基于改進(jìn)機(jī)器學(xué)習(xí)的輸電線路弧垂溫度估計(jì)方法

宰紅斌， 吳浩林， 王昊， 王凱

(1. 國(guó)網(wǎng)山西省電力公司晉城供電公司，山西 晉城 048000;2. 國(guó)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(wèn)題已成為全國(guó)電力行業(yè)關(guān)注的熱點(diǎn)安全問(wèn)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(duì)架空輸電線路(overhead transmission lines，OTLs)的安全運(yùn)行構(gòu)成嚴(yán)重威脅。同時(shí)，隨著特高壓輸電工程的開(kāi)展，OTLs長(zhǎng)度不斷增加，對(duì)其弧垂和溫度的監(jiān)測(cè)顯得尤為重要[1—2]。

文獻(xiàn)[3—4]利用安裝在輸電線路上的傳感器準(zhǔn)確測(cè)量輸電線路參數(shù)，以提高電力系統(tǒng)模型的準(zhǔn)確性。在典型的傳感器測(cè)量解決方案中，文獻(xiàn)[5—7]將裝有溫度、延伸率、應(yīng)變力和傾角傳感器的測(cè)量裝置直接安裝在傳輸線上，使用無(wú)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(gè)輸電線路實(shí)際運(yùn)行狀況有關(guān)的精確值，需要在OTLs上高密度安裝測(cè)量數(shù)據(jù)的傳感器，安裝成本很大，且后期運(yùn)維難度也大。為了便于對(duì)傳感測(cè)量系統(tǒng)的安裝和維護(hù)，OTLs的運(yùn)行狀態(tài)可以通過(guò)非接觸式監(jiān)測(cè)方式獲得[8]。使用基于攝像機(jī)的視覺(jué)系統(tǒng)對(duì)OTLs進(jìn)行監(jiān)控測(cè)量[9]，即通過(guò)安裝在OTLs電線桿上的攝像機(jī)拍攝實(shí)際運(yùn)行狀態(tài)，將其數(shù)據(jù)通過(guò)無(wú)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(guò)解析處理獲得輸電線路垂度和溫度值，但該方法對(duì)通信寬帶要求較高，須實(shí)時(shí)傳輸。文獻(xiàn)[10]基于圖像語(yǔ)義分割的目標(biāo)檢測(cè)算法，使用深度卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)來(lái)預(yù)警電弧閃光等事件的發(fā)生。此類視覺(jué)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(shí)將信息發(fā)送到SCADA以對(duì)干擾作出反應(yīng)[11]。但該方法遠(yuǎn)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(jì)準(zhǔn)確率不高。

文中提出了一種基于遠(yuǎn)距離無(wú)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(cè)方法，利用LoRa通信模塊功耗低且傳輸距離遠(yuǎn)的特點(diǎn)，構(gòu)建遠(yuǎn)程無(wú)線通信系統(tǒng)，用于監(jiān)測(cè)和估計(jì)數(shù)據(jù)的傳輸。并且分別采用遺傳-支持向量機(jī)(genetic algorithm-support vector machine,GA-SVM)算法、GA-Elman神經(jīng)網(wǎng)絡(luò)算法估計(jì)輸電線路的弧垂和溫度，以準(zhǔn)確檢測(cè)OTLs的狀態(tài)。

1 輸電線路弧垂和溫度監(jiān)測(cè)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(yùn)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(shí)，輸電線路弧度會(huì)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(shí)，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(shì)，需要根據(jù)監(jiān)測(cè)圖像估計(jì)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(cè)與估計(jì)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(cè)與估計(jì)方法流程

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

1.1 基于LoRa的無(wú)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(cè)，且通信距離可達(dá)2～15 km[13]?；贚oRa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(cè)系統(tǒng)中，相機(jī)采集所有跨度的圖像數(shù)據(jù)，并將帶有時(shí)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(diǎn)從最遠(yuǎn)2 km的相鄰極點(diǎn)接收弧垂和溫度圖像數(shù)據(jù)，通常覆蓋4～7個(gè)極點(diǎn)。然后，通過(guò)無(wú)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(wú)線數(shù)據(jù)通信技術(shù)標(biāo)準(zhǔn)，LoRa能夠以低功耗實(shí)現(xiàn)遠(yuǎn)距離傳輸[14]。

1.2 基于機(jī)器學(xué)習(xí)的弧垂和溫度估計(jì)

由攝像機(jī)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?cái)z像機(jī)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(guò)LoRa傳送至SCADA，通過(guò)系統(tǒng)后臺(tái)軟件進(jìn)一步分析處理以實(shí)現(xiàn)輸電線路弧垂及溫度監(jiān)測(cè)和預(yù)估等功能。

圖3 智能攝像機(jī)監(jiān)測(cè)的輸電線路單跨

對(duì)于圖3所示輸電線路的計(jì)算[15]，假定懸線形狀近似為懸鏈線曲線，為單位長(zhǎng)度重量w的導(dǎo)體，鋼絲張力的水平分量為F，跨度長(zhǎng)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(jí)數(shù)展開(kāi)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(diǎn)在中心，即x=S/2，代入計(jì)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(zhǎng)度L，而輸電線路長(zhǎng)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(zhǎng)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(zhǎng)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(biāo)準(zhǔn)溫度-張力計(jì)算如下：

(4)

式中：g1,g2分別為初始與終態(tài)的分項(xiàng)系數(shù)。

1.2.1 基于GA-SVM的輸電線路弧垂估計(jì)

輸電線路任一點(diǎn)的弧垂是指該點(diǎn)與懸線兩端連線的鉛錘距離。弧垂過(guò)小，則輸電線應(yīng)力會(huì)過(guò)大，影響輸電線路的機(jī)械安全；弧垂過(guò)大，則輸電線與地面的距離會(huì)過(guò)低，從而產(chǎn)生對(duì)地放電的危險(xiǎn)。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(cè)值估計(jì)弧垂的變化趨勢(shì)，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(jì)方法。

SVM在構(gòu)造最優(yōu)分類超平面時(shí)，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(biāo)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(wèn)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(guò)程中自動(dòng)獲取和積累有關(guān)搜索空間知識(shí)，并自適應(yīng)地控制搜索過(guò)程以求得最優(yōu)解。GA用于自適應(yīng)計(jì)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(zhǔn)度，縮短估計(jì)時(shí)間。

GA-SVM估計(jì)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(jì)

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

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(shí)算子，以實(shí)現(xiàn)記憶功能，不僅解決了靜態(tài)建模問(wèn)題，還能夠?qū)崿F(xiàn)動(dòng)態(tài)系統(tǒng)的映射，具有適應(yīng)時(shí)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(shì)性，但同時(shí)受到天氣等隨機(jī)因素的影響[19—20]。為了加強(qiáng)模型對(duì)突變數(shù)據(jù)的學(xué)習(xí)能力，提高預(yù)測(cè)精度，利用GA算法對(duì)Elman神經(jīng)網(wǎng)絡(luò)的權(quán)值及閾值進(jìn)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(jì)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(jì)

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(jī)初始化其權(quán)重與閾值，然后編碼種群個(gè)體，使用溫度值訓(xùn)練誤差作為適應(yīng)度值。經(jīng)過(guò)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(dá)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(jì)值[23—24]。

2 實(shí)驗(yàn)結(jié)果與分析

由于輸電線路由大量的極點(diǎn)和跨距組成，利用仿真平臺(tái)進(jìn)行實(shí)驗(yàn)?zāi)軌蛟诤艽蟪潭壬瞎?jié)省時(shí)間和成本。為此，利用保護(hù)質(zhì)量建模語(yǔ)言(quality of protection modeling language，QoP-ML)設(shè)計(jì)輸電線路監(jiān)測(cè)視覺(jué)系統(tǒng)模型，并且基于自動(dòng)化保護(hù)質(zhì)量分析(automated quality of protection analysis，AQoPA)實(shí)現(xiàn)的仿真結(jié)果進(jìn)行分析[25]。

2.1 實(shí)驗(yàn)平臺(tái)

文中所提方法基于一個(gè)由80個(gè)傳感器、10個(gè)Sink節(jié)點(diǎn)和1個(gè)SCADA站組成的系統(tǒng)監(jiān)測(cè)輸電線路，并設(shè)計(jì)了平跨實(shí)驗(yàn)臺(tái)，如圖6所示。在該實(shí)驗(yàn)臺(tái)上，使用3個(gè)精度為2.5 mm的拉線位移傳感器Epsilon WDS 2500-P96進(jìn)行直接弧垂測(cè)量；使用4個(gè)Instron PM-L 2526-802型10 kN測(cè)力傳感器測(cè)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(gè)DS18B20傳感器測(cè)量導(dǎo)線溫度。

圖6 用于監(jiān)測(cè)和估計(jì)輸電線路溫度和弧垂的實(shí)驗(yàn)臺(tái)

2.2 LoRa傳輸結(jié)果分析

在實(shí)際110 kV輸電線路上對(duì)LoRa傳輸時(shí)間進(jìn)行測(cè)量。在測(cè)試期間，配置了雙向連接，一個(gè)模塊發(fā)送數(shù)據(jù)并等待消息被接收的確認(rèn)，計(jì)時(shí)器在發(fā)送數(shù)據(jù)時(shí)開(kāi)始測(cè)量，在收到確認(rèn)時(shí)停止。LoRa傳輸時(shí)間的實(shí)驗(yàn)結(jié)果如圖7所示。

圖7 輸電線路上LoRa傳輸時(shí)間的測(cè)量結(jié)果

由圖7可見(jiàn)，傳輸時(shí)間僅取決于包的大小，64 bits的數(shù)據(jù)包傳送時(shí)間為1 249 ms，而1 024 bits的數(shù)據(jù)包傳送時(shí)間為6 236 ms?？梢园l(fā)現(xiàn)，傳輸時(shí)間與距離的關(guān)聯(lián)不大，不管距離如何變化，傳輸時(shí)間僅有細(xì)微波動(dòng)。根據(jù)多次實(shí)驗(yàn)監(jiān)測(cè)結(jié)果，可得到數(shù)據(jù)包大小與數(shù)據(jù)傳輸時(shí)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(shí)間與數(shù)據(jù)包大小的關(guān)系如圖8所示。

圖8 LoRa傳輸時(shí)間與數(shù)據(jù)包大小的關(guān)系

利用LoRa技術(shù)進(jìn)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(diǎn)不宜過(guò)遠(yuǎn)，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(jì)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(jì)算導(dǎo)線的實(shí)際溫度。實(shí)驗(yàn)中，監(jiān)測(cè)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(cè)系統(tǒng)獲得的數(shù)據(jù)，并利用所提方法估計(jì)輸電線路的弧垂和溫度。其中，輸電線路弧垂估計(jì)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(jì)結(jié)果

根據(jù)圖9進(jìn)行誤差統(tǒng)計(jì)，在50 m跨度中，弧垂估計(jì)的標(biāo)準(zhǔn)誤差為1.884 cm，多次測(cè)量后的平均誤差值為0.062 8 cm，在理想范圍內(nèi)。由此可見(jiàn)，所提方法能夠較為精確地估計(jì)線路的弧垂，避免因弧垂過(guò)大或過(guò)小影響電力系統(tǒng)的穩(wěn)定運(yùn)行。

輸電線路溫度估計(jì)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(jì)結(jié)果

根據(jù)圖10進(jìn)行誤差統(tǒng)計(jì)，在50 m跨度中，溫度估計(jì)的標(biāo)準(zhǔn)誤差為1.869 ℃，多次測(cè)量后的平均誤差值為0.047 8 ℃，在理想范圍內(nèi)。由此可見(jiàn)，所提方法能夠較為精確地估計(jì)線路的溫度，以防止輸電線路過(guò)載影響電力系統(tǒng)運(yùn)行。并且，多次測(cè)量計(jì)算可提高該方法的精度。

2.4 與其他方法的對(duì)比分析

分別將文中所提方法與文獻(xiàn)[3]、文獻(xiàn)[5]、文獻(xiàn)[11]中方法用于估計(jì)輸電線路的弧垂和溫度，其估計(jì)準(zhǔn)確率對(duì)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(zhǔn)確率最高，這是因?yàn)槠溽槍?duì)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(jì)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(yuǎn)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(zhǔn)確率均較高，因此，雖然所提方法的準(zhǔn)確率存在一定的波動(dòng)，但總體沒(méi)有明顯下降。

圖11 不同估計(jì)方法的準(zhǔn)確率對(duì)比結(jié)果

3 結(jié)語(yǔ)

目前大多數(shù)的傳感器均直接安裝在輸電線上以計(jì)算實(shí)際線路的載流量，不利于線路的運(yùn)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(cè)，根據(jù)監(jiān)測(cè)數(shù)據(jù)，基于GA-SVM算法估計(jì)輸電線路的弧垂，采用GA-Elman神經(jīng)網(wǎng)絡(luò)算法估計(jì)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(cè)和估計(jì)，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(shí)驗(yàn)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(jìn)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(jī)和加密技術(shù)實(shí)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(lái)研究的重點(diǎn)。