坚强智能电网高压电缆芯暂态温度实时监测方法研究

索涛

(国网新疆电力有限公司昌吉供电公司， 新疆 昌吉 831100)

0 引言

近年来，社会发展进步，用电量剧增，当电缆长时间运行时，电缆芯温度会随之提高，可击穿绝缘介质，影响电缆使用寿命的同时，也会造成电力损失与经济损失[1-3]。因此电路安全已成为国家关注重点，高压电缆芯作为电力系统重要组成部分，为保障电力系统运行安全，有必要监测其实时温度。

现代监测高压电缆芯温度方法众多，付明星等[4]提出基于Elman神经网络的高压电缆导体温度动态计算方法，该方法采用粒子群算法优化人工网络的初始权值和阈值，但是其受电缆芯物理参数影响，需进行大量计算，用时长、效率低；徐涛等[5]提出的基于历史测量数据的高压电缆导体温度预测，该方法以历史数据为测量依据，众所周知，历史数据是使用老旧仪器、方法等测量得到的结果，其数据本身精确度不高，以该数据为依据测量所得出的数据精确度较低；郭文强等[6]研究基于有限元的电力电缆缆芯温度预测方法，该测温方法采用可直接测量的电缆外护套温度并与环境参数、负荷参数等相结合实现缆芯温度预测，但其受样本数据量的影响较大，数据量较大情况下高压电缆芯温度监测精度较差。针对一系列温度监测中出现的问题，本文提出坚强智能电网电缆芯暂态温度实时监测方法。

1 高压电缆芯暂态温度监测原理

电缆芯可按照导体界面分为圆形、扇形、椭圆、中空圆形等形状，由单根导线制作小截面(≤16 mm2)电缆芯，由多根导线组成大截面(≥25 mm2)电缆芯[7]。监测电缆芯暂态温度基于背向拉曼效应(Raman scattering)原理，也称背向拉曼散射，是指光波被散射后频率发生改变的现象。由散射介质分子相关的高频声子可被入射光吸收或放出，部分光能转化成为热能，该发出的光比原来的波长大，即为斯托克斯光，反之则为反斯托克斯光[8-9]。其中λs(λs=λ0+Δλ)代表长波一端的波长谱线，称为斯托克斯线，λa(λa=λ0-Δλ)代表短波一端的波长谱线，称为反斯托克斯线。要实现电缆芯温度监测，需要依据入射光与反射光的时间差，判断散射光发射位置与入射点距离[10]。

以反斯托克斯光与斯托克斯光比值代表温度：

(1)

式中，Ia代表反斯托克斯光，Is代表斯托克斯光，λa代表反斯托克斯线长度，λs代表斯托克斯线长度，μ、h、c、T分别代表波数/米、普朗克常量、光速、绝对温度，k代表温度灵敏度系数。

利用拟定定标区与探测器对斯托克斯光和反斯托克斯光的响应差异进行消除。将定标区拟定在高压电缆芯的前300 m，由T0表示其温度，如式(2)：

(2)

式中，T代表电缆温度变化值。经过测量R(T)温度值可监测高压电缆芯测量点暂态温度值。测量光频域反射(OFDR)过程中，会发射光脉冲，检测光脉冲发射和返回时间差可确定光的位置和散射水平。该电缆芯暂态温度监测结构如图1所示。

图1 电缆芯暂态温度检测结构

2 数学模型建立

建立高压电缆芯暂态热路模型，如图2所示。

图2 高压电缆芯暂态热路模型图

图2中，Q0、C0、T0、Q1、C1、T1、R1分别代表电缆芯损耗(KW)、绝缘层损耗(F)、电缆芯温度(℃)、绝缘层损耗(KW)、绝缘层热容(F)、绝缘层温度(℃)、绝缘层热阻(Ω)。

3.1 模型简化

根据图2高压电缆芯暂态热路模型，按照3.1小节假设条件，可将电缆芯暂态热路模型简化，如图3所示。

图3 简化高压电缆芯暂态热路

结合电缆芯、电缆芯温度、绝缘层、绝缘层温度等损耗，以及绝缘层温度和绝缘层损耗的时域关系，使用频域分析法计算电缆芯暂态温度，则有：

(3)

(4)

式中，s代表恒温值。对式(3)、式(4)，使用频域分析法，进行拉普拉斯转换，则有：

A(s)+BQ(s)+Θ(0)=sΘs

(5)

式中，A代表导热系数，B代表对流换热系数，Q(s)代表流体温度，Θ代表热流温度。

(6)

(7)

(8)

(9)

对式(5)进行拉普拉斯反变换，可计算频域解为

θ(t)=L-1[(s-A)-1Θ(0)]+L-1[(s-A)-1BQ(s)]

(10)

式中，L代表金属屏蔽损耗系数。运用式(10)，输入响应与状态响应为零时，可获得该状态公式的时域解，将绝缘层温度值与电缆芯电流带入该公式，比较电缆芯温度实际测量数值，可知二者误差。

3 实验与分析

以某坚强智能电网中的某段长为200 m的高压电缆芯为实验对象，在MATLAB仿真平台中验证本文方法的温度监测效果，并从暂态升温实验、温度监测精度、电磁干扰测试、滤波前后的温度监测效果等方面进行方法验证。

3.1 暂态升温实验

对该实验对象的高压电缆芯实施暂态升温实验，统计线芯电流为76.5 A时，本文方法监测到的不同电流加载时间下的绝缘层温度和线芯温度数据，结果如表1所示。

表1 线芯电流为76.5 A时的温度监测结果

分析表1数据可知，当线芯电流大小为76.5 A时，随着电流加载时间逐渐上升，绝缘层温度和线芯温度均呈现上升趋势。其中线芯的温度上升所产生的热量可通过绝缘层的温度直观体现。因此外界环境温度、绝缘层温度以及线芯温度之间具有一定的关联性。

选取部分暂态升温实验数据，统计不同线芯电流大小下本文方法监测到的线芯温度和实际线芯温度的对比温度曲线，结果如图4所示。

图4 不同线芯电流下的温度监测结果

分析图4数据可知，随着线芯电流大小的增加，电缆线芯温度逐渐增大，本文方法监测获取的电缆线芯温度曲线与实际温度曲线变化一致，且曲线重合度极高，总体误差控制在允许范围内，可以满足工程实际应用需求，具备较好暂态温度监测效果。

3.2 温度监测精度实验

利用本文方法监测其温度，并分别与文献[4](基于Elman神经网络的高压电缆导体温度动态计算方法)、文献[5](基于历史测量数据的高压电缆导体温度预测)、文献[6]方法(基于有限元的电力电缆缆芯温度预测方法)对比，统计4种方法监测到的不同时间的电缆芯温度，并与线路实际温度做对比，对比结果如表2所示。

分析图5可得出，高压电缆芯的实际温度随时间的增加而增加，且当时间在6～8 h时，温度增长较缓慢。其中本文方法的温度监测结果与实际值之间的误差保持在±0.1之间。

图5 电缆芯温度监测结果对比

3.3 电磁干扰测试

高压电缆线在工作过程中会出现电磁干扰，影响电缆芯温度监测效果，为此统计分别采用4种方法监测不同电磁干扰条件下的温度变化情况，其中图6为电磁干扰为50 Hz时温度曲线。图7为电磁干扰为100 Hz时温度曲线。

图6 电磁干扰是50 Hz时测温曲线

图7 电磁干扰是100 Hz时测温曲线

分析图6可看出，电磁干扰是50 Hz条件下，电磁干扰会影响温度监测数值，但本文方法监测温度曲线与实际温度曲线相差不大，部分曲线基本重合。分析图7可知，电磁干扰是100 Hz条件下，监测温度的精确度随着电磁干扰的增加而降低；其中文献[5]方法监测温度高于实际温度，文献[4]与文献[6]方法监测温度均低于实际温度；本文方法温度曲线与实际温度曲线有差别，但相差不大，100 Hz电磁干扰会对本文方法温度监测精准度产生微小影响，但影响不大。

3.4 滤波前后温度监测

运用本文方法监测高压电缆芯在滤波前与滤波后的温度变化，并与文献[4]、文献[5]、文献[6]方法对比，其结果如图8、图9所示。

图8 滤波前电缆芯温度

图9 滤波后电缆芯温度

综合分析图8、图9可知，滤波前实际温度曲线呈现波浪状，本文方法监测温度与实际温度数值相差不大，但其监测温度数值均略微低于实际温度，另外3种对比方法监测温度均与实际温度曲线有较大差距。滤波后，实际温度曲线呈现缓慢上升趋势，曲折不大，较平缓，而且本文方法监测电缆芯温度数值与实际温度大体相符，准确度可达95%，文献[4]、文献[5]、文献[6]方法监测数值与实际温度对比时高时低，并与实际温度数值相差较大，因此本文方法可在不同情况下有效监测电缆芯温度。

4 总结

依据高压电缆芯暂态温度监测原理，由斯托克斯光和反斯托克斯光组成的拉曼散射光，以入射光与反射光的时间差，判断发射光位置与入射点距离，温度由反斯托克斯光与斯托克斯光的比值表示。结合高压电缆芯暂态热路模型图并对其进行简化处理，可从实验中得出以下结论。

(1) 通过暂态升温实验可知，高压电缆芯的温度可通过线芯电流和电缆绝缘层温度综合展现，本文方法监测获取的电缆线芯温度曲线与实际温度曲线变化一致，具备较好暂态温度监测效果。

(2) 高压电缆芯实际温度与时间成正比，本文方法在测量其温度精确度高，误差在±0.1之间。

(3) 监测温度受高压电缆线运行过程中产生的电磁干扰影响。当电磁干扰分别是50 Hz与100 Hz时，本文方法监测温度曲线与实际温度曲线相差不大。

(4) 监测滤波前后温度，并与实际温度曲线对比，本文方法在滤波前，监测温度与实际温度差别较小，在滤波后，监测温度基本与实际温度曲线重合，可见本文方法可有效监测电缆芯温度。

综上可知，本文方法可有效监测高压电缆芯暂态温度，并受电磁干扰与滤波影响较小，实用性与精确度高。本文方法虽然可实现高压电缆芯暂态温度监测，但依然有误差存在，因此还可以进一步优化该方法，进一步提升其精准度。