基于LSTM 的高压输电电缆接头异常预警系统设计

贾俊青，思勤，段玮頔，邓凤婷，董文娟

（内蒙古电力科学研究院，内蒙古呼和浩特 011200）

当前，我国电网正向高压、大容量、网络化方向发展。随着电力市场需求的日益增长，电力系统的安全性、可靠度日益提高。常规的预防性测试是周期性的，但在这段时间内，电力设备的绝缘状况会有一个潜伏期。目前的测试项目不能保证在这一周期中不发生故障，因此预防性测试无法及时精准发现故障问题，存在较大局限性。因此，需要对系统进行监测预警。监测预警就是对输电设备实际运行状态展开深入分析，进而得到可靠性评价结果。文献[1]提出了一种基于护层电流构建的监测方法，该方法计算电缆接头高电流和低电流差值，将同一金属保护层的首末两端电流差值与实际值对比，构造新的特征量。根据多维特征融合方法建立判断依据，以此进行异常预警；文献[2]提出了一种基于利萨如图形的预警方法，该方法通过计算首末两端电流值构建利萨如图形，得到的结果作为特征输入向量。求解异常行为的特征向量，获取样本空间矢量，实现异常的精准预警。然而，由于电缆中存在一定谐波，上述两种方法受到谐波扰动影响，使得预警结果不精准。为此，该文设计了基于LSTM 的高压输电电缆接头异常预警系统。

1 高压输电电缆接头异常电流谐波检测

当电缆出现故障时，介质中的磁偶极（介质磁化）会引起线缆磁矩方向重新排列，从而在线缆高阶谐波成分中反映出线缆异常状态[3]。由于输电电缆接头处的磁场随着异常状态变化而发生改变，进而产生了异常电流谐波，该谐波所造成的电缆磁束如图1 所示。

图1 介质不均匀磁束

当交流电流通过导线时，会因磁场的改变而形成涡流。在介质中均匀分布的情况下，电缆电流产生的磁场是一致的，而在介质中存在着涡流[4-5]。一旦电缆接头的介质不均匀，则运行环境中的介质就会影响接头，使湿气附着在电缆介质上，引起线缆内部的涡流，从而反映出电缆接头的状况[6]。

2 系统硬件结构设计

电缆接头故障预警系统硬件结构如图2 所示。

图2 电缆接头故障预警系统硬件结构

工业控制电脑设在工厂的主控制室里，在高温环境下，数据收集站和电源（供电设备）被分配到更高的地方[7-8]。在电缆接头出现异常状态时，由于介质中的磁偶极（电介质磁化）会使电缆的磁矩方向发生变化，使电缆的高次谐波分量反映出电缆的不正常[9]。

2.1 CC2430微处理器预警模块

采用CC2430 芯片作为微处理器单元，结合了低功耗的8051 核心，将芯片、内存和I/O 引脚结合起来。将ZigBee 添加到单片机中，可以实现网络的自动组网，使得系统能够方便、灵活地添加或删除电流检测节点[10]。在该预警模块中，使用的传感器模块选取了DS18B20 型号数字式电流传感器，负责传输高压带电设备电流；处理器模块负责监测这一区域的电流，并将其临时存储在128 kB 的Flash 中；无线收发模块负责各节点间的通信；电源模块负责保证电力供应稳定[11]。

2.2 接地线电流检测模块

由于电缆在正常工作或带故障运行时容易受到内部和外部环境的影响，在使用一段时间后，电缆接头会发生劣化、损坏等现象，从而使接地线路的电流发生显著改变[12]。所以，接地电流的变化可以很好地反映出电缆连接的水平，从而可以对电缆接头的故障进行评价。

接地线电流检测模块的原理图如图3 所示。

图3 接地线电流检测模块原理图

通过电流传感器能够将其他信号转换为电流信号形式，再通过A/D 转换、数据采集、处理等环节，最终通过故障报警和显示接口实现对电缆接头进行实时监控。

3 基于LSTM的预警模型构建

LSTM 是一种递归神经网络，可以较好地克服梯度爆发、梯度消失等问题，具有较好的记忆能力[13]。LSTM 神经网络通过对历史和实时电流进行预测，并通过移动平均技术，得出整个电流变化趋势。利用移动平均技术对原始序列进行修匀或平滑处理，从而减弱了原始序列的起伏，可以更加直观地反映预测数据走势[14]。

假设高压输电电缆结构中每个状态节点都是由n个检测点组成的，由此定义在t时刻的检测点集合为：

式中，an(ti)表示不同检测点在同一时刻下的检测数值；i表示检测点。LSTM 神经网络预警模型可以表示为：

式中，k表示状态节点；an(tk)表示t时刻下电缆的运行状态。

高压输电电缆接头异常预警模型的构建为电缆接头异常点预测值输出奠定了基础。将实时状态与模型中检测点进行对比，获取当前电缆接头状态的预测值，公式为：

式中，ω表示权值向量，对于权值向量的确定如下所示。

计算模型输入和输出预测值的残差，公式为：

极小化处理残差，得到权值向量：

式中，T表示残差偏置。

由于LSTM 神经网络预警模型不可逆，影响系统预警效果。因此，在确定权值向量后，对系统当前的状态进行估计[15]：

由式（6）可以得到最终的异常预警模型。之后对预测数据进行m次双向取均值操作，如下所示。

正向移动平均计算公式为：

反向移动平均计算公式为：

式（8）中，zs表示移动平均预测值。重复上述两个步骤，循环多次，当预测数据达到一定阈值范围时，需要进行电缆接头电流异常预警。首先确定电流预测数据在某个时刻超出阈值频次，以及是否存在超出阈值较大的预测数据[16]。根据频次大小进行综合判断，并给出相应预警信息。设电流阈值大小为Iλ，超出阈值的电流界限为Imax，在某个时刻超出温度阈值的频次大小为η，频次阈值为η0。当η＜η0时，系统指示灯为黄色，说明接头出现异常行为；当η≥η0时，系统指示灯为红色，说明接头正常；当Ias＜Iλ时，系统指示灯为绿色，说明接头正常；当Ias≥Iλ时，系统指示灯为灰色，说明接头异常。

4 实 验

在进行电缆接头异常预警测试之前，利用有限元方法模拟电缆电场，并给出了模拟的示意图，如图4 所示。

图4 电缆电场磁场仿真

在模拟中增加了水树故障，由于高压电缆长期运行在高压、强电场环境中，使得电缆接头产生了树枝状分支，导致电缆接头部分受损。根据产生枝条的原因，线缆接头处的强度会变得不均匀，从而引起局部高电场。在长期高强度的电场作用下，受潮接头不可避免地会产生水树枝。

水树对磁场强度影响如图5 所示。

图5 水树对磁场强度影响

由图5 可知，正常情况下，电缆接头磁场强度在距离接头6 mm 位置达到最大值为500 kA/m；初始阶段、发展阶段电缆接头磁场强度在距离接头6 mm 位置达到最大值为700 kA/m。水树生长使得磁场强度随之增强，距离越远，磁场波动越剧烈，其中最大电流密度出现在距离接头8～14 mm 位置，最终磁场强度峰值出现在初始阶段和发展阶段。

使用基于LSTM 的高压输电电缆接头异常预警系统，在仿真界面得到的水树枝发展示意图如图6所示。

图6 水树枝引发的接头故障发展示意图

在发展初段和发展中段，会出现电荷碰撞、局部温度过高、绝缘介质氧化、化学降解等现象。电场作用下的电子在接头处引起空间电荷，从而导致枝条生长。电缆工作在恶劣条件下，周围土壤中含有多种化学成分。当化学物质通过破损接头或缝隙流入到电线中时，由于低电场影响，会引发化学分支。电化学枝条会逐步地破坏电缆的绝缘，从而产生一个放电通路，最终导致接头被击穿。

为了进一步验证所设计系统的合理性，将其与文献[1]、文献[2]的接头电流数值进行对比分析，如图7 所示。

图7 三种系统接头电流数值对比分析

由图7 可知，使用文献[1]、文献[2]的电流数值最大值分别为135、150 A，其变化曲线与实际曲线不一致；使用所设计系统电流数值最大值为125 A，且变化曲线与实际曲线基本一致。通过上述分析结果可知，所设计系统异常预警效果较好。

5 结束语

文中通过对高压输电电缆接头异常电流谐波检测，构建基于LSTM 的预警模型，结合基于移动平均技术的电流趋势预测方法，实现电缆接头的电流趋势整体预测。根据设计的基于LSTM 的高压输电电缆接头异常预警系统，用户可以通过显示界面获取电缆异常等级，用户可直接根据直观判断结果制定应对措施。