配電變壓器低壓隔離開關柜內母線短路監測研究

劉立忠， 鄭小翠， 柴衛軍

(1.江山海維科技有限公司，浙江 江山 324100；2.江山市鑫源電氣有限公司，浙江 江山 324100)

0 引 言

電力系統的運行是經濟發展的基礎，其運行的穩定性和安全性具有十分重大[1]意義。隨著智能化電網的發展，對電力系統穩定性的監測逐漸受到人們的關注[2]。開關柜作為配電環節中最重要的部分，由于環境密閉、散熱條件差，容易引發母線短路和火災等安全事故[3]。對開關柜內的母線等主要部件進行溫度監測，可以有效預防此類事故的發生，提高電力系統運行的穩定[4]。

對開關柜進行溫度監測，可以提前預防母線短路的發生[5]。測溫的方法根據接觸方式可以分成接觸式測溫和非接觸式測溫[6]。接觸式測溫需要電池或者感應線圈供電，電池易出現爆炸，會影響開關柜的運行[7]。非接觸式測溫的方法主要有紅外輻射測溫和熱成像等方法，是電力系統溫度監測的主要方法[8]。

基于紅外熱輻射原理，本文對配電變壓器低壓隔離開關柜內母線進行短路監測研究。對其短路情況進行監測，保證電力系統的運行效率[9]。采用LSTM算法結合小波變換的算法，在母線短路的判斷上綜合考慮了歷史數據的影響，提高了判斷的精準度。

1 紅外輻射測溫原理

任何高于絕對零度的物體都會向外輻射紅外能量，其輻射的能量和波長都與其溫度有直接的關系[10]。當開關柜母線上出現短路或者電路異常時，會在電路中出現大的電流，使得母線溫度升高[11]。輻射度與溫度的關系可以描述為斯蒂潘-玻爾茲曼定律：

J=εσT4

(1)

式中:T為絕對溫度;J為物體的紅外輻射度，表示單位時間內在單位面積上物體向外輻射出的總能量;σ為斯蒂潘-玻爾茲曼常數;ε為黑體的輻射系數。由于輻射度隨溫度的波動會發生明顯的變化，因此可以用于紅外溫度測量。

2 低壓隔離開關柜母線短路監測系統設計

2.1 開關柜母線短路監測系統

開關柜內的母線短路監測系統總體架構如圖1所示，通過紅外無線溫度傳感器將開關柜內的母線溫度傳給監測預警系統，并通過總線傳遞給服務器[12]。當某開關柜內母線溫度出現異常時，及時做出報警或啟動閉鎖裝置，保證整個系統的穩定運行[13]。根據溫度的變化情況，同樣可以對母線的故障做出預警和判斷，方便工作人員巡視，提醒維修人員做好設備檢修工作[14]。

圖1 開關柜母線溫度監測系統總體架構

整個系統的物理結構可以分為三個層級結構，分別為系統監控層、數據傳輸層和溫度采集層。系統監控層由服務器進行數據集中監管，并可以進行系統控制和溫度查詢等。

2.2 測溫傳感器電路

溫度傳感器電路如圖2所示，主要由傳感器芯片及0.1 μF電容和10 kΩ可變電阻構成。Vdd端口輸入+5 V工作電壓，通過SMBUS模式選擇控制輸出數字信號，可變電阻的大小決定于信號傳輸距離，端口Vss接地。

圖2 溫度傳感器電路

2.3 單片機連接電路

測溫傳感器與單片機接口電路如圖3所示，將SCL和SDA端口連接入MCU的I/O端口，傳感器芯片MLX90614接兩個20 kΩ的上拉電阻R1和R2，保證輸出到MCU為高電平。

圖3 MCU接口電路

2.4 調理單元

后端處理電路中，通過雙層屏蔽電纜，將溫度信號傳遞給總線[15]。信號通過ADuM1250總線磁隔離器進行隔離，阻斷外界電路的電位對測溫系統的干擾，避免共模擾動。ADuM1250外部處理電路連接如圖4所示。

圖4 ADuM1250連接電路

2.5 軟件系統設計

由于開關柜中需要多個傳感器，且系統需要監控多個開關柜，因此需要給紅外傳感器分配地址，以便于區分器件的部位，辨別出故障的位置。系統中的溫度數據按字節傳輸，根據對方應答情況來判斷數據是否傳送成功，流程如圖5所示。

圖5 軟件數據發送流程圖

3 開關柜母線溫度實時監控系統

由于信號傳輸線路較長，盡管做了較好的屏蔽，但是周圍的環境產生的隨機噪聲，依然會對服務器接收的數據有所干擾。因此，服務器需要對接收到的數據進行辨別，剔除異常數據。

采用小波-LSTM算法對在線監測獲得的數據進行處理，利用數據循環器對數據的波形變化情況進行辨別，可以得到開關柜內母線的短路故障信息以及老化程度數據，算法的基本邏輯如圖6所示。

圖6 算法邏輯圖

LSTM具有輸入、輸出和遺忘三個門，其中遺忘門決定了對于歷史數據的遺留比例。準確的數據會被計入到網絡中，成為歷史記憶的一部分，無用的數據將會被剔除。輸入門限值的大小與前一刻的輸出具有較大的關系，體現了該算法的長短期記憶功能。

LSTM在t時刻的輸出結果為：

(2)

式中:ft、it、io分別為t時刻遺忘門、輸入門和輸出門的輸出值;afx、aix、aox分別為t時刻系統的輸入權重;bfs、bis、bos分別為前一時刻輸出st-1的權重;cf、ci、co為系統偏置。

對于配電變壓器中，母線設備的故障信號通常是階躍信號，偶爾會出現瞬態突變，需要對信號進行小波變換，變換后的信號經過分析得到設備的老化情況，如果出現信號突變信息情況，則說明母線短路等故障出現。函數f(t)小波變換的表達式為：

(3)

式中:Wf(a,b)為小波變換系數；a為尺度因子；b為平移長度；Ψ(t)為t時刻小波函數。

4 結果和討論

以某電站的開關柜設備為例，進行循環編碼LSTM神經網絡的算法驗證，驗證紅外測溫裝置對于母線短路的監控效果。由于本文采用的算法需要綜合考慮歷史溫度數據，因此采用歷史溫度數據的85%作為算法訓練數據，另外的15%作為測試數據結果。比較和驗證在不同算法的情況下，測試結果輸出的正確性。以某開關柜內的母線為例，其主要參數如表1所示。

表1 各參數采樣值示例

采集到的主要數據除了采用紅外測溫系統測得的溫度外，還有其他環境參數值，主要包括水值、氣體含量等，一共六項參數。采集500個的數據點，可以得到一個6×500的數據矩陣。將該數據矩陣代入到LSTM神經網絡中進行計算，可以得到6×500個數據輸出值。將輸出值小于0.5數據對應的輸入數據刪除，并在下一次才采樣過程中進行補充，直至滿足500個樣本，完成數據清洗過程。

清洗后的數據經過小波變換，進行小波分解，分解尺度選擇為5，并按照式(3)的算法可以得到小波系數，進而得到變換后的信號。變換后的數據根據尺度不同可以分解成5個單獨的信號，得到新的30×500矩陣。生成后的數據以500個為1組，依次編碼，可以得到一個新的編碼向量，編碼后的向量再一次輸入到LSTM中，得到LSTM算法中的記憶值和輸出值，輸出值連接至神經網絡中，即可以對該母線的狀態進行判斷和故障定位。

對每個母線的工作狀態可以分成四種，分別為正常、小心、異常和短路。對應輸出層的神經元值，4個大于0小于1的值代表4種狀態的置信度，某位數值越大，則母線處于該種狀態的可能性就越高。經過系統計算后，得到該系統輸出結果如表2所示。母線的輸出結果置信度編碼為[0.95 0.25 0.13 0.002]，數值接近于1，可知該結果置信度很高，證明該母線工作在正常狀態。

表2 系統輸出結果

為了驗證本算法的精度，將本算法與CNN卷積神經網絡算法進行對比，采用相同的數據矩陣，在相同的平臺上進行精度測算，得到結果如圖7所示。從圖7(a)可以看出，與CNN卷積網絡相比，本文算法的精度平均超過95%，部分點甚至可以達到100%，而CNN算法的精度大多低于或等于90%，可知采用本算法的母線短路監測精度非常高。同時，圖7(b)表示的是相同情況下的數據損壞情況，可以看出本文算法的數據損壞率都低于15%，部分約為5%左右，而CNN算法的數據損壞率比較高約為20%左右，且波動幅度也較大，可知本文算法在穩定性方面優勢明顯。

圖7 LSTM循環算法與CNN網絡算法的比較

采用本文方法的開關柜母線溫度監測報警系統顯示界面如圖8所示，結合循環LSTM算法，對于溫度監測報警和短路的判斷精度更高，可以有效維護電力系統的穩定并可以有效節省維修人力。

圖8 開關柜溫度檢測報警系統顯示

4 結束語

采用紅外測溫的方式，可以方便、快捷和有效地對于母線溫度進行監控，判斷其是否處于短路和虛連等異常工作狀態。利用LSTM算法結合小波變換，綜合考慮歷史數據和環境因素，剔除無效和噪聲數據，大大提高了系統判斷的精度。試驗證明該算法相比于CNN神經網絡算法精度更高、穩定性更好，可以用于配電變壓器中隔離開關柜內的母線短路監測。