高压带电体温度监测及灰色预测分析

滕志军，李国强，何鑫，张帆，索大翔

(1.东北电力大学信息工程学院，吉林省吉林市132012; 2.天津电力公司调度通信中心，天津300010)

高压带电体温度监测及灰色预测分析

滕志军1，李国强1，何鑫1，张帆1，索大翔2

(1.东北电力大学信息工程学院，吉林省吉林市132012; 2.天津电力公司调度通信中心，天津300010)

阐述了ZigBee监测变电站高压带电体温度的基本原理与监测过程，完成了相关软件的设计，进行了变电站高压带电体温度的实际测试工作，且利用灰色预测理论，提出了高压带电体温度预测方案，对温度变化实现了较为精准的预测。结果表明，监测系统的稳定性与安全性良好，能够实时监测预测温度，具有较高的推广价值。

ZigBee;高压;温度;监测;灰色预测

1 引言

目前，随着电力系统向大容量、大机组、高电压等级的方向发展，对供电可靠性的要求也越来越高。高压电缆接头由于接触不良等原因，在满负荷负载电流通过时会造成温升过高、局部过热情况。国内外都发生过多起因为高压电缆接头接触不良而导致的短路、停电等事故，造成了巨大的经济损失与极大影响。据相关统计，60%左右的电缆事故都由电缆接头过热导致，故变电站高压电缆接头的温度监测也已成为电力系统安全、可靠运行所面临的现实问题。

近年来，国内外相关文献在高压电缆接头温度的实时监测上做了一些研究。文献［1］提出一种示温贴片和图像处理技术相结合的高压触点温度在线监测系统，但示温贴片的颜色与温度对应有一定要求，容易造成较大误差。文献［2］采用红外测温方式实现高压带电设备的温度远程监测，并通过现场校正和试验来保证采集温度的准确性，但红外测温易受环境影响。文献［3，4］提出了一种以WSN为基础的高压电气设备温度实时监测方案，解决了文献［1，2］所存在的弊端，但温度的精确采集需要考虑错误数据的修正问题。文献［5］介绍了导线接头在线测温系统的软硬件平台架构，说明了ZigBee测温节点组网方案和算法，一定程度上改善了温度数据采集传输的可靠性，但对数据的修正问题没有涉及。

相关国内外文献还停留在实时监测方面，而对温度数据进行挖掘，将预测理论实际应用在高压电缆接头温度方面的研究很少。本文在文献［5］节点组网方案的基础上，利用ZigBee技术的低功耗、短延时、低成本和传输稳定的优点，构建高压电缆接头温度实时监测系统，用较低成本完成传输多条输电线路跳线接头温度的功能［6］。然后针对采集到的错误数据进行修正，通过拟合和卡尔曼滤波得到较优估计值。最后将灰色预测理论应用到监测系统中，有效地预测温度变化，在温度达到上限值前事先预警，有助于避免电力事故，利于工作人员掌握温度变化趋势，消除安全隐患，也为高压带电设备的状态检修评价工作提供相关依据。

2 ZigBee技术与灰色预测

2.1 ZigBee技术

ZigBee采用IEEE 802.15.4技术标准［7］，是新兴的短距离、低速率、低功耗的无线通信技术。Zig-Bee采用直接序列扩频，工作在全球免费的2.4GHz频段，利用较高阶的QPSK调制技术达到250KB/s的速率。ZigBee根据输出功率和信道环境的不同，其实际传输距离介于10～75m之间，一般在30m左右［8］。ZigBee采用碰撞避免机制的CSMA/CA协议，保证了节点间数据的可靠性传输。ZigBee可以自动组网，能够使系统方便灵活地加入或者撤消测温节点［5］，可支持高达65000个节点，采用AES-128加密算法保证了数据传输的安全性。ZigBee联盟制定了星形、树形和网形三种网络拓扑结构［9］，如图1所示。

图1 ZigBee网络拓扑结构Fig.1ZigBee network topology

2.2 灰色预测算法

灰色预测理论是用于研究数据量少、信息贫瘠的不确定问题的理论方法［10］，在预测领域具有样本需求较少、预测精度较高、低运算量以及不用考虑样本分布规律的优点，得到了广泛的关注与应用［11-13］。本设计采用灰色系统的基本预测模型—GM(1，1)模型［14］，把变电站高压电缆接头的温度看作灰数，进行关联分析，对所测历史数据进行累加累减等数据处理来发现其潜在规律，建立灰色微分方程，从而对温度的未来发展趋势进行预测。

一周内所对应的同一时间的历史温度数列为:

式中，n为数据个数，且n=7。对x(0)进行AGO运算，使之构成累加温度数列x(1)，以弱化历史数据的波动性和随机性，则:式中，

GM(1，1)灰微分模型为:

式中，z(1)(k)为x(1)(k)的紧邻累加温度均值序列，z(1)(k)=0.5［x(1)(k)+x(1)(k－1)］，k=2，3，…，n;a，b分别为模型发展系数和灰色输入，可通过历史温度数列x(0)和累加数列x(1)求得。

由方程(3)可得累加数列的预测结果:

式中，x^(1)(k)表示第k个解析值。由于GM模型得到的是一次累加量，故必须对所得数据进行累减逆生成，则可得到还原预测结果:

式中，x^(0)(k)表示累减还原所得到的第k个温度预测值。

3 系统工作原理

系统主要由终端采集装置、ZigBee协调器、GPRS网络和监测中心等构成。监测系统组成如图2所示。

图2 监测系统组成框图Fig.2Composition block diagram of monitoring system

系统将采集装置(温度传感器与ZigBee终端通过一段数据线相连接)挂接在高压电缆上，温度传感器直接安装在变电站高压电缆接点处，利用直接接触测温方式采集接头温度，获得更加准确的发热点情况。

ZigBee协调器负责接收下层(采集装置直接或ZigBee路由转发)上传的数据，并对信息进行汇总，将接收到的数据通过RS232传送给GPRS，再由GPRS将数据传送至监测中心的计算机并交由其中的后台软件进行处理。

监测中心内的终端数据处理单元完成对接收数据的分析处理，将处理后的数据根据需要存储到数据库中，并以图形与报表形式显示以便分析;当温度超过预先设定的阈值后进行声音报警与屏幕提示处理，提醒值班人员紧急处理。同时，监测中心不仅提供故障点的定位、历史数据查询功能，而且可以根据监测到的历史数据，利用预测算法对未来的温度变化进行预测，在事故发生前采取必要的措施，保证电力系统安全运行。

4 高压带电体温度监测系统的实现

4.1 硬件实现

本设计实现了采集装置和监测中心主机。采集装置硬件结构图如图3所示，采集装置由传感器模块、处理器模块、供电模块和无线通信模块构成。传感器模块采用1-Wire总线技术的DS18B20温度传感器。处理器模块和无线通信模块采用CC2430芯片，它集成了一个高性能且符合IEEE 802.15.4标准的2.4GHz DSSS(直接序列扩频)的RF无线电收发机，拥有一颗高效、低功耗的工业级8051微控制器［15］。供电模块采用3.3V的直流电源，由于采集装置要求电池寿命长，而CC2430由休眠模式转换到工作模式的超短时间特性正好符合要求。监测中心主机采用采集装置的处理器模块、供电模块和无线通信模块，再接入串口模块，以实现监测中心主机与无线网络的通信。

图3 采集装置硬件结构图Fig.3Hardware structure diagram of acquisition device

4.2 软件设计

在监测中心上装有Linux系统，开发了相应的部分驱动程序，实现了网状网络的组网，数据查询协议的设计等。

4.2.1 ZigBee组网设计

ZigBee具有强大的自组网功能，其网络容量可达到惊人的65535个节点。图4为ZigBee组网流程图。首先通过串口进行初始化，并对协议栈指定的信道进行扫描。若是满足组网条件，则广播查询网络协调器的请求，如果网络中已存在协调器，通过一系列的请求认证加入网络成为其子节点;否则，将自身设置为协调器建立网络，协调器会为网络选择一个唯一的PANID，并拥有一个支持其他设备加入网络的连接设备列表。其他节点向协调器发送入网连接请求，根据入网先后顺序，会自动为其分配一个16位的短地址，则子节点入网成功。

4.2.2 数据查询协议设计

监测网络呈现网状分布，越靠近协调器，上传的数据量越大，越容易造成网络阻塞，不能及时处理紧急事件。因此，本文设计了数据查询协议。

传感器监测到异常事件时，即高压带电体温度超出了正常范围，将产生报警信息。由于高压传输线的温度可能在临界值附近波动，所以，本设计采取连续三次的异常才会产生报警信息，且报警信息的优先级最高，各路由节点优先处理并转发，可以保证及时上传报警数据。而其他采集到的温度数据包周期性地上传到监测中心。监测中心采用轮询方式，自由调整数据采集的周期，以避免采集到的数据同时大量上传而产生网络阻塞。同时，在采集周期内的无线传感器节点进入休眠模式以节省能量。

图4 ZigBee组网流程图Fig.4ZigBee network flow chart

5 系统实现的相关问题

5.1 高压带电体电磁干扰的影响

变电站高压输电线路的电压等级高，输送电能量大，在工作过程中会成为一个强大的电磁辐射源，存在电磁干扰、电晕危害等情况，对无线电波的传输在一定程度上造成干扰。ZigBee工作在免费的2.4GHz频段，而电晕放电形成的电磁波辐射对周围环境的高频干扰在超过20MHz频率后快速衰减，几乎为0，因此不用考虑变电站高压带电体电磁干扰的影响。

5.2 节点间通信距离问题

无线传感器网络中节点间的通信距离对数据的传输可靠性和稳定性具有很大的影响，它决定了监测中心接收到的数据的准确性。因此，本设计在变电站高压电磁情况下，连续两天测试了网络节点间通信距离与丢包率的关系以找寻最大通信距离，结果见表1。通过对实际测试数据的分析，可以发现当节点间距离≤12m时，丢包率较低(≤1.24%)，可以认为终端节点和路由节点通信稳定可靠。当节点间距离≥15m时，丢包率急剧增大，已经不能满足节点之间的通信要求。基于电力系统安全性的考虑，其对通信可靠性的要求较高，因此推荐12m作为节点间的最大通信距离。

表1 通信距离测试数据Tab.1Test data of communication distance

5.3 供电问题

可靠的供电装置是高压带电体温度监测系统的重要组成部分，其性能关乎到温度监测的成败。而且出于安全考虑，供电装置的重量和体积要满足设计的承重等要求，避免对电缆造成损伤［10］。由于采集装置挂接在室外变电站高压电缆接点处，电池更换困难，故本系统采用特制电源CT供能与蓄电池并行的供电方式。电源CT采用特制穿心式电流互感器，通过能量控制、全波整流、LC滤波、稳压等措施为采集装置提供能量，能够在小电流和大电流情况下保证电源供应。CT铁心选择坡莫合金1J85以保证电源的启动电流［16］。一般情况下，由电源CT供电并向蓄电池充电，温度测量装置就能够正常工作;当电缆断电时，自动切换到蓄电池供电。

5.4 预测子系统问题

变电站高压带电体温度预测是保证电力系统安全和可靠运行的前提，可以在一定程度上影响电力运行规划，为电力的合理调度做参考。而高压带电体温度的变化既有随机性又有周期性，因此本设计利用灰色预测来描述温度的变化趋势。终端采集节点可能存在故障而造成错误或坏数据，因此预测子系统需要对采集到的温度数据进行分析与判断，对错误的信息进行修正，若不能得到有效的修正，会将错误的数据提供给温度预测作为参考，影响预测的精度。

鉴于温度的变化不是突变式的，选择错误数据所对应的连续若干天同一时间的数据进行拟合处理，得到拟合表达式并估计出坏点数据的值，并利用卡尔曼滤波器得到一个较优估计值，结果见表2。

表2 不良数据修正检验结果Tab.2Test results for correcting bad data

6 测试结果与预测分析

通过对某220kV变电站高压电缆接头的实时监测，可以得到每隔5min采集一次的温度数据。

为了验证灰色预测算法的可行性与可靠性，以预测日前一周的历史温度数据建立灰色GM(1，1)模型，并运用此模型对预测日00:00～24:00的温度进行预测，可以得到如图5所示的两条曲线，其中实线为通过实时监测得到的高压电缆接头实际值，虚线表示运用灰色预测对历史数据挖掘所得到的预测值。

图5 GM(1，1)预测结果图Fig.5Prediction map of GM(1，1)

表3为预测日8～9时的温度预测结果。由图5与表3中的结果可知，灰色预测算法不仅能很好地预测高压带电体温度数据，并且在总体上的预测精度较高，相对误差控制在1.5%以内，证明该预测是有效可行的，为电力系统的提前预警和状态评估提供了依据。

表3 一小时温度预测结果Tab.3Prediction results of temperature for one hour

7 结论

本文讨论了ZigBee技术应用在变电站高压带电体温度监测系统的具体流程，提出了相关的软硬件实现方案，进行了实际环境下测量实验，实现了监测的无线化与每天24h连续在线监测，并针对采集错误的数据在监测中心使用拟合与卡尔曼滤波相结合的方式进行了修正，创新性地结合了灰色预测理论，提出高压带电体温度故障预测方案。该方案能够预测温度数据的变化趋势，便于工作人员及时掌握高压带电体温度并进行相应控制，提高供电可靠性，保证了电力系统可靠与安全运行。

［1］刘建胜，酆达，张凡(Liu Jiansheng，Feng Da，Zhang Fan).一种用于变电站高压触点温度在线监测的新方法(A novel method for remote on-line temperature detection of substation high-voltage contacts)［J］.电力系统自动化(Automation of Electric Power Systems)，2004，28(4):54-57.

［2］韩玉兰，芦兴，路灿，等(Han Yulan，Lu Xing，Lu Can，et al.).高压开关柜隔离触头温度红外检测系统的研制(Temperature monitoring system for contacts of high voltage switchgear)［J］.高压电器(High Voltage Apparatus)，2008，44(6):578-581.

［3］刘柱，刘文军，易浩勇，等(Liu Zhu，Liu Wenjun，Yi Haoyong，et al.).基于ZigBee无线传感网的高压电缆接头温度监测系统(Temperature monitor system for high-voltage cable jointed-node based on ZigBee wireless sensor network)［J］.仪表技术与传感器(Instrument Technique and Sensor)，2011，(12):64-66，92.

［4］赵增华，石高涛，韩双立，等(Zhao Zenghua，Shi Gaotao，Han Shuangli，et al.).基于无线传感器网络的高压输电线路在线监测系统(A heterogeneous wireless sensor network based remote district high-voltage transmission line on-line monitoring system)［J］.电力系统自动化(Automation of Electric Power Systems)，2009，33(19):80-84.

［5］韩蓓，盛戈皞，江秀臣，等(Han Bei，Sheng Getao，Jiang Xiuchen，et al.).基于ZigBee无线传感网络的导线接头在线测温系统(An online thermal condition monitoring system with wireless sensor network based on ZigBee technology for transmission line joints)［J］.电力系统自动化(Automation of Electric Power Systems)，2008，32(16):72-77.

［6］Guo Qing，Hu Jingquan，Hu Hongzhi.Design and implementation of testing network for power line fault detection based on nRF905［A］.Proceedings of the 8th International Conference on Electronic Measurement and Instruments［C］.Xi’an，China，2007.513-517.

［7］IEEE 802.15.4-2007，IEEE standard for information technology-telecommunications and information exchange between systems-local and metropolitan area networksspecific requirements:Part 15.4 wireless medium access control(mac)and physical layer(PHY)specifications for low rate wireless personal area networks(LR-WPANs)［S］.

［8］滕志军，王中宝，赵龙，等(Teng Zhijun，Wang Zhongbao，Zhao Long，et al.).电弧炉电能质量数据在线监测系统(An on-line monitoring system for EAF’s power quality data)［J］.电工电能新技术(Advanced Technology of Electrical Engineering and Energy)，2012，31 (2):83-87.

［9］李文仲，段朝玉(Li Wenzhong，Duan Chaoyu).Zig-Bee2006无线网络与无线定位实战(ZigBee2006 wireless network and wireless positioning combat)［M］.北京:北京航空航天出版社(Beijing:Beihang University Press)，2008.

［10］杨华龙，刘金霞，郑斌(Yang Hualong，Liu Jinxia，Zheng Bin).灰色预测GM(1，1)模型的改进及应用(Improvement and application of grey prediction GM (1，1)model)［J］.数学的实践与认识(Mathemat-ics in Practice and Theory)，2011，41(23):39-46.

［11］赵文清，朱永利，张小奇(Zhao Wenqing，Zhu Yongli，Zhang Xiaoqi).基于改进型灰色理论的变压器油中溶解气体预测模型(Prediction model for dissolved gas in transformer oil based on improved grey theory)［J］.电力自动化设备(Electric Power Automation Equipment)，2008，28(9):23-26.

［12］李辉，李学伟，胡姚刚，等(Li Hui，Li Xuewei，Hu Yaogang，et al.).风电机组运行状态参数的非等间隔灰色预测(Non-equidistant grey prediction on running condition parameters of a wind turbine generator system)［J］.电力系统自动化(Automation of Electric Power Systems)，2012，36(9):29-34.

［13］张国强，张伯明(Zhang Guoqiang，Zhang Boming).基于组合预测的风电场风速及风电机功率预测(Wind speed and wind turbine output forecast based on combination method)［J］.电力系统自动化(Automation of E-lectric Power Systems)，2009，33(18):92-95.

［14］费胜巍，孙宇(Fei Shengwei，Sun Yu).融合粗糙集与灰色理论的电力变压器故障预测(Fault prediction of power transformer by combination of rough sets and grey theory)［J］.中国电机工程学报(Proceedings of the CSEE)，2008，28(16):154-160.

［15］冯军，宁志刚，阳璞琼(Feng Jun，Ning Zhigang，Yang Puqiong).基于ZigBee的无线抄表系统设计(Design of wireless meter reading system based on Zig-Bee)［J］.电力自动化设备(Electric Power Automation Equipment)，2010，30(8):108-111.

［16］沙玉洲，邱红辉，段雄英，等(Sha Yuzhou，Qiu Honghui，Duan Xiongying，et al.).一种高压侧自具电源的设计(Design of self-suppyling power source applied in high voltage electronic system)［J］.高压电器(High Voltage Apparatus)，2007，43(1):21-24.

Temperature monitoring and grey prediction analysis for high voltage electrified body

TENG Zhi-jun1，LI Guo-qiang1，HE Xin1，ZHANG Fan1，SUO Da-xiang2
(1.Department of Information Engineering，Northeast Dianli University，Jilin 132012，China; 2.Tianjin Electric Power Corporation，Tianjin 300010，China)

This paper expounds the basic principle and monitoring process of ZigBee monitoring the high voltage electrified body temperature in substations，completing the related software design and testing the high voltage electrified body temperature in substations practically.Moreover，using grey prediction theory，this paper proposed the prediction scheme of high voltage electrified body temperature，realizing prediction to the change of temperature precisely.The results show that the stability and security of the monitoring system is good as well as the system can accurately monitor and predict the temperature in real time，thus the system is worth to popularize.

ZigBee;high voltage;temperature;monitoring;grey prediction

TN92

A

1003-3076(2014)09-0062-06

2013-03-06

国家自然科学基金资助项目(51077010)

滕志军(1973-)，男，吉林籍，教授，博士，研究方向为无线通信技术;李国强(1989-)，男，内蒙古籍，硕士研究生，研究方向为无线通信技术。