箱式变电站温湿度在线监测关键技术研究

陈丽，黄新波，吴孟魁，朱永灿，王海东

(1.西安工程大学 电子信息学院，陕西 西安 710048；2.西安电子科技大学 机电工程学院，陕西 西安 710071)

箱式变电站温湿度在线监测关键技术研究

陈丽1，黄新波1，吴孟魁1，朱永灿2，王海东1

(1.西安工程大学 电子信息学院，陕西 西安 710048；2.西安电子科技大学 机电工程学院，陕西 西安 710071)

摘要：针对传统箱式变电站温湿度在线监测精度差、设备间互操作性不良以及预测准确率低的问题，提出一种箱式变电站温湿度在线监测方案。该方案基于STM3F4及S3C2440A 处理器构建平台，采用改进的防干扰脉冲平均滤波算法完成数据滤波，运用径向函数基神经网络与线性最小二乘相结合的融合算法完成温湿度拟合计算及湿度的温度补偿，并建立了模型预测温湿度发展趋势。最后在以太网通信方式下借助IEC 61850协议完成数据封装实现信息交互。实验结果表明，该方案提高了设备之间的通信互操作能力、传感器测量精度及温湿度预测的准确度。

关键词：箱式变电站；湿度补偿；融合算法；温度预测模型

箱式变电站是一种集高压开关设备、配电变压器及低压配电装置于一体，按照一定的接线方案连接而成，应用于配电网的配电设备。随着国家智能变电站建设的规划实施，箱式变电站在线监测技术成为变电站智能化改造环节的重点规划项目。母排、隔离开关、高压开关柜、变压器等重要一次设备若长期处于过载、接头松动、触头老化，易发生故障甚至烧毁等事故，若长期处于湿度较高的环境中则可引起局部放电或短路[1]。所以对箱式变电站进行温湿度在线监测十分必要和迫切。

传统温湿度在线监测系统中，过程层与间隔层采用非通用型协议或者私有协议，本文按照IEC61850国际标准协议进行数据封装，使得协议解析没有二义性。文献[2]提出温度是热的累计效应并采用加权拟合直线的方法预测温度上升曲线，但是由于在线监测数据量庞大，处理速度有待提高。本文采用变化率检测与最小二乘相结合的方法建立非触头温湿度上升曲线，并采用非线性回归的方法预测触头温度上升曲线。为了消除应用中温度对湿度传感器的非线性影响，国内外学者围绕硬件补偿和软件补偿两种方法进行了研究。但是硬件补偿电路易受到电子元器件漂移等因素的影响，软件补偿方法中的反向传播(backpropagation，BP)神经网络算法在应用时易陷入局部极值，导致训练失败，而最小二乘法随着数据量的变大，误差也逐渐变大。因此，本文采用径向基函数(radialbasisfunction，RBF)神经网络与线性最小二乘融合方法进行温湿度补偿。

1箱式变电站温湿度在线监测技术构架

图1所示为箱式变电站温湿度在线监测技术构架图，本文采用有线测温与无线测温相结合的方式。在变电站隔离开关、母线、电缆、开关触头等布线困难的地方通过ZigBee网络将传感器采集的信息实时上传[3-4]，在高压室、变压室、低压室等利于布线的地方通过RS485方式上传温湿度信息。在线监测终端完成数据处理、就地显示各监测点信息及通信等功能。在线监测智能电子设备(intelligentelectronicdevice，IED)实现对过程层的数据采集及温湿度预测，并遵循IEC61850协议将信息上传至站控层监控中心[5]。

图1　箱式变电站温湿度在线监测技术构架

2箱式变电站温湿度在线过程层设计

过程层主要完成对各个监测点的数据采集、处理以及向间隔层上传温湿度信息的功能。

2.1过程层计框架

温湿度在线监测终端微处理器选择ST公司的STM32F030、无线射频芯片NRF24L01作为支持协议嵌入控制层的硬件平台。整体采用电池与互感取电相结合的方法进行供电，在母线、变压器等空间较大的地方采用电池供电，在高压开关柜等较狭小的地方，采用互感器取电，并通过整流滤波、保护等环节来实现隔离供电[6-8]。当其中一种供电不足时，通过电路实现自动转换。有线测温湿度模块通过RS485方式与间隔层进行通信；无线测温模块采用分布式测量结构，每6个测量节点将采集的数据通过小范围的无线传感器网络传送至中心节点NRF24L01，中心节点处STM32F030通过RS485形式将信息传送至监控中心。温度测量采用基于桥式电路的PT100三线测温法，通过0Ω电阻，实现PT100温度测量电路换到4～20mA信号测量电路的转换，减小了远距离传输信号时电压信号受到的噪声干扰。湿度测量根据HS1101在不同环境下容值不同，构建了以555定时器为核心的振荡电路。

2.2监测终端数据处理

本文首先采用改进的防干扰脉冲平均滤波算法进行滤波，消除现场采集过程中高频信号带来的影响[9-11]。接着采用RBF神经网络与线性最小二乘相结合的融合算法来完成温湿度拟合计算以及湿度的温度补偿。

2.2.1温湿度采样滤波预处理

首先建立一个队列，每进来一个数据马上输出一个数据，当队列满后，每次进来一个数据会判断该数据是否为最大值或最小值，同时也会丢弃一个最老数据，使得整个队列始终保持固定的长度。在数据处理时，首先除去这个最大值和最小值，剩下的数据采用防干扰脉冲平均滤波算法。以环境温度18 ℃，PT100温度传感器传送的电压信号为例，进行数据滤波处理，最终效果如图2所示。

图2　温度采样数据滤波

2.2.2温湿度拟合计算

温湿度传感器的理想输出函数是线性关系，实际应用中输出曲线呈中间线性、两端非线性的特点。如图3所示，当温度从20 ℃逐渐升高时，不同的温度条件下，湿度传感器的测量误差逐渐变大。其中30%、50%、70%及90%为湿度曲线，测量误差取绝对值。故本文采用能以任意精度逼近任意函数的融合算法完成温湿度拟合计算及湿度的温度补偿。

注：测量误差为实际温度与在不同湿度下测量温度之间的误差。图3　温度对湿度传感器的影响

把非线性区间传感器输出信号作为训练样本，温湿度值作为测试样本，导入RBF神经网络，采用k-均值聚类算法求取基函数中心，最小二乘法计算权值。具体训练过程如下：

a) 随机选取n个训练样本作为聚类中心Cm(m=1，2，3，…，n)；

b) 将输入的训练样本集合按最近邻规则分组，重新调整聚类中心，得到网络传输函数中心Cm；

f) 判断性能指标是否满足条件J≤δ,δ为允许的最小误差。若满足，结束训练，否则返回步骤b)重复上述训练过程。

实验中发现当温度区间较大时，BP训练速度明显变慢，拟合误差也变大；线性最小二乘呈振荡现象。而本文的融合算法有效地避免了这些问题并有效提高了数据测量精度。

3箱式变电站温湿度在线监测IED设计

IED主要完成对过程层的信息采集及温湿度预警，并遵循IEC61850协议将信息上传至站控层监控中心。

3.1IED设计框架

间隔层整体用STM32F407及S3C2440A的双核结构，具有高效的传输能力和强大的数据处理能力。其中Samsung公司的ARM芯S3C2440A是主控中央处理器(centralprocessingunit，CPU)，在基于TCP/IP参考模型的基础上嵌入IEC61850协议，通过面向对象技术进行数据建模，实现了标准协议下的数据封装；STM32F407作为从CPU，借助其高效的数据处理能力完成数据处理并借助串行外设接口(serialperipheralinterface，SPI)方式实时上传给主控CPU[6-8]。

3.2IEC61850建模

为了解决生产厂家因通信协议不一致导致互操作性不友好的问题，依据IEC61850基于可扩展置标记语言(extensiblemarkuplanguage，XML)建立了信息模型[12]。

3.2.1逻辑设备建模

根据箱式变电站功能分析，建立3个逻辑设备(如图4所示)，分别为过程层在线监测OMD_IED、间隔层综合监测单元CMU_IED及站控监测单元SMU_IED。图4中仅仅对一个监测节点的模型进行了描述，逻辑设备的每个实际功能都定义为逻辑节点类的一个实例。每个逻辑设备都定义了其LLN0和LPHD这两个必不可少的逻辑节点，逻辑节点LLN0表示逻辑设备的公共数据，如铭牌、设备运行状态信息；LPHD代表拥有逻辑节点的物理设备的公共数据，如物理设备的铭牌、运行状况等信息。逻辑设备LD1驻留在线监测OMD_IED中，实现采样功能，THUM、TTMP1表示湿度传感器、温度传感器；逻辑设备LD2在综合监测单元CMU_IED中，用于实现监测功能；MENU、STMP表示湿度、温度监测，GGIO1继承调用输入/输出完成电量监测；逻辑设备LD3通过与远方监测接口ITMI、操作员接口IHMI、存档IARC等逻辑节点实现与网省监测中心的监测及历史数据的存档和查询[13]。

图4　IEC 61850建模

3.2.2逻辑节点LN建模

THUM、TTMP1、MENU、STMP是实现箱式变电站智能化功能的主要逻辑节点，数据通过逻辑设备LD1中THUM、TTMP1采集，并通过逻辑设备LD2监测；逻辑节点THUM、TTMP1、MENU、STMP继承了LLN0公用逻辑节点中的全部指定数据对象，包括Mod、Beh、Health、NamPlt及温度报警点TmpAlmSpt、湿度报警点HumAlmSpt等[14]。

4箱式变电站温湿度预警

传统温湿度在线监测系统中，固定阈值往往产生漏报、错报的问题，而本文基于在线监测数据建立预警模型，进而预测温湿度上升趋势。在高压室、低压室以及变压器壳体等处，基于变化率检测与最小二乘相结合的方法建立常规温湿度模型，在触头处基于热传学原理建立触头温升模型。

4.1常规温湿度模型

4.2触头温升模型

文献[16]提出基于热传学建立触头温升模型，本文在此基础上进行了改进。根据热力学第一定律，物体内能增加量等于物体导入净热流量加物体内热源。触点作为集总热容系统，温度t仅为时间τ的函数，则

(1)

式中：Q为整个边界面传入触点的热流量；QV为内热源产生的热量；ρ为物体密度；c物体比热容；v为物体体积。

(2)

式中：α代表整个边界面上的平均换热系数；tf代表环境温度；A物体表面积。

(3)

其中：I为载流导体的电流；R为触点电阻。

把式(2)和式(3)带入式(1)，得

(4)

当设备处于载流故障时，触点绝缘电阻突增，电流产生的热量也突增，打破平衡，导致触点温度增加，即

(5)

则触点的温升模型为

(6)

其中，t0为初始温度。式(6)可简化为

(7)

其中

式中：I1、α1为触头温度从正常到第一个故障隐患点的电流及换热系数，I2、α2为第一个故障隐患点到下一个采样温度的电流及换热系数。

为了得到更高的预测精度，本文采用基于温升模型的动态预测。首先利用斜率计算法，得到温度速率明显增大的隐患故障触点，提取故障初期温度集合并求出温升模型；每经过一次采样周期，更新温度集合，并用最新温度集合预测温度发展趋势。

5实验结果分析

本文利用人工气候室搭建了实验平台，该平台利用排风扇、雾化喷头对室内的温湿度进行监控和调整。监控终端就地显示温湿度传感器数据，PC机作为IEC61850的客户端。其中温度基本达到0.5 ℃，湿度基本达到2%。

5.1通信结果分析

利用IEDScout软件连接服务器端的IP地址，可更为直观地看到服务器端的数据；把另一台电脑配置主机通信客户端，利用Wireshark软件实时获取客户端的各项操作和服务器上的对应参数数据。经过实验证明客户端的信息与cid提供的信息一致，从而验证了模型的正确性和通信的可靠性。

5.2触点温度预测

将数据库中某变电站高压室8月份的一组温度故障数据作为实验样本，预测曲线1采用12个数据，预测曲线2采用8个数据，最终结果如图5所示。预测曲线1精度明显高于曲线2，从而说明随着用于参数估计数据值的增加，预测结果更接近实际。

图5　故障触点温度预测

6结束语

本文将多种通信方式整合到一起，采用有线与无线传输的方式实现监测单元与监测主机之间的数据通信和控制，在以太网通信方式下借助IEC61850协议实现与间隔层的信息交互。整体采用STM32DF4及S3C2440A处理器搭建硬件平台，具有高效的传输能力和强大的数据处理能力。通过相应算法提高了数据测量的精度，并通过建立的温湿度模型预测温湿度发展趋势。

实验结果表明，该方式可以现高精度数据测量、精确预测温湿度发展趋势以及提高设备之间互操作能力的功能。

参考文献：

[1] 邹浩.基于物联网技术的变电站设备在线测温系统研究[D]. 济南：山东大学，2011.

[2] 韩蓓，盛戈皜，江秀臣，等.基于ZigBee无线传感器网络的导线接头在线测温系统[J]. 电力系统自动化，2008，32(16)：72-77.

HANBei,SHENGGehao,JIANGXiuchen,etal.AnOnlineThermalConditionMonitoringSystemwithWirelessSensorNetworkBasedonZigBeeTechnologyforTransmissionLineJoints[J].AutomationofElectricPowerSystems,2008,32(16):72-77.

[3] 张青山，段建东，叶兵，等.基于ZigBee的开关柜触头温度在线监预警系统[J]. 高压电器，2015，51(4)：29-35.

ZHANGQingshan,DUANJiandong,YEBing,etal.OnlineTemperatureMonitoringSystemBasedonZigBeeforSwitchgearContacts[J].HighVoltageApparatus，2015，51(4)：29-35.

[4] 李小博，黄新波.基于ZigBee无线网络的智能变电站设备温度综合监测系统[J]. 高压电器，2011，47(8)：18-21.

LIXiaobo，HUAMGXinbo.ZigBeeNetwork-basedIntelligentSubstationTemperatureMonitoringSystem[J].HighVoltageApparatus， 2011, 47(8):18-21.

[5] 王方，邱道尹，岳艳杰，等.基于红外技术的变电站温差无线温度监控[J]. 电力自动化设备，2011，31(8)：135-138.

WANGFang,QIUDaoyin,YUEYanjie,etal.WirelessThermoelectricTemperatureMonitoringofSubstationBasedonInfraredTechnology[J].ElectricPowerAutomationEquipment, 2011,31(8):135-138.

[6] 林建钦.电气设备智能无线测温预警系统的研究与实践[D]. 杭州：浙江大学，2008.

[7] 王德文，葛亮.变电站在线监测智能电子设备的自动化测试[J]. 电力系统自动化，2014，38(14)：84-89.

WANGDewen,GEliang.ResearchOn-lineMonitoringSubstationAutomationofIntelligentElectronicDevicesTest[J].AutomationofElectricPowerSystems, 2014,38(14):84-89.

[8] 黄新波，王霄宽，方寿贤，等.智能变电站断路器状态监测IED设计[J]. 电力系统自动化，2012，36(22)：95-99.

HUANGXinbo,WANGXiaokuan,FANGShouxian,etal.DesignonStatusMonitoringIEDofCircuitBreakerforSmartSubstation[J].AutomationofElectricPowerSystems，2012, 36(22): 95-99.

[9] 候广松.变电站故障数据处理与分析系统研究开发[D]. 济南：山东大学，2014.

[10] 孟晓，胡炎.变电站无线测温告警算法[J]. 电力自动化设备，2013，37(2)：81-85.

MENGXiao,HUYan.AlarmAlgorithmofSubstationWirelessTemperature[J].ElectricPowerAutomationEquipment，2013,37(2): 81-85.

[11] 王德文，肖磊.智能变电站海量在线监测数据处理方法[J]. 电力自动化设备，2013，33(8)：150-154.

WANGDewen,XIAOLei.ResearchonDataProcessingMethodforMassLineMonitoringofIntelligentSubstation[J].AutomationofElectricPowerSystems, 2013,33(8):150-154.

[12] 赵翠然. 基于IEC61850的配电终端建模及自描述建模[D]. 北京：华北电力大学，2013.

[13] 韩国政，徐丙垠. 基于IEC61850标准的智能配电终端建模[J]. 电力自动化设备，2011，31(2)：104-107.

HANGuozheng,XUBingyin.ModelingofIntelligentDistributionAccordingtoIEC61850[J].ElectricPowerAutomationEquipment, 2011,31(2):104-107.

[14] 何磊.IEC61850应用入门[M]. 北京：中国电力出版社，2012.

[15] 许力，竺鹏东.基于变尺度PCA的电力设备载流故障早期预警[J]. 电力自动化设备，2012，32(5)：147-151.

XULi,ZHUPengdong.ResearchonEarlyWarningofPowerEquipmentLoadCurrentFaultBasedonVariableScalePCA[J].ElectricPowerAutomation，2012,32(5):147-151.

[16] 张慧源.电力设备载流故障预警与预测的若干关键技术研究[D]. 杭州：浙江大学，2014.

ResearchonKeyTechnologyforOnlineMonitoringonHumitureofBox-typeSubstation

CHENLi1,HUANGXinbo1,WUMengkui1,ZHUYongcan2,WANGHaidong1

(1.CollegeofElectronicsandInformation,Xi’anPolytechnicUniversity,Xi’an,Shaanxi710048,China; 2.CollegeofMechanicalandElectricalEngineering,XidianUniversity,Xi’an,Shaanxi710071,China)

Abstract：In allusion to problems of poor precision of online monitoring on humiture of traditional box-type substation, bad interoperation among equipments and low prediction accuracy rate, a kind of scheme of online monitoring on humiture of box-type substation is proposed. Based on STM3F4 and S3C2440A processor, this scheme constructs a platform and uses improved anti-pulse-interference average filtering algorithm to finish data filtering. It applies fusion algorithm combining radial basis function (RBF) neural network with least square to finish fitting calculation on humiture and temperature compensation for humidity as well as establishes a model to predict developing trend of humiture. Finally, it realizes information interaction with the aid of IEC 61850 protocol under Ethernet communication mode. Experimental results indicate that this scheme could improve communication interoperation among equipments, measurement precision of sensors and prediction accuracy for humiture.

Key words：box-type substation; humidity compensation; fusion algorithm; humiture prediction model

收稿日期：2016-01-15

基金项目：陕西省重点科技创新团队计划(2014KCT-16);陕西省协同创新计划项目(2014XT-07)；西安工程大学控制科学与工程重点学科建设经费资助项目(107090811)

doi:10.3969/j.issn.1007-290X.2016.05.022

中图分类号：TM63；TP183

文献标志码：A

文章编号：1007-290X(2016)05-0118-06

作者简介：

陈丽(1990)，女，河南安阳人。在读硕士研究生，研究方向为智能电网及故障诊断。

黄新波(1975)，男，山东海阳人。教授，工学博士，研究方向为智能电网输变电设备在线监测理论与关键技术。

吴孟魁(1989)，男，陕西户县人。在读硕士研究生，研究方向为智能电网及故障诊断。

(编辑查黎)