潘 臻，王喜全，夏稀淵

(國網(wǎng)甘肅綜能能源服務有限公司，甘肅 蘭州 730070 )

隔離開關觸頭是高壓開關柜的重要配件之一，高壓開關柜則是供電網(wǎng)重要的基礎設備，負責電網(wǎng)的供電輸送和繼電保護，高壓開關柜的隔離開關觸頭受振動、磨損以及電壓過高等因素影響，其電阻加大，溫度升高，導致開關柜焊接穩(wěn)定性下降，最終造成供電事故，形成經(jīng)濟損失的同時也嚴重威脅工作人員生命安全[1,2]。

很多專家對高壓開關柜的隔離開關觸頭溫度監(jiān)測進行研究，如張佳斌等[3]研究的光纖光柵傳感器陣列在空間溫度場測量方法，利用光柵傳感器對隔離開關觸頭的溫度場實施監(jiān)測，雖然該監(jiān)測方法響應速度較快且監(jiān)測的溫度場空間分辨率較高，但受電磁輻射干擾，該方法準確性不足；孫健等[4]研究的ZigBee的開關柜觸點監(jiān)測方法，利用采集軟件獲取隔離開關觸頭溫度數(shù)據(jù)，依據(jù)電壓、溫度等固定數(shù)值判斷其異常情況，但該方法設備與設備之間是利用無線通信方式實現(xiàn)，受信號不穩(wěn)、斷電等因素影響，該方法存在漏監(jiān)測現(xiàn)象。

智能螺帽接觸式測溫傳感器依據(jù)傳導方式形成熱平衡狀態(tài)，其顯示數(shù)值可直接表達被測物體溫度，此類測溫傳感器感知物體溫度精準度高，且可在一定環(huán)境下，感知物體內部溫度，該測溫傳感器在醫(yī)療、化工以及人們日常生活中應用廣泛，普適性較好[5]，因此本文利用該測溫傳感器，研究智能螺帽接觸式測溫傳感器在隔離開關觸頭監(jiān)測中的應用，以提升隔離開關觸頭的安全性。

1 智能螺帽接觸式測溫傳感器在隔離開關觸頭監(jiān)測中的應用

1.1 智能螺帽接觸式測溫傳感器原理

智能螺帽接觸式測溫傳感器作為紅外傳感器中的一種，靈敏度極高，當物體溫度高于絕對0攝氏度，且受原子與分子熱運動影響，使物體向外散發(fā)熱輻射能[6]，依據(jù)紅外輻射相關理論，令E、Q分別表示物體紅外輻射能量和絕對溫度，二者關系表達公式如下：

E=σεQ4

(1)

上述公式中，ε、σ分別表示物體表面輻射率和玻爾茲曼常數(shù)，該常數(shù)為固定數(shù)值。

通過公式(1)可知，當物體溫度不同時，該物體所輻射的能量波長度也不同，因此，智能螺帽接觸式測溫傳感器依據(jù)紅外輻射效應，感知物體溫度。

智能螺帽接觸式測溫傳感器在感知隔離開關觸頭時，需將紅外輻射涂料涂抹于隔離開關觸頭上，使隔離開關導體的發(fā)射率提升[7]，而涂抹范圍則依據(jù)接觸式傳感器參數(shù)選擇。接觸式測溫傳感器監(jiān)測隔離開關觸頭安裝示意圖如圖1所示。

圖1 接觸式測溫傳感器監(jiān)測隔離開關觸頭安裝示意圖

接觸式測溫傳感器的探頭前方具有紅外濾光片，可剔除掉干擾波段，當隔離開關觸頭斷開時，紅外濾光片可保護傳感器探頭不受高溫電弧沖擊，而測溫傳感器采集隔離開關觸頭實時溫度，利用傳感器自身的無線發(fā)射模塊傳輸至溫度特征學習框架內。

測溫傳感器溫度感知過程中，由于熱累積效應形成的溫度在某一段時間內呈線性變化，受到環(huán)境溫度、隔離開關觸頭距離等因素影響[8,9]，測溫傳感器感知到的溫度與電壓之間無法依據(jù)原則性方程描述，當測溫傳感器安置位置固定，則隔離開關觸頭的輻射為恒定狀態(tài)，因此，隔離開關觸頭溫度主要受環(huán)境因素影響，令表示隔離開關溫度，該開關溫度與環(huán)境溫度關系表達公式如下：

U=kσεf(T)-kσεf(T0)

(2)

上述公式中，U表示輸出電壓，k表示濾波器，T0表示環(huán)境溫度。

通過公式(2)可知，當環(huán)境溫度為恒定數(shù)值時，函數(shù)f(T0)為常數(shù)，通過確定隔離開關觸頭當前環(huán)境溫度，對隔離開關觸頭溫度和輸出電壓實施標定，可獲取二者標準參考關系，當隔離開關觸頭所處環(huán)境溫度發(fā)生變化時，通過計算標定溫度與當前環(huán)境溫差和開關觸頭溫差，將數(shù)值代入到公式(2)內，從而實現(xiàn)測溫傳感器溫度補償。

測溫傳感器經(jīng)過溫度補償后，利用其自身的無線發(fā)射模塊，將感知到的隔離開關觸頭溫度輸入值特征學習框架內，為隔離開關觸頭監(jiān)測提供溫度數(shù)據(jù)支撐[10]。

1.2 基于卷積神經(jīng)網(wǎng)絡的溫度特征提取

卷積神經(jīng)網(wǎng)絡(CNNs)作為深度學習算法中的一種，利用權值共享的網(wǎng)絡結構，將初始數(shù)據(jù)輸入到模型內實施特征學習，在學習的過程中，可獲取初始數(shù)據(jù)的深層次特征分布規(guī)律，呈現(xiàn)數(shù)據(jù)與數(shù)據(jù)間特征變化與關聯(lián)關系[11]，在此利用卷積神經(jīng)網(wǎng)絡建立隔離開關觸頭溫度特征學習框架，將隔離開關觸頭溫度數(shù)據(jù)訓練樣本輸入該學習框架內，通過多個卷積濾波器和CNNs的偏置項對訓練樣本進行濾波處理后，將訓練樣本映射在CNNs內的C1層內，對訓練樣本的映射實施加權并計算和值與增設偏置常數(shù)，使用Sigmoid函數(shù)將C1層內的數(shù)據(jù)映射轉換為多個S2層的數(shù)據(jù)映射，此時將隔離開關觸頭溫度特征經(jīng)過多個卷積濾波器后被輸入值CNNs的C3層內，利用該層與S2層形成S4層，經(jīng)過反復累積，將該網(wǎng)絡結構所映射的數(shù)據(jù)相加形成的向量輸入值CNNs的邏輯回歸內，從而輸出隔離開關觸頭溫度特征參數(shù)，溫度特征學習框架如下：

利用CNNs內的二維卷積核對測溫傳感器獲取到的隔離開關溫度數(shù)據(jù)過濾，令其滑動窗口大小為2×2，Aj為CNNs卷積層的輸出特征，Mj表示被選定的輸入數(shù)據(jù)，f(·)表示激活函數(shù)，則該輸出特征表達公式如下：

(3)

上述公式中，i、j均表示溫度特征數(shù)據(jù)，bj表示溫度特征數(shù)據(jù)j的偏置常數(shù)項，i、j兩個溫度特征數(shù)據(jù)之間的卷積濾波器由kij表示。

(4)

dl=Wlxl-1+bl

(5)

上述公式中，up(·)表示執(zhí)行上采樣，o為元素相乘。

代價函數(shù)對偏置b的偏導數(shù)計算公式如下：

(6)

上述公式中，(u,v)表示隔離開關觸頭溫度元素在矩陣內坐標位置。

應用代價函數(shù)計算k的偏導數(shù)，其表達公式如下：

(7)

通過上述步驟，可實現(xiàn)CNNs第一層的權值更新，第二層權值更新流程如下：

令aj表示CNNs第二層的溫度特征，其表達公式如下：

(8)

上述公式中，down(·)表示下采樣。

CNNs第二層的靈敏度表達公式如下：

(9)

應用代價函數(shù)計算k的偏導數(shù)，其表達公式如下：

(10)

公式(8)至公式(10)為CNNs第二層權重更新過程，CNNs具有多個網(wǎng)絡層次，每一層次的輸出均為下一層次的輸入，其中第一層為濾波處理層，第二次則對第一層輸出的數(shù)據(jù)進行池化處理，在第三層利用卷積濾波再次對數(shù)據(jù)進行處理后，利用第四層對其進行池化處理，最后利用全連接層與分類器將處理后的溫度特征數(shù)據(jù)輸出[12]，形成整體的特征學習框架。

利用該特征學習框架對測溫傳感器感知到的隔離開關觸頭溫度進行特征提取后，為后續(xù)的隔離開關觸頭監(jiān)測提供有力依據(jù)。

1.3 基于孤立森林算法的隔離開關觸頭監(jiān)測

基于隔離開關觸頭溫度特征數(shù)據(jù)，利用孤立森林算法對隔離開關觸頭監(jiān)測進行檢測，孤立森林算法可隨機選擇數(shù)據(jù)的屬性和節(jié)點，在構建樹的過程中，當某些樣本到達葉節(jié)點時所消耗的時間過短，則判定該數(shù)據(jù)為異常點[13]，為提升其監(jiān)測精準度，通過構建多棵樹組成森林形式，并計算數(shù)據(jù)樣本在樹內的平均路徑長度獲取監(jiān)測的異常點，從而實現(xiàn)基于孤立森林算法的隔離開關觸頭監(jiān)測。孤立森林構建樹具體步驟如下：

Step1：令Ψ表示溫度特征子樣本集，并將該樣本集作為樹的根節(jié)點。

Step2：以當前點為基礎，隨機選擇閾值范圍后，以該閾值范圍內的隨機數(shù)作為步長對溫度特征子樣本集進行切割。

Step3：以切割點為超平面，將溫度特征子樣本數(shù)據(jù)劃分為兩個子空間，令p表示維度，對比溫度特征子樣本數(shù)據(jù)是否大于維度，將大于維度和小于維度的溫度特征數(shù)據(jù)分別放置于節(jié)點的兩邊。

Step4：重復Step2和Step3直至溫度特征數(shù)據(jù)無法分割或分割次數(shù)滿足log2Ψ條件為止。

上述為孤立森林建立樹的過程，依據(jù)不同溫度特征樣本建立多個樹，形成孤立森林。

令x表示訓練數(shù)據(jù)，通過遍歷孤立森林內的每一棵樹，計算訓練數(shù)據(jù)的深度和平均深度[14,15]，最終實現(xiàn)溫度監(jiān)測功能，遍歷孤立森林原理如圖2所示。

圖2 遍歷孤立森林原理示意圖

當獲取到樹的深度后，對其進行歸一化計算，令Y(k)表示被測溫度特征數(shù)據(jù)的異常分值，其表達公式如下：

Y(k)=In(k)+ζ

(11)

上述公式中，ζ表示歐拉常數(shù)。

令c(Ψ)表示溫度特征數(shù)據(jù)點的二分搜索樹平均長度，其計算公式如下：

(12)

上述公式中，n表示樹的棵數(shù)。

訓練數(shù)據(jù)平均深度表達公式如下：

(13)

上述公式中，j(x)表示溫度特征數(shù)據(jù)x在孤立森林內的節(jié)點深度，E(·)為多個樹的平均深度數(shù)值，s表示特征閾值，當特征閾值接近數(shù)值接近0時，表示此時的隔離開關觸頭溫度正常；當特征閾值接近數(shù)值接近1時，表明此時該隔離開關觸頭溫度出現(xiàn)異常情況．當特征閾值接近數(shù)值為0.5時，表明溫度無異常。經(jīng)過上述步驟，可實現(xiàn)隔離開關觸頭監(jiān)測。

2 實例測試與結果分析

為驗證本文方法實際應用效果，以某品牌隔離開關觸頭為實驗對象，如圖3所示。

圖3中，每組刀閘觸頭位置安裝1個傳感器，監(jiān)測觸頭溫度變化。依據(jù)2.1小節(jié)智能螺帽接觸式測溫傳感器安裝示意圖進行安裝后，利用該接觸式測溫傳感器對該隔離開關觸頭進行監(jiān)測。

(a)智能螺帽接觸式測溫傳感器安裝過程

2.1 溫度補償測試

以智能螺帽接觸式測溫傳感器的發(fā)射率為衡量指標，測試本文方法溫度補償性能，結果如圖3所示。

分析圖4可知，補償前的測溫傳感器發(fā)射率數(shù)量波動趨勢較大，且數(shù)值較低其波動區(qū)間為0.5～0.6之間，而補償后的測溫傳感器發(fā)射率數(shù)值僅出現(xiàn)輕微波動情況且數(shù)值始終在0.73左右浮動，說明本文方法可有效補償測溫傳感器的發(fā)射率，提升其發(fā)射率數(shù)值，從側面印證本文方法監(jiān)測性能好。

圖4 溫度補償測試結果

2.2 特征提取測試

以智能螺帽接觸式測溫傳感器采集的隔離開關觸頭溫度數(shù)據(jù)為實驗樣本，測試數(shù)據(jù)樣本為4000組和8000組，迭代次數(shù)相同時，本文方法對隔離開關觸頭溫度特征提取能力，結果如圖5所示。

圖5 特征提取測試

分析圖5可知，本文方法在特征提取時，數(shù)據(jù)損失數(shù)值隨著迭代次數(shù)的增加而迅速下降，其中當數(shù)據(jù)樣本為4000組，迭代次數(shù)為1000次時，特征提取的數(shù)據(jù)損失數(shù)值為0，當數(shù)據(jù)樣本為8000組時，在迭代次數(shù)相同情況下，特征提取的數(shù)據(jù)損失數(shù)值要高于數(shù)據(jù)樣本為4000組時，數(shù)據(jù)損失數(shù)值為0時，需迭代1200次左右，在數(shù)據(jù)量不同時，數(shù)據(jù)損失數(shù)值迅速下降至0，具備較強的特征提取能力。

為更充分地呈現(xiàn)本文方法溫度特征選取能力，以AUC數(shù)值衡量特征提取的準確度，測試在不同數(shù)據(jù)量情況下，本文方法的溫度特征選取準確度，結果如圖6所示。

圖6 AUC數(shù)值變化

分析圖6可知，本文方法的AUC數(shù)值隨著數(shù)據(jù)量的增加呈現(xiàn)下降趨勢，但下降幅度較小，在數(shù)據(jù)量為1000～3000組之間時，本文方法的AUC數(shù)值接近1.0；當數(shù)據(jù)量超過4000組之后，AUC數(shù)值逐漸下降；當數(shù)據(jù)量為8000組時，AUC數(shù)值為0.93左右。該數(shù)值表明，本文方法在進行隔離開關觸頭溫度特征提取時，準確度較好。

2.3 監(jiān)測能力測試

由于傳感器在監(jiān)測過程中存在電磁波干擾情況，測試不同電磁波情況下，本文方法監(jiān)測的隔離開關觸頭溫度情況，結果如圖7所示。

圖7 電磁波干擾測試

分析圖7可知，當存在電磁波干擾時，本文方法監(jiān)測的隔離開關觸頭溫度曲線與其實際溫度曲線波動趨勢相同，僅在電磁波為8～24 Hz左右與實際溫度曲線出現(xiàn)一定偏差，但偏差溫度最高僅為0.2℃左右，在電磁波為0～7 Hz與25～40 Hz區(qū)間時，本文方法監(jiān)測到的隔離開關觸頭溫度曲線與實際溫度曲線完全重合，說明本文方法在監(jiān)測隔離開關觸頭溫度時，不受電磁波干擾，監(jiān)測結果較為精確。

為更好地呈現(xiàn)本文方法對隔離開關觸頭溫度監(jiān)測性能，對隔離開關觸頭施加不同電壓使其呈現(xiàn)不同溫度，共展開12次測試，統(tǒng)計隔離開關觸頭標準溫度與本文方法監(jiān)測到的溫度，分析本文方法監(jiān)測性能，結果如表1所示。

表1 測溫數(shù)據(jù)(℃)

分析表1可知，在12次測試中，本文方法僅在第9次測試時監(jiān)測結果與隔離開關觸頭的標準溫度存在偏差，且偏差數(shù)值僅為0.1℃，該數(shù)值幾乎可忽略不計，說明本文方法監(jiān)測精確度高，監(jiān)測性能卓越。

對隔離開關觸頭進行監(jiān)測的目的是及時發(fā)現(xiàn)該開關觸頭溫度異常情況，設置100個隔離開關觸頭，其中23個隔離開關觸頭存在溫度異常情況，使用本文方法對該100個隔離開關觸頭進行監(jiān)測，結果如圖8所示。

圖8 異常隔離開關監(jiān)測情況

分析圖8可知，本文方法在開始監(jiān)測時，異常溫度數(shù)量隨著監(jiān)測時間的增加而增加，到達一定時間后，異常溫度數(shù)量為恒定數(shù)量，在開始監(jiān)測的第0.1s時，監(jiān)測到的異常溫度數(shù)量為3個，隨后監(jiān)測到的異常溫度數(shù)量迅速增加。當監(jiān)測到的異常溫度數(shù)量達到設定值后，開始保持不變，其中在監(jiān)測時間為0.4s時，本文方法監(jiān)測到的異常溫度數(shù)量為23個，符合上述實驗設定數(shù)值，表明本文方法可以快速地監(jiān)測到隔離開關觸頭溫度異常情況，提升隔離開關安全性，具有較好的實際應用效果。

3 結 論

研究了智能螺帽接觸式測溫傳感器在隔離開關觸頭監(jiān)測中的應用，從多個角度對監(jiān)測效果進行了實驗分析，測溫傳感器發(fā)射率補償效果好，數(shù)據(jù)損失數(shù)值小，AUC數(shù)值為0.93左右特征提取能力好，當存在電磁波干擾時，其監(jiān)測的隔離開關觸頭溫度偏差僅為0.2℃。