传统的定期维修制度 

　　设备定期维修是多年来广大电力企业采用的基本设备管理方法,其最大特点是以单纯的时间周期为基础,依据规程、规范和制度等要求编制计划,安排设备的维修。这种维修方式不管设备的实际状况如何,只要“到期”就“必修”。这种做法不考虑设备客观上存在着状态差异,由此产生了维修过剩,浪费资源和影响设备运行可靠性等一系列问题。 

　　电气设备的“健康”状况存在差异 

　　电气设备的“健康”状况存在差异首先是设备的先天条件不一样,进口设备和国产设备的技术状况不一样;同样是国产设备,不同厂商因技术与管理水平不一样,使其产品质量也不一样;即使是同一厂商,因技术、管理上的进步,不同时期、不同批次的产品,其质量也会不一样。因此应当承认设备投运的初始状态是千差万别的。其次,设备的使用环境不一样,不同的环境将对设备运行状况产生不同的影响,这种环境主要有两种:一是设备所处的外部自然环境不一样,尤其是供电设备,大部分暴露在室外自然环境中,因温度、湿度、污染、紫外线、日照等有较大差异,对设备的影响有较大不同;二是设备在电力系统的位置不同,所承受系统运行电压、短路电流和热稳定时间等不尽相同,尤其是故障时系统短路容量差异较大。此外,新技术、新材料的使用,使得设备的技术水平、技术状况有了较大的改善,尤其是20世纪90年代以后,我国电力设备制造引进不少国外先进的技术、装备和管理,设备的改型换代较快,整体技术水平有了较大的提高,因此电力系统的装备水平得到较大的改善。 

　　定期维修制度所存在的问题 

　　由于电气设备的初始状况和现场设备的运行状况有很大差异,即现场设备的“健康”状况好坏相差甚大,而定期维修制度几乎无视这些状况的差异,而采用统一的、一刀切的定期维修方式,其最主要的表现在维修结果上,要么维修过剩,要么维修不足。工程的实际情况大多是出现维修过剩,经常出现“小病大治”、“无病亦治”的盲目维修的现象,这种维修过剩的结果,必将出现如下维修的弊端: 
　　(1)一些状态良好的设备,因盲目维修而出现故障或潜在故障,维修达不到恢复设备原有的可靠性的作用,而是增加了设备的故障隐患和故障率。 
　　(2)降低了设备的可用性,许多维修迫使设备停机。中断对用户的不间断供电,这是增加停机维修的次数的必然结果。而提高供电可靠性是供电企业非常重要的基本考核指标。目前,定期维修是电气设备停运的主要原因,往往占全部停运时间的60%以上。 
　　(3)增大设备运行管理成本,使企业在市场和发展竞争中不堪重负。电气设备的大修费用是企业管理中主要的支出费用,该费用在电力企业经济活动中所占比例不小,这就直接影响了企业的经济效益。因此要提高企业的经济效益也必须对企业设备现行所执行的定期维修制度进行改革,以经济效益的观点和要求来指导维修策略的分析选择。 
　　其次,各个设备在电力系统中的地位和影响不同,每个设备中部件对设备功能的影响也不相同。能否或有没有必要对所有设备进行状态监测、故障诊断、状态维修呢?即能否用状态维修完全替代定期维修呢?事实上,对所有设备及其部件进行状态监测和状态诊断在技术上有困难,而且对所有设备及其部件进行状态监测在费用上难以承受。所以,未来的状态维修不可能完全代替定期维修,而是状态维修和定期维修共同存在的局面。 

　　状态维修中状态监测特征量的选取 

　　随着传感器技术的发展,电气设备可被监测的状态量越来越多,几种重要电气设备的主要状态监测特征量如下: 
　　(1)变压器:主要有充油电力变压器,其次是SF6气体绝缘和环氧树脂浇注绝缘的变压器。主要的监测特征量有:油中溶解气体(单一或多种)含量、局部放电、绕组变形、铁芯接地电流、高压套管的介损、油中微水质量分数等。
　　(2)电容型设备:包括电流互感器、电容式电压互感器、电容器、电缆等。主要的监测特征量有:介损、泄漏电流、等值电容(也可监测局部放电)等。 
　　(3)氧化锌避雷器:主要监测阻性电流,也有的监测总泄漏电流。 
　　(4)高压断路器:包括油断路器、SF6断路器(含GIS内的断路器)、真空断路器。 
　　目前可监测的特征量有:合、分闸线卷电流,操作机构的行程、速度和机械振动,动态回路电阻等。电气设备所处的某个状态常由若干个状态特征量反映,而一个状态特征量又可能源于设备的多种状态,故状态特征量的选取及提取是状态评估中难点问题之一。在识别运行中电气设备的故障状态和正常状态时,常因状态特征量选取不恰当而出现误诊或漏诊,误诊的主要原因就是正常状态和故障状态的特征参量存在交叠区域,即状态特征量存在着模糊性。所以需要选取有代表性、有效的状态特征参量。 
　　所以,传感器采集到的状态监测信号需要进行进一步的处理,其目的在于抑制干扰和提取信号特征,在错综复杂的信号中提出有用的信息量,精炼设备运行时的特征信息,以提高设备诊断的灵敏度。 

　　基于变权综合的电气设备状态评估及维修决策 

　　电气设备状态评估的方法有多种,其中主要分为传统的加权评分法和新兴的人工智能评估法。 
　　加权评分法对事先选定的影响设备状态的因素集中的各个因素进行分项评分,再对各评分值进行加权综合,得出对设备状态的评估结果。这些因素既可以广泛地包含预试、在线监测、家族质量缺陷和设备自身质量等等;也可以狭义地侧重于对设备的状态监测,提取反映设备状态的各特征参数构成因素集。评分手段可以是专家打分,也可以通过经验公式、数学函数拟合计算得到。评分结果根据实际需求可进一步做模糊化处理,用于模糊综合评判。 
　　人工智能评估法以神经网络为典型代表,通常以状态监测得到的反映设备状态的特征参数为评估要素。神经网络将电气设备的状态和状态特征参数之间的关系视为非线性映射关系,并通过对以设备状态特征参数为网络输入,以设备状态为网络输出的样本的学习过程建立这种复杂的映射关系。神经网络评估法需要大量的训练数据进行训练,且通常用作定性评估。
设备状态评估的关键在于:
(1)评估因素的确定,即确定能正确反映设备所处状态的因素集,如预试、状态监测、家族质量缺陷等;
(2)评估手段的选取,常用的评估手段有专家评分、数学经验公式、人工神经网络等;
(3)综合评判的方法及评估结果的确定,通常采用分层加权综合评判。