輸電線路微風(fēng)振動(dòng)傳感器設(shè)計(jì)

趙隆，黃新波，曹雯，陳子良（.西安工程大學(xué)電子信息學(xué)院，陜西西安70048；2.西安電子科技大學(xué)機(jī)電工程學(xué)院，陜西西安70070）

輸電線路微風(fēng)振動(dòng)傳感器設(shè)計(jì)

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

微風(fēng)振動(dòng)是架空線路時(shí)常出現(xiàn)的現(xiàn)象，長(zhǎng)期振動(dòng)會(huì)造成導(dǎo)線斷股斷線、金具脫落等危害。針對(duì)現(xiàn)有微風(fēng)振動(dòng)在線監(jiān)測(cè)傳感器測(cè)量誤差較大的問(wèn)題，設(shè)計(jì)了一種微風(fēng)振動(dòng)在線監(jiān)測(cè)數(shù)字傳感器，傳感器在采用懸臂梁式位移計(jì)的基礎(chǔ)上，將線性回歸的方法和BP神經(jīng)網(wǎng)絡(luò)算法應(yīng)用到傳感器的非線性標(biāo)定當(dāng)中，并進(jìn)行了傳感器標(biāo)定實(shí)驗(yàn)。研究表明，線性回歸的標(biāo)定算法比神經(jīng)網(wǎng)絡(luò)的標(biāo)定算法精度更高，標(biāo)定后最大相對(duì)誤差為1.93%。根據(jù)研究結(jié)果可知，微風(fēng)振動(dòng)傳感器由頻率不同帶來(lái)的非線性誤差，可以采用線性回歸的方法進(jìn)行補(bǔ)償，能夠提高傳感器的測(cè)量精度，從而能為導(dǎo)線狀態(tài)檢修提供更加可靠的參考依據(jù)。

輸電線路；微風(fēng)振動(dòng)；傳感器標(biāo)定；線性回歸；BP神經(jīng)網(wǎng)絡(luò)

近年來(lái)，隨著先進(jìn)的傳感與測(cè)量技術(shù)在電力系統(tǒng)中的廣泛應(yīng)用，電力系統(tǒng)逐步朝著自愈性、互動(dòng)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(cè)技術(shù)的發(fā)展而大大降低[1-3]。在輸電線路的諸多故障中，微風(fēng)振動(dòng)引起的導(dǎo)線斷股斷線最為常見(jiàn)[4-5]。而在輸電線路上安裝微風(fēng)振動(dòng)傳感器，可對(duì)導(dǎo)線的振動(dòng)幅值、頻率等情況實(shí)時(shí)掌握，為判斷導(dǎo)線疲勞壽命、避免導(dǎo)線斷股斷線提供有效數(shù)據(jù)。

目前國(guó)內(nèi)外對(duì)微風(fēng)振動(dòng)在線監(jiān)測(cè)技術(shù)的研究已取得了一些成果：

1）采用電磁式振動(dòng)傳感器，利用振動(dòng)時(shí)磁阻大小的變化反應(yīng)振動(dòng)振幅[6]，但是由于傳感器本身依據(jù)電磁感應(yīng)原理設(shè)計(jì)，導(dǎo)線上的電壓波動(dòng)和負(fù)荷電流的變化都會(huì)對(duì)傳感器測(cè)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(dāng)減小了測(cè)量誤差。

2）光纖光柵傳感器具有抗電磁干擾、無(wú)需供電等優(yōu)點(diǎn)，也在國(guó)外輸電線路有所應(yīng)用[7]，其采用光纖光柵傳感器測(cè)量導(dǎo)線振動(dòng)的加速度，并用測(cè)試了不同頻率下傳感器的性能，但由于振動(dòng)加速度不能作為直接衡量振動(dòng)程度的標(biāo)準(zhǔn)，其應(yīng)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(cè)量導(dǎo)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(jì)算振動(dòng)幅值和頻率[8]，并通過(guò)振動(dòng)幅值計(jì)算出導(dǎo)線的動(dòng)彎應(yīng)變，可以直接衡量導(dǎo)線振動(dòng)的水平。但這種方法在實(shí)際運(yùn)行中，存在較嚴(yán)重的非線性關(guān)系，因此其精度有待進(jìn)一步提高。

傳統(tǒng)的傳感器普遍存在可靠性不高，測(cè)量數(shù)據(jù)誤差較大等問(wèn)題。根據(jù)IEEE對(duì)于微風(fēng)振動(dòng)的測(cè)量規(guī)范，應(yīng)采用彎曲振幅法測(cè)量導(dǎo)線距線夾89 mm處的彎曲振幅，以此計(jì)算出動(dòng)彎應(yīng)變，作為評(píng)價(jià)微風(fēng)振動(dòng)的標(biāo)準(zhǔn)[9-10]。本文設(shè)計(jì)了基于電阻式應(yīng)變片的微風(fēng)振動(dòng)傳感器，該傳感器采用四臂電橋測(cè)量導(dǎo)線距線夾89 mm處的幅值信號(hào)，并分別利用線性回歸的方法和BP神經(jīng)網(wǎng)絡(luò)對(duì)傳感器進(jìn)行非線性校正，大大降低了振動(dòng)頻率對(duì)測(cè)量振動(dòng)幅值的影響，可為導(dǎo)線壽命的預(yù)測(cè)和振動(dòng)故障的預(yù)防提供有效數(shù)據(jù)。

1　傳感器硬件設(shè)計(jì)

本文設(shè)計(jì)的微風(fēng)振動(dòng)傳感器用于測(cè)量導(dǎo)線距懸垂線夾出口處89 mm的振動(dòng)幅值、振動(dòng)頻率及導(dǎo)線的動(dòng)彎應(yīng)變值，傳感器包括主控模塊、電源模塊、位移測(cè)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(fēng)振動(dòng)傳感器安裝在導(dǎo)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(guò)互感器從高壓輸電線路上提取電能，經(jīng)過(guò)電源控制器的整流、穩(wěn)壓、濾波給主控模塊供電，同時(shí)也為鋰電池充電[13-14]。當(dāng)線路停電時(shí)，由鋰電池為主控模塊供電。

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

位移測(cè)量模塊是微風(fēng)振動(dòng)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(zhǎng)為89 mm，電阻式應(yīng)變片貼在梁的固定端附近處，構(gòu)成四臂電橋測(cè)量電路。

圖2　懸臂梁結(jié)構(gòu)圖Fig.2The structure diagram of the cantilever

2　傳感器非線性校正

根據(jù)前期運(yùn)行經(jīng)驗(yàn)，傳感器測(cè)量的微風(fēng)振動(dòng)幅值與頻率之間存在非線性關(guān)系，即導(dǎo)線振動(dòng)幅值不變而振動(dòng)頻率改變時(shí)，傳感器測(cè)量得到的振動(dòng)幅值不同。

2.1線性回歸數(shù)學(xué)模型

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

設(shè)因變量yi與自變量x之間的關(guān)系為

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

另y贊i為yi的估計(jì)值，則

則

為了使剩余誤差最小，應(yīng)滿足

即可算出回歸系數(shù)。

2.2BP神經(jīng)網(wǎng)絡(luò)標(biāo)定方法

神經(jīng)網(wǎng)絡(luò)能夠映射非線性函數(shù)[18]，通過(guò)實(shí)驗(yàn)數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，使網(wǎng)絡(luò)逐步調(diào)節(jié)連接權(quán)值，可以較好逼近非線性函數(shù)[19-20]。采用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)微風(fēng)振動(dòng)傳感器標(biāo)定可分為3個(gè)步驟，如圖3所示。

首先，將原始測(cè)量數(shù)據(jù)分為訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)；其次，構(gòu)建3層的神經(jīng)網(wǎng)絡(luò)，將振源振幅和頻率作為神經(jīng)網(wǎng)絡(luò)的輸入，傳感器輸出電壓幅值作為神經(jīng)網(wǎng)絡(luò)的輸出；最后，訓(xùn)練神經(jīng)網(wǎng)絡(luò)，當(dāng)誤差小于設(shè)定值時(shí)，訓(xùn)練結(jié)束[21]。

圖3　神經(jīng)網(wǎng)絡(luò)標(biāo)定流程Fig.3The process of the neural network calibration

3　實(shí)驗(yàn)分析

3.1實(shí)驗(yàn)測(cè)試

由于微風(fēng)振動(dòng)傳感器的振動(dòng)幅值與頻率之間存在非線性關(guān)系，在使用之前，需對(duì)傳感器進(jìn)行非線性校正。

如圖4所示，將懸臂梁結(jié)構(gòu)一端固定，另一端的小輪壓在振動(dòng)臺(tái)的振動(dòng)臺(tái)面上，用示波器測(cè)量懸臂梁的輸出電壓。將振幅和頻率分別調(diào)到各標(biāo)定值，用激光測(cè)距儀記錄振動(dòng)臺(tái)振幅和頻率[22]。具體數(shù)據(jù)如表1所示，其中Ak為振動(dòng)臺(tái)振幅，fk為振動(dòng)頻率，Usk為傳感器輸出電壓。

圖4　振動(dòng)標(biāo)定平臺(tái)Fig.4The platform of vibration calibration

表1　傳感器二維實(shí)驗(yàn)Usk標(biāo)定數(shù)據(jù)Tab.1The experimental calibration data Uskof the sensormV

3.2線性回歸算法標(biāo)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(lái)表述式（5）中的振幅A2，得

式中：A為補(bǔ)償后的振幅，由二維回歸分析方法計(jì)算得到

由表1可知，頻率在15~85 Hz范圍內(nèi)，頻率補(bǔ)償后的數(shù)據(jù)為見(jiàn)表2。由實(shí)驗(yàn)結(jié)果可以看出，線性回歸的標(biāo)定方法得到的相對(duì)誤差均在1%左右，最大值為1.93%，測(cè)量結(jié)果較為準(zhǔn)確。

表2　線性回歸標(biāo)定結(jié)果Tab.2The calibration results of linear regression

3.3BP神經(jīng)網(wǎng)絡(luò)算法標(biāo)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(luò)進(jìn)行標(biāo)定時(shí)，在其中選取64組進(jìn)行訓(xùn)練，其余8組進(jìn)行驗(yàn)證，驗(yàn)證樣本數(shù)據(jù)中包含了振動(dòng)頻率相同、振動(dòng)臺(tái)振幅不同的數(shù)據(jù)，以及振動(dòng)頻率不同、振動(dòng)臺(tái)振幅相同的數(shù)據(jù)，能夠體現(xiàn)振動(dòng)頻率對(duì)測(cè)量幅值的影響，得到圖5所示結(jié)果。圖5中，期望輸出為傳感器標(biāo)定前的測(cè)量輸出，預(yù)測(cè)輸出為神經(jīng)網(wǎng)絡(luò)標(biāo)定輸出。

圖5　BP神經(jīng)網(wǎng)絡(luò)標(biāo)定結(jié)果Fig.5Results of the BP neural network calibration

表3為神經(jīng)網(wǎng)絡(luò)標(biāo)定測(cè)試結(jié)果，由測(cè)試結(jié)果可知，神經(jīng)網(wǎng)絡(luò)標(biāo)定結(jié)果中，相對(duì)誤差多數(shù)在1%以上，最大相對(duì)誤差為2.77%，測(cè)量結(jié)果較線性回歸方法準(zhǔn)確度較低。這是由于神經(jīng)網(wǎng)絡(luò)往往需要大量的數(shù)據(jù)進(jìn)行訓(xùn)練才能得到更為精確的結(jié)果，而在實(shí)際工程應(yīng)用中希望標(biāo)定過(guò)程盡量簡(jiǎn)單高效。因此，本文中的訓(xùn)練數(shù)據(jù)僅選取了64組，而神經(jīng)網(wǎng)絡(luò)標(biāo)定受訓(xùn)練數(shù)據(jù)的影響，其精度相對(duì)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(luò)算法更適用于微風(fēng)振動(dòng)傳感器標(biāo)定。

表3　神經(jīng)網(wǎng)絡(luò)標(biāo)定結(jié)果Tab.3The calibration results of linear regression

4　結(jié)語(yǔ)

為解決以往微風(fēng)振動(dòng)傳感器測(cè)量精度不高，測(cè)量數(shù)據(jù)不可靠的問(wèn)題，本文將線性回歸及BP神經(jīng)網(wǎng)絡(luò)的方法應(yīng)用傳感器中，采用2種方法分別實(shí)現(xiàn)傳感器的非線性標(biāo)定，減小了頻率帶來(lái)的非線性誤差。通過(guò)實(shí)驗(yàn)驗(yàn)證的方法，結(jié)果表明采用線性回歸的方法比BP神經(jīng)網(wǎng)絡(luò)方法精度更高，能夠更準(zhǔn)確反應(yīng)微風(fēng)振動(dòng)的水平。

[1]常康，薛峰，楊衛(wèi)東．中國(guó)智能電網(wǎng)基本特征及其技術(shù)進(jìn)展評(píng)述[J]．電力系統(tǒng)自動(dòng)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(cè)技術(shù)研究[J]．南方電網(wǎng)技術(shù)，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(yùn)瑩，邢軍，王澄，等．南方覆冰災(zāi)害造成輸電線路倒塔原因及策略的研究[J]．江蘇電機(jī)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(shè)備運(yùn)行壽命的檢測(cè)與評(píng)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(dǎo)線微風(fēng)振動(dòng)在線監(jiān)測(cè)技術(shù)[J]．高電壓技術(shù)，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(cè)與故障診斷[M]．2版.北京：中國(guó)電力出版社，2014．

[10]張會(huì)韜．架空送電線路微風(fēng)振動(dòng)現(xiàn)場(chǎng)測(cè)量新方法[J]．中國(guó)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(xué)．輸電線路微風(fēng)振動(dòng)傳感器：中國(guó)，ZL201420564892．3[P]．2015-01-07.

[12]李麗芬，朱永利，黃建才，等．基于無(wú)線傳感器網(wǎng)絡(luò)的絕緣子泄漏電流在線監(jiān)測(cè)系統(tǒng)[J]．電力系統(tǒng)保護(hù)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(cè)系統(tǒng)的電源解決方案[J]．電源技術(shù)，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(diǎn)遠(yuǎn)程定位裝置的設(shè)計(jì)[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(cè)量單元的精確標(biāo)定技術(shù)[J]．中國(guó)慣性技術(shù)學(xué)報(bào)，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(qiáng)，馬燕峰．配電網(wǎng)可靠性指標(biāo)的灰色組合預(yù)測(cè)方法及應(yīng)用[J]．電力科學(xué)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(fēng)電場(chǎng)風(fēng)速及風(fēng)電功率預(yù)測(cè)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(biāo)定研究[J]．兵工自動(dòng)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(luò)響應(yīng)面法的汽輪機(jī)葉片強(qiáng)度可靠性分析[J]．華北電力大學(xué)學(xué)報(bào)：自然科學(xué)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(luò)的諧波檢測(cè)方案[J]．電力系統(tǒng)保護(hù)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(jī)械振動(dòng)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(diǎn)科技創(chuàng)新團(tuán)隊(duì)計(jì)劃項(xiàng)目（2014KCT-16）。

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

2015-01-23。

趙隆（1987—），男，在職博士生，助教，主要研究方向?yàn)檩旊娋€路故障機(jī)理、輸變電設(shè)備在線監(jiān)測(cè)技術(shù)；

黃新波（1975—），男，博士，教授，主要研究方向?yàn)檩斪冸娫O(shè)備狀態(tài)監(jiān)測(cè)、輸變電設(shè)備故障機(jī)理、故障診斷、電力電子逆變技術(shù)等；

曹雯（1983—），女，博士，講師，主要研究方向?yàn)殡娏υO(shè)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?yàn)檩旊娋€路在線監(jiān)測(cè)技術(shù)與故障機(jī)理。