综合配电柜（JP 柜）温度监测与健康状态评估技术

江相伟，汪 瀚，吴一庆，顾胜坚，江友华

（1.国网安徽省电力有限公司安庆供电公司，安徽 安庆 246000；2.上海电力大学 电子与信息工程学院，上海 200120；3.杭州钱江电气集团有限公司，浙江 杭州 311200）

随着农村电网改造的不断深入，大量的配电变压器综合配电柜（以下简称JP 柜）被应用于农村电力线路及各配电台区中，它作为配网系统的负荷中心，供电设备数量众多，其关键设备的温度及断路器健康状态关系着供电是否正常运行。但由于目前JP 柜及变压器大多采用无人值守的方式，其日常运维巡视还是依靠人力，这种方法需耗费大量人力成本，效率还低[1-5]。更为重要的是这种人工巡视方式不能有效避免事故的发生。体现为（1）巡视间隔长，间隔24 h 以上；巡视项目繁多，含JP 柜肉眼及变压器外壳温度、油温、接线桩头温度等项，效果受到巡视人工作经验、观察力、责任心的影响。（2）断路器健康状态，尤其是内部健康情况，肉眼无法识别。此外，该种离线的巡视方式还存在人工误抄、数据留存困难、温度数据是离散的，发生故障不能进行温度与断路器分合闸故障追溯，不能实现温度及断路器健康的及时感知等问题，监控中心做不到遥感、遥测等及时功能，一旦出现问题，不能有效隔离，使得故障进一步扩大。为此，研制JP 柜及变压器等电气设备的在线温度监测装置，能够实时在线监测关键设备的温度、温升监测和健康管理，能够有效防止故障的扩大化[6]。一旦出现问题，还可以通过保留的大量观测数据进行故障溯源，为预防相应的故障提供决策支持。因此，研制JP 柜及变压器等电气设备的在线温度监测装置及健康评估，对于实现电力设备的智能感知与智能决策，提高电气设备安全维护具有重要的意义[7]。

1 JP 柜温度监测与状态评估原理

JP 柜及变压器温度在线监测系统由测温模块、断路器分闸监测模块、通信模块和上位机构成，如图1 所示。测温模块安装在开关柜内，由主控单元、温度传感器和电源构成，对开关柜柜内的触头、接点等易发热点的温度进行监测；断路器分合闸监测模块主要是监测断路器分合动作，电压、电流等信息，之后利用无线通信技术将温度数据、断路器分合闸动作信息传送给协调器。协调器安装在开关柜外，由主控单元和外围电路构成，负责创建网络，接收各测量模块的数据，并通过串口传输给上位机。上位机则负责接收温度数据，断路器分合状态监测信息，并根据故障诊断方法对易发热、易出现故障点的工作状态进行初步判断。其对应的结构功能图如图2 所示，其中数据采集单元包含温度传感器、健康状态监测传感器等，数据采集后通过特有的433 MHz 无线传输（采用该技术可以实现数据传输变频段，防止数据拥堵，并提高数据传输的精度和距离）送给无线接收主机（也可以称为本地主机），之后通过数据传输单元DTU 经4G 网络传输到云端服务平台，进行多台JP 柜及变压器温度监测、数据分析、障诊断与评估。

图1 JP 柜等电气设备温度监测系统示意图

图2 JP 柜及变压器温度监测系统结构功能图

2 JP 柜温度监测算法

随着电力系统的迅速发展，JP 柜供电负荷日益突出，其发热引起的安全问题值得关注，对其进行在线温度监测则是一种有效的干预手段。通过大量实验及现场数据可知，JP 柜温度发热主要与铜排流过电流、三相不平衡及环境温度相关。为此，本文采用联合权重算法，给每个发热因素授权一个权重，然后通过加权数据，得到JP 柜最终温度监测数据。

考虑铜排流过电流，则其对温度表现主要是温升，其计算公式可由式（1）求出：

式中：T1为设备当前温度；T0为设备初始温度。

由于JP 柜各相电流不尽相同，其温升中还包含有不平衡电流引起的温度变化，则设备相间温差ΔT 可由式（2）求出：

式中：T1为设备当前温度；Tmin为各设备中最低的温度。

此外，环境温度对其监测温度也有相关影响，故还需要考虑环境因素，则其相对温差δt可由式（3）求出：

式中：t1为发热点的温升；t2和T2为正常相对应点的温升和温度；T0为环境参照体的温度。

针对上述τ1、τ2、τ3通过历史数据的分析，对每个值赋予一定的权重，如式（4）。

3 JP 柜断路器健康评估模型

由于断路器、输电电缆及母线的安全在一定程度上能够反映JP 柜性能，断路器分合闸线圈电流及状态等同温度信息密切相关。为此，本研究采用断路器分合闸线圈电流、触头温度等信息建立安全健康评估模型，实现对JP柜的健康状态评估。

3.1 断路器分合闸线圈机理及评估模型

当分合闸线圈通过电流信号的时候，其电流信号变化幅度相对比较大，温度表现相对波动频繁[8-11]，根据相关文献可知[12-15]，断路器电路的微分方程如下：

其中φ 为线圈的磁链，φ=L*i，L 是等效电感，i 是流过线圈电流，U 是电压，ν 为铁芯的运动速度。典型的电流波形如图3 所示。

图3 分合闸典型的电流波形图

从图中可以得到，在断路器分合闸时，电磁铁铁芯运动可以看作5 个阶段。

（1）（0-t1）。该时间段的长短与控制电源电压和线圈电阻有关，这时ν=0，L=L0，L0为常数，该阶段可反映线圈电阻是否正常。初始条件为t=t0，i=0，根据上式可得：

（2）（t1-t2）。此阶段电流的变化主要反映铁芯在分合闸操作过程中是否出现卡涩、脱扣等情况。

（3）（t2-t3）。在t2时刻，铁芯停止运动，ν=0，电感L=Lm，Lm为S=Sm时线圈d 电感，可得：

此阶段，线圈电流在前一阶段的基础上继续呈指数规律上升，但由于Lm>L0，所以电流上升的速度较第一阶段要慢，电流增加到稳态值约为I3=U/R。

（4）（t3-t4）。在这一阶段是过程三的稳定阶段，电流将会稳定在一定的值。

（5）（t4-t5）。在t4瞬间断开辅助开关，导致电弧接触和拉伸，电弧电压迅速增加，导致电流减小，直到灭弧线圈的电流降低到0，过程结束。

3.2 断路器健康状态评估指标

根据目前常用的电气设备健康状态评估算法，本文采用3 阶神经网络评估，但由于温度监测模块、断路器状态监测模块等传感器采集到的原始数据有着不同的单位，幅值大小也不相同，甚至相差很大。因此要对神经网络的输入样本量进行归一化处理。本研究采用的归一化算法是Min-Max 标准化。其表达式为：

式中：xmin为样本属性的最小值；xmax为样本属性的最大值。

经过归一化处理及现场对JP 柜进行状态监测，并通过相应的传感器能够提取到断路器7 种异常状态类型，为了书写方便，把7 种异常类型用大写字母表示，它们分别是正常状态类型（Q1）、辅助开关动作接触不良（Q2）、铁芯合闸开始阶段有卡涩（Q3）、操作机构有卡涩（Q4）、电缆接头温度异常（Q5）、母线绝缘老化（Q6）、母线与断路器连接点温度异常（Q7）。

4 实验平台与测试

为了验证本文温度监测方案及评估算法的可行性，在实验室搭建了温度监测及断路器健康状态评估平台，相关模块及功能如图4 所示。

图4 JP 柜等电气设备状态监测与评估实验平台

本算法研究中，监测JP 柜中的电缆接头温度、母线与断路器连接处温度、断路器的分合闸电流等这些特征量，监测到的数据一共有18 组，任意选取14 组数据作为RBF 网络训练的样本，剩下的4 组作为测试网络数据。输入数据归一化后的结果见表1。

由表1 数据归一化结果可知，径向基神经网络的输入是一个8 维的向量，网络的输出有7 种异常状态类型。为了便于状态诊断，将7 种输出状态采取二进制的编码：Q1（1000000）、Q2（0100000）、Q3（0010000）、Q4（000100 0）、Q5（0000100）、Q6（0000010）、Q7（0000001）。

表1 数据归一化结果

为了对本文算法进行验证，采用Matlab 自带的神经网络工具箱对18 组输入样本进行测试，另外4 组样本进行验证。设定均方误差值为0.001，径向基函数诊断精度设为0.6、0.7、0.75、0.8、0.85、0.9、0.95，径向基神经网络的函数分布值设置为0.8，以满足用户对监测与评估精度需求。通过仿真可知，本文所提的健康状态评估算法经过11 次的训练，其输出已经满足设定的要求，动态响应比较快，其结果见表2。

表2 中数值的大小表示对应的某项故障的程度或者表示可能出现的故障概率，数值越接近1，则其发生故障的几率越大。本文输出状态阈值设定为0.5 时，大于这个值，则表示可能会发生该类型的故障。经过实测与仿真对比可知，本文通过监测温度及状态信息构成的RBF 神经网络，能够有效评估JP 柜健康状态。

表2 RBF 神经网络诊断结果

5 结论

通过JP 柜温度监测的加权算法，综合考虑不平衡电流、环境等影响温度因子算法，能更加准确地监测其温度。同时，把温度监测信息、断路器分合闸电流及其监测信息进行融合和归一化，采用神经网络算法进行断路器健康状态评估，能够对其故障概率及故障类型做有效评估。