開關柜溫度主動預警關鍵技術研究及應用

摘 要：針對目前開關柜溫度監(jiān)測存在的問題，在研究了負荷電流、環(huán)境溫度、溫度變化時間等因素對開關柜溫升的影響后，運用有限元溫度場仿真技術預測了開關柜內部的溫度分布情況。將溫度場仿真數據作為機器學習的訓練樣本、溫升試驗數據作為機器學習的測試樣本，經神經網絡創(chuàng)建、訓練及算法仿真測試，得出不同于以往單一溫度值的溫度-電流-時間多物理量耦合溫升預測模型。將模型植入到嵌入式溫升主動預警裝置中，經大量試驗后提出開關柜溫度監(jiān)測策略，現已成功應用于國家電網智慧變電站首批試點項目，對制定開關設備載流性能的智能運維策略有實際應用價值。

關鍵詞：開關柜；有限元仿真；神經網絡；溫升預測；主動預警；溫度監(jiān)測策略；智慧變電站

中圖分類號：TM591；TP391.9" " 文獻標志碼：A" " 文章編號：1671-0797（2024）23-0014-05

DOI：10.19514/j.cnki.cn32-1628/tm.2024.23.003

0" " 引言

智慧變電站是智能變電站的進一步升級，對于電網未來的發(fā)展及我國能源結構的布局優(yōu)化具有十分重要的意義。

開關柜是變電站中的重要設備，因長期處于高電壓、大電流的工作環(huán)境下[1]，柜內母排、觸頭、電纜接點過熱[2]等引起的事故時有發(fā)生，由于未能有效監(jiān)測和預防，開關柜的故障率始終居高不下[3]。變電站現場電磁環(huán)境復雜、干擾較多，現有的溫度監(jiān)測方法普遍只關注溫度這一個特性，沒有綜合考慮多種因素的耦合關系，不能全面、綜合、準確地反映開關柜的運行狀態(tài)[4-8]；溫度預測模型也僅以溫度值為單一變量，常出現誤判。

以往的開關柜計算都僅僅考慮穩(wěn)態(tài)情況下的溫升，而實際運行中負載電流都是變化的，不易達到穩(wěn)態(tài)。因此，需在開關柜的負載電流變化時對溫升的影響進行評估。為了準確預測、有效監(jiān)測開關柜關鍵部位的溫度，需要對開關柜溫度場進行仿真計算。目前大多數仿真計算通常采用傳統(tǒng)的熱電耦合等方法對開關柜載流回路進行溫升仿真分析，忽略了流體的對流散熱對母線溫升的影響。流熱場仿真技術可以較準確地分析開關柜內部溫度場分布和氣流場分布[9-16]，準確的仿真數據對于開關柜溫度預測和監(jiān)測具有重要的指導意義。

本文基于有限元溫度場數值仿真技術分析開關柜內部的溫度分布情況，將仿真和溫升試驗數據經BP神經網絡算法訓練及測試，得出溫度-電流-時間多物理量耦合的溫升預測模型，并植入到嵌入式溫升主動預警裝置中，經試驗驗證，提出開關柜溫度監(jiān)測策略，現已于湖南獅子山110 kV智慧變電站應用。

1" " 溫度場仿真計算

根據高壓開關柜熱源分布，采用ANSYS有限元分析軟件對開關柜進行溫度場數值仿真，對開關柜在不同負荷電流下運行時的溫度場分布進行數值計算和分析，進而預測整個柜內溫度的分布情況，迅速定位溫度高點。以開關柜在額定電流下運行時的仿真為例，過程如下。

1.1" " 搭建仿真模型

以12 kV典型箱式固定式開關柜KYN28為仿真對象，KYN28型開關柜是目前國內高壓配電柜市場上的主流高壓開關設備，具有外形整齊、小巧美觀、強度高、元器件檢修方便、互換性好、應用廣泛等優(yōu)點[17-20]。

在仿真前需對模型進行簡化，例如默認導體為理想導體，即可視為等位體，將真空滅弧室內的波紋管、屏蔽罩簡化成等半徑的圓柱體，絕緣拉桿處的傘裙簡化為等厚度的圓筒。如果不經過簡化就進行仿真，則網格剖分量大，計算占用內存多，甚至會導致網格無法剖分，計算結果不收斂[21]。簡化后的典型箱式固定式開關柜KYN28的仿真模型如圖1所示。

1.2" " 網格剖分

在進行網格剖分時，網格類型選擇四面體Tetrahedrons，然后進行Sizing操作。單元尺寸可根據自適應計算結果設定，對于比較復雜的結構，如支撐絕緣子、絕緣拉桿等可單獨設置自適應剖分參數，然后對開關柜仿真模型進行局部加密剖分[22]。網格剖分示意圖如圖2所示。

1.3" " 參數設置

開關柜A相和B相上觸臂、C相下觸臂材質為硅橡膠；梅花觸頭布點方式為觸片錫箔紙粘貼；四周螺桿孔及底部橡膠塔封堵；柜頂通風孔為四周開條形孔結構。根據廠家提供的數據設置材料參數。

設置開關柜的基本參數及各類邊界條件?？紤]負荷電流、自然對流、輻射換熱、氣體流態(tài)、重力方向及環(huán)境溫度等初始條件，環(huán)境溫度為20 ℃，額定電流為1 250 A。變量求解參數設置如圖3所示。

1.4" " 溫度分布云圖

經過后處理，得到開關柜溫度分布云圖，如圖4所示。

1.5" " 仿真數據

經過后處理的部分開關柜溫度場仿真數據如表1所示。

2" " 基于BP神經網絡的溫度預測模型

建立BP神經網絡溫度預測模型的步驟包括樣本選擇與預處理、建立網絡、設置訓練參數、訓練網絡、仿真測試。

2.1" " 選取樣本

進行HZDL全自動開關柜溫升試驗，試驗的環(huán)境溫度為18 ℃，環(huán)境濕度為80%。使用回路電阻測試儀測量試驗整柜回路電阻為：A相85 μΩ、B相78 μΩ、C相78 μΩ。

開關柜額定電流IN=1 250 A，每組試驗從初始電流20%IN開始，以10%IN為變化量，從20%IN依次升高到110%IN，再依次降低到20%IN，測試開關柜正常運行時不同部位溫升隨負荷電流、環(huán)境溫度及時間的變化情況。一共進行100組試驗，每組試驗包括開關柜40個部位的溫升數據。記錄試驗結果，從中隨機選取15組數據作為開關柜溫度預測模型的測試樣本，部分測試樣本如表2所示。

從上文ANSYS溫度場仿真結果中隨機選取15組數據作為開關柜溫度預測模型的訓練樣本。

樣本輸入量為采集的負荷電流、環(huán)境溫度及溫度變化時間，輸出量為溫升，最終目的是實現溫度預測。由于它們是不同的物理量數據，在進行樣本數據訓練前需要進行尺度變換（歸一化或標準化），使輸入、輸出數據在[0，1]或[-1，1]區(qū)間內[22]。

2.2" " 訓練與測試

基于BP神經網絡的溫度預測模型原理如圖5所示，訓練與測試按照該原理圖進行[22]。

神經網絡輸入層神經元有3個，輸入的是尺度變化后的負荷電流、環(huán)境溫度及溫度變化時間；輸出層神經元為1個，輸出的是預測溫升，需與實際尺度變換的真實溫度進行誤差計算與修正。

在MATLAB中編寫相應的BP神經網絡算法程序，設置輸入神經元i=3，隱含神經元j=5（實際根據訓練效果變化），輸出神經元k=1，最大訓練次數為1 000，學習系數為0.01，最大誤差為0.001，初始化連接權、中間層閾值和輸出層閾值在[-1，1]間隨機選擇，隱含層神經元傳遞函數采用logsig或tansig函數，輸出層神經元傳遞函數采用logsig或purelin函數（實際根據訓練效果進行選擇）[22]。參數設置截圖如圖6所示。

通過溫升試驗平臺測量的開關柜關鍵部位溫升來修正預測模型。訓練樣本（預測值）與測試樣本（真實值）對比曲線如圖7所示。所有測量點溫升均符合國標溫升限值要求[23]。

由該技術得出的溫度-電流-時間多物理量耦合的溫升預測模型不同于以往單一溫度值的監(jiān)測判據，可以更準確地綜合判別開關柜的運行情況，有效發(fā)現其潛伏性故障。

3" " 溫度監(jiān)測策略

基于以上仿真結果，得出基于BP神經網絡的溫度預測模型，將模型植入到嵌入式開關柜溫升主動預警裝置中，經溫升試驗驗證，總結得出開關柜溫度監(jiān)測策略。部分策略如下：

1）將溫度換算為溫升，即減去環(huán)境溫度，可在裝置周圍預裝一個溫度傳感器，監(jiān)測環(huán)境溫度。

2）正常產品持續(xù)3 s通過1.2倍過負荷電流，溫升無明顯升高。

3）記錄下產品的峰值溫升和負荷超過短時發(fā)熱電流后的溫升，以及下降到正常溫升的時間。關注是否存在回路電阻偏大或某處接觸電阻偏大的問題，是否需要主動預警或檢修。

4）繪制出每天、每周、每年的開關柜溫升曲線，且與之前的曲線比對。

5）當開關三極溫升明顯不相同，但都不大于允許溫升時，需要考慮三相不平衡時電流偏差對溫升的影響。

4" " 結束語

本文綜合考慮了開關柜的環(huán)境溫度、負荷電流、溫度變化時間等因素對開關柜溫升的影響，將ANSYS有限元分析的開關柜溫度場仿真數據作為BP神經網絡機器學習的訓練樣本、將溫升試驗數據作為測試樣本，經訓練及仿真測試得出開關柜溫升預測模型，由對比結果可知，該模型可以較為準確地預測開關柜正常運行時各部位的溫升。將修正后的預測模型植入到嵌入式溫度主動預警裝置中，經溫升試驗驗證，總結得出了開關柜溫度監(jiān)測策略。依據溫度-電流-時間耦合關系綜合判別開關柜的運行情況，可有效發(fā)現其潛伏性故障，確保設備安全、可靠運行。

文中的溫升預測模型和溫度監(jiān)測策略已在國網湖南省電力有限公司110 kV獅子山智慧變電站成功應用，對制定開關設備載流性能的智能運維策略有實際應用價值。

[參考文獻]

[1] 王秉政，江健武，趙靈，等.高壓開關柜接觸發(fā)熱溫度場數值計算[J].高壓電器，2013，49（12）：42-48.

[2] 張向群，侯家奎，王奎甫.GIS間隔控制器的研究與開發(fā)[J].計算機工程，2012，38（14）：242-245.

[3] 黃新波，趙陽，廖志軍，等.基于物聯網的高壓開關柜綜合在線監(jiān)測裝置設計[J].高壓電器，2015，51（5）：1-7.

[4] 韓濤.基于TEV的開關柜局部放電檢測及模式識別方法研究[D].天津：天津大學，2011.

[5] 葉海峰，錢勇，滿玉巖，等.基于暫態(tài)地電壓的開關柜局部放電仿真研究[J].高壓電器，2013，49（7）：13-17.

[6] 魏振，張強，齊波，等.高壓開關柜典型缺陷局部放電TEV特征的研究[J].高壓電器，2014，50（2）：60-67.

[7] 吳吉，呂鴻，王流火，等.開關柜局部放電暫態(tài)地電波（TEV）傳播特性的實驗研究[J].高壓電器，2014，50（11）：115-121.

[8] 王流火，呂鴻，王增彬，等.開關柜局部放電檢測定位技術的應用研究[J].廣東電力，2014，27（4）：91-94.

[9] 汪倩，屈建宇，吳剛，等.配電開關柜溫升特性的多物理場仿真和實驗[J].高電壓技術，2016，42（6）：1775-1780.

[10] 程顯，袁端磊，潘明，等.40.5 kV低SF6含量氣體絕緣金屬封閉開關柜樣機研制[J].大連理工大學學報，2015，55（5）：529-536.

[11] 丁健.金屬封閉高壓開關柜觸頭發(fā)熱機理分析及預防過熱故障措施探討[J].高壓電器，2012，48（8）：114-117.

[12] 劉超，阮江軍，梁嗣元，等.基于有限元熱-流耦合場仿真的變壓器風道結構改進[J].水電能源科學，2016，34（2）：195-198.

[13] 吳曉文，舒乃秋，李洪濤，等.基于流體多組分傳輸的氣體絕緣母線溫度場數值計算與分析[J].中國電機工程學報，2012，32（33）：141-147.

[14] 紐春萍，陳德桂，劉穎異，等.交流接觸器溫度場仿真及影響因素的分析[J].電工技術學報，2007，22（5）：71-77.

[15] 熊蘭，徐敏捷，楊子康，等.高壓開關柜電纜室溫度場分析及在線監(jiān)測系統(tǒng)構建[J].電力自動化設備，2014，34（6）：153-157.

[16] 張俊民，侯振華，張春朋，等.27.5 kV GIS母線室三維溫度場的數值計算[J].電工技術學報，2011，26（12）：62-67.

[17] 盛鋒.KYN28-12型中置式鎧裝配電柜過熱故障分析及溫升控制[D].常州：河海大學，2012.

[18] 王佩順，虞斌，沈中將，等.大功率密閉機柜熱管散熱器的試驗研究[J].機械設計與制造，2015（12）：125-128.

[19] 周會高，楊陶莉，趙端慶，等.淺議高壓開關設備的溫升和機械試驗[J].高壓電器，2002，38（5）：60-61.

[20] 陳成，黃傳輝，盛鋒.基于KYN28型配電柜改善散熱安全防護解決方法應用實例[J].工業(yè)安全與環(huán)保，2019，45（8）：52-55.

[21] 黃勐哲，陳麗安.裝有記憶合金壓片梅花觸頭的開關柜溫度場仿真分析[J].高壓電器，2017，53（6）：84-89.

[22] 許高俊，徐超，何建.基于信息融合技術的高壓開關柜溫度預警研究[J].電工技術，2016（10）：18-20.

[23] 楊永通，彭彥卿，袁傳鎮(zhèn)，等.基于有限元分析的開關柜溫度場研究與優(yōu)化[J].高壓電器，2019，55（10）：81-86.

收稿日期：2024-08-27

作者簡介：李明鈺（1995—），女，安徽合肥人，碩士，助理講師，研究方向：電力系統(tǒng)保護與控制。