基于LSTM 的高壓輸電電纜接頭異常預警系統設計

賈俊青，思勤，段瑋頔，鄧鳳婷，董文娟

（內蒙古電力科學研究院，內蒙古呼和浩特 011200）

當前，我國電網正向高壓、大容量、網絡化方向發展。隨著電力市場需求的日益增長，電力系統的安全性、可靠度日益提高。常規的預防性測試是周期性的，但在這段時間內，電力設備的絕緣狀況會有一個潛伏期。目前的測試項目不能保證在這一周期中不發生故障，因此預防性測試無法及時精準發現故障問題，存在較大局限性。因此，需要對系統進行監測預警。監測預警就是對輸電設備實際運行狀態展開深入分析，進而得到可靠性評價結果。文獻[1]提出了一種基于護層電流構建的監測方法，該方法計算電纜接頭高電流和低電流差值，將同一金屬保護層的首末兩端電流差值與實際值對比，構造新的特征量。根據多維特征融合方法建立判斷依據，以此進行異常預警；文獻[2]提出了一種基于利薩如圖形的預警方法，該方法通過計算首末兩端電流值構建利薩如圖形，得到的結果作為特征輸入向量。求解異常行為的特征向量，獲取樣本空間矢量，實現異常的精準預警。然而，由于電纜中存在一定諧波，上述兩種方法受到諧波擾動影響，使得預警結果不精準。為此，該文設計了基于LSTM 的高壓輸電電纜接頭異常預警系統。

1 高壓輸電電纜接頭異常電流諧波檢測

當電纜出現故障時，介質中的磁偶極（介質磁化）會引起線纜磁矩方向重新排列，從而在線纜高階諧波成分中反映出線纜異常狀態[3]。由于輸電電纜接頭處的磁場隨著異常狀態變化而發生改變，進而產生了異常電流諧波，該諧波所造成的電纜磁束如圖1 所示。

圖1 介質不均勻磁束

當交流電流通過導線時，會因磁場的改變而形成渦流。在介質中均勻分布的情況下，電纜電流產生的磁場是一致的，而在介質中存在著渦流[4-5]。一旦電纜接頭的介質不均勻，則運行環境中的介質就會影響接頭，使濕氣附著在電纜介質上，引起線纜內部的渦流，從而反映出電纜接頭的狀況[6]。

2 系統硬件結構設計

電纜接頭故障預警系統硬件結構如圖2 所示。

圖2 電纜接頭故障預警系統硬件結構

工業控制電腦設在工廠的主控制室里，在高溫環境下，數據收集站和電源（供電設備）被分配到更高的地方[7-8]。在電纜接頭出現異常狀態時，由于介質中的磁偶極（電介質磁化）會使電纜的磁矩方向發生變化，使電纜的高次諧波分量反映出電纜的不正常[9]。

2.1 CC2430微處理器預警模塊

采用CC2430 芯片作為微處理器單元，結合了低功耗的8051 核心，將芯片、內存和I/O 引腳結合起來。將ZigBee 添加到單片機中，可以實現網絡的自動組網，使得系統能夠方便、靈活地添加或刪除電流檢測節點[10]。在該預警模塊中，使用的傳感器模塊選取了DS18B20 型號數字式電流傳感器，負責傳輸高壓帶電設備電流；處理器模塊負責監測這一區域的電流，并將其臨時存儲在128 kB 的Flash 中；無線收發模塊負責各節點間的通信；電源模塊負責保證電力供應穩定[11]。

2.2 接地線電流檢測模塊

由于電纜在正常工作或帶故障運行時容易受到內部和外部環境的影響，在使用一段時間后，電纜接頭會發生劣化、損壞等現象，從而使接地線路的電流發生顯著改變[12]。所以，接地電流的變化可以很好地反映出電纜連接的水平，從而可以對電纜接頭的故障進行評價。

接地線電流檢測模塊的原理圖如圖3 所示。

圖3 接地線電流檢測模塊原理圖

通過電流傳感器能夠將其他信號轉換為電流信號形式，再通過A/D 轉換、數據采集、處理等環節，最終通過故障報警和顯示接口實現對電纜接頭進行實時監控。

3 基于LSTM的預警模型構建

LSTM 是一種遞歸神經網絡，可以較好地克服梯度爆發、梯度消失等問題，具有較好的記憶能力[13]。LSTM 神經網絡通過對歷史和實時電流進行預測，并通過移動平均技術，得出整個電流變化趨勢。利用移動平均技術對原始序列進行修勻或平滑處理，從而減弱了原始序列的起伏，可以更加直觀地反映預測數據走勢[14]。

假設高壓輸電電纜結構中每個狀態節點都是由n個檢測點組成的，由此定義在t時刻的檢測點集合為：

式中，an(ti)表示不同檢測點在同一時刻下的檢測數值；i表示檢測點。LSTM 神經網絡預警模型可以表示為：

式中，k表示狀態節點；an(tk)表示t時刻下電纜的運行狀態。

高壓輸電電纜接頭異常預警模型的構建為電纜接頭異常點預測值輸出奠定了基礎。將實時狀態與模型中檢測點進行對比，獲取當前電纜接頭狀態的預測值，公式為：

式中，ω表示權值向量，對于權值向量的確定如下所示。

計算模型輸入和輸出預測值的殘差，公式為：

極小化處理殘差，得到權值向量：

式中，T表示殘差偏置。

由于LSTM 神經網絡預警模型不可逆，影響系統預警效果。因此，在確定權值向量后，對系統當前的狀態進行估計[15]：

由式（6）可以得到最終的異常預警模型。之后對預測數據進行m次雙向取均值操作，如下所示。

正向移動平均計算公式為：

反向移動平均計算公式為：

式（8）中，zs表示移動平均預測值。重復上述兩個步驟，循環多次，當預測數據達到一定閾值范圍時，需要進行電纜接頭電流異常預警。首先確定電流預測數據在某個時刻超出閾值頻次，以及是否存在超出閾值較大的預測數據[16]。根據頻次大小進行綜合判斷，并給出相應預警信息。設電流閾值大小為Iλ，超出閾值的電流界限為Imax，在某個時刻超出溫度閾值的頻次大小為η，頻次閾值為η0。當η＜η0時，系統指示燈為黃色，說明接頭出現異常行為；當η≥η0時，系統指示燈為紅色，說明接頭正常；當Ias＜Iλ時，系統指示燈為綠色，說明接頭正常；當Ias≥Iλ時，系統指示燈為灰色，說明接頭異常。

4 實 驗

在進行電纜接頭異常預警測試之前，利用有限元方法模擬電纜電場，并給出了模擬的示意圖，如圖4 所示。

圖4 電纜電場磁場仿真

在模擬中增加了水樹故障，由于高壓電纜長期運行在高壓、強電場環境中，使得電纜接頭產生了樹枝狀分支，導致電纜接頭部分受損。根據產生枝條的原因，線纜接頭處的強度會變得不均勻，從而引起局部高電場。在長期高強度的電場作用下，受潮接頭不可避免地會產生水樹枝。

水樹對磁場強度影響如圖5 所示。

圖5 水樹對磁場強度影響

由圖5 可知，正常情況下，電纜接頭磁場強度在距離接頭6 mm 位置達到最大值為500 kA/m；初始階段、發展階段電纜接頭磁場強度在距離接頭6 mm 位置達到最大值為700 kA/m。水樹生長使得磁場強度隨之增強，距離越遠，磁場波動越劇烈，其中最大電流密度出現在距離接頭8～14 mm 位置，最終磁場強度峰值出現在初始階段和發展階段。

使用基于LSTM 的高壓輸電電纜接頭異常預警系統，在仿真界面得到的水樹枝發展示意圖如圖6所示。

圖6 水樹枝引發的接頭故障發展示意圖

在發展初段和發展中段，會出現電荷碰撞、局部溫度過高、絕緣介質氧化、化學降解等現象。電場作用下的電子在接頭處引起空間電荷，從而導致枝條生長。電纜工作在惡劣條件下，周圍土壤中含有多種化學成分。當化學物質通過破損接頭或縫隙流入到電線中時，由于低電場影響，會引發化學分支。電化學枝條會逐步地破壞電纜的絕緣，從而產生一個放電通路，最終導致接頭被擊穿。

為了進一步驗證所設計系統的合理性，將其與文獻[1]、文獻[2]的接頭電流數值進行對比分析，如圖7 所示。

圖7 三種系統接頭電流數值對比分析

由圖7 可知，使用文獻[1]、文獻[2]的電流數值最大值分別為135、150 A，其變化曲線與實際曲線不一致；使用所設計系統電流數值最大值為125 A，且變化曲線與實際曲線基本一致。通過上述分析結果可知，所設計系統異常預警效果較好。

5 結束語

文中通過對高壓輸電電纜接頭異常電流諧波檢測，構建基于LSTM 的預警模型，結合基于移動平均技術的電流趨勢預測方法，實現電纜接頭的電流趨勢整體預測。根據設計的基于LSTM 的高壓輸電電纜接頭異常預警系統，用戶可以通過顯示界面獲取電纜異常等級，用戶可直接根據直觀判斷結果制定應對措施。