)、温度传感器(3)检测初始的气室内气体压力、温度数值，记为P1、T1，将P1、T1代入Beattie-Bridgman经验公式得：P1＝(RT1B-A)ρ3 2+RT1ρ3，其中，A＝73.882×10-5-5.132105×10-7ρ0，B＝2.50695×10-3-2.12283×10-6ρ0，R＝56.9502×10-5，ρ0为标准状态下SF6的气体密度，得出此时气室内气体密度ρ3。
步骤S13中所述的计算实时回收率的方法为：
1)关闭第一阀门(4)、第二阀门(5)，并控制停止回收装置，待稳定后得此时压力传感器(2)、温度传感器(3)检测到此时气室内气体压力、温度数值P2、T2，将P2、T2代入Beattie-Bridgman经验公式，计算得出此时气室内气体密度ρ4，则此时气室内气体的回收率H1＝(ρ3-ρ4)/ρ3；
2)并记录此时气室放出的气体总量V1，已知SF6密度为ρ0，通过公式m＝ρV算得气室容积V＝ρ0×V1/(ρ3-ρ4)；
3)控制回收装置再次启动继续回收气体，实时获取当前气室放出的气体总量V2，则气室内气体的实时回收率H2的计算公式如下：
所述的实时获取当前气室放出的气体总量V2存在以下三种情况：
1)当第一流量计(6)检测到的数值在其量程范围内时，同时打开第一阀门(4)、第二阀门(5)，控制回收装置开始回收气体，气室内气体从进气口(1)分流进入第一气路(C1)、第二气路(C2)，进入第一气路(C1)的气体流经第一阀门(4)，进入第二气路(C2)的气体流经第二阀门(5)、第一流量计(6)，两路气体最终汇合并从出气口(10)流入回收装置进行回收；第一流量计(6)测量第二气路(C2)的流量Q2，由公式(3)得第一气路(C1)的流量Q1＝K1*Q2，则此阶段气室实时放出的气体总流量Q1’＝(K1+1)*Q2，将测得数据上传至数据处理终端，采用Q1’进行实时积分计算得到当前气室放出的气体总量V2；
2)当第一流量计(6)检测到的数值达到其量程下限时，此时，关闭第一阀门(4)，打开第四阀门(9)，气室内气体从进气口(1)分流进入第二气路(C2)、第三气路(C3)，进入第二气路(C2)的气体流经第二阀门(5)、第一流量计(6)，进入第三气路(C3)的气体流经第二流量计(8)、第四阀门(9)，两路气体最终汇合并从出气口(10)流入回收装置进行回收；第一流量计(6)测量第二气路(C2)的流量Q2，由公式(4)得第二气路(C2)的流量Q2＝K2*Q3，则此阶段气室实时放出的气体总流量Q2’＝(K2+1)*Q3，将测得数据上传至数据处理终端，采用Q2’进行实时积分计算得到当前气室放出的气体总量V2；
3)当第二流量计(8)检测到的数值到达其量程下限时，此时，关闭第二阀门(5)、第四阀门(9)，打开第三阀门(7)，气室内气体进入第三气路(C3)，流经第二流量计(8)、第三阀门(7)进入第二气路(C2)，再流经第一流量计(6)从出气口10流入回收装置进行回收；第二流量计(8)测量第三气路(C3)内气体流量Q3上传至数据处理终端代替Q2’，采用Q3进行实时积分得当前气室放出的气体总量V2。
所述的六氟化硫气体物料核算模型的建立方法包括如下步骤：
S21、建立要素影响因子评估模型，对六氟化硫流转环节多维数据进行数据挖掘，找出影响核算的关键环节数据，简化多维数据维度，提取六氟化硫流转过程中各环节的关键要素；
S22、根据步骤S21中提取的六氟化硫流转过程中各环节的关键要素，梳理各环节六氟化硫气体量关系，建立各环节数据参数之间的关系，从而得到六氟化硫物料核算模型；
所述的建立各环节数据参数之间的关系如下：
出库量、补气量及补气消损率关系如下：
Fo＝Fs(1+Ws) (1)
设备用气量、回收量及回收消损率关系如下：
Fr＝Fd/(1+Wr) (2)
回收净化总量、回收量及回收净化消损率关系如下：
Frc＝Fr(1-Wrc) (3)
净化回用总量、回收净化总量及净化消损率关系如下：
Fcu＝Frc(1-Wc) (4)
新增气体量、出库量及净化回用总量关系如下：
Fn＝Fo-Fcu (5)
其中，FO表示出库量，Fd表示设备用气量，Fs表示补气总量，Ws表示补气消损率，Wr表示回收消损率，Fr表示回收量，Wrc表示回收净化消损率，Frc表示回收净化总量，Wc表示净化消损率，Fcu表示净化回用总量，Fn表示新增气体总量，Fi表示入库量；
所述的六氟化硫物料核算模型的建立如下：将公式(1)、公式(2)、公式(3)、公式(4)代入公式(5)得到六氟化硫物料核算模型的公式如下：
Fn＝Fs(1+Ws)-Fd(1-Wrc)(1-Wc)/(1+Wr) (6)
其中，新增气体总量Fn、补气总量Fs与设备用气量Fd为已知量，补气消损率Ws、回收消损率Wr、回收净化消损率Wrc与净化消损率Wc为未知量。
S23、对步骤S22中建立的六氟化硫物料核算模型进行求解以及模型的精度计算。
根据步骤S21中所述的建立要素影响因子评估模型，对六氟化硫流转环节多维数据进行数据挖掘，提取六氟化硫流转过程中各环节的关键要素的方法为：
(I)将原始数据集data_total(Y,Q,L,T,H,E)按年份Y、季度Q、电压等级L、温度T、湿度H、用电量E进行数据解析，解析的公式如下：
data_total(Y,Q,L,T,H,E)＝data_spring(Y,Q,L,T,H,E)+data_summer(Y,Q,L,T,H,E)+data_autumn(Y,Q,L,T,H,E)+data_winter(Y,Q,L,T,H,E)；
其中，data_spring(Y,Q,L,T,H,E)表示春季的数据集，data_summer(Y,Q,L,T,H,E)表示夏季的数据集，data_autumn(Y,Q,L,T,H,E)表示秋季的数据集，data_winter(Y,Q,L,T,H,E)表示冬季的数据集；
(II)利用统计学的Q型因子分析(QPCA)以及时间序列进行解析和预测，构造所有原始数据参数的数据矩阵，得到对应的影响因子，然后利用统计学的时间序列来作进一步的验证，Q型因子分析包括：
a)编制交叉列联表Nn*p(p＝2,代表的是可观察变量数，n代表的是变量)；
b)将矩阵N进行规格化处理得到新的矩阵概率矩阵P，将P的行变量和列变量的分类降维处理如下：
卡方统计量的公式为：
对应矩阵P进行标准化变换得到过渡矩阵Z,对变量协方差矩阵A＝ZTZ，求取特征根λ1…λp,计算特征向量Vi＝Ui,计算相应的Q型载荷矩阵G如下所示：
根据矩阵G中元素大小来建立对应参数的权重因子，根据权重因子对原始数据进行剔除和数据挖掘。
步骤S23中所述的六氟化硫物料核算模型进行求解的方法如下：
(i)利用数据拟合方法完成参数拟合优化，建立六氟化硫物料核算模型的多维数据的拟合展开式如下：
Wr(Fs-Fn)-WsFs-FdWrc-FdWc+Fn-Fs+Fd+FsWsWr+FdWrcWc＝0 (7)
(ii)根据组合的阶次，最后两项值等价于WrcWc和WsWr的二阶无穷小，因此模型简化为如下格式：
AX＝C (8)
其中，A＝[Fs-Fn,-Fs,-Fd,-Fd],X＝[Wr，Ws，Wrc，Wc]，C＝Fs-Fn-Fd,数值Fn,Fs,Fd都是列向量，因此求解参数变成了求解奇异公式(8)；
(iii)根据矩阵分解的知识，将公式(8)按上三角矩阵求解，求得最佳的反演值Wr和Ws；而参数Wc和Wrc无法根据上述方程直接求解，将求解得到的Wr和Ws代入(7)整理得：
S＝(1-Wrc)*(1-Wc) (9)
其中，参数S是整理得到的N维固定数值，公式(9)关于参数镜像对称，因此利用梯度下降法直接求解参数Wrc和Wc；
所述的模型的精度计算的方法如下：
根据公式(6)以新增气体总量Fn为模型预测值评估模型精度，定义相对误差RE如下：
RE＝(FnPrediction-FnReal)/FnReal
＝[FsReal(1+Ws)-FdReal(1-Wrc)(1-Wc)/(1-Wr)-FnReal]/FnReal (10)
其中，FnPrediction表示新增气体总量预测值，FnReal表示新增气体总量实际值，FsReal表示补气总量实际值，FdReal表示设备用气量实际值。
所述的六氟化硫气体量预测模型的建立方法包括如下步骤：
S31、建立基于电网大数据的设备突发故障预测模型以及基于电网大数据的设备漏气分解率预测模型，并输入往年的电网运行环境大数据以及不同的电网运行环境下设备用气消耗量数据来训练模型；
所述的基于电网大数据的设备突发故障预测模型的公式如下：
Ns＝k1*Nps+k2*Npd+b
其中，Ns表示突发故障数，Nps表示检修计划漏气故障数，Npd表示检修计划分解故障数，k1、k2分别表示电压等级之间的组合系数，b表示修正项；
所述的基于电网大数据的设备漏气分解率预测模型的公式如下：
N＝N1*V*τ1+N2*V*ρ1
其中，N表示设备漏气分解率，V表示对应的电压等级的气体容量，τ1代表分解检修率，ρ1代表漏气率，分解检修故障数N1，漏气故障数N2，补气总量N；
S32、将下年度预估的电网运行环境输入到训练好的模型中，得到设备突发故障量以及设备漏气率和分解检修率，从而计算出突发补气预测量以及突发分解补气预测量；
S33、结合计划补气量、计划回收量、突发补气预测量以及突发分解补气预测量分别计算出补气总量预测、出库量预测、回收净化总量预测、净化回用总量预测、新增气体量预测、入库量预测。
所述的漏气率和分解检修率采用最小二乘或者梯度下降法进行计算，其代价函数为：所述的突发补气预测量的计算公式为：Sb＝Ns*V*ρ1；所述的突发分解补气预测量的计算公式为：Sr＝Ns*V*τ1。
补气总量预测的计算公式为：St＝Sp+Sb+Sr，出库量预测的计算公式为：Po＝St×(1+Ws)＝(Sp+Sb+Sr)×(1+Ws)，回收净化总量预测的计算公式为：Pr＝(Rp+Sr)×(1-Wr)，净化回用总量预测的计算公式为：Pc＝Pr×(1-Wc)＝(Rp+Sr)×(1-Wr)×(1-Wc)，新增气体量预测的计算公式为：Pn＝Po-Pc＝Sp+Sb+Sr×(1+Ws)-(Rp+Sr)×(1-Wr)×(1-Wc)，入库量预测的计算公式为：Pi＝Pn+Pc＝Po，其中，Sp为计划补气量，Rp为计划回收量，Po为出库量预测，Pi为入库量预测，Sb为突发补气预测量，St为补气总量预测，Sr为突发分解补气预测量，为Pr回收净化总量预测，Pc为净化回用总量预测，Pn为新增气体量预测，Ws表示补气消损率，Wc表示净化消损率，Wr表示回收消损率。
本发明的优点在于：
(1)本发明的设备管理模块用于记录各类型设备的基础详情信息、投运状态以及在库状态，形成管理台账；物料管理模块用于对SF6各个流转环节进行管理，记录各环节处理的业务数据，构建出六氟化硫大数据库；检修管理模块用于记录SF6设备检修中所用气体的数量以及创建正常和临时的巡检计划；库存管理模块用于对SF6进行集中的定额库存管理、回收气体再生报废处理及周转库调拨管理；核算模块用于掌握各环节的气体损耗情况；预测模块用于预测下一年度的SF6新气购置量、气体回收量、净化气需求量及回用量；本发明提高了SF6回收再利用率、以及物料量核算和预测的准确度。
(2)本发明技术方案的气体回收环节采用分流回收装置对SF6气室气体进行回收，装置采用的一大一小量程的第一流量计(6)和第二流量计(8)相对于直接在第一气路(C1)上安装流量计来说，流量计量程的需求成倍降低，大大节约了装置的成本，缩小整个装置的体积及重量，减小携带的负担，且由于小量程的流量计测试的精度更高，从而提高了装置的测试精度。
(3)本发明技术方案的基于多维数据的高精度六氟化硫物料核算模型通过对六氟化硫流转环节多维数据进行数据挖掘，找出影响核算的关键环节数据，简化多维数据维度；梳理各环节六氟化硫气体量关系，建立六氟化硫物料核算模型，利用历史流转数据作为模型训练数据集，使用数据拟合寻优迭代优化算法计算气体损耗率；与现有的分布离散且错综复杂的各环节记录数据的人工整理相比，本发明的技术方案具备高效、精确的优点，填补了六氟化硫物料核算的技术空白。
(4)本发明技术方案的基于电网大数据的六氟化硫气体预测模型，根据电网运行大数据迭代求解设备突发漏气率和突发故障分解检修率，并结合物料核算模型已计算的气体损耗率，可依据下一年度计划设备检修表计算并预测六氟化硫气体各环节的气体总量，实现下一年度六氟化硫气体各参量准确预测；与现有基于年度检修计划的粗略经验估算方法相比，本方法预测结果与实际情况更符合，预测精度更高。
附图说明
图1为电气设备六氟化硫回收再利用管控系统的结构图；
图2为分流法的SF6气室气体回收装置的结构图；
图3为基于分流法的SF6气室气体回收率测算方法的流程图；
图4为基于多维数据的高精度六氟化硫物料核算模型的建立流程图；
图5为六氟化硫流转过程中各环节的关键要素提取结果示意图；
图6为回收率迭代的最优值；
图7为净化率每次迭代对应的值；
图8为六氟化硫气体预测流程图；
图9为六氟化硫设备突发故障预测流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合说明书附图以及具体的实施例对本发明的技术方案作进一步描述：
实施例一
如图1所示，一种电气设备六氟化硫回收再利用管控系统，包括：
设备管理模块：记录各类型设备的基础详情信息、投运状态以及在库状态，形成各管理单位和变电站的设备管理台账；
物料管理模块：对六氟化硫气体各个流转环节进行管理，记录各环节处理的业务数据，构建出六氟化硫大数据库；所述的六氟化硫气体各个流转环节包括：新气采购环节、气体入库环节、气体出库环节、气体使用环节、气体回收环节、气体净化环节；
检修管理模块：记录六氟化硫设备检修中所用气体的数量以及创建正常和临时的巡检计划；
库存管理模块：对六氟化硫气体进行集中的定额库存管理、回收气体再生报废处理及周转库调拨管理，各周转库对本单位所需气体进行存储管理和回收气体的存储管理，并将回收气体运送至中心库进行回收处理；
六氟化硫气体物料核算模块：基于在运设备六氟化硫充气量、回收回用量、净化量、流量及入出库信息的全链条多维数据，建立六氟化硫气体物料核算模型，用于掌握各环节的气体损耗情况；
六氟化硫气体量预测模块：基于六氟化硫气体大数据库，建立六氟化硫气体量预测模型，用于预测下一年度的六氟化硫气体新气购置量、气体回收量、净化气需求量及回用量。
如图2所示，基于分流法的SF6气室气体回收装置，包括：进气口1、压力传感器2、温度传感器3、第一阀门4、第二阀门5、第一流量计6、第三阀门7、第二流量计8、第四阀门9、出气口10。所述的进气口1、第二阀门5、第一流量计6、出气口10依次通过管道首尾密封串接，所述的压力传感器2、温度传感器3分别密封设置在进气口1与第二阀门5之间的管道上；所述的第一阀门4的输入端与第二阀门5的输入端通过管道密封连接，第一阀门4的输出端与第一流量计6的输出端通过管道密封连接；第二流量计8、第四阀门9通过管道首尾密封串接后，第二流量计8的输入端与第二阀门5的输入端通过管道密封连接，第四阀门9的输出端与第一流量计6的输出端通过管道密封连接；第三阀门7的输入端与第二阀门5的输出端通过管道密封连接，第三阀门7的输出端与第四阀门9的输入端通过管道密封连接。
第一阀门4所在气路为第一气路C1，第二阀门5、第一流量计6所在气路为第二气路C2，第二流量计8、第四阀门9所在气路为第三气路C3，第一气路C1、第二气路C2、第三气路C3的内截面积依次减小。
第一阀门4、第二阀门5、第三阀门7以及第四阀门9均为电磁阀，电磁阀与数据处理终端连接，由数据处理终端控制电磁阀的开关。
第一流量计6为大量程的流量计，第二流量计8计为小量程的流量计，小量程的流量计精度高于大量程的流量计。
装置采用一大一小量程的第一流量计6和第二流量计8形成三条气路，第一气路C1、第二气路C2、第三气路C3；当气室内的压力较高、第一流量计6检测到的数值在其量程范围内时，此时同时开启第一气路C1、第二气路C2进行气体回收，采用第一流量计6测量第二气路C2的气体流量，再通过测定的第一气路C1、第二气路C2之间的流量比，推算出第一气路C1的气体流量；当气室内的压力下降、第一流量计6检测到的数值达到其量程下限时，如果继续采用第一流量计6来检测，则由于气体流量较小，测量误差大，此时应同时开启第二气路C2、第三气路C3进行气体回收，采用第二流量计8第三气路C3的气体流量，再通过测定的第二气路C2、第三气路C3之间的流量比，推算出第二气路C2的气体流量；当气室内的压力继续下降、第二流量计8检测到的数值到达其量程下限时，此时应该采用第三气路C3单独开启进行气体回收；根据气室内气体的压力变化，切换不同的气路进行气体回收，使得对气室放出的气体各级流量均能进行精确测量。
如图3所示，基于分流法的SF6气室气体回收方法，包括以下步骤：
1.1、测定气路之间的流量比
已知流量与压力差、管路直径之间关系如下：
S＝10.3×n2/d5.33 (2)
式中：Q—流量，m3/s；△P—管道两端压力差，Pa；ρ—密度，kg/m3；g—重力加速度，m/s2；S—管道摩阻；n—管内壁糙率；d—管内径，m；L—管道长度，m。
由于第一气路C1、第二气路C2、第三气路C3前后的压力差一致，则第一气路C1、第二气路C2内的流量比K1，第二气路C2、第三气路C3内的流量比K2的计算公式如下：
其中，Q1、Q2、Q3分别表示第一气路C1、第二气路C2、第三气路C3内的流量，n1、n2、n3分别表示第一气路C1、第二气路C2、第三气路C3的管内壁糙率，d1、d2、d3分别表示第一气路C1、第二气路C2、第三气路C3的管内径，L1、L2、L3分别表示第一气路C1、第二气路C2、第三气路C3的管道长度。
公式(3)和公式(4)中所有参数在固定成型的装置中均为一固定数值，即第一气路C1、第二气路C2内的流量比K1为一固定数值，第二气路C2、第三气路C3内的流量比K2为一固定数值。
在该装置使用前，打开第一阀门4、第二阀门5，从进气口1预先控制通入已知流量Q的气体，通过第一流量计6测量得知第二气路C2的流量Q2，则第一气路C1的流量Q1＝Q-Q2，从而计算出第一气路C1、第二气路C2内的流量比K1；打开第二阀门5、第四阀门9，从进气口1预先控制通入气体，分别通过第一流量计6和第二流量计8测算得第二气路C2的流量Q2和第三气路C3的流量Q3，从而计算出第二气路C2、第三气路C3内的流量比K2。
采用分流法的两条气路之间的流量比不宜过大，流量比不宜过大会放大小流量气路中存在的系统误差，故应控制气路之间的流量比K1、K2的数值在3～10范围内。
1.2、第一回收阶段
1.2.1、气室内气体初始密度测定
关闭装置的所有阀门，将进气口1接入气室，出气口10接回收装置的回收进气口，通过压力传感器2、温度传感器3检测初始的气室内气体压力、温度数值，记为P1、T1，将P1、T1代入Beattie-Bridgman经验公式得：P1＝(RT1B-A)ρ3 2+RT1ρ3，其中，A＝73.882×10-5-5.132105×10-7ρ0，B＝2.50695×10-3-2.12283×10-6ρ0，R＝56.9502×10-5，ρ0为标准状态下SF6的气体密度，得出此时气室内气体密度ρ3。
1.2.2、启动装置，进行回收
同时打开第一阀门4、第二阀门5，控制回收装置开始回收气体，气室内气体从进气口1分流进入第一气路C1、第二气路C2，进入第一气路C1的气体流经第一阀门4，进入第二气路C2的气体流经第二阀门5、第一流量计6，两路气体最终汇合并从出气口10流入回收装置进行回收。第一流量计6测量第二气路C2的流量Q2，由公式(3)得第一气路C1的流量Q1＝K1*Q2，则此阶段气室实时放出的气体总流量Q1’＝(K1+1)*Q2，将测得数据上传至数据处理终端，采用Q1’进行实时积分计算得到当前气室放出的气体总量V2。
所述的实时积分计算的方法为：例如，取积分时间间隔t为0.1s，则0.1s内气室放出的气体总量等于0.1s乘以气室实时放出的气体总流量Q1’，数据处理终端不断以相等的时间间隔进行计算并累加，最终得出该当前气室放出的气体总量V2。
1.2.3、计算气室内气体的回收率
关闭第一阀门4、第二阀门5，并控制停止回收装置，待稳定后得此时压力传感器2、温度传感器3检测到此时气室内气体压力、温度数值P2、T2，将P2、T2代入Beattie-Bridgman经验公式，计算得出此时气室内气体密度ρ4，则此时气室内气体的回收率H1＝(ρ3-ρ4)/ρ3，并记录此时气室放出的气体总量V1。
1.2.4、标定气室容积
已知SF6密度为ρ0＝6.1kg/m3，通过公式m＝ρV算得气室容积V＝ρ0×V1/(ρ3-ρ4)。
1.2.5、计算实时回收率
再打开第一阀门4、第二阀门5，并控制回收装置再次启动继续回收气体，重复步骤1.2.3得到当前回收过程中当前气室放出的气体总量V2，则气室内气体的实时回收率H2的计算公式如下：
1.3、第二回收阶段
随着气室内气体不断放出，气室内压力不断下降，放出的气体流量不断减小。当第一流量计6检测到数值接近量程下限时，关闭第一阀门4，打开第四阀门9，气室内气体从进气口1分流进入第二气路C2、第三气路C3，进入第二气路C2的气体流经第二阀门5、第一流量计6，进入第三气路C3的气体流经第二流量计8、第四阀门9，两路气体最终汇合并从出气口10流入回收装置进行回收。第一流量计6测量第二气路C2的流量Q2，由公式(4)得第二气路C2的流量Q2＝K2*Q3，则此阶段气室实时放出的气体总流量Q2’＝(K2+1)*Q3，将测得数据上传至数据处理终端，采用Q2’进行实时积分计算得到当前气室放出的气体总量V2。
1.4、第三回收阶段
此时气室内压力仍不断下降，放出的气体流量不断减小。当第二流量计8检测到数值接近量程下限时，关闭第二阀门5、第四阀门9，打开第三阀门7，气室内气体进入第三气路C3，流经第二流量计8、第三阀门7进入第二气路C2，再流经第一流量计6从出气口10流入回收装置进行回收。第二流量计8测量第三气路C3内气体流量Q3上传至数据处理终端代替Q2’，采用Q3进行实时积分得当前气室放出的气体总量V2。当气室内气体的回收率H2达到回收率要求后，关闭第三阀门7。可得最终的气室放出的气体总量V2与气室内气体的回收率H2。
1.5、流量计的校准
当需要采用第二流量计8对第一流量计6进行校准时，分别记录第二回收阶段时第一流量计6、第二流量计8所测得一组数据Q5、Q6，第三回收阶段时第一流量计6、第二流量计8所测得一组数据Q7、Q8；根据两点(Q5，K2*Q6)，(Q7，Q8)计算得一次方程：
其中，x表示第一流量计6校准前数据，y表示第一流量计6校准后数据。
在之后使用装置时先按式(6)对第一流量计6进行校准，再进行实时积分得气室放出的气体总量。
一般的流量计的量程比为1:20。如一开始气室放出的最大气体流量为20m3/h，第一气路、第二气路内的流量比为9:1(K1＝9)，则第二气路中最大流量为2m3/h，可选择量程为0.1-2.0m3/h的流量计作为第一流量计6。
当气室内压力降低至一定数值后，第一流量计6检测到数值接近0.1m3/h时，此时气室放出的气体总流量略大于1m3/h，关闭第一阀门，打开第四阀门，第二流量计8测量第三气路内气体流量Q3并乘以(K2+1)得气室实时放出的气体总流量Q2’上传至数据处理终端代替Q1’进行实时积分得当前气室放出的气体总量V2；例如第二气路、第三气路内的流量比为K2＝3，则此时第三气路内的气体流量最大值略大于0.25m3/h，可选择量程为0.025-0.5m3/h的流量计作为第二流量计。
气室内压力再降低至一定数值，第二流量计检测到流量数值接近0.025m3/h后，关闭第二阀门、第四阀门，打开第三阀门，第二流量计测量第三气路内气体流量Q3上传至数据处理终端代替Q2’进行实时积分得当前气室放出的气体总量V2。
直至回收结束。在之后的回收工作中利用上次回收过程中的数据自动对第一流量计进行校准，防止第一流量计的误差过大，使测算结果更加精确。
如图4所示，基于多维数据的高精度六氟化硫物料核算模型，包括以下步骤：
2.1、基于数据挖掘的六氟化硫流转关键要素提取
如图5所示，六氟化硫多维数据主要来源于气体出入库环节、气体补气回收环节以及气体净化环节，包括以下数据：气体入库地点、气体入库时间、气体入库量、气体出库地点、气体出库时间、气体出库量、气体新增量、用气设备类型(电压等级、用气量)、气体故障类型(漏气故障、气体分解故障)、故障日期时间、设备气体补气量、设备气体回收量、气体净化日期时间、气体净化量、气体回用量等。
六氟化硫流转全生命周期中产生的要素具有数据量大、相互关系错综复杂、冗余性高、影响因子不同等特点，因此需要构建六氟化硫流转要素影响因子评估模型对六氟化硫流转关键要素进行提取，为六氟化硫物料核算提供数据基础。
六氟化硫流转要素影响因子评估模型是针对明确的已知量进行数据处理、数据分析、数据可视化处理，从而为后续模型提供可靠的数据集，原始数据具有一定的混乱性，包含很多无效数据和影响权重较低的参数，需要通过对原始数据集进行数据挖掘，其流程如下：
(1)将原始数据集data_total(Y,Q,L,T,H,E)按年份(Y)、季度(Q)、电压等级(L)、温度(T)、湿度(H)、用电量(E)进行数据解析，解析的公式如下：
data_total(Y,Q,L,T,H,E)＝data_spring(Y,Q,L,T,H,E)+data_summer(Y,Q,L,T,H,E)+data_autumn(Y,Q,L,T,H,E)+data_winter(Y,Q,L,T,H,E)；
其中，data_spring(Y,Q,L,T,H,E)表示春季的数据集，data_summer(Y,Q,L,T,H,E)表示夏季的数据集，data_autumn(Y,Q,L,T,H,E)表示秋季的数据集，data_winter(Y,Q,L,T,H,E)表示冬季的数据集。
(2)挖掘出其中重要的一些指标，并且赋予每个指标一个的权重，这些权重因子作为六氟化硫物料核算的输入参数集。数据挖掘依赖于大数据量的处理分析，小数据量分析处理的可靠性与预测的准确性成一定的反向性，利用统计学的Q型因子分析(QPCA)以及时间序列进行解析和预测，构造所有原始数据参数的数据矩阵，得到对应的影响因子，然后利用统计学的时间序列来作进一步的验证，Q型因子分析(QPCA)分为以下几个步骤：
a)编制交叉列联表Nn*p(p＝2,代表的是可观察变量数，n代表的是变量)；
b)将矩阵N进行规格化处理得到新的矩阵概率矩阵P，将P的行变量和列变量的分类降维处理如下：
卡方统计量的公式为：
对应矩阵P进行标准化变换得到过渡矩阵Z,对变量协方差矩阵A＝ZTZ，求取特征根λ1…λp,计算特征向量Vi＝ZUi,计算相应的Q型载荷矩阵G如下所示：
根据矩阵G中元素大小来建立对应参数的权重因子，根据权重因子对原始数据进行剔除和数据挖掘。
2.2、建立六氟化硫物料核算模型
2.2.1、电力场景六氟化硫气体生命周期各流转环节数据参数的定义：FO表示出库量，Fd表示设备用气量，Fs表示补气总量，Ws表示补气消损率，Wr表示回收消损率，Fr表示回收量，Wrc表示回收净化消损率，Frc表示回收净化总量，Wc表示净化消损率，Fcu表示净化回用总量，Fn表示新增气体总量，Fi表示入库量。
2.2.2、各流转环节数据参数之间的关系
出库量、补气量及补气消损率关系如下：
Fo＝Fs(1+Ws) (8)
设备用气量、回收量及回收消损率关系如下：
Fr＝Fd/(1+Wr) (9)
回收净化总量、回收量及回收净化消损率关系如下：
Frc＝Fr(1-Wrc) (10)
净化回用总量、回收净化总量及净化消损率关系如下：
Fcu＝Frc(1-Wc) (11)
新增气体量、出库量及净化回用总量关系如下：
Fn＝Fo-Fcu (12)
2.2.3、六氟化硫物料核算模型的建立与求解
将公式(8)、公式(9)、公式(10)、公式(11)代入公式(12)，得：
Fn＝Fs(1+Ws)-Fd(1-Wrc)(1-Wc)/(1+Wr) (13)
公式(13)建立了已知量(新增气体总量Fn、补气总量Fs与设备用气量Fd)与未知量(补气消损率Ws、回收消损率Wr、回收净化消损率Wrc与净化消损率Wc)间的计算关系，利用数据拟合方法完成参数拟合优化，建立六氟化硫物料核算模型的多维数据的拟合展开式如下：
Wr(Fs-Fn)-WsFs-FdWrc-FdWc+Fn-Fs+Fd+FsWsWr+FdWrcWc＝0 (14)
根据组合的阶次，最后两项值等价于WrcWc和WsWr的二阶无穷小，因此模型简化为如下格式：
AX＝C (15)
其中，A＝[Fs-Fn,-Fs,-Fd,-Fd],X＝[Wr，Ws，Wrc，Wc]，C＝Fs-Fn-Fd,数值Fn,Fs,Fd都是列向量，因此求解参数变成了求解奇异方程(15)，根据矩阵分解的知识，将方程按上三角矩阵求解，可以求得最佳的反演值Wr和Ws；而参数Wc和Wrc无法根据上述方程直接求解，将求解得到的Wr和Ws代入(14)整理得：
S＝(1-Wrc)*(1-Wc) (16)
其中，参数S是整理得到的N维固定数值，公式(16)关于参数镜像对称，因此利用梯度下降法直接求解参数Wrc和Wc。
2.3、六氟化硫物料核算模型精度计算
根据公式(13)，以新增气体总量Fn为模型预测值评估模型精度，定义相对误差RE如下：
RE＝(FnPrediction-FnReal)/FnReal
＝[FsReal(1+Ws)-FdReal(1-Wrc)(1-Wc)/(1-Wr)-FnReal]/FnReal (17)
其中，FnPrediction表示新增气体总量预测值，FnReal表示新增气体总量实际值，FsReal表示补气总量实际值，FdReal表示设备用气量实际值。
2.4、六氟化硫物料核算模型的验证
本发明的六氟化硫物料核算模型的采用安徽省电力公司2019年全省六氟化硫流转数据开展验证，验证结果如下：
如图6所示，回收率随着迭代次数的增加，很快趋于最优值0.9725。相比于直接用算术计算得到的值0.9723，更有可信度；获得六氟化硫回收损耗率Wr＝1-0.9725＝0.0275＝2.75％。
如图7所示，净化率很快趋于0.9822，对应的误差值为0.0226，这表示设备整体的净化率是很高的，对应的算法误差值很低，得到净化损耗率Wc＝1-0.9822＝0.0178＝1.78％。
如图8所示，基于电网运行大数据的多环节SF6气体量预测方法包括如下步骤：
3.1、建立基于电网大数据的设备突发故障预测模型以及基于电网大数据的设备漏气分解率预测模型，并输入往年的电网运行环境大数据以及不同的电网运行环境下设备用气消耗量数据来训练模型；
3.1.1、基于电网大数据的设备突发故障预测模型
如图9所示，四季充气量都随着年份增长，这与社会经济发展带来的新投入运营变电站及设备故障数量的增加密切相关。每一年的春秋两季相对于夏冬两季充气量降低很多，这是因为季节不同，环境及用电负荷不同，春秋两季环境相对温和，用电负荷总体平稳，设备发生突发故障概率较小，而夏季高温和冬季寒冷，导致居民用电量猛增，加大了设备的运行故障的突发概率，导致充气总量增加。
对于每年的突发分解故障设备数量，已知量只有每年的检修计划表中的分解故障设备数量，实际运行中的随机故障数是有原因的，可能是因为设备检修误差等因素，所以检修计划分解故障数和突发分解故障数是有内在的联系的，建立年度设备检修计划分解故障数与检修计划分解故障数之间的联系就能根据下一年的检修计划预测突发设备故障数，预测模型的公式如下：
Ns＝k1*Nps+k2*Npd+b
其中，Ns表示突发故障数，Nps表示检修计划漏气故障数，Npd表示检修计划分解故障数，k1、k2分别表示电压等级之间的组合系数，k1表示一次系数、k2表示二次系数，b表示修正项常数；
本发明的六氟化硫气体预测模型的建立基于历年检修计划及检修记录开展，一年四季的设备突发故障拟合参数结果如下：
表1春季设备突发故障拟合参数
表2夏季设备突发故障拟合参数
拟合阶数 一次系数 常数
一阶 -0.3412 14.5714
表3秋季设备突发故障拟合参数
拟合阶次 二次系数 一次系数 常数
一阶 0 0.0091 -7.3155
表4冬季设备突发故障拟合参数
拟合阶次 二次系数 一次系数 常数
一阶 0 4.092e-4 15.6502
3.1.2、基于电网大数据的设备漏气分解率预测模型
六氟化硫用气设备故障主要包括漏气故障及气体分解故障。漏气故障起因是用气设备外壳出现缝隙而导致，需要及时补充一定量的新气，以保证设备的正常运行。气体分解故障由于设备内部故障造成的六氟化硫气体分解，造成绝缘性下降，威胁设备正常运行，此时需要全部回收设备内混合气体，并更新设备内气体。无论是漏气故障或是气体分解故障的发生，都涉及到补气、回收、净化环节，为了完成六氟化硫气体预测，需评估漏气故障的漏气量及气体分解故障的分解率。所述的基于电网大数据的设备漏气分解率预测模型的公式如下：
N＝N1*V*τ1+N2*V*ρ1
所述的漏气率和分解检修率采用最小二乘或者梯度下降法进行计算，其代价函数为：
其中，N表示设备漏气分解率，V表示对应的电压等级的气体容量，τ1代表分解检修率，ρ1代表漏气率，分解检修故障数N1，漏气故障数N2，补气总量N。
根据六氟化硫漏气分解评估模型计算漏气率与分解率。由于单个季节有效数据量有限，为了提高模型精度，采用年度数据预测模型和估计参数，统计往年的数据如下：
表5年度漏气分解故障数据表
基于电网大数据的设备漏气分解率预测模型的公式的拟合过程，采用常见的梯度下降法，最佳的参数值是分解率2％,漏气率3％，可以看出，参数值位于一个很低的水平，符合实际情况。
3.2、将下年度预估的电网运行环境输入到训练好的模型中，得到设备突发故障量以及设备漏气率和分解检修率，从而计算出突发补气预测量以及突发分解补气预测量；
所述的漏气率和分解检修率采用最小二乘或者梯度下降法进行计算，其代价函数为：所述的突发补气预测量的计算公式为：Sb＝Ns*V*ρ1。所述的突发分解补气预测量的计算公式为：Sr＝Ns*V*τ1。
3.3、结合计划补气量、计划回收量、突发补气预测量以及突发分解补气预测量分别计算出补气总量预测、出库量预测、回收净化总量预测、净化回用总量预测、新增气体量预测、入库量预测。
则各环节的SF6气体量的预测计算公式如下：
补气总量预测的计算公式为：St＝Sp+Sb+Sr，
出库量预测的计算公式为：Po＝St×(1+Ws)＝(Sp+Sb+Sr)×(1+Ws)，
回收净化总量预测的计算公式为：Pr＝(Rp+Sr)×(1-Wr)，
净化回用总量预测的计算公式为：Pc＝Pr×(1-Wc)＝(Rp+Sr)×(1-Wr)×(1-Wc)，
新增气体量预测的计算公式为：
Pn＝Po-Pc＝Sp+Sb+Sr×(1+Ws)-(Rp+Sr)×(1-Wr)×(1-Wc)，
入库量预测的计算公式为：Pi＝Pn+Pc＝Po。
其中，Sp为计划补气量，Rp为计划回收量，Po为出库量预测，Pi为入库量预测，Sb为突发补气预测量，St为补气总量预测，Sr为突发分解补气预测量，为Pr回收净化总量预测，Pc为净化回用总量预测，Pn为新增气体量预测，Ws表示补气消损率，Wc表示净化消损率，Wr表示回收消损率。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (16)

1.一种电气设备六氟化硫回收再利用管控系统，其特征在于，包括：设备管理模块、物料管理模块、检修管理模块、库存管理模块、六氟化硫气体物料核算模块、六氟化硫气体量预测模块；
设备管理模块：记录各类型设备的基础详情信息、投运状态以及在库状态，形成各管理单位和变电站的设备管理台账；
物料管理模块：对六氟化硫气体各个流转环节进行管理，记录各环节处理的业务数据，构建出六氟化硫大数据库；所述的六氟化硫气体各个流转环节包括：新气采购环节、气体入库环节、气体出库环节、气体使用环节、气体回收环节、气体净化环节；
检修管理模块：记录六氟化硫设备检修中所用气体的数量以及创建正常和临时的巡检计划；
库存管理模块：对六氟化硫气体进行集中的定额库存管理、回收气体再生报废处理及周转库调拨管理，各周转库对本单位所需气体进行存储管理和回收气体的存储管理，并将回收气体运送至中心库进行回收处理；
六氟化硫气体物料核算模块：基于在运设备六氟化硫充气量、回收回用量、净化量、流量及入出库信息的全链条多维数据，建立六氟化硫气体物料核算模型，用于掌握各环节的气体损耗情况；
六氟化硫气体量预测模块：基于六氟化硫气体大数据库，建立六氟化硫气体量预测模型，用于预测下一年度的六氟化硫气体新气购置量、气体回收量、净化气需求量及回用量；
所述的六氟化硫气体量预测模型的建立方法包括如下步骤：
S31、建立基于电网大数据的设备突发故障预测模型以及基于电网大数据的设备漏气分解率预测模型，并输入往年的电网运行环境大数据以及不同的电网运行环境下设备用气消耗量数据来训练模型；
S32、将下年度预估的电网运行环境输入到训练好的模型中，得到设备突发故障量以及设备漏气率和分解检修率，从而计算出突发补气预测量以及突发分解补气预测量；
S33、结合计划补气量、计划回收量、突发补气预测量以及突发分解补气预测量分别计算出补气总量预测、出库量预测、回收净化总量预测、净化回用总量预测、新增气体量预测、入库量预测；
所述的基于电网大数据的设备突发故障预测模型的公式如下：
Ns＝k1*Nps+k2*Npd+b
其中，Ns表示突发故障数，Nps表示检修计划漏气故障数，Npd表示检修计划分解故障数，k1、k2分别表示电压等级之间的组合系数，b表示修正项。
2.根据权利要求1所述的一种电气设备六氟化硫回收再利用管控系统，其特征在于，所述的气体回收环节采用分流回收装置对SF6气室气体进行回收，所述的回收装置包括：进气口(1)、第三阀门(7)、出气口(10)，第一气路(C1)、第二气路(C2)、第三气路(C3)；第一气路(C1)、第二气路(C2)、第三气路(C3)并联设置；进气口(1)密封连接在第一气路(C1)、第二气路(C2)、第三气路(C3)并联的输入端，出气口(10)密封连接在第一气路(C1)、第二气路(C2)、第三气路(C3)并联的输出端；所述的第一气路(C1)、第二气路(C2)、第三气路(C3)的内截面积依次减小。
3.根据权利要求2所述的一种电气设备六氟化硫回收再利用管控系统，其特征在于，所述的第一气路(C1)中设置有第一阀门(4)，第一阀门(4)的输入端与进气口(1)密封连接，第一阀门(4)的输出端与出气口(10)密封连接；所述的第二气路(C2)中设置有第二阀门(5)、第一流量计(6)；第二阀门(5)、第一流量计(6)依次首尾密封串接，第二阀门(5)的输入端与进气口(1)密封连接，第一流量计(6)的输出端与出气口(10)密封连接；所述的第三气路(C3)中设置有第二流量计(8)、第四阀门(9)；第二流量计(8)、第四阀门(9)依次首尾密封串接，第二流量计(8)的输入端与进气口(1)密封连接，第四阀门(9)的输出端与出气口(10)密封连接；所述的第三阀门(7)的输入端与第二阀门(5)的输出端密封连接，第三阀门(7)的输出端与第四阀门(9)的输入端密封连接；所述的第二流量计(8)的量程小于第一流量计(6)的量程。
4.根据权利要求3所述的一种电气设备六氟化硫回收再利用管控系统，其特征在于，所述的气体回收环节的回收方法包括以下步骤：步骤S11、测定第一气路、第二气路内的流量比，第二气路、第三气路内的流量比；步骤S12、测定气室内气体初始密度；步骤S13、计算实时回收率。
5.根据权利要求4所述的一种电气设备六氟化硫回收再利用管控系统，其特征在于，步骤S11中所述的测定第一气路、第二气路内的流量比，第二气路、第三气路内的流量比的方法为：在回收装置使用前，打开第一阀门(4)、第二阀门(5)，从进气口(1)预先控制通入已知流量Q的气体，通过第一流量计(6)测量得知第二气路(C2)的流量Q2，则第一气路(C1)的流量Q1＝Q-Q2，从而计算出第一气路(C1)、第二气路(C2)内的流量比K1；打开第二阀门(5)、第四阀门(9)，从进气口(1)预先控制通入气体，分别通过第一流量计(6)和第二流量计(8)测算得第二气路(C2)的流量Q2和第三气路(C3)的流量Q3，从而计算出第二气路(C2)、第三气路(C3)内的流量比K2；所述的第一气路(C1)、第二气路(C2)内的流量比K1的计算公式如下：
所述的第二气路(C2)、第三气路(C3)内的流量比K2的计算公式如下：
其中，Q1、Q2、Q3分别表示第一气路(C1)、第二气路(C2)、第三气路(C3)内的流量，n1、n2、n3分别表示第一气路(C1)、第二气路(C2)、第三气路(C3)的管内壁糙率，d1、d2、d3分别表示第一气路(C1)、第二气路(C2)、第三气路(C3)的管内径，L1、L2、L3分别表示第一气路(C1)、第二气路(C2)、第三气路(C3)的管道长度。
6.根据权利要求4所述的一种电气设备六氟化硫回收再利用管控系统，其特征在于，步骤S12中所述的测定气室内气体初始密度的方法为：关闭回收装置的所有阀门，将进气口(1)接入气室，出气口(10)接回收装置的回收进气口，通过压力传感器(2)、温度传感器(3)检测初始的气室内气体压力、温度数值，记为P1、T1，将P1、T1代入Beattie-Bridgman经验公式得：P1＝(RT1B-A)ρ3 2+RT1ρ3，其中，A＝73.882×10-5-5.132105×10-7ρ0，B＝2.50695×10-3-2.12283×10-6ρ0，R＝56.9502×10-5，ρ0为标准状态下SF6的气体密度，得出此时气室内气体密度ρ3。
7.根据权利要求4所述的一种电气设备六氟化硫回收再利用管控系统，其特征在于，步骤S13中所述的计算实时回收率的方法为：
1)关闭第一阀门(4)、第二阀门(5)，并控制停止回收装置，待稳定后得此时压力传感器(2)、温度传感器(3)检测到此时气室内气体压力、温度数值P2、T2，将P2、T2代入Beattie-Bridgman经验公式，计算得出此时气室内气体密度ρ4，则此时气室内气体的回收率H1＝(ρ3-ρ4)/ρ3；
2)并记录此时气室放出的气体总量V1，已知SF6密度为ρ0，通过公式m＝ρV算得气室容积V＝ρ0×V1/(ρ3-ρ4)；
3)控制回收装置再次启动继续回收气体，实时获取当前气室放出的气体总量V2，则气室内气体的实时回收率H2的计算公式如下：
8.根据权利要求7所述的一种电气设备六氟化硫回收再利用管控系统，其特征在于，所述的实时获取当前气室放出的气体总量V2存在以下三种情况：
1)当第一流量计(6)检测到的数值在其量程范围内时，同时打开第一阀门(4)、第二阀门(5)，控制回收装置开始回收气体，气室内气体从进气口(1)分流进入第一气路(C1)、第二气路(C2)，进入第一气路(C1)的气体流经第一阀门(4)，进入第二气路(C2)的气体流经第二阀门(5)、第一流量计(6)，两路气体最终汇合并从出气口(10)流入回收装置进行回收；第一流量计(6)测量第二气路(C2)的流量Q2，由公式(3)得第一气路(C1)的流量Q1＝1*2，则此阶段气室实时放出的气体总流量Q1’＝(K1+1)*2，将测得数据上传至数据处理终端，采用Q1’进行实时积分计算得到当前气室放出的气体总量V2；
2)当第一流量计(6)检测到的数值达到其量程下限时，此时，关闭第一阀门(4)，打开第四阀门(9)，气室内气体从进气口(1)分流进入第二气路(C2)、第三气路(C3)，进入第二气路(C2)的气体流经第二阀门(5)、第一流量计(6)，进入第三气路(C3)的气体流经第二流量计(8)、第四阀门(9)，两路气体最终汇合并从出气口(10)流入回收装置进行回收；第一流量计(6)测量第二气路(C2)的流量Q2，由公式(4)得第二气路(C2)的流量Q2＝2*3，则此阶段气室实时放出的气体总流量Q2’＝(K2+1)*3，将测得数据上传至数据处理终端，采用Q2’进行实时积分计算得到当前气室放出的气体总量V2；
3)当第二流量计(8)检测到的数值到达其量程下限时，此时，关闭第二阀门(5)、第四阀门(9)，打开第三阀门(7)，气室内气体进入第三气路(C3)，流经第二流量计(8)、第三阀门(7)进入第二气路(C2)，再流经第一流量计(6)从出气口10流入回收装置进行回收；第二流量计(8)测量第三气路(C3)内气体流量Q3上传至数据处理终端代替Q2’，采用Q3进行实时积分得当前气室放出的气体总量V2。
9.根据权利要求1所述的一种电气设备六氟化硫回收再利用管控系统，其特征在于，所述的六氟化硫气体物料核算模型的建立方法包括如下步骤：
S21、建立要素影响因子评估模型，对六氟化硫流转环节多维数据进行数据挖掘，找出影响核算的关键环节数据，简化多维数据维度，提取六氟化硫流转过程中各环节的关键要素；
S22、根据步骤S21中提取的六氟化硫流转过程中各环节的关键要素，梳理各环节六氟化硫气体量关系，建立各环节数据参数之间的关系，从而得到六氟化硫物料核算模型；
S23、对步骤S22中建立的六氟化硫物料核算模型进行求解以及模型的精度计算。
10.根据权利要求9所述的一种电气设备六氟化硫回收再利用管控系统，其特征在于，所述的建立各环节数据参数之间的关系如下：
出库量、补气量及补气消损率关系如下：
Fo＝Fs(1+Ws) (1)
设备用气量、回收量及回收消损率关系如下：
Fr＝Fd/(1+Wr) (2)
回收净化总量、回收量及回收净化消损率关系如下：
Frc＝Fr(1-Wrc) (3)
净化回用总量、回收净化总量及净化消损率关系如下：
Fcu＝Frc(1-Wc) (4)
新增气体量、出库量及净化回用总量关系如下：
Fn＝Fo-Fcu (5)
其中，FO表示出库量，Fd表示设备用气量，Fs表示补气总量，Ws表示补气消损率，Wr表示回收消损率，Fr表示回收量，Wrc表示回收净化消损率，Frc表示回收净化总量，Wc表示净化消损率，Fcu表示净化回用总量，Fn表示新增气体总量，Fi表示入库量；
所述的六氟化硫物料核算模型的建立如下：将公式(1)、公式(2)、公式(3)、公式(4)代入公式(5)得到六氟化硫物料核算模型的公式如下：
Fn＝Fs(1+Ws)-Fd(1-Wrc)(1-Wc)/(1+Wr) (6)
其中，新增气体总量Fn、补气总量Fs与设备用气量Fd为已知量，补气消损率Ws、回收消损率Wr、回收净化消损率Wrc与净化消损率Wc为未知量。
11.根据权利要求10所述的一种电气设备六氟化硫回收再利用管控系统，其特征在于，根据步骤S21中所述的建立要素影响因子评估模型，对六氟化硫流转环节多维数据进行数据挖掘，提取六氟化硫流转过程中各环节的关键要素的方法为：
(I)将原始数据集data_total(Y,Q,L,T,H,E)按年份Y、季度Q、电压等级L、温度T、湿度H、用电量E进行数据解析，解析的公式如下：
data_total(Y,Q,L,T,H,E)＝data_spring(Y,Q,L,T,H,E)+
data_summer(Y,Q,L,T,H,E)+data_autumn(Y,Q,L,T,H,E)+
data_winter(Y,Q,L,T,H,E)；
其中，data_spring(Y,Q,L,T,H,E)表示春季的数据集，data_summer(Y,Q,L,T,H,E)表示夏季的数据集，data_autumn(Y,Q,L,T,H,E)表示秋季的数据集，
data_winter(Y,Q,L,T,H,E)表示冬季的数据集；
(II)利用统计学的Q型因子分析以及时间序列进行解析和预测，构造所有原始数据参数的数据矩阵，得到对应的影响因子，然后利用统计学的时间序列来作进一步的验证，Q型因子分析包括：
a)编制交叉列联表Nn*p，p＝2,代表的是可观察变量数，n代表的是变量；
b)将矩阵N进行规格化处理得到新的矩阵概率矩阵P，将P的行变量和列变量的分类降维处理如下：
卡方统计量的公式为：
对应矩阵P进行标准化变换得到过渡矩阵Z,对变量协方差矩阵A＝ZTZ，求取特征根λ1…λp,计算特征向量Vi＝ZUi,计算相应的Q型载荷矩阵G如下所示：
根据矩阵G中元素大小来建立对应参数的权重因子，根据权重因子对原始数据进行剔除和数据挖掘。
12.根据权利要求11所述的一种电气设备六氟化硫回收再利用管控系统，其特征在于，步骤S23中所述的六氟化硫物料核算模型进行求解的方法如下：
(i)利用数据拟合方法完成参数拟合优化，建立六氟化硫物料核算模型的多维数据的拟合展开式如下：
Wr(Fs-Fn)-WsFs-FdWrc-FdWc+Fn-Fs+Fd+FsWsWr+FdWrcWc＝0 (7)
(ii)根据组合的阶次，最后两项值等价于WrcWc和WsWr的二阶无穷小，因此模型简化为如下格式：
AX＝C (8)
其中，A＝[Fs-Fn,-Fs,-Fd,-Fd],X＝[Wr，Ws，Wrc，Wc]，C＝Fs-Fn-Fd,数值Fn,Fs,Fd都是列向量，因此求解参数变成了求解奇异公式(8)；
(iii)根据矩阵分解的知识，将公式(8)按上三角矩阵求解，求得最佳的反演值Wr和Ws；而参数Wc和Wrc无法根据公式(8)直接求解，将求解得到的Wr和Ws代入(7)整理得：
S＝(1-Wrc)*(1-Wc) (9)
其中，参数S是整理得到的N维固定数值，公式(9)关于参数镜像对称，因此利用梯度下降法直接求解参数Wrc和Wc。
13.根据权利要求12所述的一种电气设备六氟化硫回收再利用管控系统，其特征在于，所述的模型的精度计算的方法如下：根据公式(6)以新增气体总量Fn为模型预测值评估模型精度，定义相对误差RE如下：
RE＝(FnPrediction-FnReal)/FnReal
＝[FsReal(1+Ws)-FdReal(1-Wrc)(1-Wc)/(1-Wr)-FnReal]/FnReal (10)
其中，FnPrediction表示新增气体总量预测值，FnReal表示新增气体总量实际值，FsReal表示补气总量实际值，FdReal表示设备用气量实际值。
14.根据权利要求1所述的一种电气设备六氟化硫回收再利用管控系统，其特征在于，所述的基于电网大数据的设备漏气分解率预测模型的公式如下：
N＝N1*V*τ1+N2*V*ρ1
其中，N表示设备漏气分解率，V表示对应的电压等级的气体容量，τ1代表分解检修率，ρ1代表漏气率，分解检修故障数N1，漏气故障数N2，补气总量N。
15.根据权利要求14所述的一种电气设备六氟化硫回收再利用管控系统，其特征在于，所述的漏气率和分解检修率采用最小二乘或者梯度下降法进行计算，其代价函数为：所述的突发补气预测量的计算公式为：Sb＝Ns*V*ρ1；所述的突发分解补气预测量的计算公式为：Sr＝Ns*V*τ1。
16.根据权利要求15所述的一种电气设备六氟化硫回收再利用管控系统，其特征在于，补气总量预测的计算公式为：St＝Sp+Sb+Sr，出库量预测的计算公式为：Po＝St×(1+Ws)＝(Sp+Sb+Sr)×(1+Ws)，回收净化总量预测的计算公式为：Pr＝(Rp+Sr)×(1-Wr)，净化回用总量预测的计算公式为：Pc＝Pr×(1-Wc)＝(Rp+Sr)×(1-Wr)×(1-Wc)，新增气体量预测的计算公式为：Pn＝Po-Pc＝Sp+Sb+Sr×(1+Ws)-(Rp+Sr)×(1-Wr)×(1-Wc)，入库量预测的计算公式为：Pi＝Pn+Pc＝Po，其中，Sp为计划补气量，Rp为计划回收量，Po为出库量预测，Pi为入库量预测，Sb为突发补气预测量，St为补气总量预测，Sr为突发分解补气预测量，为Pr回收净化总量预测，Pc为净化回用总量预测，Pn为新增气体量预测，Ws表示补气消损率，Wc表示净化消损率，Wr表示回收消损率。
CN202111026729.2A 2021-09-02 2021-09-02 一种电气设备六氟化硫回收再利用管控系统 Active CN113723887B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111026729.2A CN113723887B (zh) 2021-09-02 2021-09-02 一种电气设备六氟化硫回收再利用管控系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111026729.2A CN113723887B (zh) 2021-09-02 2021-09-02 一种电气设备六氟化硫回收再利用管控系统

Publications (2)

Publication Number Publication Date
CN113723887A CN113723887A (zh) 2021-11-30
CN113723887B true CN113723887B (zh) 2023-08-08

Family

ID=78681029

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111026729.2A Active CN113723887B (zh) 2021-09-02 2021-09-02 一种电气设备六氟化硫回收再利用管控系统

Country Status (1)

Country Link
CN (1) CN113723887B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114676858A (zh) * 2022-03-22 2022-06-28 国网冀北电力有限公司电力科学研究院 一种分析六氟化硫气体回收再利用成效的方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113112201A (zh) * 2021-04-12 2021-07-13 国网河北省电力有限公司衡水供电分公司 基于分布式物联网的六氟化硫气体仓储管理系统及方法
CN113139722A (zh) * 2021-04-19 2021-07-20 国网江苏省电力有限公司电力科学研究院 六氟化硫气体全寿命周期管控系统及方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113112201A (zh) * 2021-04-12 2021-07-13 国网河北省电力有限公司衡水供电分公司 基于分布式物联网的六氟化硫气体仓储管理系统及方法
CN113139722A (zh) * 2021-04-19 2021-07-20 国网江苏省电力有限公司电力科学研究院 六氟化硫气体全寿命周期管控系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
六氟化硫气体的全寿命周期管理;李志刚 等;《华北电力技术》(第5期);29-34 *

Also Published As

Publication number Publication date
CN113723887A (zh) 2021-11-30

Similar Documents

Publication Publication Date Title
CN109583585B (zh) 一种电站锅炉壁温预测神经网络模型的构建方法
CN103062076B (zh) 一种城市水厂泵站单台水泵性能曲线率定方法
Yu et al. An integrated gas supply reliability evaluation method of the large-scale and complex natural gas pipeline network based on demand-side analysis
CN114722104A (zh) 基于区块链的企业碳排能耗数据管理运营系统及方法
CN103631681A (zh) 一种在线修复风电场异常数据的方法
CN215114676U (zh) 一种sf6气室气体分流回收装置
CN103942735A (zh) 一种继电保护状态评估的方法
CN108197725B (zh) 基于需水量先验信息的供水管网节点需水量校核方法
CN110245411A (zh) 一种城镇集中供热系统及泄漏点检测方法
CN113723887B (zh) 一种电气设备六氟化硫回收再利用管控系统
CN107869653A (zh) 一种管道流量敏感性矩阵漏损检测方法
CN106777603A (zh) 智能变电站继电保护装置寿命预测方法
CN112862188A (zh) 一种多传感器环境预测方法及系统
CN113074324A (zh) 基于城市供水管网运行安全动态预警的数据库及建立方法
CN112836941A (zh) 一种煤电机组汽轮机高加系统在线健康状况评估方法
Ruliandi Geothermal power plant system performance prediction using artificial neural networks
CN110533247B (zh) 一种采用气温数据异常点补偿的月度用电量预测方法
CN101825869A (zh) 基于数据驱动的过热器模型参数辨识方法
CN109460403A (zh) 空预器堵灰实时动态定量标定方法
CN105718620A (zh) 换流阀冷却系统关键元器件可靠性统计分析的建模方法
CN112801426A (zh) 一种基于关联参数挖掘的工业过程故障融合预测方法
CN104680010A (zh) 一种汽轮机组稳态运行数据筛选方法
CN111199362A (zh) 基于数据驱动的通风系统态势动态评价方法
CN102999028B (zh) 煤气介质计量数据预警系统数模建构方法
CN115081741A (zh) 一种基于神经网络的天然气计量检定智能预测的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant