一起基于BMS分布式光纖測溫系統的封閉母線超溫報警故障分析

安紫娟 趙軍 毛軍

摘? 要：BMS分布式光纖測溫系統在北京奔馳生產車間成功應用，并在封閉母線溫度測量方面發揮了重要的作用。文章基于一起超溫報警故障進行分析，并進行三個季度的連續追蹤，發現母線溫度與環境溫度緊密相關，并呈現一定的規律性。最終，擬定下一步研究方向，利用母線溫度、環境溫度、母線電流等大數據信息，基于人工智能算法，建立母線溫度預測模型，以指導實際運營。

關鍵詞：BMS分布式光纖測溫系統；超溫報警；預防性維護；人工智能算法

中圖分類號：TN253；TP277? 文獻標識碼：A? 文章編號：2096-4706（2023）24-0166-05

Fault Analysis of Enclosed Busbar Over-temperature Alarm Based on BMS Distributed Optical Fiber Temperature Measurement System

AN Zijuan， ZHAO Jun， MAO Jun

（Beijing Benz Automotive Co.， Ltd.， Beijing? 100176， China）

Abstract： The BMS distributed optical fiber temperature measurement system has been successfully applied in production workshop of BBAC and has played an important role in enclosed busbar temperature measurement. This paper analyzes an over-temperature alarm fault and continuously tracks for three quarters. It is found that the busbar temperature is closely related to the ambient temperature and exhibits certain regularity. Finally， the next research direction is proposed， which is to establish a busbar temperature prediction model based on Artificial Intelligence algorithms using Big Data information such as busbar temperature， ambient temperature and busbar current， to guide actual operations.

Keywords： BMS distributed optical fiber temperature measurement system; over-temperature alarm; preventive maintenance; Artificial Intelligence algorithm

0? 引? 言

電力封閉母線接頭連接處一直是母線故障的敏感位置。過去的幾年內，北京奔馳發生多次由于母線接頭超溫短路事故，威脅生產[1]。

引起封閉母線表面溫度升高的因素是多樣的，如設備運轉負荷、流過母線的電流、環境溫度、接觸電阻、母線散熱性能等[2]。實驗模擬數據表明，封閉母線運行時的環境溫度是影響接頭溫度的重要因素，二者近似線性相關[3]。在北京奔馳最新上線的BMS分布式光纖測溫系統，曾捕捉到由于環境溫度升高引起封閉母線超溫報警現象，為此，項目組積極進行故障排查、分析與追蹤。

1? 基于BMS的分布式光纖測溫系統簡介

2022年，北京奔馳上線一套分布式光纖測溫系統，利用敷設于封閉母線保護外殼的感溫光纜，取代傳統的手持紅外測溫儀測溫方式，通過光纖傳感技術，采集母線溫度，使用能源中心上機位BMS系統，在線監測系統母線溫度，指導母線運維。

BMS分布式光纖測溫系統作為北京奔馳數字化能源計量與智能化設備自控系統（EMS / BMS系統）中的一部分[4]，能遠程實時、連續在線監測封閉母線的溫度，使運維人員及時掌握母線故障引起的溫升信息，對母線超溫、溫升異常等情況進行報警，從而進行預防性檢修與維護，繼而規避電力火災隱患[5]。

圖1為BMS分布式光纖測溫系統主界面截圖，展示了車間全部封閉母線形態、模式功能設定等信息，各種報警參數可以根據用戶需求與運維經驗自定義，若發生溫度報警，溫度異常母線會由黃色變為紅色。監測人員可以點擊報警母線進入母線溫度詳情頁，如圖2所示，發生報警的測溫點位會由黃色變為紅色，點擊紅色報警點位即可彈出點位詳細信息，如圖2中“MFA420-Z2-T5-22AA07-N1-2/2#W19W18-48”，反映了該測溫點位坐標。監測人員可以根據報警彈窗通知運維人員根據坐標精準查找溫度異常母線測溫點。由此可見，BMS分布式光纖測溫系統是一套快捷、高效的預防性維護系統。

2? 超溫報警故障判斷

2.1? 故障簡述

2022年7月7日12時—14時，BMS母線測溫系統T6母線約5個測溫點位發生超溫上限報警，報警設定上限值為45 ℃。表1列出了當日發生超溫報警的5個測溫點位在BMS系統的實測最高溫度，由于超溫報警對溫度連續監測，BMS系統溫度采集卻為15分鐘一次，因此個別點位發生短時超溫，只進行了報警，溫度（大于45 ℃）卻未采集，這屬于正?，F象。

故障發生之后，運維人員隨即根據報警彈窗提示位置，對該母線的報警點位進行故障排查。

2.2? 故障排查

2.2.1? 檢查光纖

根據報警彈窗提示坐標，運維人員對溫度異常點位的光纖敷設情況逐一檢查，發現光纖敷設良好、固定可靠，未產生脫落、位置變化、斷纖等情況。因此排除光纖故障系統誤報警。

2.2.2? 檢查母線接頭

運維人員對溫度異常點位的母線接頭情況逐一檢查，發現接頭處螺栓連接可靠，母線表面光滑整潔，未出現焦灼、異味等故障。因此排除母線接頭連接故障，判斷該起超溫報警不會引起電力火災故障。

2.3? 初判故障原因

排查過程中，運維人員發現，T6母線位于玻璃天窗正下方位置。報警當日天氣晴朗悶熱，最高氣溫36 ℃，報警時間段為12時—14時，是一天中最熱的時間，加之封閉母線槽保護外殼為金屬板，比熱容小，散熱性能較弱，在沒有遮擋、陽光暴曬的午間時分，吸收熱量多，導致外殼溫度顯著升高。綜上，初步判斷本次報警原因為環境溫度過高導致封閉母線溫度短時間超過了45 ℃，從而產生超溫報警。

3? 故障分析與驗證

基于上述初步確定的故障原因，進一步進行詳細的分析與驗證。

3.1? 紅外熱成像儀與光纖測溫系統溫度值對比

為進一步驗證BMS光纖測溫系統的可靠性，2022年7月11日（環境最高溫度27 ℃）下午14：30分左右，運維人員使用紅外熱成像儀測量了T6母線12處溫度點位的溫度，并截取BMS系統T6母線溫度值，如表2所示。

可以看出，兩種方式測得的溫度值基本相符，但存在一定的誤差，這是因為：

1）BMS系統截取溫度數值的時間跟紅外測溫存在時間差，截圖所獲得的數值是某一時間點的溫度，而紅外測溫方式需要每個測溫點挨個逐一測量，需要一定的時間過程，所獲得的數值是一個時間段內的溫度。

2）紅外熱成像儀通過人工手持測溫，測量角度和測量距離都會影響測溫數據。

綜上分析，兩種測溫方式數據存在一定的誤差是在可接受范圍內的，因此，可以認為光纖測溫準確、可靠。

3.2? 溫度曲線規律分析

進一步地，結合超溫報警日（7月7日）前后兩天的數據，對發生高溫的6個測溫點位（溫度超過40 ℃）進行溫度曲線分析，如圖3所示?？梢钥闯?，一天當中，溫度曲線先遞增后遞減，存在曲線尖峰，即溫度最高數值，溫度尖峰出現的時間為12時—14時，這是因為，該時間段為一天當中最熱的時間，因此位于玻璃天窗下方暴曬的封閉母線溫度也最高；對比環境溫度可以看出，環境溫度越高，曲線尖峰越高，說明最高溫數值與環境溫度存在一定的關聯，且隨環境溫度的升高而升高；上述現象進一步說明封閉母線溫度與環境溫度存在很大的關聯性。同時，觀察5天溫度整體波動，發現溫度曲線呈“波浪狀”規律浮動，發生高溫的點位及時間段也存在規律性的律動，因此可以判斷報警信息是正常的。

同時，對當日報警母線全部點位溫度分析，如圖4所示，結合現場母線實際位置情況，也可以看出，位于玻璃天窗下方的報警點位溫度普遍偏高，而具有建筑物遮擋的其余測溫點位溫度普遍較低，因為有建筑物遮擋的母線其周圍環境溫度較低。

3.3? 半年溫度追蹤

隨后，項目組對該母線發生超溫報警的測溫點（重點跟蹤對象）進行了三個季度的追蹤，生成了如圖5所示的溫度追蹤曲線。從圖中可以看出，曲線呈季節性規律波動，夏季、秋季初期整體溫度偏高，冬季溫度最低，春季溫度又逐漸上升。從夏季到春季，整體溫度呈下降趨勢，因為夏季、秋季初期環境溫度最高，因此母線整體溫度也最高；且隨著秋季后期、冬季、春季整體溫度的降低，T6母線未發生超溫報警情況，重點跟蹤的測溫點位此后也未再發生超溫報警（超過45 ℃）。上述分析再次驗證了環境溫度與母線溫度的緊密相關性，母線溫度隨著環境溫度的升高而升高、降低而降低。至于二者是否存在線性相關性，可以借助有限元分析軟件，建立母線接頭處溫度場數學模型，進一步模擬與驗證二者關系。

3.4? 環境溫度影響分析

結合上述分析總結，可以看出，封閉母線溫度與環境溫度存在很大的關聯性，且隨著環境溫度的升高而升高、降低而降低，并在一天當中隨著時間段有規律的波動，一年當中隨著季節有規律的波動。無論是一天不同的時間段還是季節，這些都是溫度的間歇反饋，這再次驗證了2.3節的判斷，當日母線超溫報警可以判定為環境溫度過高導致封閉母線溫度過高。

這一分析，對項目組產生了新的啟發，一般情況下，實際生產環境中，影響封閉母線溫度的可變因素包括環境溫度、工作電流等數據，可以結合北京奔馳EMS / BMS系統，獲取相關大數據信息，進一步去研究、搭建封閉母線溫度故障診斷模型，通過模型預測母線溫度。具體地，可以結合復雜真實的生產作業環境而非實驗室環境，利用現有大數據體量，基于人工智能算法，建立基于機器學習或深度學習的母線溫度預測模型。

3.4.1? 基于支持向量機（SVM）的封閉母線溫度預測算法

訓練流程如下：

1）獲取環境溫度、封閉母線溫度等歷史數據，進行數據清洗。

2）將數據按照季節進行劃分，處理成四個季節單獨的數據和一份全季節數據。

3）每個季節基于SVM構建單季節預測網絡，通過第二步構建的季節數據訓練網絡。

4）基于SVM構建全季節預測網絡，該網絡充分利用了不同季節封閉母線溫度的相似性，通過第二步構建的全季節數據訓練網絡。

5）將全季節數據送入訓練好的單季節預測網絡和全季節預測網絡，得到兩種網絡的輸出。

6）基于SVM構建綜合預測網絡，該網絡的輸入為前一步的輸出，該網絡的輸出為最終預測的封閉母線溫度，訓練該網絡至收斂。

7）部署模型進行推理，其流程如圖6所示。

3.4.2? 基于長短期記憶網絡（LSTM）的時序預測算法

通過實際生產環境中采集到的歷史數據，訓練LSTM神經網絡模型，其可以用時序預測算法預測未來一段窗口內的母線溫度，包括以下步驟：

1）獲取日期、環境溫度、封閉母線溫度等歷史數據，進行數據清洗。

2）收集到的日期數據與封閉母線溫度具有強相關性，但是長短期記憶網絡無法直接識別日期數據，需要將其轉換為序列數據，即構建序列數據與日期數據的映射關系。

3）對數據進行歸一化，然后將歸一化的數據按照6：2：2的比例分為訓練集、驗證集和測試集。

4）構建并訓練長短期記憶網絡，用其內部隱含層神經節點來記憶歷史窗口內的時序信息進行預測。

5）在驗證集和測試集上驗證模型效果，選取精度最高的模型進行部署，部署后可預測未來一段窗口內的封閉母線溫度，提前預警封閉母線溫度過高。

4? 結? 論

BMS分布式光纖測溫系統自應用以來，已在母線溫度測量方面發揮了重要的作用，輔助排查母線超溫故障，為封閉母線的預防性維護提供了重要的指導意義。隨后，項目組會繼續追蹤不同季節、不同環境溫度的母線溫度，以進一步觀察母線溫度變化，同時，通過北京奔馳EMS / BMS系統監測、提取封閉母線溫度、電流等大數據信息，參考環境溫度、母線參數等數據，基于人工智能算法，結合實際復雜的生產作業狀況，預測封閉母線接頭處溫度，建立母線溫度異常故障診斷模型，以指導實際運營管理。

參考文獻：

[1] 郭海平.企業電力封閉母線的智能運維及監測診斷系統探析 [J].中國設備工程，2022（S2）：199-200.

[2] 董建航.基于數據挖掘的母線接頭故障診斷系統研究 [D].鎮江：江蘇大學，2022.

[3] 王佳培.基于有限元法的封閉母線槽接頭熱特性分析及散熱影響因素研究 [D].濟南：山東大學，2020.

[4] 李明宇，姬清峰，王肖伊.數字化能源計量與智能化設備自控的聯合應用 [J].中國計量，2022（3）：66-69.

[5] 安紫娟，李明宇，郭海平，等.分布式光纖測溫技術在生產車間封閉母線在線監測中的應用 [J].電子測試，2022，36（11）：103-105+122.

作者簡介：安紫娟（1994—），女，漢族，陜西渭南人，工程師，碩士，研究方向：輸配電技術。