趙隆，黃新波，曹雯，陳子良（.西安工程大學電子信息學院，陜西西安70048；2.西安電子科技大學機電工程學院，陜西西安70070）

輸電線路微風振動傳感器設計

趙隆1，2，黃新波1，曹雯1，陳子良1
（1.西安工程大學電子信息學院，陜西西安710048；2.西安電子科技大學機電工程學院，陜西西安710070）

微風振動是架空線路時常出現(xiàn)的現(xiàn)象，長期振動會造成導線斷股斷線、金具脫落等危害。針對現(xiàn)有微風振動在線監(jiān)測傳感器測量誤差較大的問題，設計了一種微風振動在線監(jiān)測數(shù)字傳感器，傳感器在采用懸臂梁式位移計的基礎上，將線性回歸的方法和BP神經(jīng)網(wǎng)絡算法應用到傳感器的非線性標定當中，并進行了傳感器標定實驗。研究表明，線性回歸的標定算法比神經(jīng)網(wǎng)絡的標定算法精度更高，標定后最大相對誤差為1.93%。根據(jù)研究結果可知，微風振動傳感器由頻率不同帶來的非線性誤差，可以采用線性回歸的方法進行補償，能夠提高傳感器的測量精度，從而能為導線狀態(tài)檢修提供更加可靠的參考依據(jù)。

輸電線路；微風振動；傳感器標定；線性回歸；BP神經(jīng)網(wǎng)絡

近年來，隨著先進的傳感與測量技術在電力系統(tǒng)中的廣泛應用，電力系統(tǒng)逐步朝著自愈性、互動性、優(yōu)化性的方向發(fā)展，輸電線路的故障率也隨著在線監(jiān)測技術的發(fā)展而大大降低[1-3]。在輸電線路的諸多故障中，微風振動引起的導線斷股斷線最為常見[4-5]。而在輸電線路上安裝微風振動傳感器，可對導線的振動幅值、頻率等情況實時掌握，為判斷導線疲勞壽命、避免導線斷股斷線提供有效數(shù)據(jù)。

目前國內外對微風振動在線監(jiān)測技術的研究已取得了一些成果：

1）采用電磁式振動傳感器，利用振動時磁阻大小的變化反應振動振幅[6]，但是由于傳感器本身依據(jù)電磁感應原理設計，導線上的電壓波動和負荷電流的變化都會對傳感器測量數(shù)據(jù)有較大影響。因此，在傳感器后端增加了低通濾波器，適當減小了測量誤差。

2）光纖光柵傳感器具有抗電磁干擾、無需供電等優(yōu)點，也在國外輸電線路有所應用[7]，其采用光纖光柵傳感器測量導線振動的加速度，并用測試了不同頻率下傳感器的性能，但由于振動加速度不能作為直接衡量振動程度的標準，其應用也受到限制。

3）采用基于懸臂梁式的位移傳感器作為敏感元件，測量導線距線夾出口處89 mm處的彎曲幅度，用最小二乘法及FFT等算法計算振動幅值和頻率[8]，并通過振動幅值計算出導線的動彎應變，可以直接衡量導線振動的水平。但這種方法在實際運行中，存在較嚴重的非線性關系，因此其精度有待進一步提高。

傳統(tǒng)的傳感器普遍存在可靠性不高，測量數(shù)據(jù)誤差較大等問題。根據(jù)IEEE對于微風振動的測量規(guī)范，應采用彎曲振幅法測量導線距線夾89 mm處的彎曲振幅，以此計算出動彎應變，作為評價微風振動的標準[9-10]。本文設計了基于電阻式應變片的微風振動傳感器，該傳感器采用四臂電橋測量導線距線夾89 mm處的幅值信號，并分別利用線性回歸的方法和BP神經(jīng)網(wǎng)絡對傳感器進行非線性校正，大大降低了振動頻率對測量振動幅值的影響，可為導線壽命的預測和振動故障的預防提供有效數(shù)據(jù)。

1　傳感器硬件設計

本文設計的微風振動傳感器用于測量導線距懸垂線夾出口處89 mm的振動幅值、振動頻率及導線的動彎應變值，傳感器包括主控模塊、電源模塊、位移測量模塊以及通信模塊[11-12]，如圖1所示。

圖1　傳感器硬件框圖Fig.1Schematic diagram of the monitor terminal

由于微風振動傳感器安裝在導線上，更換電池非常不便，因此本文采用互感取電+鋰電池的供電方案。通過互感器從高壓輸電線路上提取電能，經(jīng)過電源控制器的整流、穩(wěn)壓、濾波給主控模塊供電，同時也為鋰電池充電[13-14]。當線路停電時，由鋰電池為主控模塊供電。

主控模塊采用MSP430F1612單片機作為處理器，采用AD采樣模塊采集位移測量模塊輸出的模擬信號。此外，主控模塊還增加了負載開關，可控制傳感器和射頻芯片的供電[15]。

位移測量模塊是微風振動傳感器的核心部分，本文采用懸臂梁作為基片，如圖2所示，懸臂梁左端為固定端，右端小輪壓在線夾出口處，懸臂梁長為89 mm，電阻式應變片貼在梁的固定端附近處，構成四臂電橋測量電路。

圖2　懸臂梁結構圖Fig.2The structure diagram of the cantilever

2　傳感器非線性校正

根據(jù)前期運行經(jīng)驗，傳感器測量的微風振動幅值與頻率之間存在非線性關系，即導線振動幅值不變而振動頻率改變時，傳感器測量得到的振動幅值不同。

2.1線性回歸數(shù)學模型

回歸分析法就是尋找一條最恰當?shù)那€能夠代表變量之間的關系趨勢，即最大限度地擬合離散點的曲線[16-17]。

設因變量yi與自變量x之間的關系為

式中：yi為應變量；b0，b1，…，bn為回歸系數(shù)；xi1，xi2，…，xin為應變量；ei為剩余誤差。

另y贊i為yi的估計值，則

則

為了使剩余誤差最小，應滿足

即可算出回歸系數(shù)。

2.2BP神經(jīng)網(wǎng)絡標定方法

神經(jīng)網(wǎng)絡能夠映射非線性函數(shù)[18]，通過實驗數(shù)據(jù)訓練神經(jīng)網(wǎng)絡，使網(wǎng)絡逐步調節(jié)連接權值，可以較好逼近非線性函數(shù)[19-20]。采用BP神經(jīng)網(wǎng)絡實現(xiàn)微風振動傳感器標定可分為3個步驟，如圖3所示。

首先，將原始測量數(shù)據(jù)分為訓練數(shù)據(jù)和測試數(shù)據(jù)；其次，構建3層的神經(jīng)網(wǎng)絡，將振源振幅和頻率作為神經(jīng)網(wǎng)絡的輸入，傳感器輸出電壓幅值作為神經(jīng)網(wǎng)絡的輸出；最后，訓練神經(jīng)網(wǎng)絡，當誤差小于設定值時，訓練結束[21]。

圖3　神經(jīng)網(wǎng)絡標定流程Fig.3The process of the neural network calibration

3　實驗分析

3.1實驗測試

由于微風振動傳感器的振動幅值與頻率之間存在非線性關系，在使用之前，需對傳感器進行非線性校正。

如圖4所示，將懸臂梁結構一端固定，另一端的小輪壓在振動臺的振動臺面上，用示波器測量懸臂梁的輸出電壓。將振幅和頻率分別調到各標定值，用激光測距儀記錄振動臺振幅和頻率[22]。具體數(shù)據(jù)如表1所示，其中Ak為振動臺振幅，fk為振動頻率，Usk為傳感器輸出電壓。

圖4　振動標定平臺Fig.4The platform of vibration calibration

表1　傳感器二維實驗Usk標定數(shù)據(jù)Tab.1The experimental calibration data Uskof the sensormV

3.2線性回歸算法標定

依據(jù)2.2節(jié)的理論，建立二維回歸方程，得

用二維回歸方程來表述式（5）中的振幅A2，得

式中：A為補償后的振幅，由二維回歸分析方法計算得到

由表1可知，頻率在15~85 Hz范圍內，頻率補償后的數(shù)據(jù)為見表2。由實驗結果可以看出，線性回歸的標定方法得到的相對誤差均在1%左右，最大值為1.93%，測量結果較為準確。

表2　線性回歸標定結果Tab.2The calibration results of linear regression

3.3BP神經(jīng)網(wǎng)絡算法標定

由于表1中的數(shù)據(jù)分布在15~85 Hz頻段各種振源振幅下，本文采用神經(jīng)網(wǎng)絡進行標定時，在其中選取64組進行訓練，其余8組進行驗證，驗證樣本數(shù)據(jù)中包含了振動頻率相同、振動臺振幅不同的數(shù)據(jù)，以及振動頻率不同、振動臺振幅相同的數(shù)據(jù)，能夠體現(xiàn)振動頻率對測量幅值的影響，得到圖5所示結果。圖5中，期望輸出為傳感器標定前的測量輸出，預測輸出為神經(jīng)網(wǎng)絡標定輸出。

圖5　BP神經(jīng)網(wǎng)絡標定結果Fig.5Results of the BP neural network calibration

表3為神經(jīng)網(wǎng)絡標定測試結果，由測試結果可知，神經(jīng)網(wǎng)絡標定結果中，相對誤差多數(shù)在1%以上，最大相對誤差為2.77%，測量結果較線性回歸方法準確度較低。這是由于神經(jīng)網(wǎng)絡往往需要大量的數(shù)據(jù)進行訓練才能得到更為精確的結果，而在實際工程應用中希望標定過程盡量簡單高效。因此，本文中的訓練數(shù)據(jù)僅選取了64組，而神經(jīng)網(wǎng)絡標定受訓練數(shù)據(jù)的影響，其精度相對較低。因此，本文中提到的基于線性回歸算法較神經(jīng)網(wǎng)絡算法更適用于微風振動傳感器標定。

表3　神經(jīng)網(wǎng)絡標定結果Tab.3The calibration results of linear regression

4　結語

為解決以往微風振動傳感器測量精度不高，測量數(shù)據(jù)不可靠的問題，本文將線性回歸及BP神經(jīng)網(wǎng)絡的方法應用傳感器中，采用2種方法分別實現(xiàn)傳感器的非線性標定，減小了頻率帶來的非線性誤差。通過實驗驗證的方法，結果表明采用線性回歸的方法比BP神經(jīng)網(wǎng)絡方法精度更高，能夠更準確反應微風振動的水平。

[1]?？?，薛峰，楊衛(wèi)東．中國智能電網(wǎng)基本特征及其技術進展評述[J]．電力系統(tǒng)自動化，2009（17）：10-15．CHANG Kang，XUE Feng，YANG Weidong．Review on the basic characteristics and its technical progress of smart grid in China[J]．Automation of Electric Power Systems，2009（17）：10-15（in Chinese）．

[2]孫鳳杰，趙孟丹，劉威，等．架空輸電線路在線監(jiān)測技術研究[J]．南方電網(wǎng)技術，2012，6（4）：17-22．SUN Fengjie，ZHAO Mengdan，LIU Wei，et al．Study on the on-line monitoring technology of overhead power transmission lines[J]．Southern Power System Technology，2012，6（4）：17-22（in Chinese）

[3]杜蘊瑩，邢軍，王澄，等．南方覆冰災害造成輸電線路倒塔原因及策略的研究[J]．江蘇電機工程，2008，27（6）：14-17．DU Yunying，XING Jun，WANG Cheng，et al．Reserch of countermeasures and analysis of transmission line collapsed tower caused by the ice cover disaster in the south[J]．Jiangsu Electrical Engineering，2008，27（6）：14-17（in Chinese）．

[4]BERTRAND GODARD，SUZANNE GUéRARD，JEANLOUIS LILIEN．Strain measurements on ACSR conductors during fatigue test 1-experimental method and data[J]．IEEE Transactions on Power Delivery，2010，25（4）: 2825-2834.

[5]尤志魏．輸電線路設備運行壽命的檢測與評估[J]．電力與能源，2013，34（5）：544-546．YOU Zhiwei．Detecting and evaluation for the operation life of transmission equipment[J]．Power&Energy，2013，34（5）：544-546（in Chinese）．

[6]GORDON B．TEBO．Measurement and control of conductor vibration[J].Electrical Engineering，1941，60（12）：1188-1193.

[7]BJERKAN L，LILLEVIK O.“Measurements on aeolian vibrations on a 3 km FJORD crossing with fibre-optic bragg grating sensors”，2004.

[8]黃新波，趙隆，舒佳，等．輸電線路導線微風振動在線監(jiān)測技術[J]．高電壓技術，2012，38（8）：1863-1870．HUANG Xinbo，ZHAO Long，SHU Jia，et al．Online monitoring conductor aeolian vibration of transmissionlines[J]．High Voltage Engineering，2012，38（8）:1863-1870（in Chinese）．

[9]黃新波．輸電線路在線監(jiān)測與故障診斷[M]．2版.北京：中國電力出版社，2014．

[10]張會韜．架空送電線路微風振動現(xiàn)場測量新方法[J]．中國電力，1999，32（12）：60-63．ZHANG Huitao．A new method for field measuring breeze vibration on transmission lines[J]．Electric Power，1999，32（12）:60-63（in Chinese）．

[11]西安工程大學．輸電線路微風振動傳感器：中國，ZL201420564892．3[P]．2015-01-07.

[12]李麗芬，朱永利，黃建才，等．基于無線傳感器網(wǎng)絡的絕緣子泄漏電流在線監(jiān)測系統(tǒng)[J]．電力系統(tǒng)保護與控制，2011，39（10）：74-79．LI Lifen，ZHU Yongli，HUANG Jiancai，et al．Wireless sensor networks based insulator leakage current on-line monitoring system[J]．Power System Protection and Control，2011，39（10）：74-79（in Chinese）．

[13]DU Lin，WANG Caisheng，LI Xianzhi，et al．A novel power supply of online monitoring systems for power transmission lines[J]．IEEE Trans．Ind．Electron，2010，57（8）:2889-2895.

[14]吳蓉，楊軍，李曉東，等．輸電線路在線監(jiān)測系統(tǒng)的電源解決方案[J]．電源技術，2012（5）：709-710，737．WU Rong，YANG Jun，LI Xiaodong，et al．Power solutions of high-voltage on-line monitoring equipment[J]．Chinese Journal of Power Sources，2012（5）：709-710，737（in Chinese）．

[15]陳小雄，黃新波，朱永燦，等．輸電線路雷擊故障點遠程定位裝置的設計[J]．高壓電器，2013，7（7）：53-59. CHEN Xiaoxiong，HUANG Xinbo，ZHU Yongcan，et al．Design of the remote location device for lighting strike fault point on transmission line[J]．High Voltage Apparatus，2013，7（7）：53-59（in Chinese）．

[16]郭鵬飛，任章，楊云春．一種低精度慣性測量單元的精確標定技術[J]．中國慣性技術學報，2007，15（1）：20-23. GUO Pengfei，REN Zhang，YANG Yunchun．Precisioncalibration for low cost inertial measurement units[J]．Journal of Chinese Inertial Technology，2007，15（1）：20-23（in Chinese）．

[17]程德才，趙書強，馬燕峰．配電網(wǎng)可靠性指標的灰色組合預測方法及應用[J]．電力科學與工程，2009，25（3）：18-21. CHENG Decai，ZHAO Shuqiang，MA Yanfeng．Grey combination forecasting method and its application in reliability index of distribution system[J]．Electric Power ScienceandEngineering，2009，25（3）：18-21（in Chinese）．

[18]洪翠，林維明，溫步瀛．風電場風速及風電功率預測方法研究綜述[J]．電網(wǎng)與清潔能源，2011，27（1）：60-66．HONG Cui，LIN Weiming，WEN Buying．Overview on prediction methods of wind speed and wind power[J]．Power System and Clean Energy，2011，27（1）：60-66（in Chinese）．

[19]張博，劉錫朋，雷林．稱重傳感器精確標定研究[J]．兵工自動化，2014，33（7）：89-91. ZHANG Bo，LIU Xipeng，LEI Lin．Research on accurate calibration about load and weighing cell[J]．Ordnance Industry Automation，2014，33（7）：89-91（in Chinese）．

[20]王璋奇，段?。谏窠?jīng)網(wǎng)絡響應面法的汽輪機葉片強度可靠性分析[J]．華北電力大學學報：自然科學版，2008，35（6）：87-93．WANG Zhangqi，DUAN Wei．Artificial neural networkbased response surface method for strength reliability analysis of steam turbine blade[J]．Journal of North China ElectricPowerUniversity：NaturalSciences，2008，35（6）：87-93（in Chinese）．

[21]王凱亮，曾江，王克英．一種基于BP神經(jīng)網(wǎng)絡的諧波檢測方案[J]．電力系統(tǒng)保護與控制，2013，41（17）：44-48．WANG Kailiang，ZENG Jiang，WANG Keying．A harmonic detecting scheme based on BP neural network[J]．Power System Protection and Control，2013，41（17）：44-48（in Chinese）．

[22]張銳，吳光亞，袁田，等．架空輸電線路絕緣子串機械振動疲勞性能研究[J]．電瓷避雷器，2009（1）：12-17．ZHANG Rui，WU Guangya，YUAN Tian，et al．The study of machaincal vibration characteristics of transmission line insulators string[J]．Insulators and Surge Arresters，2009（1）：12-17（in Chinese）．

（編輯董小兵）

Design of Sensors for Monitoring Aeolian Vibration on Transmission Lines

ZHAO Long1，2，HUANG Xinbo1，CAO Wen1，CHEN Ziliang1
（1.School of Electronics and Information，Xi’an Polytechnic University，Xi’an 710048，Shaanxi，China；2.School of Mechano-Electronic Engineering，Xidian University，Xi’an 710071，Shaanxi，China）

Aeolian vibrations often occur on transmission lines，which can result in fatigue damage to the conductor and metal fittings.To solve the problem of low accuracy，a kind of digital sensor for monitoring aeolian vibration is designed in this paper.Cantilever beam is used in the sensor to measure the bend amplitude.Linear regression and BP neural network are applied to calibrate the sensor.In the end，the experiments of calibration show that linear regression algorithm has higher accuracy compared with BP neural network.The maximum relative error of the former is 1.93%.It can be concluded from the results that linear regression method can be used to compensate the error causing by varying frequency.And the sensor can provide a more reliable reference for lead state maintenance.

transmission line；aeolian vibration；sensor calibration；linear regression；BP neural network

1674-3814（2015）06-0001-05

TM762

A

陜西省重點科技創(chuàng)新團隊計劃項目（2014KCT-16）。

Project Supported by Key Technology Innovation Team Project of Shaanxi Province（2014KCT-16）.

2015-01-23。

趙?。?987—），男，在職博士生，助教，主要研究方向為輸電線路故障機理、輸變電設備在線監(jiān)測技術；

黃新波（1975—），男，博士，教授，主要研究方向為輸變電設備狀態(tài)監(jiān)測、輸變電設備故障機理、故障診斷、電力電子逆變技術等；

曹雯（1983—），女，博士，講師，主要研究方向為電力設備絕緣診斷與資產(chǎn)管理；

陳子良（1991—），男，碩士研究生，主要研究方向為輸電線路在線監(jiān)測技術與故障機理。