基于LSTM的高压输电电缆接头温度异常预警系统设计

马超

（国网新疆电力有限公司昌吉供电公司，新疆昌吉 831100）

在供电系统中，由于接触电阻、过载等因素，各连接部位温度升高，使其在接头处的绝缘性能降低，若发生故障时可能出现燃烧、坍塌现象，极易引起火灾，给电网运行带来极大安全风险，甚至会使企业被迫停产，短时间内无法恢复生产，造成重大的经济损失。从事故原因来看，由于电缆中间接头制作工艺不过关，接头压力不够大，长时间使用会引起电缆接头发热，引起绝缘烧毁，从而引起严重的事故，因此必须从源头上防止安全事故。同时通过实时采集、预测、分析、监测数据，对故障进行快速判断，并进行故障预警，以防止事故发生。因此，提出一种基于超高频RFID 技术监测系统[1]，该系统通过使用RFID 技术向温度传感器中传递电缆接头温度，同时向用户APP 中传输温度信息，使维修人员及时查看异常情况；使用基于窄带物联网的监测系统[2]，通过窄带物联网实现温度数据远程传输，结合超文本传输协议请求方式订阅云平台数据，实时观测电缆接头温度。在同类监测系统中均会受到强磁场干扰的影响，出现预警效果不佳的问题，为此提出了基于LSTM 的高压输电电缆接头温度异常预警系统设计。长短期记忆（Long Short-Term Memory，LSTM）是针对循环神经网络的长期依赖性而设计的一种时间周期神经网络形式，是一种类似于重复神经网络的连结结构。

1 高压输电电缆接头温度场分析

由于接头部分和电缆部分的半径不发生变化，所以通过参数电阻率来控制连接点接触电阻[10-11]。为了方便分析接触电阻对接头电缆温度场的影响，引入中间接头和电缆部分单位长度电阻比值系数c。

中间接头和电缆部分线芯温度随比例系数变化关系如图1 所示。

图1 中间接头和电缆部分线芯温度随比例系数变化关系

由图1 可知，两条直线相交点即为求解的比例系数，低于该系数时，电缆接头能够安全、稳定运行；高于该系数时，电缆接头存在被击穿隐患。

2 预警系统硬件设计方案

由于电缆长期处于高电压、大电流的环境中，受到过载、绝缘老化、接头失效等因素影响，使电缆温度超出极限。若不能及时检测出故障，将会对电缆寿命产生直接影响[12]。因此，采用LSTM 技术对高压输电电缆接头温度异常情况进行报警，使操作人员能够及时了解其工作状态，从而提高电缆运行安全性。

2.1 DS18B20温度传感器

DS18B20 温度传感器能够将全部数据集成到电路传输通道内，其结构如图2 所示。

图2 DS18B20温度传感器内部结构

由图2 可知，DS18B20 温度传感器直接接入电容器中进行供电，在此过程中使用三线制的方式。DS18B20 温度传感器在温度作用下，减法计数器从预定数字开始计数，该数值会持续发生改变，直到降到0 为止，不再发生改变[13]。持续重复上述步骤，直到温度寄存器数值均达到所测试的温度为止。

2.2 预警终端

预警终端安装在分接箱的线缆接头上，用以测量电缆接头的温度和电流。因为接线箱中有大量连接器，所以在每一个接口上都装有一台能够实现远距离无线通信的预警终端，这样会产生投资大、拖延预警检测失效的负面影响[14]。为此，使用了一种利用GPRS 无线网络对各终端进行数据采集、分析与处理的方法。由于预警终端和数据集中器都是感应式供电，因此能够很好地解决电力供应困难的问题。同时通过使用低功率短距离无线通信技术，解决了高电压隔离问题，并能使预警终端和数据集中器之间的数据高效传送。

研究结果显示在出院前阶段观察组患者自我护理能力分数(61.21±7.76)与对照组(60.11±8.54)无显著差异(t=0.515,P>0.05),而出院后3个月的两组患者的分数均显著高于出院前阶段(t=3.517,P<0.05),同时出院后阶段观察组分数(89.52±7.71)显著高于对照组(78.14±7.76)(t=5.057,P<0.05)。

3 关键技术研究

系统长期过负荷运行时，施加负载超出了电缆载流量，接头温度也会随之升高，存在一定的安全隐患。为此提出了基于LSTM 的预警方法，对高压输电电缆接头温度异常进行预警。

使用集成经验模态分解方式对接头初始温度进行分解处理，获取多个子序列。具体如下所示：将服从正态分布的高斯白噪声加入到电缆接头温度初始序列中，进行经验模态分解[15]。寻找添加噪声后序列中所有局部极值点，使用差值函数拟合求得上、下包络线序列，并求取平均值，得到均值序列，如下：

式中，x(t)表示上包络线序列；y(t)表示下包络线序列。添加噪声后的序列与均值序列的差值即为中间序列h(t)，判断中间序列是否满足本征模函数，如果满足，则将其定义为函数1，否则将其视为新的序列，以此类推直到对全部序列完成模态分解为止。将全部分解结果进行几何平均处理，用来抵消加入白噪声所带来的幅值影响[16]。

构建LSTM 网络单元，使用该单元对分解得到的子序列进行预测，将预测结果整合后获取接头在未来一段时间内的温度值。LSTM 具有三个门限，分别是遗忘门、更新门和输出门，这些门限均是当前时刻输入特征和上一时刻短期记忆的函数，使循环神经网络具有更强的记忆功能。通常情况下，LSTM 具有三种状态，分别是候选态、细胞态和存储器，基于上述LSTM 网络知识，在t时刻LSTM 训练过程能够通过以下交互层实现：

式中，x0(t)表示初始序列；En表示待训练的参数矩阵；λn表示待训练偏置项。每个控制门权重可通过输入相应数据进行训练而得到，由此可获取LSTM 预警模型，如图3 所示。

图3 LSTM预警模型

在外界环境温度不同的情况下，高压输电电缆接头温度存在较大偏差，为此必须使用预测日的天气预报最高、最低温度值。当电流流过接头温度时会产生热量，可用公式表示为：

式中，I表示电流值；R表示电阻值；t为时间。由于接头温度过高与电流有关，提取接头温度信息时，使用小波变换法对数据集进行特征变换，获取温度变化趋势信号，得到内外温差数据，可用一维矩阵表示：

式中，Tan表示接头线芯温度；Tbn表示接头外表面温度。

设温度上限为δ，根据检测的温度是否超出温度上限为判断依据。当ΔTc大于设定阈值时，说明电缆接头温度异常，可用红色输出结果来表示；当ΔTc接近设定阈值时，说明电缆接头温度有异常迹象，可用黄色输出结果来表示；当ΔTc小于设定阈值时，说明电缆接头温度正常，可用绿色输出结果来表示。

依据上述构建的预警模型对测试集进行温度异常检测，实现高压输电电缆接头温度预警。

4 系统性能测试

4.1 测试过程

在系统性能测试过程中，对电缆进行预处理。先把线缆拉直，再拆下线缆的外壳。用小刀、剥线钳依次切割电缆外护套、铜屏蔽层、半导体层、绝缘层、导体屏蔽层。具体操作流程为：将电缆外壳两端分别剥去750 mm 和450 mm；从线芯顶端开始量取到300 mm，剥离铜罩；从线芯顶端开始量取到240 mm，剥离半导体层；从芯线顶端开始量取360 mm，将主绝缘层剥离，使芯线暴露。在绝热部位切割一条30°的凹槽，然后打磨。

设定剥线机的送料深度，即可精确地将半导体与主绝缘层分离。剥线时，主要绝缘层会产生不均匀波纹和褶皱。因此用砂纸把绝缘层磨平滑，然后用线缆清洁纸清洗绝缘层。线缆预处理结构图如图4所示。

图4 电缆预处理结构图

由图4 可知，电缆经过预处理后，具有一定绝缘性，方便进行测试研究。

4.2 测试数据分析

为了检验温度测量结果的正确性，使用电热鼓风干燥箱进行恒温试验。首先设定烘干箱的温度，再利用红外成像和温度传感器对烘干箱温度进行检测，并与烘干箱中设定的温度进行对比，以确认红外成像和温度传感器测温精度。

利用红外成像仪进行温度测量时，要将光标与温度传感器位置对齐，以获取图像，测温装置如图5所示。

图5 测温装置

采用温度传感器进行测温，将温度传感器置于箱内，由CC2530 芯片和串口通信模块将测温数据直接上载至计算机上，从而实现温度在线实时监测。

4.3 温度测试分析

以上述红外成像仪检测的温度为测试标准，分别使用基于超高频RFID 技术监测系统、基于窄带物联网的监测系统和基于LSTM 预警系统对比分析温度统计结果，如图6 所示。

图6 三种系统温度统计结果对比分析

由图6 可知，使用基于超高频RFID 技术监测系统、基于窄带物联网的监测系统统计温度所绘制的曲线与实际温度曲线不一致，而使用基于LSTM 预警系统统计温度所绘制的曲线与实际温度曲线基本一致，只存在0.2 ℃的最大误差。通过该系统能够直接反映出接头温度，有效监视电缆接头温度变化情况，使系统具有良好的预警效果。

5 结束语

从高压输电电缆实际运行角度出发，借助温度传感器设备，设计基于LSTM 的高压输电电缆接头温度异常预警系统。通过系统测试对电缆接头实际运行温度进行了研究，测试结果表明，所设计系统能够满足实际需求，在电缆接头被击穿前及时做出预警。所设计系统虽然能够精准预测温度，但仍然存在问题需要进一步研究。目前该系统只是针对电缆接头温度进行监测，比较单一，如果要对接头运行状态进行全面监测可能需要增加其他检测指标，例如湿度、粉尘，因此以该问题为研究项目继续展开深入分析。