基于便携式智能传感技术的配电设备监测及预警研究

杨 帆，柯政亭，翁 蔚，江云辉，方 毅，张聪伟

(1.国网福建应急中心，福建 福州 350003；2.国网信产集团厦门亿力吉奥信息科技有限公司，福建 厦门 361015)

通过对配电设备的状态监测，可以了解每条输电线路的具体情况，因此，配电设备的监测和预警可以随时发现并消除此类安全隐患。目前，无线通信方式得到了广泛的应用，配电设备的无线接入机制具有许多优点，例如无须重新建立网络架构等，但也存在一些不足，如无法完全覆盖偏远地区，后期网络维护困难，导致监测预警效果较差等。

光纤传感技术是便携式智能传感技术之一，该技术主要利用光纤材料的光敏性，使光纤在传输过程中在光纤管内形成一条明亮的光栅路径，即在光纤内部形成一条狭长的带状交错光波或反射光波。光纤布拉格光栅的光栅原理是利用两个紫外光，在某些区域形成干涉条纹，在整个光纤中形成独特的光栅路径。它可以有效地监测输电线路的振动频率和覆盖范围，消除无线通信的缺点，对此，提出了基于便携式智能传感技术的配电设备监测及预警方法。

1 基于光纤传感技术的配电设备监测

1.1 光纤光栅传感原理

当一束激光经内聚器射入单管模型光纤时，通过光纤光栅之后，就会返回一个固定的波长，只有绿色波会有返回波长，其余颜色的光都会出去。利用光谱调节仪对接收到的所有固定波长进行分析并总结规律，设经过光纤光栅返回的固定波长满足式子=2。当光纤所在环境的温度和变光率发生改变时，光纤光栅周期和纤管内部的折射率随之发生变化，同时，反射波长因为外界因素的改变而发生变化，即：

Δ=2Δ+2Δ

(1)

式(1)中，Δ表示温度和变光率存在改变时，光栅周期的变化程度，Δ表示温度和变光率存在改变时有效折射率的变化程度。导入光纤光栅周期，可以得到：

(2)

当光纤光栅处于特定的温度环境中，只受轴向心力的影响，对于最常见的石英石光纤来说，光纤光栅的波长变化量和轴向心力之间的关系为：

(3)

式(3)中，表示光纤光栅轴向心力变化量。

当光纤光栅处在不受任何其他外力的非自然环境中，如果温度Δ发生变化，那么光纤光栅的波长变化量与温度变化量之间关系可以用下式进行描述：

(4)

式(4)中，表示光纤遇热时的热胀比例系数，表示光纤的光敏系数，光纤光栅的波长随着温度的变化而变化，呈线性相关关系。

综合上述可知，当光纤光栅所处环境的温度和变光率都发生改变时，会对光栅周期造成影响，它们之间存在一些关联，有效折射率也会发生一定程度的改变，不过它的变化率微乎其微，可以忽略。光栅周期和有效折射率的变化关系可以直接反映出反射波长的变化。光纤光栅反射波长与温度和变光率之间的关系可以总结为：

(5)

从上述公式可以看出，光栅可以直接反映温度和屈光度的变化，但当温度和屈光度同时变化并引起反射波长的变化时，无法确定哪部分变化是由温度变化引起的，哪部分变化是由屈光度变化引起的，因此，存在温度应力的交叉敏感性问题。

1.2 解决光纤光栅传感器温度应力交叉敏感问题

在自然环境中，为了将光纤布拉格光栅传感器应用到实际生活中，必须解决交叉灵敏度问题。本文采用了以下方法。双波矩形阵列是最常用的方法，操作简单，由双光栅、温度(变光速)参考光栅等方法组成。双光栅法的原理是使用两个参数不一致的光纤光栅传感器工作，公式如下所示：

(6)

通过上述计算得到两个互相对应的波长，然后通过解联立方程组的方法得到温度和变光率的大小。

2 监测数据特征提取

光纤传感技术可以实现实时地、连续不断地采集数据，如果直接提取出整体数据，会耗费大量的时间，所以要先应用样本关联系数对最初的振动时间段数据进行粗略提取，随后把得到的数据进行细节提取，这样就可以完整、准确地提出所需要的振动信号，以分层提取的方式加快提取效率。

自相关系数的公式如下所示：

(7)

上述公式中，表示样本关联系数；表示在同一时间整个序列中的最大点的值；为该序列中总点数；表示在同一时间整个序列中各个点的平均值。

样本关联系数绝对值的大小表示信号在各个时期的关联程度大小，根据数据调查显示信号之间的关联程度是最大的，信号与噪声之间、噪声与噪声之间的关联程度可小到可以忽略不计，因此，可以利用信号的样本关联关系数对信号进行粗略的提取，在此基础上再进行细节提取。

支持向量机可以在高度空间中不断学习寻找到一个最合理的超平面分类，其分类决策函数为:

()=sgn{∑(×)+}

(8)

式(8)中，()表示分类决定性函数；sgn表示；表示总样本个数；表示相关函数种类；表示决定性系数；表示偏光度数。

基于上述过程能够提取到详细的信号，利用得到的信号进行故障定位，过程如图1所示。

图1 配电设备故障定位过程

基于上述过程完成对配电设备的监测，为了及时对配电设备检测，将在下一步提出配电设备预警技术。

3 配电设备异常预警

利用上述过程获得连续振动信号片段，判定事件类型，依据判定结果对异常情况进行预警。为实现准确预警，设定阈值，但是配电设备的结构较为复杂，容易受到外界因素变化影响，如果设定恒定阈值检测设备故障，容易出现报警现象。基于这个问题，利用移动加权平均算法设定自适应阈值，出于对历史数据的考虑，将当前时刻统计量表示为：

=+(1-)-1

(9)

式(9)中，表示历史故障预警参数对统计结果的影响值，表示时段为止各个指标对预警指标的影响参数，表示加权平均参数。

统计量的期望值以及方差表示为：

(10)

将随着设备故障变化的检测阈值计算公式表示为：

=+

(11)

式(11)中，为监测的正常数据值，为数据判断参数，为第个信号的信号阈值。

观察阈值的变化趋势，如果得到的结果超过阈值，则认为出现故障并作出预警，如果没有超过，则认为设备正常工作，将其表达式表示为：

(12)

式(12)中，表示正常，表示故障。

最后，设定警报级别，将各事件类型的原始分数都设为0，采用上述过程识别异常情况，根据识别结果更改警报级别。即在一个特定的时间段内发生故障事件，则增加这个事件分数，为其赋予新的警报级别。

基于阈值的监测预警过程如图2所示。

图2 配电设备预警过程

整个配电设备预警过程如上述内容所示，在发生配电设备异常情况时，能够触发报警机制，提醒工作人员及时查看，以此完成配电设备监测和预警。

4 实例分析

上述过程完成配电设备检测及预警技术理论方法设计，在此过程中，将该方法应用到实际的场景中，验证其在实际监测中的应用效果。

4.1 实验准备

实验以某单位380V配电系统埋地电缆为例，采用所设计的设备监测方法监测该实验单位配电设备的电压与电流。

为增加实验的对比性，结合混合信号示波器采集线路出线端变电箱数据，获得实际电压与电流值，采集现场图如图3所示。

图3 实验数据采集现场图

图3中，测试装置设定的采样频率为20 MHz，为保证采集数据精度，在2.5个工频周期内采集数据，总采样点是100万个，且两个采样点之间的间隔是50 ms。

4.2 配电设备监测效果分析

采用此次研究的基于便携式智能传感技术的配电设备监测及预警方法对测试装置馈线电压与电流波形监测，并将监测的结果与实际的监测值对比，对比结果如图4、图5所示。

图4 馈线电压波形监测结果

图5 馈线电流波形监测结果

图5中，本文所采用的监测方法监测的电压和电流波形与实际馈线电流波形相差较小，证明本文研究的方法能够准确监测配电设备的电压与电流状态。

4.3 干扰状态下配电设备监测效果分析

由于配电设备在运行过程中难免出现故障，为此设定在50s时出现故障，分析此次研究方法在出现故障后电压与电流的监测情况。分析结果如图6、图7所示。

图6 干扰状态下电压波形监测结果

由图7可以看出，在故障点附近，电压和电流波形都会出现一定的震荡，但经过一段时间的振荡后，振荡恢复正常，表明所研究方法可以监测异常情况，而且在受到异常情况影响后，仍能准确监测电压与电流，由此证明所研究方法具备较好的监测效果。

图7 干扰状态下电流波形监测结果

5 结 论

设计了一个基于便携式智能传感技术的配电设备监测及预警方法，验证了所研究的监控和预警方法的有效性，可以在很大程度上减少故障的发生，保证电力安全，期望本文所研究的方法能在配电设备监控与预警方面得到更多的应用，为相关领域提供一些参考。