人工智能在輸電線路安全運行中的應用

楊之望, 王魯楊

(1.上海電力設計院有限公司, 上海 200025; 2.上海電力學院, 上海 200090)

21世紀,智能電網的研究已成為電力系統的戰略目標。從最新智能電網的發展趨勢來看,人工智能(Artificail Intelligence,AI)[1]技術在輸電線路在線監測和狀態維修方面的應用已經十分廣泛。AI將為電力工業的發展開辟全新的途徑。

1 輸電線路在線監測系統

為了提高輸電線路安全運行水平、故障診斷和綜合防災的能力,電力工程師經過多年的研究,運用AI實現了對線路影響較大的自然災害信息的監測、診斷、分析、預報,建立了保障輸電線路安全運行智能化監測的理念。在線監測系統的開發,可以對輸電線路的避雷器、絕緣子、覆冰、舞動以及輸電線路安全運行等故障進行預診斷,安裝有針對性的傳感器,全天候監測線路運行狀況,可以增強線路的安全可靠性,從而實現線路監測的智能化。

1.1 輸電線路監測系統的開發

輸電線路在線監測系統由兩部分組成:第一部分由前端數據采集系統、數據通信傳輸系統等構成,數據采集主要由高性能的傳感器和視頻探頭來進行,可以對避雷器、絕緣子、覆冰、舞動、傳輸導線增容和安全運行等進行全方位的監測,前端系統對所收集數據進行處理后,通過無線通信網絡傳輸至監控中心;第二部分由后端分析處理系統構成,后端主要由AI方式處理相應信號,得出監測輸電線路的實時診斷結論。為了實現輸電線路的在線監測,開發了輸電線路智能化監測的總體框架,如圖1所示。

圖1 輸電線路智能化監測框架

在輸電線路的監測系統中,傳感器的性能是在線監測的關鍵。傳感器的實質是用來模擬人類的感官功能,對輸電線路運行的狀態(電流強度、電壓等級、線路溫度)和環境條件(溫度、日照、濕度、風速、風向等)進行全方位的監測。在線監測的設備主要包括測導線溫度的紅外傳感器;測電流的傳感器;監測環境氣象變化的傳感器(包括氣溫、濕度、光照、風速等);監測避雷器和絕緣子污閃、覆冰、舞動的傳感器、遠程視頻裝置等。近年來,國內外輸電線路和鐵塔上的探測熱點紛紛安裝各類傳感器,直接采集相關的監測數據,及時傳輸至監控中心。

1.2 數據信號的無線傳輸

無線通信技術的發展,實現了信號的高速傳輸和網絡的大范圍覆蓋。在輸電線路探測熱點部位安裝傳感器,采集監測數據信號,經無線通信網絡GPRS/CDMA/3G[2],可以實現遠程數據(包括線路運行溫度、環境狀況、避雷器和絕緣子泄漏電流、覆冰、舞動幅度等實時數據)和監測圖像的實時傳輸。

無線通信技術將現場取得的監測數據和視頻信號輸送到監控中心,可以有效地完成輸電線路智能化監測系統中監測數據的同步傳輸,通過GPRS技術,集成輸電線路運行在線監測數據,與AI的故障診斷技術相結合,建立起一體化的監測信息平臺,可以實現對輸電線路的智能化監測。

2 AI監測系統的開發

AI輸電線路在線監測系統的開發和應用,在于它具有創新性、前瞻性和實用性。智能化監測、診斷系統由專家系統(Expert System,ES)和人工神經網絡(Artificail Neural Network,ANN)組成。

2.1 輸電線路在線監測專家系統

ES是AI應用和研究最活躍和最廣泛的課題。它具有啟發性、透明性和靈活性。輸電線路在線監測專家系統[3]的開發,是根據監測收集的數據來推斷輸電線路故障的原因,其結構由知識庫、數據庫、解釋機制、推理機和人機接口5部分組成。

輸電線路在線監測系統通過輸電線路中避雷器、絕緣子污閃、覆冰、舞動、線路安全運行和遠程可視等傳感監測手段獲得的數據信號,建立ES靜態數據庫和動態數據庫;推理機制采用正向推理;ES的核心是知識庫,輸電線路在線監測系統知識的表達采用產生式規則,把知識表示成一般的IF-THEN(條件—結論)形式,知識的獲取遵循領域知識和現場運行經驗。輸電線路在線監測系統的知識庫建成模塊化結構,各模塊間相互獨立,由協調器控制和協調各模塊的工作。當輸電線路在線監測系統運行時,首先啟動輸電線路遠程可視監測模塊,獲取現場的可視圖像,然后啟動避雷器模塊、絕緣子污閃模塊、覆冰監測模塊、舞動監測模塊、輸電線路安全運行模塊,最后根椐各模塊各自的分析結果,啟動綜合分析模塊,進行全面的判斷。輸電線路在線監測系統可對運行中的輸電線路作出早期故障診斷結論,對現場運行人員提供參考意見。

2.2 專家系統知識庫

輸電線路專家系統知識庫的開發,取決于領域專家的知識和運行人員的經驗。其知識庫由避雷器監測模塊、絕緣子監測模塊、覆冰監測模塊、舞動監測模塊、線路運行監測模塊和遠程可視監測模塊組成。知識庫模塊如圖2所示。

圖2 知識庫模塊示意

2.2.1 絕緣子監測模塊

絕緣子是一種特殊的絕緣控件,用來支持導線的絕緣體[4]。絕緣子受到自然環境污穢和工業污穢時,會沉積在瓷表面上形成污穢層。被污染的絕緣子在電壓的作用下,遇到一定的外部條件,會發生沿面污穢閃絡現象。污閃會對輸電線路運行構成重大威脅。因此,絕緣子的好壞對線路的安全運行十分重要,絕緣子既要有足夠的機械強度,又要有絕緣良好的電氣性能。

利用泄漏電流值可反映絕緣子的污穢程度,泄漏電流適合于在線測量。隨著絕緣子泄漏電流在線監測裝置的出現,在絕緣子上安裝電流傳感器,可以實時監測泄漏電流的大小(通常將動態泄漏電流Ih報警值設為40 mA)。將測量的數據信號通過GPRS/CDMA/3G網絡發送至監控中心,由AI依據泄漏電流信息,診斷絕緣子的污穢程度,作出污閃發生的預警告示。

2.2.2 避雷器監測模塊

金屬氧化鋅避雷器是一種保護性能優越、質量輕、耐污穢、性能穩定的避雷設備,在輸電線路中,其可以有效地限制線路的過電壓,大大減少輸電線路遭雷擊的跳閘故障。 在正常工作電壓時,流過避雷器的電流極小(微安或毫安級),當過電壓作用時,電阻急劇下降,泄放過電壓的能量,達到保護輸電線路絕緣免受過電壓危害的效果。

近年來,國內輸電線路廣泛采用金屬氧化鋅避雷器[5]。避雷器應用后,會因其內部受潮、閥門片自身老化、環境污染等因素造成損壞,甚至發生爆炸事故。在日常維護中,現場人員對避雷器瓷套表面的污染狀況作定期檢查,測量絕緣電阻和泄漏電流,一旦發現避雷器絕緣電阻明顯降低或被擊穿,立即更換,以保障避雷器性能的完好。相關專家深入研究了避雷器在線監測機理,提出了泄漏電流值與避雷器性能的對應關系。將監測泄漏電流的傳感器安裝在避雷器的對應部位,對避雷器外表面泄漏電流(阻性電流Ir,正常值設為0.4～0.6 mA)進行采樣,取得相關監測數據,通過GPRS/CDMA/3G網絡發送至監控中心,人工智能判斷避雷器的性能、狀態,及時作出故障診斷預報。

2.2.3 覆冰監測模塊

在環境溫度接近或低于0 ℃時,凍結在導線表面白色透明或不透明的冰層稱為輸電線路覆冰現象。輸電線路覆冰在我國分布比較廣泛[6],研究輸電線路覆冰影響因素與覆冰形成的機理,對覆冰的預測幫助很大。電力專家經過多年的研究,確定了影響輸電線路覆冰的因素有:氣象因素、季節因素、高度因素、線路走向和導線自身因素等。分析各種氣象參數(風速、濕度、溫度、雪花等)對覆冰的影響,計算覆冰的數據模型,定性分析覆冰狀況,推算覆冰的厚度和發展趨勢,采用合適的防冰、除冰方法,對保障線路的正常運行有著重要意義。

輸電線路覆冰厚度監測可以分為圖像法、稱重法等。輸電線路覆冰在線監測系統采用線路視頻監測技術、力學載荷計算方式、傾角變化弧垂技術等綜合方法來監測線路的覆冰狀況。其裝置主要由前端智能攝像機、微氣象傳感器和拉力傾斜傳感器構成。由傳感器采集到的覆冰的相關數據和現場圖像信號,通過GPRS/CDMA/3G網絡,將實時信號傳輸至監控中心,由AI分析和診斷覆冰狀況,推算出覆冰的厚度和發展趨勢,發出導線覆冰的預警信號。

2.2.4 舞動監測模塊

輸電線路舞動會引起導線斷裂、金具磨損、桿塔傾倒、線路跳閘等故障,造成大面積停電等嚴重事故。輸電線路舞動的發生是一種由于空氣動力不穩定而產生的現象,是導線在風的影響下產生的一種低頻率、大振幅的自激振動。目前,對輸電線路舞動的研究主要集中在導線舞動的機理和導線力學結構等基礎方面,對已發生或可能發生舞動的線路,需及時調整防舞方案,采取加裝防舞器等措施。

風激勵是導線舞動的直接原因。通過在線路上安裝環境氣象(風力、風速、風向、溫度等)傳感器、振動(幅度)傳感器,或在塔桿上安裝視頻傳感器,可以實時監控輸電線路的狀態[7]。當發生嚴重舞動形態時,傳感器將獲取的實時監測數據信號,通過GPRS/CDMA/3G網絡發送至監控中心,由AI作出診斷,發布舞動故障的預警報告。

2.2.5 線路運行監測模塊

加強輸電線路的管理,保障輸電線路的安全運行,是電力行業的工作重心。輸電線路需要科學合理的設計[8],面對我國用電緊張的局面,實施輸電線路動態增容尤為需要。通常導線溫度限額是70 ℃,由于導線綜合機械強度在70～90 ℃內幾乎不變,在保障輸電線路安全的前提下,將輸電線路運行溫度由規定的70 ℃提升到80 ℃或90 ℃,可大大提高線路輸電能力。同時,為了保證輸電的安全,要加強輸電線路的日常巡視、檢查、維修等工作,在線路維護過程中,進行線路檢測可以及時發現線路中存在的安全隱患,檢測效果直接影響到線路維護工作的有效性。

輸電線路在線監測系統的開發,可以對輸電線路狀態維修起到決定性的作用。在線路上和鐵塔上安裝各類傳感裝置,便于對輸電線路的運行狀態(導線溫度、額定電壓、電流強度)和環境條件(氣溫、風速、日照等)進行全方位的監測。輸電線路在線監測采集的實時信號由監測傳感器獲取,數據信號經GPRS/CDMA/3G網絡發送至監控中心,由AI對輸電線路的性能、狀態及存在的早期潛伏性故障作出診斷。

2.2.6 遠程視頻監測模塊

輸電線路遠程視頻監測系統由高清攝像機和低功耗視頻主機及供電系統組成。遠程視頻監測系統的關鍵技術包括圖像數據采集壓縮編解碼技術、3G無線網絡數據傳輸技術(包括遠程傳輸TCP/IP協議)、太陽能及蓄電池供電技術、信號處理及診斷技術等。系統可以對輸電線路、塔桿、避雷器、絕緣子、覆冰、導線風偏、舞動等狀況實行不間斷的監測,對線路周邊通道環境情況,包括施工、樹木生長等情況進行監控,以便隨時掌握輸電線路的安全狀況,實現輸電線路狀態的檢修和管理,提升生產運行管理的水平。

輸電線路視頻監控系統由圖像編碼器、圖像監控流媒體服務器和客戶端監控軟件組成。圖像編碼器將實時采集的數據信號,經壓縮編碼處理后,通過無線GPRS/CDMA/3G網絡發送至視頻監控中心的流媒體服務器,在監控中心登錄客戶端監控軟件,對視頻流進行解碼,并由計算機控制顯示高性能圖像傳感器獲取的現場圖像,即可以看到攝像頭拍攝的現場視頻畫面,從而實現圖像的瀏覽、監控,再統一由AI處理相關信息。

2.3 輸電線路的人工神經網絡

ANN是AI的一個重要分支,是一種模擬人類神經系統的數學模型,具有很強的學習和推理能力,能夠發現大數據中的非線性關系。基于ANN原理的故障診斷與基于ES原理的故障診斷相比,最大的區別是不需要做知識獲取、知識表達和知識庫建立的工作。ANN是一種信息處理系統,具有并行分布處理、自適應、聯想記憶等優點。它采用了反向傳播(Back Propagation,BP)網絡結構,具有模式分類能力,可以較好地處理故障診斷中的一些模糊問題。ANN僅需相關專家所提供的大量現場信息,運用大數據加一定的學習算法進行樣本訓練,形成ANN故障診斷樣本集。它是一種智能型工具。

輸電線路人工神經網絡的開發,增強了線路的在線監測、狀態維修和故障診斷的能力。輸電線路人工神經網絡中,ANN的輸入層、隱含層和輸出層維數是由輸電線路故障診斷狀態來決定的。其網絡的拓撲結構如圖3所示。

圖3 人工神經網絡結構

輸電線路人工神經網絡選用3層BP網絡,只包含一個隱含層,隱含層神經元的個數是通過經驗和樣本訓練過程中對輸電線路故障因素與準確率的比較,觀察收斂速度和目標誤差達到的效果來決定的;輸入層節點個數,選取從傳感器直接獲取的特征數據,對應輸電線路特性和故障診斷中的特殊地位,選擇傳感監測信號中的運行溫度參數T、氣象參數F、電壓等級U、電流強度I等作為輸入層節點的特征輸入元素;輸出層節點個數選定為4個特征量,分別對應輸電線路運行中常見的4種狀態,即線路輸出Y1值表示為正常的程度,Y2值為過熱,Y3值為故障,Y4值為老化的程度。ANN每個輸出元素的值在0～1,0～1之間數值的大小表示對應輸電線路故障起因的程度。當Y2,Y3,Y4的值大于0.5時,表示已存在故障;數值越趨近1,則表示輸電線路故障越嚴重。

3 AI診斷實例

上海某供電局2015年3月17日架空輸電線Y10W-100/260型避雷器在線測量數據如表1所示。

表1 避雷器泄漏電流采樣數據

輸電線路在線監測專家系統診斷結論:塔11259N A相避雷器存在問題,應更換;塔11217N B相避雷器應清洗;塔11298N C相避雷器正常。

輸電線路人工神經網絡診斷結論:塔11259N A相避雷器Y3值為0.937 5,A相避雷器存在問題(故障性質趨嚴重),應更換;塔11217N B相避雷器Y2值為0.787 5,過熱應清洗;塔11298N C相避雷器Y1值為0.517 5,屬正常運行范圍。

現場專家處理意見:塔11259N A相避雷器嚴重損壞,采取措施,更換避雷器;塔11217N B相避雷器須清洗;塔11298N C相避雷器正常。

4 結 語

AI的實現需要大量硬件的支撐,而軟件工程更是AI的核心技術。近年來,AI在輸電線路狀態檢測和故障診斷中的開發和應用,極大地提高了輸電線路在線監測的智能化水平,保障了輸電線路的安全、可靠,降低了事故的發生率。隨著AI輸電線路在線監測系統應用的逐步推廣,AI正越來越顯示出強大的生命力。