基于MEMS的震时典型瓷套设备多特征参数监测技术研究

李昊，陈龙谭,2，于虹，张强

（1.云南电网有限责任公司电力科学研究院，云南 昆明 650217； 2.华北电力大学电气与电子工程学院，北京 102206； 3. 成都星河科技产业有限公司，四川 成都 610041）

0 前言

变电站是构成电力系统的重要节点，其在地震作用下的破坏程度和震后变电功能恢复进度对灾区的应急救援、居民安置以及灾后重建工作有着至关重要的影响，因此研究不同地震强度作用下变电站典型瓷套设备的变化特征，即对震时典型瓷套设备的振动响应特性、震后瓷套设备姿态特征参数等进行研究，有助于评估变电站地震后的恢复能力与恢复时间，为震后电力设施设备的资源配置决策、加速震后灾区的供电恢复和电力设施重建工作提供参考，从而有效地降低地震造成的直接和间接的经济损失[1-2]。

早在20世纪60年代，国外就有很多国家已经开始着手研究地震状态下的变电站电气设备状态测量技术了，美国基于微地震监测技术，研制出了一套变电站地面震动监测设备。实际分析结果表明该监测方法是可行的、有效的，存在的缺点是整个过程大概要耗时几十个小时，不能实现实时监测的目标，不具有实用性，但是该技术为后来改进微地震监测系统提供了准确的参考方向。

在20世纪70年代中期，波兰在微地震监测系统中首次引进了磁电式振动传感器，避免了人工筛选数据，同时也提高了系统的工作效率。在同一时期，英国也独自研制了一套便携式的微地震监测仪，该仪器可以通过采集的数据绘画出地震过程中由于震动产生的振动波形。

我国是在20世纪80年代末90年代初才开始着手研究该技术，且研究技术水平较低。最开始开发出的变电站微地震监测仪器是监听式地音仪，慢慢地向多通道智能监测系统方向发展。2008年，我国引进了由加拿大ESG公司研制的微地震监测仪器，并将其应用于湖南竹园金属矿山，主要研究高应力导致的微地震事件。时至今日，在国家相关部门的大力支持和监督下，我国在微地震监测技术方面的研究取得了突破性进展，积累了大量的、多样的监测方法。

当前，微机电系统(Micro Electro Mechanical Systems，MEMS)传 感 器 已 经 取得了令人瞩目的进展[3]。本文提出一种基于MEMS的震时典型瓷套设备多特征参数监测技术，对震时典型瓷套设备进行多特征参数监测，实现了地震作用下变电站地面震动加速度、瓷套类设备加速度与姿态关键特征参数的高可靠、高精度实时监测。

1 典型瓷套设备多特征参数监测系统模型设计

基于2008年汶川地震时某地区变电站内典型瓷套设备震害的统计报告[4]，对变电站内典型瓷套设备破坏程度与地震强度之间的关系进行分析，经研究发现，电瓷型高压电气设备的损坏对变电站的功能失效有很大影响[5]。因此，对变电站关键瓷套设备进行不同地震强度下的加速度、角速度、位移、倾斜等特征参数的采集与姿态解算，有助于评估地震后变电站状态，为震后应急救援、快速恢复供电等决策指挥提供信息支撑。

通过对地震时变电站内关键设备的易损性进行统计分析发现，明确了变电站及瓷套类设备在不同地震强度下的破坏情况，其中电瓷型高压电气设备：包括断路器、隔离开关、电流互感器（CT）、电压互感器（PT）和避雷器是最容易遭受破坏的设备。

对断路器、隔离开关、电流互感器、电压互感器、避雷器等设备在地震状态下的受损情况进行深入分析可知[6]：

1）互感器受损主要表现为互感器瓷套断裂、整体倾倒。电压、电流互感器，带滚轮结构浮放在支架上，其典型震害是从支架上跌落摔坏瓷件、拉断引线；此外，由于地震使电流互感器处于开路状态产生了高电压，短路后造成设备、线路被烧毁等次生灾害。

2）断路器、空气断路器其典型震害是支持瓷套折断，且折断处多在根部。

3）高压隔离开关的典型震害是支柱绝缘子折断，折断处一般都在根部金属法兰与瓷件结合部位。对于水平开断式隔离开关，有的震开导电杆而断电，也有导电杆与主轴、底架之间焊接部位折断的。

4）从避雷器受损情况可以看出，由于地震所造成的对避雷器的损伤主要表现为避雷器底部断裂，倾倒。事实上，由于地震破坏力巨大，避雷器的倾倒主要由两方面原因造成：一是避雷器本身底部在地震时从支柱上脱落，二是受端部引线拉力作用，在地震时被拉断。

综上所述，由于强烈的地面运动以及设备之间连接的相互作用，高压变电站中的断路器、隔离开关、电流互感器、电压互感器、避雷器等设备的绝缘部分均由瓷套管组成，其震害特点大多是瓷套管根部断裂。因此，对典型瓷套设备震时加速度、角速度、位移、倾斜等特征参数进行采集与姿态解算，有助于判断震后上述设备的受损状态。

2 典型瓷套设备特征参数识别算法研究

2.1 数据采集点误差分析及预处理

瓷套设备震动数据主要基于三轴加速度传感器进行采集，在测量过程中，由于机械振动，安装环境的影响，会不可避免的出现噪声，使用自适应中值滤波器进行数据平滑处理[7]。首先，提前给自适应中值滤波器设定一个阈值，当窗口中心的数据点被判断为噪声时，当前窗口中值被滤波器的输出取代，否则其值得到保留。自适应中值滤波器可以对加速度数据中经常出现的脉冲噪声产生很好地抑制作用，细节也得到很好的保留。其中值滤波基本过程如下：

其中，n是滑动窗口的大小，ak表示将当前滑动窗口的数据按数值大小顺序逐一排列后序号为中间的数，ai是输入的窗口加速度数据。

定义Zmin为加速度数据ai的最小值，Zmax为加速度数据ai的最大值，Zmed为信号中值，Zmax为允许的最大窗口尺寸。这样自适应中值滤波器有可以归纳为两个处理过程：确定当前窗口内得到中值Zmed是否是噪声和判断加速度ak是否为噪声。如果满足Zmin＜Zmed＜Zmax的关系，则中值Zmed不会被判定为噪声，继续对当前窗口的中心位置的加速度数据进行检查，判断ak是否为噪声。如果满足Zmin＜ak＜Zmax的关系，则ak不是噪声，此时滤波器将ak输出为当前时刻的加速度；如果不满足上述条件，则可判定ak是噪声，这时输出中值Zmed作为当前时刻的加速度。

2.2 基于MEMS的瓷套设备震动监测算法研究

本文将地震状态下瓷套设备的整个运动均匀的分成n个小段来分析，当n很大的时候，每一小段运动都可以近似为匀速直线运动和匀加速运动。

第n段位移公式为：

为了此公式能够在微处理器STM32F407中可以简单的编程，本文对该公式做以下修改：

即：

式中，t是采样间隔，ai是第i次采样得到的加速度值，Sn即为第n次采样后测量得到的位移。

为了提高微处理器的工作效率，本文提出了一种同时进行数据采集与处理的方法。在STM32的中断处理程序中设置了两个二维浮点型数组array_data[3]和array data2[3]，用以暂时存放三轴的24个加速度值。当中断响应时，两个数组轮流依次储存数据，当一个数组满了就换一个数组，同时标记信号常量array_full flag为1，当主函数检测到array_full flag为1时就执行加速度数据处理函数，同时另一个数组也在不停地采集数据。

当一个数组满时进入计算路程的函数acceleration length(int axis)， 在 函 数acceleration length(int axis)中设置了一个新的数组array data[30]，前6个数据取自另外一个数组（特别注意第一次采集数据时另外一个数组还未被赋值，这时前6个数据都为0），后24个数据取自本数组，这样可以有效连接两个数组，平滑数据。

由于存在噪声，加速度传感器在测量时数据不能稳定，4g、250 Hz模式下也存在±2的漂移，所以在静止状态下测量也会产生偏差。为了消除这种情况，必须先对数据进行滤波。

2.3 基于MEMS的瓷套设备姿态信息融合算法研究

MEMS陀螺仪解算的姿态角短时精度较高，但积分漂移严重，且对瓷套设备的振动敏感，随着时间的推移和不断积分运算，漂移误差会累加变大，存在姿态解算发散的问题[8]。MEMS三维加速度传感器和磁力计则具有较好的静态性能，解算姿态角时不存在积分过程，但动态响应速度慢，短时精度差。单独使用二者之一都会降低姿态角的估计精度。Kalman滤波是目前公认的最适合多传感器动态信息融合的算法[9]，但应用常规Kalman滤波算法时，要求系统噪声和量测噪声统计特性已知。然而在瓷套设备姿态监测多传感器信息融合的实际应用中，系统噪声与量测噪声统计特性是未知且时变的，这使得常规Kalman滤波算法失去最优性，估计精度大大降低，甚至会引起滤波发散。

采用Sage-Husa自适应Kalman滤波算法在理论上可实现在线自适应估计系统噪声和量测噪声统计特性[10]，但将该算法应用于瓷套设备姿态角信息融合时，会发现该算法实质上无法在系统噪声和量测噪声统计特性均未知的前提下将二者准确分离并高精度的估计二者方差值，因此算法需要改进。本文基于一种改进的Sage-Husa自适应扩展Kalman滤波算法，该算法使用MEMS陀螺仪实时动态解算的姿态角方差来估计系统噪声方差，而只使用量测噪声估计公式对量测噪声方差进行自适应估计。

3 典型瓷套设备震时姿态监测系统实现

3.1 系统总体设计

典型瓷套设备震时姿态监测系统由地面震动加速度监测装置、终端/瓷套类设备震动加速度及姿态监测装置、后台数据中心和远程监控平台等部分组成。

装置拓扑结构如图1所示，地面震动加速度监测装置终端/瓷套类设备震动加速度及姿态传监测装置（可以安装多个监测设备）负责采集、监测加速度数据并解算姿态数据，通过4G通信网络与后台数据中心实现远程通信并将数据存入平台云端数据库，远程监控平台软件读取和操作后台数据中心数据，实现变电站地面震动加速度、瓷套类设备震动加速度和姿态数据的实时显示和系统控制。

图1 典型瓷套设备震时姿态监测系统拓扑结构

3.2 硬件主要模块电路设计

该项由地面加速度监测物联网传感器、瓷套类设备加速度及姿态物联网传感器、后台数据中心和远程监控平台组成。系统硬件设计框图如图2。

图2 地面震动综合监测装置、瓷套类设备震时 姿态监测系统硬件设计框图

地面加速度监测物联网传感器、瓷套类设备加速度及姿态物联网传感器，由地面震动加速度采样电路、设备支架震动加速度采样电路、信号采集调理、多个电压变换模块、实时时钟、AD转换及接口、太阳能电池及锂离子电池充放电模块、4G通信模块、MCU主控电路等组成。

3.3 系统软件设计

本文采用MEMS三维加速度传感器对地面震动加速度、设备姿态数据进行采集，经内部A/D，从SPI口读取高精度数字信号，通过经过一系列软件算法处理得出地面震动加速度及姿态数据，再然后采用计算机网络技术将数据上传至后台数据中心，远程监控平台读取数据后将铁塔当前状态信息直观的反馈给用户。

地面震动加速度监测终端/瓷套类设备震时加速度及姿态监测将数据，通过4G通信网络远程传递给后台数据中心，远程监控平台软件读取和操作后台数据中心数据实现变电站地面震动数据、瓷套类设备姿态数据的实时监测及显示。

本文采用数字MEMS三维加速度传感器为监测元件，实现对变电站地面震动加速度、瓷套类设备加速度及姿态的监测，系统由设备支架MEMS三维加速度及姿态监测设备、地面MEMS三维加速度监测设备、后台数据中心、用户界面组成，系统软件设计框图如图3。

图3 系统软件框图

地面MEMS三维加速度监测设备由三维加速度采样、基本功能及抗干扰算法、各类数据端口驱动与设置、电源适配DC/DC及LDO监测设置、太阳能电池及锂离子储能电池监测与管理、驱动设置管理、时钟管理、电源电压采集与监控、规约设置、规约解析及4G通信、平台指令响应与执行软件模块组成。

设备支架MEMS三维加速度及姿态监测设备与地面MEMS三维加速度监测设备硬件、软件功能基本相同，只是设备支架MEMS三维加速度及姿态监测设备增加了静态姿态算法。

平台指令响应与执行完成时钟设置、远程读取、功能设置更新、固件升级等功能。系统还需要根据功能，设置各电池模块的供电关系，实现软件低功耗设计。

后台数据中心由通信规约设置识别、功能解算、用户管理、数据分析、数据存储、响应服务与远程设置等软件模块组成，也可以通过功能更新协助完成软件低功耗设计、固件远程更新。

用户界面由设备远程控制、历史数据查询与统计、监测数据显示、报警与提示等软件模块组成。

地面震动综合监测终端/瓷套类设备震时姿态传感终端软件控制流程图，如图4。

图4 监测终端软件控制流程图

4 结束语

本文结合地震时变电站内瓷套设备的易损性统计情况，分析发现相同地震强度下，断路器、隔离开关、电流互感器（CT）、电压互感器（PT）和避雷器是最容易遭受破坏的设备，且其震害特点大多是瓷套管根部断裂。针对MEMS传感器数据采集输出过程中的误差进行分析，并对误差设计了校正方案；然后，采用Kalman滤波算法将加速度与姿态角信息进行融合，联合上报动态及静态信息。介绍了基于MEMS的变电站地震状态下典型瓷套设备的特征参数分析与识别系统软硬件组成，包括瓷套设备姿态、震动数据采集节点的嵌入式软硬件设计和PC端上位机软件设计。实现了地震作用下变电站地面震动加速度、瓷套类设备加速度与姿态关键特征参数的高可靠、高精度实时监测、传输。