宰紅斌， 吳浩林， 王昊， 王凱

(1. 國網(wǎng)山西省電力公司晉城供電公司，山西 晉城 048000;2. 國電南瑞科技股份有限公司，江蘇 南京 211106)

0 引言

采空區(qū)地質(zhì)塌陷造成的桿塔傾斜與基礎(chǔ)不均勻沉降問題已成為全國電力行業(yè)關(guān)注的熱點安全問題，傾斜與沉降而產(chǎn)生的非荷載應(yīng)力極有可能導(dǎo)致桿塔構(gòu)件破壞、斷裂、變形等事故發(fā)生，對架空輸電線路(overhead transmission lines，OTLs)的安全運行構(gòu)成嚴重威脅。同時，隨著特高壓輸電工程的開展，OTLs長度不斷增加，對其弧垂和溫度的監(jiān)測顯得尤為重要[1—2]。

文獻[3—4]利用安裝在輸電線路上的傳感器準確測量輸電線路參數(shù)，以提高電力系統(tǒng)模型的準確性。在典型的傳感器測量解決方案中，文獻[5—7]將裝有溫度、延伸率、應(yīng)變力和傾角傳感器的測量裝置直接安裝在傳輸線上，使用無線通信技術(shù)與基站通信匯集數(shù)據(jù)。以上方法為了獲得與整個輸電線路實際運行狀況有關(guān)的精確值，需要在OTLs上高密度安裝測量數(shù)據(jù)的傳感器，安裝成本很大，且后期運維難度也大。為了便于對傳感測量系統(tǒng)的安裝和維護，OTLs的運行狀態(tài)可以通過非接觸式監(jiān)測方式獲得[8]。使用基于攝像機的視覺系統(tǒng)對OTLs進行監(jiān)控測量[9]，即通過安裝在OTLs電線桿上的攝像機拍攝實際運行狀態(tài)，將其數(shù)據(jù)通過無線網(wǎng)絡(luò)發(fā)送到數(shù)據(jù)采集與監(jiān)視控制 (supervisory control and data acquisition,SCADA)系統(tǒng)，經(jīng)過解析處理獲得輸電線路垂度和溫度值，但該方法對通信寬帶要求較高，須實時傳輸。文獻[10]基于圖像語義分割的目標檢測算法，使用深度卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)來預(yù)警電弧閃光等事件的發(fā)生。此類視覺系統(tǒng)可以為OTLs的智能設(shè)備提供輔助數(shù)據(jù)支持，及時將信息發(fā)送到SCADA以對干擾作出反應(yīng)[11]。但該方法遠距離傳輸?shù)臄?shù)據(jù)質(zhì)量不高，易受天氣等因素的干擾，線路狀況估計準確率不高。

文中提出了一種基于遠距離無線電 (long range radio，LoRa)通信與神經(jīng)網(wǎng)絡(luò)的輸電線路弧垂溫度非接觸式監(jiān)測方法，利用LoRa通信模塊功耗低且傳輸距離遠的特點，構(gòu)建遠程無線通信系統(tǒng)，用于監(jiān)測和估計數(shù)據(jù)的傳輸。并且分別采用遺傳-支持向量機(genetic algorithm-support vector machine,GA-SVM)算法、GA-Elman神經(jīng)網(wǎng)絡(luò)算法估計輸電線路的弧垂和溫度，以準確檢測OTLs的狀態(tài)。

1 輸電線路弧垂和溫度監(jiān)測方法

輸電線路弧度是反映高壓輸電線路是否安全穩(wěn)定運行的重要參數(shù)。當(dāng)溫度隨著環(huán)境和電流熱效應(yīng)的影響而變化時，輸電線路弧度會由于輸電線路固有的張力-溫度特性而變化，在影響桿塔受力的同時，危及輸電通道安全。為了更好地掌握輸電線路關(guān)鍵影響因素的變化趨勢，需要根據(jù)監(jiān)測圖像估計弧垂和溫度的狀態(tài)[12]。為此，提出了新的輸電線路弧垂和溫度監(jiān)測與估計方法，其處理分析流程如圖1所示。

圖1 輸電線路弧垂和溫度監(jiān)測與估計方法流程

基于安裝在輸電線路上的智能攝影機和傳感器獲得線路弧垂與溫度圖像數(shù)據(jù)，首先對其進行去噪等預(yù)處理，然后通過物聯(lián)網(wǎng)通信LoRa方式傳輸至SCADA系統(tǒng)，采用機器學(xué)習(xí)算法進行弧垂和溫度值估計。其中，基于GA-SVM算法估計輸電線路弧垂，采用GA-Elman神經(jīng)網(wǎng)絡(luò)算法估計輸電線路溫度。

1.1 基于LoRa的無線通信體系構(gòu)架

LoRa技術(shù)通常用于各種應(yīng)用中的通信或數(shù)據(jù)傳輸，現(xiàn)如今，已成功應(yīng)用于電力系統(tǒng)中不同部件的監(jiān)測，且通信距離可達2～15 km[13]。基于LoRa通信的輸電線路弧垂和溫度圖像數(shù)據(jù)傳輸體系結(jié)構(gòu)如圖2所示。

圖2 基于LoRa的輸電線路弧垂和溫度通信體系

在提出的輸電線路監(jiān)測系統(tǒng)中，相機采集所有跨度的圖像數(shù)據(jù)，并將帶有時間戳的導(dǎo)線弧垂和溫度圖像數(shù)據(jù)傳輸?shù)浇邮掌?。Sink節(jié)點從最遠2 km的相鄰極點接收弧垂和溫度圖像數(shù)據(jù)，通常覆蓋4～7個極點。然后，通過無線公網(wǎng)或?qū)＞W(wǎng)通信方式將傳輸?shù)幕〈购蜏囟葓D像數(shù)據(jù)發(fā)送至SCADA。其中，通信信道符合LoRa數(shù)字無線數(shù)據(jù)通信技術(shù)標準，LoRa能夠以低功耗實現(xiàn)遠距離傳輸[14]。

1.2 基于機器學(xué)習(xí)的弧垂和溫度估計

由攝像機拍攝的輸電線路單跨圖像如圖3所示。輸電線路智能監(jiān)控攝像機安裝于單跨輸電線路首端和末端，根據(jù)可視化攝像頭和內(nèi)置陀螺儀，將拍攝到的輸電線路圖像和感應(yīng)到的自身姿態(tài)信息通過LoRa傳送至SCADA，通過系統(tǒng)后臺軟件進一步分析處理以實現(xiàn)輸電線路弧垂及溫度監(jiān)測和預(yù)估等功能。

圖3 智能攝像機監(jiān)測的輸電線路單跨

對于圖3所示輸電線路的計算[15]，假定懸線形狀近似為懸鏈線曲線，為單位長度重量w的導(dǎo)體，鋼絲張力的水平分量為F，跨度長度為S，導(dǎo)體弧垂為C。懸鏈線方程使用雙曲線函數(shù)，采用麥克勞林級數(shù)展開獲得輸電線路懸鏈曲線y(x)近似值為：

(1)

假設(shè)懸線最低點在中心，即x=S/2，代入計算導(dǎo)線弧垂C，其精確和近似公式為[16]：

(2)

由式(2)可以看出，弧垂變化取決于線路長度L，而輸電線路長度的變化受溫度和應(yīng)力影響：

L2=αL1(T2-T1)+βL1(σ2-σ1)

(3)

式中：L1，L2分別為初始和終態(tài)線路長度；T1，T2分別為初始和終態(tài)線路溫度；α為導(dǎo)線的熱伸長系數(shù)，σ=F/A，A為導(dǎo)線橫截面積；β為導(dǎo)線的彈性模量；σ1，σ2分別為初始和終態(tài)導(dǎo)線應(yīng)力。

電力線跨距的標準溫度-張力計算如下：

(4)

式中：g1,g2分別為初始與終態(tài)的分項系數(shù)。

1.2.1 基于GA-SVM的輸電線路弧垂估計

輸電線路任一點的弧垂是指該點與懸線兩端連線的鉛錘距離。弧垂過小，則輸電線應(yīng)力會過大，影響輸電線路的機械安全；弧垂過大，則輸電線與地面的距離會過低，從而產(chǎn)生對地放電的危險。因此，必須保證弧垂在規(guī)定的安全范圍內(nèi)，根據(jù)現(xiàn)有的監(jiān)測值估計弧垂的變化趨勢，以更好地采取措施[17]。文中采用基于GA-SVM的輸電線路弧垂估計方法。

SVM在構(gòu)造最優(yōu)分類超平面時，采用迭代訓(xùn)練算法以減小誤差函數(shù)，表述如下：

(5)

式中：ω為權(quán)重；h為懲罰系數(shù)；ζi為松弛變量；b為偏置量；Φ(xi)為非線性映射函數(shù)；yi為特征類型標記。

則SVM分類決策函數(shù)為：

(6)

其中：

K(xi,g)=e-‖xi-g‖2

(7)

式中：λi為拉格朗日乘子。

GA是一種高效并行求解問題的全局自適應(yīng)搜索方法，以自然選擇和遺傳理論為基礎(chǔ)，在搜索過程中自動獲取和積累有關(guān)搜索空間知識，并自適應(yīng)地控制搜索過程以求得最優(yōu)解。GA用于自適應(yīng)計算圖像特征的權(quán)重，以突出重要特征，抑制冗余特征，提高模型的精準度，縮短估計時間。

GA-SVM估計輸電線路弧垂算法如圖4所示。

圖4 基于GA-SVM的輸電線路弧垂估計

1.2.2 基于GA-Elman神經(jīng)網(wǎng)絡(luò)算法的線路溫度估計

Elman神經(jīng)網(wǎng)絡(luò)算法在前饋式網(wǎng)絡(luò)的隱含層中增加承接層作為延時算子，以實現(xiàn)記憶功能，不僅解決了靜態(tài)建模問題，還能夠?qū)崿F(xiàn)動態(tài)系統(tǒng)的映射，具有適應(yīng)時變傳性的能力。表述如下：

(8)

式中：φ(x)為輸入層到隱含層的傳遞函數(shù)；g(x)為隱含層到輸出層的傳遞函數(shù)；S(t)為隱含層輸出結(jié)果；T(t)為輸出層結(jié)果；C(t)為承接層結(jié)果；ωx，ωy，ωz分別為輸入層、隱含層和承接層的權(quán)重系數(shù)；τ1，τ2分別為隱含層和輸出層的閾值[18—19]；x(t)，c(t)分別為輸入層和承接層數(shù)據(jù)。

輸電線路溫度的變化具有趨勢性，但同時受到天氣等隨機因素的影響[19—20]。為了加強模型對突變數(shù)據(jù)的學(xué)習(xí)能力，提高預(yù)測精度，利用GA算法對Elman神經(jīng)網(wǎng)絡(luò)的權(quán)值及閾值進行尋優(yōu)[21—22]?；贕A-Elman神經(jīng)網(wǎng)絡(luò)算法的輸電線路溫度估計流程如圖5所示。

圖5 基于GA-Elman神經(jīng)網(wǎng)絡(luò)算法的輸電線路溫度估計

將輸電線路的圖像特征輸入Elman神經(jīng)網(wǎng)絡(luò)算法，并隨機初始化其權(quán)重與閾值，然后編碼種群個體，使用溫度值訓(xùn)練誤差作為適應(yīng)度值。經(jīng)過GA算法的選擇、交叉、變異操作，更新適應(yīng)度值，如果訓(xùn)練誤差滿足要求，達到所需的精度，則輸出Elman神經(jīng)網(wǎng)絡(luò)算法的最優(yōu)權(quán)重與閾值，滿足迭代條件后輸出線路溫度估計值[23—24]。

2 實驗結(jié)果與分析

由于輸電線路由大量的極點和跨距組成，利用仿真平臺進行實驗?zāi)軌蛟诤艽蟪潭壬瞎?jié)省時間和成本。為此，利用保護質(zhì)量建模語言(quality of protection modeling language，QoP-ML)設(shè)計輸電線路監(jiān)測視覺系統(tǒng)模型，并且基于自動化保護質(zhì)量分析(automated quality of protection analysis，AQoPA)實現(xiàn)的仿真結(jié)果進行分析[25]。

2.1 實驗平臺

文中所提方法基于一個由80個傳感器、10個Sink節(jié)點和1個SCADA站組成的系統(tǒng)監(jiān)測輸電線路，并設(shè)計了平跨實驗臺，如圖6所示。在該實驗臺上，使用3個精度為2.5 mm的拉線位移傳感器Epsilon WDS 2500-P96進行直接弧垂測量；使用4個Instron PM-L 2526-802型10 kN測力傳感器測量水平張力，精度為0.5%，安裝于圖中數(shù)字1、2、3、4的位置；使用5個DS18B20傳感器測量導(dǎo)線溫度。

圖6 用于監(jiān)測和估計輸電線路溫度和弧垂的實驗臺

2.2 LoRa傳輸結(jié)果分析

在實際110 kV輸電線路上對LoRa傳輸時間進行測量。在測試期間，配置了雙向連接，一個模塊發(fā)送數(shù)據(jù)并等待消息被接收的確認，計時器在發(fā)送數(shù)據(jù)時開始測量，在收到確認時停止。LoRa傳輸時間的實驗結(jié)果如圖7所示。

圖7 輸電線路上LoRa傳輸時間的測量結(jié)果

由圖7可見，傳輸時間僅取決于包的大小，64 bits的數(shù)據(jù)包傳送時間為1 249 ms，而1 024 bits的數(shù)據(jù)包傳送時間為6 236 ms?？梢园l(fā)現(xiàn)，傳輸時間與距離的關(guān)聯(lián)不大，不管距離如何變化，傳輸時間僅有細微波動。根據(jù)多次實驗監(jiān)測結(jié)果，可得到數(shù)據(jù)包大小與數(shù)據(jù)傳輸時間呈現(xiàn)近似直線的關(guān)系。

根據(jù)上述信息可得110 kV 線路上LoRa傳輸時間與數(shù)據(jù)包大小的關(guān)系如圖8所示。

圖8 LoRa傳輸時間與數(shù)據(jù)包大小的關(guān)系

利用LoRa技術(shù)進行傳輸?shù)臄?shù)據(jù)包大小也是有限制的，采用的硬件不同，數(shù)據(jù)包上限值也有所不同，并且傳感器節(jié)點不宜過遠，在合適的距離內(nèi)，LoRa的傳輸速率是580 kbps。

2.3 輸電線路弧垂和溫度估計結(jié)果分析

在該系統(tǒng)中，首先從圖像中提取導(dǎo)線的弧垂，然后利用懸鏈線方程，以跨距的技術(shù)數(shù)據(jù)為輸入?yún)?shù)計算導(dǎo)線的實際溫度。實驗中，監(jiān)測輸電線路的溫度和弧垂結(jié)果如表1所示，其中參數(shù)設(shè)置為：A=265.8 mm2，1/β=70 MPa，g=35.01 N/(m·mm2)，α=18.2×10-6K-1。

表1 輸電線路在50 m跨度上的垂度和溫度結(jié)果

根據(jù)監(jiān)測系統(tǒng)獲得的數(shù)據(jù)，并利用所提方法估計輸電線路的弧垂和溫度。其中，輸電線路弧垂估計的結(jié)果如圖9所示。

圖9 在50 m平跨上輸電線路弧垂的估計結(jié)果

根據(jù)圖9進行誤差統(tǒng)計，在50 m跨度中，弧垂估計的標準誤差為1.884 cm，多次測量后的平均誤差值為0.062 8 cm，在理想范圍內(nèi)。由此可見，所提方法能夠較為精確地估計線路的弧垂，避免因弧垂過大或過小影響電力系統(tǒng)的穩(wěn)定運行。

輸電線路溫度估計的結(jié)果如圖10所示。

圖10 在50 m平跨上輸電線路溫度的估計結(jié)果

根據(jù)圖10進行誤差統(tǒng)計，在50 m跨度中，溫度估計的標準誤差為1.869 ℃，多次測量后的平均誤差值為0.047 8 ℃，在理想范圍內(nèi)。由此可見，所提方法能夠較為精確地估計線路的溫度，以防止輸電線路過載影響電力系統(tǒng)運行。并且，多次測量計算可提高該方法的精度。

2.4 與其他方法的對比分析

分別將文中所提方法與文獻[3]、文獻[5]、文獻[11]中方法用于估計輸電線路的弧垂和溫度，其估計準確率對比結(jié)果如圖11所示。在同一數(shù)據(jù)包大小情況下，文中所提方法的準確率最高，這是因為其針對輸電線路弧垂和溫度特性的不同而應(yīng)用與之相符的估計算法。隨著數(shù)據(jù)包大小的增加，由于所提方法采用LoRa通信技術(shù)，適合遠距離且容量較大的數(shù)據(jù)傳輸，并且大部分方法在處理容量較小的數(shù)據(jù)，其準確率均較高，因此，雖然所提方法的準確率存在一定的波動，但總體沒有明顯下降。

圖11 不同估計方法的準確率對比結(jié)果

3 結(jié)語

目前大多數(shù)的傳感器均直接安裝在輸電線上以計算實際線路的載流量，不利于線路的運行操作。為此，文中提出了基于LoRa通信與神經(jīng)網(wǎng)絡(luò)的輸電線路弧垂溫度非接觸式監(jiān)測，根據(jù)監(jiān)測數(shù)據(jù)，基于GA-SVM算法估計輸電線路的弧垂，采用GA-Elman神經(jīng)網(wǎng)絡(luò)算法估計輸電線路的溫度。所提方法適用于采空區(qū)輸電線路弧垂與溫度的監(jiān)測和估計，能在一定程度上防治采空區(qū)的地質(zhì)災(zāi)害。

由于所提方法考慮的實驗條件只有溫度、作用力以及與兩者相關(guān)的因素，未考慮雷暴天氣等因素的影響，因此后期將進一步探究在不同環(huán)境條件下所提方法的普適性。此外，使用智能相機和加密技術(shù)實現(xiàn)數(shù)據(jù)傳輸安全，以及利用LoRa通信提高系統(tǒng)的壽命和可靠性，將是未來研究的重點。