一起基于BMS分布式光纖測溫系統(tǒng)的封閉母線超溫報警故障分析

安紫娟 趙軍 毛軍

摘? 要：BMS分布式光纖測溫系統(tǒng)在北京奔馳生產(chǎn)車間成功應(yīng)用，并在封閉母線溫度測量方面發(fā)揮了重要的作用。文章基于一起超溫報警故障進行分析，并進行三個季度的連續(xù)追蹤，發(fā)現(xiàn)母線溫度與環(huán)境溫度緊密相關(guān)，并呈現(xiàn)一定的規(guī)律性。最終，擬定下一步研究方向，利用母線溫度、環(huán)境溫度、母線電流等大數(shù)據(jù)信息，基于人工智能算法，建立母線溫度預(yù)測模型，以指導(dǎo)實際運營。

關(guān)鍵詞：BMS分布式光纖測溫系統(tǒng)；超溫報警；預(yù)防性維護；人工智能算法

中圖分類號：TN253；TP277? 文獻標識碼：A? 文章編號：2096-4706（2023）24-0166-05

Fault Analysis of Enclosed Busbar Over-temperature Alarm Based on BMS Distributed Optical Fiber Temperature Measurement System

AN Zijuan， ZHAO Jun， MAO Jun

（Beijing Benz Automotive Co.， Ltd.， Beijing? 100176， China）

Abstract： The BMS distributed optical fiber temperature measurement system has been successfully applied in production workshop of BBAC and has played an important role in enclosed busbar temperature measurement. This paper analyzes an over-temperature alarm fault and continuously tracks for three quarters. It is found that the busbar temperature is closely related to the ambient temperature and exhibits certain regularity. Finally， the next research direction is proposed， which is to establish a busbar temperature prediction model based on Artificial Intelligence algorithms using Big Data information such as busbar temperature， ambient temperature and busbar current， to guide actual operations.

Keywords： BMS distributed optical fiber temperature measurement system; over-temperature alarm; preventive maintenance; Artificial Intelligence algorithm

0? 引? 言

電力封閉母線接頭連接處一直是母線故障的敏感位置。過去的幾年內(nèi)，北京奔馳發(fā)生多次由于母線接頭超溫短路事故，威脅生產(chǎn)[1]。

引起封閉母線表面溫度升高的因素是多樣的，如設(shè)備運轉(zhuǎn)負荷、流過母線的電流、環(huán)境溫度、接觸電阻、母線散熱性能等[2]。實驗?zāi)M數(shù)據(jù)表明，封閉母線運行時的環(huán)境溫度是影響接頭溫度的重要因素，二者近似線性相關(guān)[3]。在北京奔馳最新上線的BMS分布式光纖測溫系統(tǒng)，曾捕捉到由于環(huán)境溫度升高引起封閉母線超溫報警現(xiàn)象，為此，項目組積極進行故障排查、分析與追蹤。

1? 基于BMS的分布式光纖測溫系統(tǒng)簡介

2022年，北京奔馳上線一套分布式光纖測溫系統(tǒng)，利用敷設(shè)于封閉母線保護外殼的感溫光纜，取代傳統(tǒng)的手持紅外測溫儀測溫方式，通過光纖傳感技術(shù)，采集母線溫度，使用能源中心上機位BMS系統(tǒng)，在線監(jiān)測系統(tǒng)母線溫度，指導(dǎo)母線運維。

BMS分布式光纖測溫系統(tǒng)作為北京奔馳數(shù)字化能源計量與智能化設(shè)備自控系統(tǒng)（EMS / BMS系統(tǒng)）中的一部分[4]，能遠程實時、連續(xù)在線監(jiān)測封閉母線的溫度，使運維人員及時掌握母線故障引起的溫升信息，對母線超溫、溫升異常等情況進行報警，從而進行預(yù)防性檢修與維護，繼而規(guī)避電力火災(zāi)隱患[5]。

圖1為BMS分布式光纖測溫系統(tǒng)主界面截圖，展示了車間全部封閉母線形態(tài)、模式功能設(shè)定等信息，各種報警參數(shù)可以根據(jù)用戶需求與運維經(jīng)驗自定義，若發(fā)生溫度報警，溫度異常母線會由黃色變?yōu)榧t色。監(jiān)測人員可以點擊報警母線進入母線溫度詳情頁，如圖2所示，發(fā)生報警的測溫點位會由黃色變?yōu)榧t色，點擊紅色報警點位即可彈出點位詳細信息，如圖2中“MFA420-Z2-T5-22AA07-N1-2/2#W19W18-48”，反映了該測溫點位坐標。監(jiān)測人員可以根據(jù)報警彈窗通知運維人員根據(jù)坐標精準查找溫度異常母線測溫點。由此可見，BMS分布式光纖測溫系統(tǒng)是一套快捷、高效的預(yù)防性維護系統(tǒng)。

2? 超溫報警故障判斷

2.1? 故障簡述

2022年7月7日12時—14時，BMS母線測溫系統(tǒng)T6母線約5個測溫點位發(fā)生超溫上限報警，報警設(shè)定上限值為45 ℃。表1列出了當日發(fā)生超溫報警的5個測溫點位在BMS系統(tǒng)的實測最高溫度，由于超溫報警對溫度連續(xù)監(jiān)測，BMS系統(tǒng)溫度采集卻為15分鐘一次，因此個別點位發(fā)生短時超溫，只進行了報警，溫度（大于45 ℃）卻未采集，這屬于正?，F(xiàn)象。

故障發(fā)生之后，運維人員隨即根據(jù)報警彈窗提示位置，對該母線的報警點位進行故障排查。

2.2? 故障排查

2.2.1? 檢查光纖

根據(jù)報警彈窗提示坐標，運維人員對溫度異常點位的光纖敷設(shè)情況逐一檢查，發(fā)現(xiàn)光纖敷設(shè)良好、固定可靠，未產(chǎn)生脫落、位置變化、斷纖等情況。因此排除光纖故障系統(tǒng)誤報警。

2.2.2? 檢查母線接頭

運維人員對溫度異常點位的母線接頭情況逐一檢查，發(fā)現(xiàn)接頭處螺栓連接可靠，母線表面光滑整潔，未出現(xiàn)焦灼、異味等故障。因此排除母線接頭連接故障，判斷該起超溫報警不會引起電力火災(zāi)故障。

2.3? 初判故障原因

排查過程中，運維人員發(fā)現(xiàn)，T6母線位于玻璃天窗正下方位置。報警當日天氣晴朗悶熱，最高氣溫36 ℃，報警時間段為12時—14時，是一天中最熱的時間，加之封閉母線槽保護外殼為金屬板，比熱容小，散熱性能較弱，在沒有遮擋、陽光暴曬的午間時分，吸收熱量多，導(dǎo)致外殼溫度顯著升高。綜上，初步判斷本次報警原因為環(huán)境溫度過高導(dǎo)致封閉母線溫度短時間超過了45 ℃，從而產(chǎn)生超溫報警。

3? 故障分析與驗證

基于上述初步確定的故障原因，進一步進行詳細的分析與驗證。

3.1? 紅外熱成像儀與光纖測溫系統(tǒng)溫度值對比

為進一步驗證BMS光纖測溫系統(tǒng)的可靠性，2022年7月11日（環(huán)境最高溫度27 ℃）下午14：30分左右，運維人員使用紅外熱成像儀測量了T6母線12處溫度點位的溫度，并截取BMS系統(tǒng)T6母線溫度值，如表2所示。

可以看出，兩種方式測得的溫度值基本相符，但存在一定的誤差，這是因為：

1）BMS系統(tǒng)截取溫度數(shù)值的時間跟紅外測溫存在時間差，截圖所獲得的數(shù)值是某一時間點的溫度，而紅外測溫方式需要每個測溫點挨個逐一測量，需要一定的時間過程，所獲得的數(shù)值是一個時間段內(nèi)的溫度。

2）紅外熱成像儀通過人工手持測溫，測量角度和測量距離都會影響測溫數(shù)據(jù)。

綜上分析，兩種測溫方式數(shù)據(jù)存在一定的誤差是在可接受范圍內(nèi)的，因此，可以認為光纖測溫準確、可靠。

3.2? 溫度曲線規(guī)律分析

進一步地，結(jié)合超溫報警日（7月7日）前后兩天的數(shù)據(jù)，對發(fā)生高溫的6個測溫點位（溫度超過40 ℃）進行溫度曲線分析，如圖3所示。可以看出，一天當中，溫度曲線先遞增后遞減，存在曲線尖峰，即溫度最高數(shù)值，溫度尖峰出現(xiàn)的時間為12時—14時，這是因為，該時間段為一天當中最熱的時間，因此位于玻璃天窗下方暴曬的封閉母線溫度也最高；對比環(huán)境溫度可以看出，環(huán)境溫度越高，曲線尖峰越高，說明最高溫數(shù)值與環(huán)境溫度存在一定的關(guān)聯(lián)，且隨環(huán)境溫度的升高而升高；上述現(xiàn)象進一步說明封閉母線溫度與環(huán)境溫度存在很大的關(guān)聯(lián)性。同時，觀察5天溫度整體波動，發(fā)現(xiàn)溫度曲線呈“波浪狀”規(guī)律浮動，發(fā)生高溫的點位及時間段也存在規(guī)律性的律動，因此可以判斷報警信息是正常的。

同時，對當日報警母線全部點位溫度分析，如圖4所示，結(jié)合現(xiàn)場母線實際位置情況，也可以看出，位于玻璃天窗下方的報警點位溫度普遍偏高，而具有建筑物遮擋的其余測溫點位溫度普遍較低，因為有建筑物遮擋的母線其周圍環(huán)境溫度較低。

3.3? 半年溫度追蹤

隨后，項目組對該母線發(fā)生超溫報警的測溫點（重點跟蹤對象）進行了三個季度的追蹤，生成了如圖5所示的溫度追蹤曲線。從圖中可以看出，曲線呈季節(jié)性規(guī)律波動，夏季、秋季初期整體溫度偏高，冬季溫度最低，春季溫度又逐漸上升。從夏季到春季，整體溫度呈下降趨勢，因為夏季、秋季初期環(huán)境溫度最高，因此母線整體溫度也最高；且隨著秋季后期、冬季、春季整體溫度的降低，T6母線未發(fā)生超溫報警情況，重點跟蹤的測溫點位此后也未再發(fā)生超溫報警（超過45 ℃）。上述分析再次驗證了環(huán)境溫度與母線溫度的緊密相關(guān)性，母線溫度隨著環(huán)境溫度的升高而升高、降低而降低。至于二者是否存在線性相關(guān)性，可以借助有限元分析軟件，建立母線接頭處溫度場數(shù)學(xué)模型，進一步模擬與驗證二者關(guān)系。

3.4? 環(huán)境溫度影響分析

結(jié)合上述分析總結(jié)，可以看出，封閉母線溫度與環(huán)境溫度存在很大的關(guān)聯(lián)性，且隨著環(huán)境溫度的升高而升高、降低而降低，并在一天當中隨著時間段有規(guī)律的波動，一年當中隨著季節(jié)有規(guī)律的波動。無論是一天不同的時間段還是季節(jié)，這些都是溫度的間歇反饋，這再次驗證了2.3節(jié)的判斷，當日母線超溫報警可以判定為環(huán)境溫度過高導(dǎo)致封閉母線溫度過高。

這一分析，對項目組產(chǎn)生了新的啟發(fā)，一般情況下，實際生產(chǎn)環(huán)境中，影響封閉母線溫度的可變因素包括環(huán)境溫度、工作電流等數(shù)據(jù)，可以結(jié)合北京奔馳EMS / BMS系統(tǒng)，獲取相關(guān)大數(shù)據(jù)信息，進一步去研究、搭建封閉母線溫度故障診斷模型，通過模型預(yù)測母線溫度。具體地，可以結(jié)合復(fù)雜真實的生產(chǎn)作業(yè)環(huán)境而非實驗室環(huán)境，利用現(xiàn)有大數(shù)據(jù)體量，基于人工智能算法，建立基于機器學(xué)習(xí)或深度學(xué)習(xí)的母線溫度預(yù)測模型。

3.4.1? 基于支持向量機（SVM）的封閉母線溫度預(yù)測算法

訓(xùn)練流程如下：

1）獲取環(huán)境溫度、封閉母線溫度等歷史數(shù)據(jù)，進行數(shù)據(jù)清洗。

2）將數(shù)據(jù)按照季節(jié)進行劃分，處理成四個季節(jié)單獨的數(shù)據(jù)和一份全季節(jié)數(shù)據(jù)。

3）每個季節(jié)基于SVM構(gòu)建單季節(jié)預(yù)測網(wǎng)絡(luò)，通過第二步構(gòu)建的季節(jié)數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)。

4）基于SVM構(gòu)建全季節(jié)預(yù)測網(wǎng)絡(luò)，該網(wǎng)絡(luò)充分利用了不同季節(jié)封閉母線溫度的相似性，通過第二步構(gòu)建的全季節(jié)數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)。

5）將全季節(jié)數(shù)據(jù)送入訓(xùn)練好的單季節(jié)預(yù)測網(wǎng)絡(luò)和全季節(jié)預(yù)測網(wǎng)絡(luò)，得到兩種網(wǎng)絡(luò)的輸出。

6）基于SVM構(gòu)建綜合預(yù)測網(wǎng)絡(luò)，該網(wǎng)絡(luò)的輸入為前一步的輸出，該網(wǎng)絡(luò)的輸出為最終預(yù)測的封閉母線溫度，訓(xùn)練該網(wǎng)絡(luò)至收斂。

7）部署模型進行推理，其流程如圖6所示。

3.4.2? 基于長短期記憶網(wǎng)絡(luò)（LSTM）的時序預(yù)測算法

通過實際生產(chǎn)環(huán)境中采集到的歷史數(shù)據(jù)，訓(xùn)練LSTM神經(jīng)網(wǎng)絡(luò)模型，其可以用時序預(yù)測算法預(yù)測未來一段窗口內(nèi)的母線溫度，包括以下步驟：

1）獲取日期、環(huán)境溫度、封閉母線溫度等歷史數(shù)據(jù)，進行數(shù)據(jù)清洗。

2）收集到的日期數(shù)據(jù)與封閉母線溫度具有強相關(guān)性，但是長短期記憶網(wǎng)絡(luò)無法直接識別日期數(shù)據(jù)，需要將其轉(zhuǎn)換為序列數(shù)據(jù)，即構(gòu)建序列數(shù)據(jù)與日期數(shù)據(jù)的映射關(guān)系。

3）對數(shù)據(jù)進行歸一化，然后將歸一化的數(shù)據(jù)按照6：2：2的比例分為訓(xùn)練集、驗證集和測試集。

4）構(gòu)建并訓(xùn)練長短期記憶網(wǎng)絡(luò)，用其內(nèi)部隱含層神經(jīng)節(jié)點來記憶歷史窗口內(nèi)的時序信息進行預(yù)測。

5）在驗證集和測試集上驗證模型效果，選取精度最高的模型進行部署，部署后可預(yù)測未來一段窗口內(nèi)的封閉母線溫度，提前預(yù)警封閉母線溫度過高。

4? 結(jié)? 論

BMS分布式光纖測溫系統(tǒng)自應(yīng)用以來，已在母線溫度測量方面發(fā)揮了重要的作用，輔助排查母線超溫故障，為封閉母線的預(yù)防性維護提供了重要的指導(dǎo)意義。隨后，項目組會繼續(xù)追蹤不同季節(jié)、不同環(huán)境溫度的母線溫度，以進一步觀察母線溫度變化，同時，通過北京奔馳EMS / BMS系統(tǒng)監(jiān)測、提取封閉母線溫度、電流等大數(shù)據(jù)信息，參考環(huán)境溫度、母線參數(shù)等數(shù)據(jù)，基于人工智能算法，結(jié)合實際復(fù)雜的生產(chǎn)作業(yè)狀況，預(yù)測封閉母線接頭處溫度，建立母線溫度異常故障診斷模型，以指導(dǎo)實際運營管理。

參考文獻：

[1] 郭海平.企業(yè)電力封閉母線的智能運維及監(jiān)測診斷系統(tǒng)探析 [J].中國設(shè)備工程，2022（S2）：199-200.

[2] 董建航.基于數(shù)據(jù)挖掘的母線接頭故障診斷系統(tǒng)研究 [D].鎮(zhèn)江：江蘇大學(xué)，2022.

[3] 王佳培.基于有限元法的封閉母線槽接頭熱特性分析及散熱影響因素研究 [D].濟南：山東大學(xué)，2020.

[4] 李明宇，姬清峰，王肖伊.數(shù)字化能源計量與智能化設(shè)備自控的聯(lián)合應(yīng)用 [J].中國計量，2022（3）：66-69.

[5] 安紫娟，李明宇，郭海平，等.分布式光纖測溫技術(shù)在生產(chǎn)車間封閉母線在線監(jiān)測中的應(yīng)用 [J].電子測試，2022，36（11）：103-105+122.

作者簡介：安紫娟（1994—），女，漢族，陜西渭南人，工程師，碩士，研究方向：輸配電技術(shù)。