状态评估

近年南方电网公司全力推进数字电网建设，在配网领域也将配网一二次设备标准化、模块化和融合作为配网数字化建设重点工作之一。为了加强配网主要设备本体的状态感知和装备运行环境的监测，主要针对柱上开关、环网柜、变压器等关键设备，设计一二次深度融合传感器配置与布置方案，并按照结构集成化、功能模块化、接口标准化、易于检修运维等要求开展配电一二次装备深度融合设计与优化。同时，针对配电网一二次融合装备智能运维要求，开展配电网融合监测信息筛选和布点优化，提出设备智能诊断方法和区域配电网状态评估方法，最终实现一二次融合装备“一键运维”和区域配电网“一键管控”的智能分析诊断和智能辅助决策目标。

新型三元混合式绝缘油浸渍绝缘纸的老化速率小于矿物油浸渍绝缘纸；老化中后期，新型三元混合式绝缘油浸渍绝缘纸的聚合度要比矿物油浸渍绝缘纸的聚合度高100以上。

油浸式电力变压器作为电网的重要组成部分，其可靠运行至关重要。针对变压器长期运行后无法定量评估其绝缘状态的问题，文中开展了油纸绝缘模型的加速老化及受潮试验，探究了油纸绝缘老化及受潮程度对其回复电压曲线的影响规律，并提出采用粒子群优化-极限学习机(particle swarm optimization-extreme learning machine，PSO-ELM)算法的参数预测方法，实现了基于回复电压曲线特征参量的油纸绝缘老化与受潮状态量化评估。由油纸绝缘模型理化性能分析的对比结果可知，基于PSO-ELM方法的预测值精度远高于传统ELM方法，油纸绝缘内含水率及纸板聚合度预测的绝对误差范围分别小于±0.4%、±30。

绝缘子

电力变压器复合油纸绝缘状态的准确诊断对电力系统安全稳定运行以及设备自身运维具有重要指导意义。针对油纸绝缘介电响应少数特征量评估和未考虑系统随机性导致评估不准确的问题，提出基于灰色关联分析(grey relational analysis, GRA)与聚类云模型的评估方法。首先，基于回复电压法和扩展德拜模型提取5个相关特征量，建立油纸绝缘状态评估体系。然后，针对多特征量在反映绝缘状态的敏感性差异，采用组合赋权法综合GRA和改进层次分析法，避免了数据信息丢失，使权重分配更加合理。最后，利用云模型雾化特性反映数据随机性，全面考虑评估指标等级分类边界的随机性和模糊性后构建了聚类云模型隶属度选择器。通过多台不同糠醛含量变压器实测数据进行验证表明，该评估方法不仅能够准确反映变压器实际绝缘状态，而且能体现其劣化趋势，为检修策略的制定提供参考依据。

气体绝缘开关(gas insulated switchgear，GIS)设备中的隔离开关故障往往是机械、热、电气多物理量综合作用的结果，从微小缺陷发展至严重故障的过程中，会产生异常振动、温度、局部放电多种参量信号，同时测量并分析GIS隔离开关的多参量信息对于准确获取其运行状态具有重要意义。文中通过在实体220 kV GIS实验平台上模拟隔离开关最为常见的接触不良缺陷，研究不同接触状态时振动信号、温度变化和局部放电信号的演化规律，获得其与设备状态之间的对应关系，结合健康指数理论和改进层次分析法，提出基于多参量特征的GIS隔离开关综合评估方法。使用该方法开展现场测试，其检查结果与多参量综合评估方法的的分析结果相吻合。文中的研究为GIS隔离开关状态的带电检测提供了一种可行性较高的多参量融合分析新方法。

他在报告中指出目前直流电源系统存在的主要问题，介绍了蓄电池全寿命智能状态评估系统、单体电池开路跨接、蓄电池一致性差如何解决、电池火灾如何预防、一键式远程蓄电池核容、交流窜入如何治理等相应的治理技术措施。同时依据相关标准规定，介绍了交直流开关级差配合试验的原理、方法及现场如何开展试验等技术应用。

电容式电压互感器(CVT)作为电能计量重要组成部分，根据JJG 1021《电力互感器检定规程》的要求需要对安装就位的CVT进行现场首次检定，且检定周期不得超过4年。通过以往的运行经验及周检结果来看，CVT现场周期检定合格率不高，超差现象时有发生。其准确性直接关系到贸易结算的公平与公正，而云南电网辖区内所管控的关口计量点多达500个，其中涉及跨省、跨境的关口线路10余条，在现有人员及设备有限的情况下,导致现场检定任务极为繁重。针对以上问题，本课题通过改造现有CVT试验电抗器，只需要两次吊装便可实现快速堆叠，提高现场试验效率的同时有效降低了安全风险。其次利用CVT等效模型，挖掘预防性试验数据、二次电压、电能量数据等信息，实现对CVT计量误差状态的评估，全面提升了CVT超差分析能力。

随着锂离子电池在各类储能系统中的广泛应用,其健康管理及退化分析已成为储能电站运维、电动汽车安全监测、退役动力电池梯次利用等时下多个领域的热点问题。与此同时,大数据及机器学习技术的发展突破了复杂非线性系统难以建模的束缚,使得基于数据驱动的电池健康评估成为可能。详细综述了基于数据驱动的锂离子电池健康状态评估的研究现状,分析了电池退化的影响因素,归纳并比较了基于数据驱动的电池健康状态估计及剩余寿命预测建模方法,最后总结了该领域当前的挑战及未来的发展趋势。