林玉涵

?

基于紅外熱成像的電力廊道溫度的模糊預(yù)測(cè)技術(shù)

林玉涵

（廈門紅相電力設(shè)備股份有限公司，福建廈門 361000）

為了實(shí)時(shí)監(jiān)測(cè)高壓電力廊道內(nèi)電力設(shè)備的溫度，本文結(jié)合紅外熱成像技術(shù)和模糊狀態(tài)理論，提出了一種電力廊道溫度預(yù)測(cè)方法。首先，利用分布式熱紅外探測(cè)器對(duì)廊道內(nèi)的關(guān)鍵電力設(shè)備及其電氣接頭進(jìn)行實(shí)時(shí)溫度采集；然后，將各采樣區(qū)的溫度狀態(tài)參數(shù)無線傳輸至通信主站；最后，采用模糊理論將各采樣區(qū)的溫度參數(shù)擬合成溫變狀態(tài)方程，構(gòu)建廊道溫度狀態(tài)預(yù)測(cè)模型。利用該模型對(duì)電力廊道的某區(qū)域進(jìn)行60min連續(xù)溫度預(yù)測(cè)。預(yù)測(cè)結(jié)果表明，不同采樣區(qū)溫度預(yù)測(cè)的相對(duì)誤差均不超過0.735%；全時(shí)段的平均絕對(duì)誤差均不超過0.135℃。顯然，該模型能準(zhǔn)確預(yù)測(cè)電力廊道的溫度變化，對(duì)電力廊道的智能巡檢具有一定的工程應(yīng)用價(jià)值。

高壓配電網(wǎng)；電力廊道；紅外熱成像；模糊狀態(tài)方程；溫度預(yù)測(cè)

電力廊道是一種用于高壓電力線路鋪設(shè)的地基載體。與高壓桿塔架線路鋪設(shè)方式相比，高壓電力廊道具有占用空間少、有效改善市容等優(yōu)點(diǎn)。因此，近年來，高壓電力廊道逐漸在京、滬、蘇、浙、皖等電力供配網(wǎng)密集的地區(qū)建成[1]。然而，由于高壓電力廊道內(nèi)的導(dǎo)電線路熱功率很大，緊湊的廊道內(nèi)會(huì)導(dǎo)致局部過熱，從而造成絕緣失效甚至廊道電力設(shè)備的短路故障，最終破壞電力設(shè)備的正常工作。為保證電力廊道的安全穩(wěn)定運(yùn)行，應(yīng)該對(duì)其特定位置進(jìn)行在線溫度檢測(cè)[2]。

目前，絕大多數(shù)電力廊道內(nèi)電力設(shè)備的巡檢方式以人工為主。巡檢員利用紅外熱像儀對(duì)廊道內(nèi)的線路、絕緣子、變壓器等電力設(shè)備進(jìn)行在線檢測(cè)[3-4]。但是，這種傳統(tǒng)的巡檢方式存在諸多弊端。一方面，巡檢所依賴的紅外技術(shù)并沒有實(shí)現(xiàn)與配電網(wǎng)參數(shù)的集成，無法實(shí)現(xiàn)電力供配網(wǎng)絡(luò)的全區(qū)域在線監(jiān)測(cè)與故障預(yù)估；另一方面，人工巡檢還存在工作環(huán)境危險(xiǎn)，巡檢效率低等問題。目前，在電氣設(shè)備局部溫度測(cè)量方面，大多是采用接觸式探傷測(cè)量方法，這種測(cè)量方法主要是通過預(yù)埋的方式將探傷設(shè)備布置在被測(cè)觸電的周邊來實(shí)現(xiàn)測(cè)溫的。因此，這種方法存在電磁干擾甚至短路的風(fēng)險(xiǎn)。同時(shí)，這種方法往往適用于低壓電力系統(tǒng)的溫度檢測(cè)，不太適合于高電壓等級(jí)系統(tǒng)的溫度檢測(cè)要求[5-6]。

為了實(shí)現(xiàn)電力廊道的全區(qū)域溫度監(jiān)視和故障預(yù)防，需要設(shè)計(jì)更合理的方法對(duì)在線測(cè)得的廊道溫度進(jìn)行有效合理的預(yù)測(cè)。D. Fischer等利用廣義偽貝葉斯理論，設(shè)計(jì)了一種概率轉(zhuǎn)移的交互式多模型預(yù)測(cè)算法。該方法能夠?qū)崿F(xiàn)復(fù)雜網(wǎng)絡(luò)區(qū)域的溫度預(yù)測(cè)[7]。W. Takashi等在假設(shè)溫度分布服從零均值和狀態(tài)平穩(wěn)的指數(shù)衰減的基礎(chǔ)上，提出了一種時(shí)間相關(guān)的Jerk溫度預(yù)測(cè)模型[8]。但是，受到線性誤差、高斯噪聲等非線性參量的限制，上述溫度預(yù)測(cè)方法的精度會(huì)隨狀態(tài)模型非線性程度的提高而降低[9]。慶幸的是，近年來的研究發(fā)現(xiàn)，模糊邏輯能夠反映變化過程中的不確定因素，解決高維狀態(tài)量難以用精確數(shù)學(xué)模型定義的復(fù)雜問題。因此，模糊理論被不斷用于狀態(tài)預(yù)測(cè)模型的構(gòu)建上[10-12]。模糊方法建立的狀態(tài)預(yù)測(cè)模型，能夠以任意精度逼近連續(xù)溫變函數(shù)，從而對(duì)任意非線性系統(tǒng)實(shí)現(xiàn)溫度預(yù)測(cè)。

本文將紅外熱成像技術(shù)與模糊理論應(yīng)用于電力廊道的溫度預(yù)測(cè)上。首先，利用分布式熱紅外探測(cè)器對(duì)廊道內(nèi)的關(guān)鍵電力設(shè)備及其電氣接頭進(jìn)行實(shí)時(shí)溫度采集；然后，將各采樣區(qū)的溫度狀態(tài)參數(shù)無線傳輸至通信主站；最后，采用模糊理論將各采樣區(qū)的溫度參數(shù)擬合成溫變狀態(tài)方程，構(gòu)建廊道溫度狀態(tài)預(yù)測(cè)模型，從而實(shí)現(xiàn)廊道區(qū)域的溫度監(jiān)測(cè)和狀態(tài)預(yù)測(cè)。該技術(shù)能實(shí)現(xiàn)電力廊道的溫度智能檢測(cè)，縮減高壓電力廊道的檢修工作。

1 紅外熱成像技術(shù)原理

目前，紅外熱成像技術(shù)被廣泛應(yīng)用于電力廊道的智能巡檢，保障地下電力傳輸?shù)陌踩?。通過紅外熱成像技術(shù)，智能廊道巡檢系統(tǒng)能夠?qū)崿F(xiàn)環(huán)境探測(cè)、溫度測(cè)量、交互通信及自助故障排除等功能。鑒于高壓電力傳輸工況的復(fù)雜性，將非接觸式紅外熱成像技術(shù)應(yīng)用于智能巡檢系統(tǒng)中，能夠最大程度的適應(yīng)廊道內(nèi)的復(fù)雜環(huán)境，保障廊道內(nèi)的人員及設(shè)備的安全[13-14]。

本文根據(jù)某電力廊道的實(shí)際工況條件，設(shè)計(jì)了基于紅外熱成像的電力廊道溫度檢測(cè)系統(tǒng)，其技術(shù)原理如圖1所示。

圖1 電力廊道內(nèi)的紅外熱成像溫度檢測(cè)系統(tǒng)

廊道內(nèi)電氣系統(tǒng)的熱效應(yīng)所發(fā)射的紅外線信號(hào)，被紅外探測(cè)器接受后就會(huì)實(shí)現(xiàn)紅外熱成像。電力廊道溫度檢測(cè)系統(tǒng)的工作過程大致如下：①將紅外熱探測(cè)器安置在不同電氣接頭附近，來獲取電力廊道內(nèi)的各種電氣接頭的紅外熱圖像信息；②將采集到的紅外熱圖像數(shù)據(jù)通過無線通信模塊傳輸?shù)脚潆娮詣?dòng)化主站平臺(tái)；③配電自動(dòng)化主站平臺(tái)將上載的原始紅外熱圖像數(shù)據(jù)進(jìn)行圖像分析，包括預(yù)處理、噪聲信號(hào)消除、邊緣檢測(cè)等；④將經(jīng)過圖像處理的熱圖像進(jìn)行量化分析，計(jì)算不同采集點(diǎn)處的溫度分布特征。

2 溫度預(yù)測(cè)模型

在對(duì)廊道內(nèi)溫度變化構(gòu)建模糊規(guī)則時(shí)，首先需要利用熱成像技術(shù)，求取各區(qū)域熱源信息的極值min和max。其次，對(duì)得到的極值點(diǎn)進(jìn)行篩選，剔除偽極值點(diǎn)；根據(jù)采集的溫度樣本，進(jìn)行歸一化處理[15]，即

最后，根據(jù)保留的關(guān)鍵極值點(diǎn)確定輸入變量的初始模糊劃分[16]。假設(shè)電力廊道內(nèi)的溫度變化參數(shù)的第條模糊規(guī)則滿足：

Ri：If1is1and2is2，…，andxis，

則其對(duì)應(yīng)的規(guī)則輸出為

式中，x(=1, 2, …,)為規(guī)則的第個(gè)輸入變量；=[a0, …,a]為規(guī)則后件的線性參數(shù)；1, …,為輸入變量所對(duì)應(yīng)的模糊集。此時(shí)，模型的輸出為

（3）

其中，w為第條規(guī)則的激活程度，可以表示為

(x)為輸入變量x的隸屬度，其可以表示為

（5）

式中，v和分別表示為高斯函數(shù)的中心和方差。

從而可知，規(guī)則的有效函數(shù)定義為

=（7）

由于電力廊道的測(cè)試數(shù)據(jù)不可能覆蓋所有參數(shù)分布空間，因此需要利用帶遺忘因子的遞推最小二乘法，對(duì)模型的后件參數(shù)進(jìn)行在線調(diào)整，即

3 實(shí)驗(yàn)與數(shù)據(jù)分析

為了驗(yàn)證模糊溫度預(yù)測(cè)方法的有效性，本文利用5個(gè)紅外熱成像探測(cè)點(diǎn)，對(duì)福州市某區(qū)段電力廊道內(nèi)的電力設(shè)備進(jìn)行了溫度監(jiān)測(cè)采樣和預(yù)測(cè)試驗(yàn)。為了全面覆蓋廊道的探測(cè)區(qū)域，將相鄰探測(cè)點(diǎn)之間的距離設(shè)置為10m，其中，第一個(gè)廊道采樣點(diǎn)處的紅外熱成像效果，如圖2所示。

（a）電力廊道實(shí)物圖

（b）紅外熱成像圖

圖2 電力廊道的紅外熱成像效果圖

根據(jù)上傳的紅外熱成像數(shù)據(jù)，分析廊道采樣覆蓋面的熱源分布，計(jì)算出廊道內(nèi)的溫度最大值max。為了分析不同時(shí)段的溫度變化情況，采樣時(shí)間間隔設(shè)置為10min，設(shè)開始采樣為0時(shí)刻，經(jīng)過6次連續(xù)采樣，各采樣點(diǎn)的在不同時(shí)刻的溫度最大值，見表1。

表1 不同時(shí)刻各采樣點(diǎn)的溫度最大值/℃

根據(jù)表1的測(cè)試數(shù)據(jù)，利用本文提出的預(yù)測(cè)模型，對(duì)不同采樣點(diǎn)在t時(shí)刻的對(duì)應(yīng)溫度進(jìn)行預(yù)測(cè)，其中，=6, 7, …, 11。預(yù)測(cè)的結(jié)果見表2，同時(shí)，其實(shí)測(cè)值見表3。

表2 tn時(shí)刻各采樣點(diǎn)的溫度預(yù)測(cè)值（n=6, 7, …, 11）/℃

為了更進(jìn)一步驗(yàn)證該預(yù)測(cè)模型的精度，利用工業(yè)二級(jí)標(biāo)準(zhǔn)鉑銠10-鉑熱電偶對(duì)該5個(gè)采樣點(diǎn)進(jìn)行實(shí)際溫度測(cè)量，由于工業(yè)二級(jí)標(biāo)準(zhǔn)鉑銠10-鉑熱電偶的精度較高，因此將其測(cè)得的溫度值T作為真值。此時(shí)，不同時(shí)刻預(yù)測(cè)溫度P的相對(duì)誤差可以表示為

表3 tn時(shí)刻各采樣點(diǎn)的溫度實(shí)測(cè)值（n=6, 7, …, 11）/℃

從而根據(jù)表2和表3，即可求得預(yù)測(cè)溫度的相對(duì)誤差值，結(jié)果如圖3所示。

圖3 不同時(shí)刻預(yù)測(cè)溫度的相對(duì)誤差

從總體上看，利用模糊預(yù)測(cè)模型對(duì)電力廊道進(jìn)行60min溫度預(yù)測(cè)的結(jié)果表明，不同采樣點(diǎn)的預(yù)測(cè)精度在均值為0.328%的相對(duì)誤差附近波動(dòng)，其波動(dòng)幅度最大為0.407%；預(yù)測(cè)結(jié)果的最大相對(duì)誤差為0.735%。

根據(jù)表2和表3的數(shù)據(jù)，即可求出預(yù)測(cè)溫度的平均絕對(duì)誤差，結(jié)果如圖4所示。

由圖4可以看出，在60min內(nèi)的電力廊道檢測(cè)時(shí)間段內(nèi)，采樣點(diǎn)1的平均絕對(duì)誤差為0.112℃，采樣點(diǎn)2的平均絕對(duì)誤差為0.115℃，采樣點(diǎn)3的平均絕對(duì)誤差為0.135℃，采樣點(diǎn)4的平均絕對(duì)誤差為0.127℃，采樣點(diǎn)5的平均絕對(duì)誤差為0.093℃。顯然，溫度的預(yù)測(cè)精度完全滿足工程精度的要求。

4 結(jié)論

為了對(duì)高壓電力廊道的溫度進(jìn)行實(shí)時(shí)監(jiān)測(cè)，實(shí)現(xiàn)廊道內(nèi)電力設(shè)備的故障預(yù)防與診斷，本文結(jié)合熱紅外成像技術(shù)與模糊理論，提出了一種高壓電力廊道溫度的預(yù)測(cè)方法。利用該方法對(duì)電力廊道某區(qū)間進(jìn)行60min連續(xù)溫度預(yù)測(cè)。結(jié)果表明，不同廊道采樣點(diǎn)所預(yù)測(cè)的溫度，其相對(duì)誤差均在以0.328%為均值的附近波動(dòng)，波動(dòng)幅度不超過0.407%；預(yù)測(cè)結(jié)果的最大相對(duì)誤差為0.735%；溫度預(yù)測(cè)的平均絕對(duì)誤差不超過0.135℃。顯然，本文提出的方法滿足電力安全工程的監(jiān)測(cè)精度要求。

[1] 何占. 臨海市域電力設(shè)施布局規(guī)劃優(yōu)化的研究[D]. 北京: 華北電力大學(xué), 2014: 33-41.

[2] 王長久, 石文婷, 柳君, 等. 中控GCS系統(tǒng)在電力廊道項(xiàng)目的應(yīng)用[J]. 中國儀器儀表, 2014(10): 41-45.

[3] Byambasuren Erdene, Kim Donghan, Oyun-Erdene Mandakh, et al. Inspection robot based Mobile sensing and power line tracking for smart grid[J]. Sensors (Basel, Switzerland), 2016, 16(2): 250.

[4] 黃俊波, 王康. 電力巡檢吊艙紅外圖像增強(qiáng)技術(shù)研究[J]. 光學(xué)與光電技術(shù), 2015, 13(6): 42-44, 62.

[5] 胡偉, 任廣振, 葛雋, 等. 高壓電力廊道自動(dòng)巡檢機(jī)器人系統(tǒng)的研制[J]. 自動(dòng)化與儀表, 2013, 28(12): 13-16.

[6] 錢毅濤. 頭盔式紅外測(cè)溫系統(tǒng)的研究與實(shí)現(xiàn)[D]. 南京: 南京理工大學(xué), 2015: 69-77.

[7] Fischer D, Szabados B. Using a bayes classifier to optimize alarm Generation to electric power generator stator overheating[J]. IEEE Trans. Instrumentation & Measurement, 2003, 52(3): 703-709.

[8] Watanabe Takashi, Fukushima Keisuke. A study on feedback error learning controller for functional electrical stimulation: Generation of target trajectories by minimum jerk model[J]. Artificial Organs, 2011, 35(3): 270-274.

[9] Kashania M, Movahhedya M. Analytical prediction of the temperature field in laser assisted machining[J]. ELSEVIER, Procedia CIRP, 2016, 46(1): 575-578.

[10] Vickers Mathew, Schwarzkopf Lin. A simple method to predict body temperature of small reptiles from environmental temperature[J]. Ecology and Evolution, 2016, 6(10): 3059-3066.

[11] 侯克男, 楊立新, 樊琳, 等. 多功能現(xiàn)場(chǎng)用電檢查終端關(guān)鍵技術(shù)研究[J]. 電氣技術(shù), 2016, 17(1): 38-41, 45.

[12] 王興照, 周大洲, 王寧. 基于熱紅外成像技術(shù)的絕緣子故障分類研究[J]. 電氣技術(shù), 2016, 17(11): 140- 142, 150.

[13] 馬韜, 朱志芹, 邱清泉, 等. 1250kV·A三相高溫超導(dǎo)變壓器的系統(tǒng)集成與試驗(yàn)[J]. 電工技術(shù)學(xué)報(bào), 2016, 31(21): 188-195.

[14] 谷云東, 張素杰, 馮君淑. 大用戶電力負(fù)荷的多模型模糊綜合預(yù)測(cè)[J]. 電工技術(shù)學(xué)報(bào), 2015, 30(23): 110-115.

[15] 劉芬, 郭躬德. 基于區(qū)間相似度的模糊時(shí)間序列預(yù)測(cè)算法[J]. 計(jì)算機(jī)應(yīng)用, 2013, 33(11): 3052-3056.

[16] 占紅來. 紅外弱小目標(biāo)搜索跟蹤算法研究[D]. 北京: 中國工程物理研究院, 2013: 29-44.

Fuzzy Prediction of Temperature for an Electric Power Gallery based on an Infrared Thermal Imaging Technology

Lin Yuhan

(Xiamen Red Phase Instruments Inc., Xiamen, Fujian 361000)

To monitoring the global temperatures of the high voltage electric power gallery, a fuzzy prediction method is proposed by using an infrared thermal imaging technology in this paper. Firstly, the temperature of the key electrical equipment embed in the gallery are detected by multi- infrared detectors. Secondly, the temperature prediction model is built by fuzzy theory using these real-time tested temperatures. What’s more, this model is applied to predict the temperature variation of an electric power gallery among the period of 60 minutes. The experimental result shows that the relative errors of the sampling areas are less than 0.735% and the mean absolute errors of the predicted values are less than 0.135℃. In a word, our suggested method is qualified to temperature monitoring of the electric power gallery automatically, which has an application value to electric power overhaul.

high voltage distribution network; electric power gallery; infrared thermal imaging; fuzzy state function; temperature prediction

林玉涵（1981-），男，本科，工程師，主要從事電力系統(tǒng)檢測(cè)、監(jiān)測(cè)、計(jì)量產(chǎn)品的應(yīng)用研究工作。