基于便攜式智能傳感技術的配電設備監測及預警研究

楊 帆，柯政亭，翁 蔚，江云輝，方 毅，張聰偉

(1.國網福建應急中心，福建 福州 350003；2.國網信產集團廈門億力吉奧信息科技有限公司，福建 廈門 361015)

通過對配電設備的狀態監測，可以了解每條輸電線路的具體情況，因此，配電設備的監測和預警可以隨時發現并消除此類安全隱患。目前，無線通信方式得到了廣泛的應用，配電設備的無線接入機制具有許多優點，例如無須重新建立網絡架構等，但也存在一些不足，如無法完全覆蓋偏遠地區，后期網絡維護困難，導致監測預警效果較差等。

光纖傳感技術是便攜式智能傳感技術之一，該技術主要利用光纖材料的光敏性，使光纖在傳輸過程中在光纖管內形成一條明亮的光柵路徑，即在光纖內部形成一條狹長的帶狀交錯光波或反射光波。光纖布拉格光柵的光柵原理是利用兩個紫外光，在某些區域形成干涉條紋，在整個光纖中形成獨特的光柵路徑。它可以有效地監測輸電線路的振動頻率和覆蓋范圍，消除無線通信的缺點，對此，提出了基于便攜式智能傳感技術的配電設備監測及預警方法。

1 基于光纖傳感技術的配電設備監測

1.1 光纖光柵傳感原理

當一束激光經內聚器射入單管模型光纖時，通過光纖光柵之后，就會返回一個固定的波長，只有綠色波會有返回波長，其余顏色的光都會出去。利用光譜調節儀對接收到的所有固定波長進行分析并總結規律，設經過光纖光柵返回的固定波長滿足式子=2。當光纖所在環境的溫度和變光率發生改變時，光纖光柵周期和纖管內部的折射率隨之發生變化，同時，反射波長因為外界因素的改變而發生變化，即：

Δ=2Δ+2Δ

(1)

式(1)中，Δ表示溫度和變光率存在改變時，光柵周期的變化程度，Δ表示溫度和變光率存在改變時有效折射率的變化程度。導入光纖光柵周期，可以得到：

(2)

當光纖光柵處于特定的溫度環境中，只受軸向心力的影響，對于最常見的石英石光纖來說，光纖光柵的波長變化量和軸向心力之間的關系為：

(3)

式(3)中，表示光纖光柵軸向心力變化量。

當光纖光柵處在不受任何其他外力的非自然環境中，如果溫度Δ發生變化，那么光纖光柵的波長變化量與溫度變化量之間關系可以用下式進行描述：

(4)

式(4)中，表示光纖遇熱時的熱脹比例系數，表示光纖的光敏系數，光纖光柵的波長隨著溫度的變化而變化，呈線性相關關系。

綜合上述可知，當光纖光柵所處環境的溫度和變光率都發生改變時，會對光柵周期造成影響，它們之間存在一些關聯，有效折射率也會發生一定程度的改變，不過它的變化率微乎其微，可以忽略。光柵周期和有效折射率的變化關系可以直接反映出反射波長的變化。光纖光柵反射波長與溫度和變光率之間的關系可以總結為：

(5)

從上述公式可以看出，光柵可以直接反映溫度和屈光度的變化，但當溫度和屈光度同時變化并引起反射波長的變化時，無法確定哪部分變化是由溫度變化引起的，哪部分變化是由屈光度變化引起的，因此，存在溫度應力的交叉敏感性問題。

1.2 解決光纖光柵傳感器溫度應力交叉敏感問題

在自然環境中，為了將光纖布拉格光柵傳感器應用到實際生活中，必須解決交叉靈敏度問題。本文采用了以下方法。雙波矩形陣列是最常用的方法，操作簡單，由雙光柵、溫度(變光速)參考光柵等方法組成。雙光柵法的原理是使用兩個參數不一致的光纖光柵傳感器工作，公式如下所示：

(6)

通過上述計算得到兩個互相對應的波長，然后通過解聯立方程組的方法得到溫度和變光率的大小。

2 監測數據特征提取

光纖傳感技術可以實現實時地、連續不斷地采集數據，如果直接提取出整體數據，會耗費大量的時間，所以要先應用樣本關聯系數對最初的振動時間段數據進行粗略提取，隨后把得到的數據進行細節提取，這樣就可以完整、準確地提出所需要的振動信號，以分層提取的方式加快提取效率。

自相關系數的公式如下所示：

(7)

上述公式中，表示樣本關聯系數；表示在同一時間整個序列中的最大點的值；為該序列中總點數；表示在同一時間整個序列中各個點的平均值。

樣本關聯系數絕對值的大小表示信號在各個時期的關聯程度大小，根據數據調查顯示信號之間的關聯程度是最大的，信號與噪聲之間、噪聲與噪聲之間的關聯程度可小到可以忽略不計，因此，可以利用信號的樣本關聯關系數對信號進行粗略的提取，在此基礎上再進行細節提取。

支持向量機可以在高度空間中不斷學習尋找到一個最合理的超平面分類，其分類決策函數為:

()=sgn{∑(×)+}

(8)

式(8)中，()表示分類決定性函數；sgn表示；表示總樣本個數；表示相關函數種類；表示決定性系數；表示偏光度數。

基于上述過程能夠提取到詳細的信號，利用得到的信號進行故障定位，過程如圖1所示。

圖1 配電設備故障定位過程

基于上述過程完成對配電設備的監測，為了及時對配電設備檢測，將在下一步提出配電設備預警技術。

3 配電設備異常預警

利用上述過程獲得連續振動信號片段，判定事件類型，依據判定結果對異常情況進行預警。為實現準確預警，設定閾值，但是配電設備的結構較為復雜，容易受到外界因素變化影響，如果設定恒定閾值檢測設備故障，容易出現報警現象。基于這個問題，利用移動加權平均算法設定自適應閾值，出于對歷史數據的考慮，將當前時刻統計量表示為：

=+(1-)-1

(9)

式(9)中，表示歷史故障預警參數對統計結果的影響值，表示時段為止各個指標對預警指標的影響參數，表示加權平均參數。

統計量的期望值以及方差表示為：

(10)

將隨著設備故障變化的檢測閾值計算公式表示為：

=+

(11)

式(11)中，為監測的正常數據值，為數據判斷參數，為第個信號的信號閾值。

觀察閾值的變化趨勢，如果得到的結果超過閾值，則認為出現故障并作出預警，如果沒有超過，則認為設備正常工作，將其表達式表示為：

(12)

式(12)中，表示正常，表示故障。

最后，設定警報級別，將各事件類型的原始分數都設為0，采用上述過程識別異常情況，根據識別結果更改警報級別。即在一個特定的時間段內發生故障事件，則增加這個事件分數，為其賦予新的警報級別。

基于閾值的監測預警過程如圖2所示。

圖2 配電設備預警過程

整個配電設備預警過程如上述內容所示，在發生配電設備異常情況時，能夠觸發報警機制，提醒工作人員及時查看，以此完成配電設備監測和預警。

4 實例分析

上述過程完成配電設備檢測及預警技術理論方法設計，在此過程中，將該方法應用到實際的場景中，驗證其在實際監測中的應用效果。

4.1 實驗準備

實驗以某單位380V配電系統埋地電纜為例，采用所設計的設備監測方法監測該實驗單位配電設備的電壓與電流。

為增加實驗的對比性，結合混合信號示波器采集線路出線端變電箱數據，獲得實際電壓與電流值，采集現場圖如圖3所示。

圖3 實驗數據采集現場圖

圖3中，測試裝置設定的采樣頻率為20 MHz，為保證采集數據精度，在2.5個工頻周期內采集數據，總采樣點是100萬個，且兩個采樣點之間的間隔是50 ms。

4.2 配電設備監測效果分析

采用此次研究的基于便攜式智能傳感技術的配電設備監測及預警方法對測試裝置饋線電壓與電流波形監測，并將監測的結果與實際的監測值對比，對比結果如圖4、圖5所示。

圖4 饋線電壓波形監測結果

圖5 饋線電流波形監測結果

圖5中，本文所采用的監測方法監測的電壓和電流波形與實際饋線電流波形相差較小，證明本文研究的方法能夠準確監測配電設備的電壓與電流狀態。

4.3 干擾狀態下配電設備監測效果分析

由于配電設備在運行過程中難免出現故障，為此設定在50s時出現故障，分析此次研究方法在出現故障后電壓與電流的監測情況。分析結果如圖6、圖7所示。

圖6 干擾狀態下電壓波形監測結果

由圖7可以看出，在故障點附近，電壓和電流波形都會出現一定的震蕩，但經過一段時間的振蕩后，振蕩恢復正常，表明所研究方法可以監測異常情況，而且在受到異常情況影響后，仍能準確監測電壓與電流，由此證明所研究方法具備較好的監測效果。

圖7 干擾狀態下電流波形監測結果

5 結 論

設計了一個基于便攜式智能傳感技術的配電設備監測及預警方法，驗證了所研究的監控和預警方法的有效性，可以在很大程度上減少故障的發生，保證電力安全，期望本文所研究的方法能在配電設備監控與預警方面得到更多的應用，為相關領域提供一些參考。