风电场箱变智能在线监测：传感器选型、诊断算法与工程实践

1. 为什么风电场箱变需要一套“状态感知系统”

干风电这行的朋友都清楚，风机塔筒之外，箱式变压器是全场最容易“被冷落”却最不该出问题的设备。它常年趴在机位旁边，风吹日晒、盐雾沙尘挨个尝遍，每天跟着风机负荷上下剧烈波动，负荷率从接近零拉到满载是常态。这种运行工况，对绝缘老化和机械结构的冲击比普通的配电变压器严酷得多。而风电场又偏偏场区大、设备散，一个一百兆瓦的项目，箱变怎么也有三十多台，分布在几平方公里的山头或滩涂上。靠人工巡检，跑一圈下来大半天，很多隐患根本等不到巡检周期就已经发展成故障了。

传统做法主要是两类：一是定期的预防性试验，停电、拆接线、做绝缘电阻和介质损耗测试；二是装上继电保护，等故障发生了再跳闸切断。这两类方式都有明显的滞后性。预防性试验做一次成本不低，周期又长，两次试验之间设备状态完全是盲区；而继电保护只能管住“已经恶化到影响运行”的重大故障，对潜伏性、渐变性的异常几乎无能为力。

箱变一旦烧了，经济损失不是小数目。且不说几十万上百万的设备更换费，单是停机发电损失——一台1.5兆瓦风机停一天，少发的电按平价上网电价算，也是上万块。更麻烦的是，箱变故障往往伴随火灾，烧起来还会殃及相邻的电缆沟和风机塔筒基础。所以这几年业主单位越来越愿意为“提前发现”付费，智能监测装置的需求就是这么来的。

我当时做的这个项目，目标很直接：设计一套低成本、高可靠、能适应风电场恶劣环境的箱变智能监测装置。它要实时盯着绝缘、温度、电气参数和环境状态，把故障征兆尽早挖出来，通过常规的通信网络把数据推到监控后台，让运维人员坐在办公室里就能掌握每台箱变的健康趋势。

这套东西适合谁参考？我觉得主要三类人有用：一是做风电或新能源电站运维的工程师，想给现有设备加装在线监测；二是做电力设备状态监测产品的开发者，需要一套从传感器到平台层的系统设计思路；三是刚入行想了解工业物联网怎么落地在电力设备上的学生或初级工程师，这篇文章可以帮你把整个技术栈串起来。

2. 监测装置的整体架构设计：从传感器到后台的全链路拆解

2.1 感知层：到底要测哪些物理量，每一样都是冲着故障模式去的

设计监测方案的第一步，不是选传感器，而是先把箱变可能的故障模式列全。我拆解下来，箱变的主要故障链大致有四条：绝缘油老化导致绝缘性能下降、绕组温升异常加速绝缘劣化、局部放电损伤固体绝缘、机械振动导致连接松动。每一条故障链都有对应的早期特征量。

温度是必测项，包括变压器顶层油温、绕组热点温度、低压侧母排连接点温度。绕组热点没法直接埋传感器，工程上都是通过顶层油温加负荷电流来推算，这就需要同时采集电流信号做热模型计算。连接点温度用贴片式PT100或数字温度传感器，贴在母排螺栓附近，能捕捉到接触电阻变大导致的局部发热。

电气量要测三相电压、三相电流，这是算负荷率、电压偏差和谐波的基础。箱变高压侧是35kV或10kV，低压侧是690V或400V，电流互感器按变比选型，电压直接取低压侧PT信号。采样精度不用追求计量级，0.5级足够判断趋势用。

绝缘状态监测是重点也是难点。油浸式变压器最有效的手段是油中溶解气体分析和局部放电检测。油中气体需要色谱分析仪，设备贵、体积大，做在线实时监测成本太高。变通方案是选用免维护的氢含量传感器，氢气是过热和放电早期最容易析出的特征气体，检测灵敏度高，可以作为快速预警的“哨兵”。真正的油色谱在线监测一般装在主变大容量场景，箱变这个量级用氢敏传感器加定期油化验的组合更划算。

局部放电检测方案要考虑成本和现场安装条件。特高频法灵敏度高但传感器贵，适合GIS和主变；箱变内部空间狭窄，安装特高频天线容易被金属件遮挡。这里我选用的是高频电流互感器法，卡在变压器中性点接地线上和电缆屏蔽层接地线上，非侵入式安装，对局部放电产生的脉冲电流信号响应足够灵敏。实测下来效果不错，后面第三节会详细讲数据判读方法。

环境量包括箱体内部温湿度、柜门开闭状态、凝露情况，这部分成本很低，但对判断监测数据有没有受环境干扰很有用。比如大风天箱门被吹开导致进灰，湿度突升导致绝缘电阻下降误判，这些都需要环境量来做辅助分析。

2.2 采集与计算层：边缘处理不是炫技，是减少无效数据的关键

所有传感器信号汇总到就地采集单元，这个单元要干三件事：信号调理与数字化、特征量提取、本地异常判断。早期方案想全部把原始波形上传到后台去分析，流量太大，也不现实——一路局部放电波形如果按连续采样来做，单个通道的数据量就是几十兆字节每秒，风电场光纤环网根本扛不住。

所以边缘侧一定要做特征压缩。温度、电气量按秒级周期采集，本地计算平均数、最大值、变化率，每1分钟或者5分钟上传一次统计值。局部放电信号做的是脉冲提取，只记录脉冲幅值、相位、次数，形成PRPD图谱的数据摘要，每15分钟上传一次，而不是传原始波形。

主控芯片选型上，我对比过几类方案。普通单片机如STM32F4系列资源够用，但做FFT和PRPD图谱分级统计有点吃力；工控机性能强但功耗高、体积大、温度适应范围窄。最终选了带FPU的Cortex-M7内核MCU，主频跑到400MHz，做64点FFT和局部放电相位分布统计都在可接受范围。现场运行环境温度可能到-40℃到55℃，芯片选工业级，电路板做三防漆处理，这两条是必须的，省不得。

采集单元的模拟前端也要多留几个心眼。箱变内部电磁环境恶劣，特别是低压侧有变频器谐波和风机频繁投切产生的暂态冲击，电源和信号调理电路的滤波设计不做好的话，采样数据会漂得没法看。电源入口加两级EMI滤波器，信号入口加TVS管和压敏电阻，模拟地和数字地单点分隔，这些细节直接决定数据可信度。

2.3 通信层：光纤环网为主、无线为辅的混合组网

风电场箱变数量多、分布广，通信方案选择要平衡可靠性和成本。我这边采用的方案是以光纤环网为主干，箱变内装置通过电口级联，就近接入风机塔筒底部的交换机，通过光纤手拉手组成环网。环网自愈时间要求在20毫秒以内，这关系到万一发生故障要跳闸合闸时的保护信息能不能及时传上来。

每个机位到箱变的距离通常只有几十米，用屏蔽双绞线完全够；环网主干用单模光纤，端口预留，方便以后扩展。光口和电口之间做光电隔离，避免地电位反击把设备打坏。

无线方案作为辅助，只用来做现场调试和手持终端巡检。箱变柜体是全金属封闭结构，无线信号进去衰减严重，所以不指望靠无线做长期在线监控。蓝牙和4G卡方案适合没有光纤覆盖的边远项目，但延时和稳定性都比不上光纤，我自己的项目里只作为备选，没有作为主用路径。

3. 核心功能与诊断算法：数据采回来怎么用才是价值所在

3.1 阈值越限诊断

最简单的判据就是阈值越限。顶层油温厂家给定最高允许值是95℃，实际运行一般超过85℃就要告警；绕组热点按绝缘耐热等级来，A级绝缘热点限值在98℃。连接点温度受接触电阻影响大，正常运行时不会比环境温度高出太多，一旦温差超过15K到20K，基本可以判断接触有问题。

阈值不能只设一层。我习惯的做法是三级报警：注意、异常、紧急。注意值是正常运行上限的80%，提醒安排跟踪观察；异常值到90%，要求尽快安排停电检查；紧急值直接接近厂家极限，要立即降负荷或停机。这样做可以减少因为传感器测量误差或短期波动导致的误报，也符合运维分级管理习惯。

电压电流越限判断要结合风力发电的特性。风机出力的波动性大，箱变短期过载并不罕见，单纯看电流超限就报警意义不大。所以要加持续时间和变化率两个维度：电流超过额定值的1.2倍持续时间超过10分钟，或5分钟内电流突变量超过额定值的30%，才触发告警。这套逻辑比单一阈值灵敏得多，也准确得多。

3.2 趋势分析的工程实现：小步快跑比一步到位靠谱

越限报警只能发现已经明显偏离正常状态的情况，很多隐患是渐变性发展，早期数值还在“正常范围”内，但趋势已经不对了。比如油温正常运行时本来稳定在60℃左右，连续一个月每天爬升0.5℃，虽然还没到报警线，但趋势很清楚——散热系统有问题或者负荷分配出现了异常。

趋势分析的做法是在后台数据库中保存每天的特征量基线，用线性回归计算最近一个时间窗口的斜率。计算窗口选太短容易受波动干扰，选太长反应太慢。通过实际数据调试，我最终把窗口定在7天，斜率超过每日最大允许变化率的2倍就发趋势异常告警。同时把气象数据做归一化处理，剔除环境温度对油温的影响，提取“油温相对环境温度的温升”作为趋势分析主变量，这个变量更纯粹地反映设备自身状态。

3.3 局部放电PRPD图谱识别

高频电流互感器抓到的脉冲信号，光看幅值和频次远远不够，更重要的是脉冲发生的相位分布。把工频周期按0.5度分度，统计每个相位区间内脉冲的幅值和次数，画成PRPD图谱，放电类型就很有辨识度了。典型的几类放电：绝缘内部气隙放电的图谱呈蝴蝶形，沿面放电发生在电压过零附近出现明显峰群，电晕放电集中在相位的90度和270度附近且幅值比较稳定。

现场收到的PRPD图谱远没有教科书图片那么干净。风电场电缆接头和接地系统的干扰脉冲非常多，有些来自风机变流器开关动作，有些来自附近雷电或操作过电压，这些干扰脉冲和真实放电在相位分布上有差别，但需要积累现场样本才能区分。我的办法是一边采集真实数据一边建干扰特征库，把已知的干扰谱图标记出来，训练分类器识别。目前方案中用随机森林模型做PRPD图谱自动分类，识别准确率在测试集上到92%左右，对内部放电和电晕的分类效果最好。

3.4 油中氢气趋势和故障发展预测

氢敏传感器输出的是油中氢气含量，单位是ppm。正常运行的变压器油中氢气一般低于150ppm，超过注意值要缩短检测周期，超过300ppm基本可以认定存在异常能量性故障。氢气传感器的问题是长期稳定性不够好，容易发生零点漂移，所以设计里要加入周期性自动标定功能，平时通过人工油化验结果来校正在线数据的偏差。

我查看过一台箱变的氢气趋势数据，两个月内从120ppm平稳升到190ppm，当时判断是局部过热在缓慢发展。后来停机检查发现低压侧引线连接处有轻微灼烧痕迹。这个故障如果拖下去，发展成相间短路事故的概率极大。在线监测的价值在这件事上体现得很充分——比传统巡检提前了近一个月发现问题。

4. 从原理样机到现场挂网调试的关键体会

4.1 样机硬件集成和现场安装的几个约束

原理图设计完毕、打样回来，样机组装那一步就把我折腾了一轮。箱变内部空间紧张，尤其紧凑型箱变，高、低压室和变压器室几乎没什么富余。装置的安装位置最终选在低压侧的仪表室内，利用了一块闲置的安装板。外形尺寸不能超过320×260×150，开孔位置和柜内原元件不能冲突，还要留出接线和检修空间。这是设计阶段容易忽略的硬约束，画图之前一定要先进柜实测。

安装位置定了以后，走线方案也值得多说几句。箱变内部强电电缆和信号线缆的距离如果不满足规范，干扰会很难处理。高压室空间有限，我把信号线全部穿金属软管，并和动力电缆分侧走线，接地采用星型接法单独引到接地排。这套工艺做得规矩一点，后面调试少掉很多头发。

4.2 传感器标定和现场校准流程

传感器的精度直接影响判断结论，标定流程必须有。PT100温度传感器出厂精度通常足够，但现场的二次仪表输入环节会有误差，我用标准电阻箱做了全量程比对，偏差修正以后整体精度控制在±0.3℃内。

氢敏传感器的标定要复杂一些。它的输出信号受温度影响明显，做标定时要同时记录传感器温度和输出值，建立温度补偿曲线。在现场挂网之前，我用标准氢气浓度气体验证了三个浓度点，通过系数校准，误差控制在±8%以内。需要提醒的是，充气标定操作本身有安全要求，必须在通风良好的环境下做，周围严禁有明火。

高频电流互感器的安装位置很讲究，要尽量靠近变压器中性点接地处，卡得越紧越好。我装完一台后发现波形幅值偏小，检查以后发现是卡钳口没有完全闭合，重新安装后波形幅度恢复正常。这类非侵入式传感器的安装一致性是整个系统可靠性的基础，每台安装完毕都要做一次脉冲注入测试，确认检测灵敏度达标。

4.3 现场联调的数据结果与问题记录

一台样机完成挂网后，连续记录了30天的稳定性数据。温度通道的波动范围控制在±0.3℃，电气量通道和现场三相电能表比对，误差在0.5%以内，这些指标都满足设计预期。通信链路30天累计丢包率0.2%，环网自愈测试动作时间18毫秒，数据断点续传功能也正常。

联调阶段遇到比较明显的问题是接地线流过的地环流干扰。某台装置安装后，就地显示的温度值频繁跳变。用示波器看波形，发现地线和电源线之间引入了较大的高频噪声。后来在电源输入端加了一个隔离变压器，并把信号地和电源地在装置内部单点接地，问题就消失了。电力设备监控系统的地线处理必须下狠功夫，这里偷懒后面就是无穷无尽的排查。

5. 实际运维中的典型问题与排查技巧实录

5.1 数据采集异常排查速查表

这些排查过程都是我在现场踩过的坑，整理成表格贴在中控室的操作手册里很实用，比翻厚厚的说明书高效得多。

5.2 误报、漏报问题的治理思路

智能监测装置上线后最容易被业主质疑的就是“会叫但叫不准”。我刚上线那阵子误报率确实偏高，一周能来七八条告警，一大半都是虚惊。排查下来主要问题集中在三处：一是阈值设置得过于激进，没有充分考虑负荷波动特性；二是环境温度骤变导致的温度假变化；三是通信闪断被误判为设备故障。

误报治理我分了两步走。先梳理所有告警类型，把触发条件里的固定阈值全部改成“阈值加持续时间加变化率”的组合逻辑。比如油温告警必须满足超限同时持续5分钟以上才算数，瞬时尖峰不再报警。再在后台加了人工确认标记功能，运维人员对每条告警做确认和处置记录，让模型能不断学习哪些场景更容易出现误报，用一段时间告警准确率从六成左右提升到九成以上。

漏报是更隐蔽的问题，不容易发现，需要依靠历史数据反查。我会按月把监测数据和实际生产事件做比对，看发生过故障的箱变在那段时间有没有监测到异常信号。一次比对发现，有台箱变出现过短时重瓦斯保护动作，但监测装置没给出任何预警。查原因竟然是该装置的氢敏传感器量程设得太小，油中氢气浓度快速上升时信号饱和了。吃一堑长一智，现场所有箱变的告警设置都加了量程上限报警。这类问题要提前想到，不能等出了事才回头查。

5.3 供电系统的可靠性设计教训

箱变监测装置长期在线运行，供电可靠性是最基本的底线。装置通常由低压侧电源供电，但箱变检修时低压侧会停电，装置也跟着失去供电，监测就中断了。对于关键箱变，我增加了超级电容后备电源，在断电后还能维持最短2小时的数据采集和本地缓存。储能元件比蓄电池更好的地方是寿命长、免维护、低温性能好，在-35℃的环境下还能正常工作，蓄电池在这个温度下容量要打对折。

供电系统另一个容易坑人的点是小开关频繁跳闸。装置启动瞬间的冲击电流容易把一个额定电流很小的空开顶掉，而这个过程中监测装置还没有进入稳定状态，就会造成一次假掉线。解决方法是加装缓启动电路，用软启动方式把冲击电流压下来，同时这台装置用较大的额定电流空开作为上级保护。这套小改动投入很少，但现场故障率明显下降。

6. 关于投入产出和后续扩展，我的实测体会

6.1 经济效益从哪里算出来

评估一套监测装置值不值得上，最重要的是算清楚投入产出比。整套装置成本主要包括传感器、采集单元、通信接入和后台系统，一套单独估算在几万元范围。一个中型风电场的持续运行数据我看下来，按时发现一起早期绝缘故障，省下的维修费用和发电损失，远比一套系统的投入高。

发电损失是风电场景下最大的一块。一次箱变烧毁事故，平均停机时间按两周算，一台1.5兆瓦风机少发约25万千瓦时电，再算上抢修费、更换设备费，这些加起来数字相当可观。在线监测真正能做到的，是把故障在萌芽期而不是后期爆发期抓出来，把计划外停机变成计划内检修，设备状态是可控的。电力设备管理最怕的不是出故障，而是出故障的时间和范围完全不可控。

6.2 下一步想做的几个方向

这套箱变监测装置的框架扩展到同项目里的集电线路电缆接头监测，基本上是平滑迁移，硬件平台直接复用。电缆接头局放在线监测传感器本身已经成熟，数据和箱变监测用一个后台，运维视角统一，不用再上一个孤立系统。

后台数据从告警中心升级到设备健康管理系统，把状态评估从单台设备扩展到场站级整体。根据每台箱变的健康分排序，让检修计划按优先级安排。这个方向技术上不难，但组织流程上要运维部门配合转变工作方式，不是纯技术能解决的问题。

最后分享一个不算大但很实用的经验：在线监测装置要花心思维护，它才能帮你维护设备。装置本身也需要每天看一眼，确认传感器数据在正常变化，而不是软件假死或通信悄悄断掉。系统能持续产出高质量数据，长期积累的市场价值才会慢慢体现出来。我用这套设计改了多次迭代，现在回头看，数据质量、故障召回和装置稳定性，才是这类项目最值得下功夫的三件事。