21世纪, 智能电网的研究已成为电力系统的战略目标。从最新智能电网的发展趋势来看, 人工智能(Artificail Intelligence, AI)^[1]技术在输电线路在线监测和状态维修方面的应用已经十分广泛。AI将为电力工业的发展开辟全新的途径。

为了提高输电线路安全运行水平、故障诊断和综合防灾的能力, 电力工程师经过多年的研究, 运用AI实现了对线路影响较大的自然灾害信息的监测、诊断、分析、预报, 建立了保障输电线路安全运行智能化监测的理念。在线监测系统的开发, 可以对输电线路的避雷器、绝缘子、覆冰、舞动以及输电线路安全运行等故障进行预诊断, 安装有针对性的传感器, 全天候监测线路运行状况, 可以增强线路的安全可靠性, 从而实现线路监测的智能化。

输电线路在线监测系统由两部分组成:第一部分由前端数据采集系统、数据通信传输系统等构成, 数据采集主要由高性能的传感器和视频探头来进行, 可以对避雷器、绝缘子、覆冰、舞动、传输导线增容和安全运行等进行全方位的监测, 前端系统对所收集数据进行处理后, 通过无线通信网络传输至监控中心; 第二部分由后端分析处理系统构成, 后端主要由AI方式处理相应信号, 得出监测输电线路的实时诊断结论。为了实现输电线路的在线监测, 开发了输电线路智能化监测的总体框架, 如图 1所示。

图 1 输电线路智能化监测框架

在输电线路的监测系统中, 传感器的性能是在线监测的关键。传感器的实质是用来模拟人类的感官功能, 对输电线路运行的状态(电流强度、电压等级、线路温度)和环境条件(温度、日照、湿度、风速、风向等)进行全方位的监测。在线监测的设备主要包括测导线温度的红外传感器; 测电流的传感器; 监测环境气象变化的传感器(包括气温、湿度、光照、风速等); 监测避雷器和绝缘子污闪、覆冰、舞动的传感器、远程视频装置等。近年来, 国内外输电线路和铁塔上的探测热点纷纷安装各类传感器, 直接采集相关的监测数据, 及时传输至监控中心。

无线通信技术的发展, 实现了信号的高速传输和网络的大范围覆盖。在输电线路探测热点部位安装传感器, 采集监测数据信号, 经无线通信网络GPRS/CDMA/3G^[2], 可以实现远程数据(包括线路运行温度、环境状况、避雷器和绝缘子泄漏电流、覆冰、舞动幅度等实时数据)和监测图像的实时传输。

无线通信技术将现场取得的监测数据和视频信号输送到监控中心, 可以有效地完成输电线路智能化监测系统中监测数据的同步传输, 通过GPRS技术, 集成输电线路运行在线监测数据, 与AI的故障诊断技术相结合, 建立起一体化的监测信息平台, 可以实现对输电线路的智能化监测。

AI输电线路在线监测系统的开发和应用, 在于它具有创新性、前瞻性和实用性。智能化监测、诊断系统由专家系统(Expert System, ES)和人工神经网络(Artificail Neural Network, ANN)组成。

ES是AI应用和研究最活跃和最广泛的课题。它具有启发性、透明性和灵活性。输电线路在线监测专家系统^[3]的开发, 是根据监测收集的数据来推断输电线路故障的原因, 其结构由知识库、数据库、解释机制、推理机和人机接口5部分组成。

输电线路在线监测系统通过输电线路中避雷器、绝缘子污闪、覆冰、舞动、线路安全运行和远程可视等传感监测手段获得的数据信号, 建立ES静态数据库和动态数据库; 推理机制采用正向推理; ES的核心是知识库, 输电线路在线监测系统知识的表达采用产生式规则, 把知识表示成一般的IF-THEN(条件—结论)形式, 知识的获取遵循领域知识和现场运行经验。输电线路在线监测系统的知识库建成模块化结构, 各模块间相互独立, 由协调器控制和协调各模块的工作。当输电线路在线监测系统运行时, 首先启动输电线路远程可视监测模块, 获取现场的可视图像, 然后启动避雷器模块、绝缘子污闪模块、覆冰监测模块、舞动监测模块、输电线路安全运行模块, 最后根椐各模块各自的分析结果, 启动综合分析模块, 进行全面的判断。输电线路在线监测系统可对运行中的输电线路作出早期故障诊断结论, 对现场运行人员提供参考意见。

输电线路专家系统知识库的开发, 取决于领域专家的知识和运行人员的经验。其知识库由避雷器监测模块、绝缘子监测模块、覆冰监测模块、舞动监测模块、线路运行监测模块和远程可视监测模块组成。知识库模块如图 2所示。

图 2 知识库模块示意

绝缘子是一种特殊的绝缘控件, 用来支持导线的绝缘体^[4]。绝缘子受到自然环境污秽和工业污秽时, 会沉积在瓷表面上形成污秽层。被污染的绝缘子在电压的作用下, 遇到一定的外部条件, 会发生沿面污秽闪络现象。污闪会对输电线路运行构成重大威胁。因此, 绝缘子的好坏对线路的安全运行十分重要, 绝缘子既要有足够的机械强度, 又要有绝缘良好的电气性能。

利用泄漏电流值可反映绝缘子的污秽程度, 泄漏电流适合于在线测量。随着绝缘子泄漏电流在线监测装置的出现, 在绝缘子上安装电流传感器, 可以实时监测泄漏电流的大小(通常将动态泄漏电流I_h报警值设为40 mA)。将测量的数据信号通过GPRS/CDMA/3G网络发送至监控中心, 由AI依据泄漏电流信息, 诊断绝缘子的污秽程度, 作出污闪发生的预警告示。

金属氧化锌避雷器是一种保护性能优越、质量轻、耐污秽、性能稳定的避雷设备, 在输电线路中, 其可以有效地限制线路的过电压, 大大减少输电线路遭雷击的跳闸故障。在正常工作电压时, 流过避雷器的电流极小(微安或毫安级), 当过电压作用时, 电阻急剧下降, 泄放过电压的能量, 达到保护输电线路绝缘免受过电压危害的效果。

近年来, 国内输电线路广泛采用金属氧化锌避雷器^[5]。避雷器应用后, 会因其内部受潮、阀门片自身老化、环境污染等因素造成损坏, 甚至发生爆炸事故。在日常维护中, 现场人员对避雷器瓷套表面的污染状况作定期检查, 测量绝缘电阻和泄漏电流, 一旦发现避雷器绝缘电阻明显降低或被击穿, 立即更换, 以保障避雷器性能的完好。相关专家深入研究了避雷器在线监测机理, 提出了泄漏电流值与避雷器性能的对应关系。将监测泄漏电流的传感器安装在避雷器的对应部位, 对避雷器外表面泄漏电流(阻性电流I_r, 正常值设为0.4~0.6 mA)进行采样, 取得相关监测数据, 通过GPRS/CDMA/3G网络发送至监控中心, 人工智能判断避雷器的性能、状态, 及时作出故障诊断预报。

在环境温度接近或低于0 ℃时, 冻结在导线表面白色透明或不透明的冰层称为输电线路覆冰现象。输电线路覆冰在我国分布比较广泛^[6], 研究输电线路覆冰影响因素与覆冰形成的机理, 对覆冰的预测帮助很大。电力专家经过多年的研究, 确定了影响输电线路覆冰的因素有:气象因素、季节因素、高度因素、线路走向和导线自身因素等。分析各种气象参数(风速、湿度、温度、雪花等)对覆冰的影响, 计算覆冰的数据模型, 定性分析覆冰状况, 推算覆冰的厚度和发展趋势, 采用合适的防冰、除冰方法, 对保障线路的正常运行有着重要意义。

输电线路覆冰厚度监测可以分为图像法、称重法等。输电线路覆冰在线监测系统采用线路视频监测技术、力学载荷计算方式、倾角变化弧垂技术等综合方法来监测线路的覆冰状况。其装置主要由前端智能摄像机、微气象传感器和拉力倾斜传感器构成。由传感器采集到的覆冰的相关数据和现场图像信号, 通过GPRS/CDMA/3G网络, 将实时信号传输至监控中心, 由AI分析和诊断覆冰状况, 推算出覆冰的厚度和发展趋势, 发出导线覆冰的预警信号。

输电线路舞动会引起导线断裂、金具磨损、杆塔倾倒、线路跳闸等故障, 造成大面积停电等严重事故。输电线路舞动的发生是一种由于空气动力不稳定而产生的现象, 是导线在风的影响下产生的一种低频率、大振幅的自激振动。目前, 对输电线路舞动的研究主要集中在导线舞动的机理和导线力学结构等基础方面, 对已发生或可能发生舞动的线路, 需及时调整防舞方案, 采取加装防舞器等措施。

风激励是导线舞动的直接原因。通过在线路上安装环境气象(风力、风速、风向、温度等)传感器、振动(幅度)传感器, 或在塔杆上安装视频传感器, 可以实时监控输电线路的状态^[7]。当发生严重舞动形态时, 传感器将获取的实时监测数据信号, 通过GPRS/CDMA/3G网络发送至监控中心, 由AI作出诊断, 发布舞动故障的预警报告。

加强输电线路的管理, 保障输电线路的安全运行, 是电力行业的工作重心。输电线路需要科学合理的设计^[8], 面对我国用电紧张的局面, 实施输电线路动态增容尤为需要。通常导线温度限额是70 ℃, 由于导线综合机械强度在70~90 ℃内几乎不变, 在保障输电线路安全的前提下, 将输电线路运行温度由规定的70 ℃提升到80 ℃或90 ℃, 可大大提高线路输电能力。同时, 为了保证输电的安全, 要加强输电线路的日常巡视、检查、维修等工作, 在线路维护过程中, 进行线路检测可以及时发现线路中存在的安全隐患, 检测效果直接影响到线路维护工作的有效性。

输电线路在线监测系统的开发, 可以对输电线路状态维修起到决定性的作用。在线路上和铁塔上安装各类传感装置, 便于对输电线路的运行状态(导线温度、额定电压、电流强度)和环境条件(气温、风速、日照等)进行全方位的监测。输电线路在线监测采集的实时信号由监测传感器获取, 数据信号经GPRS/CDMA/3G网络发送至监控中心, 由AI对输电线路的性能、状态及存在的早期潜伏性故障作出诊断。

输电线路远程视频监测系统由高清摄像机和低功耗视频主机及供电系统组成。远程视频监测系统的关键技术包括图像数据采集压缩编解码技术、3G无线网络数据传输技术(包括远程传输TCP/IP协议)、太阳能及蓄电池供电技术、信号处理及诊断技术等。系统可以对输电线路、塔杆、避雷器、绝缘子、覆冰、导线风偏、舞动等状况实行不间断的监测, 对线路周边通道环境情况, 包括施工、树木生长等情况进行监控, 以便随时掌握输电线路的安全状况, 实现输电线路状态的检修和管理, 提升生产运行管理的水平。

输电线路视频监控系统由图像编码器、图像监控流媒体服务器和客户端监控软件组成。图像编码器将实时采集的数据信号, 经压缩编码处理后, 通过无线GPRS/CDMA/3G网络发送至视频监控中心的流媒体服务器, 在监控中心登录客户端监控软件, 对视频流进行解码, 并由计算机控制显示高性能图像传感器获取的现场图像, 即可以看到摄像头拍摄的现场视频画面, 从而实现图像的浏览、监控, 再统一由AI处理相关信息。

ANN是AI的一个重要分支, 是一种模拟人类神经系统的数学模型, 具有很强的学习和推理能力, 能够发现大数据中的非线性关系。基于ANN原理的故障诊断与基于ES原理的故障诊断相比, 最大的区别是不需要做知识获取、知识表达和知识库建立的工作。ANN是一种信息处理系统, 具有并行分布处理、自适应、联想记忆等优点。它采用了反向传播(Back Propagation, BP)网络结构, 具有模式分类能力, 可以较好地处理故障诊断中的一些模糊问题。ANN仅需相关专家所提供的大量现场信息, 运用大数据加一定的学习算法进行样本训练, 形成ANN故障诊断样本集。它是一种智能型工具。

输电线路人工神经网络的开发, 增强了线路的在线监测、状态维修和故障诊断的能力。输电线路人工神经网络中, ANN的输入层、隐含层和输出层维数是由输电线路故障诊断状态来决定的。其网络的拓扑结构如图 3所示。

图 3 人工神经网络结构

输电线路人工神经网络选用3层BP网络, 只包含一个隐含层, 隐含层神经元的个数是通过经验和样本训练过程中对输电线路故障因素与准确率的比较, 观察收敛速度和目标误差达到的效果来决定的; 输入层节点个数, 选取从传感器直接获取的特征数据, 对应输电线路特性和故障诊断中的特殊地位, 选择传感监测信号中的运行温度参数T、气象参数F、电压等级U、电流强度I等作为输入层节点的特征输入元素; 输出层节点个数选定为4个特征量, 分别对应输电线路运行中常见的4种状态, 即线路输出Y₁值表示为正常的程度, Y₂值为过热, Y₃值为故障, Y₄值为老化的程度。ANN每个输出元素的值在0~1, 0~1之间数值的大小表示对应输电线路故障起因的程度。当Y₂, Y₃, Y₄的值大于0.5时, 表示已存在故障; 数值越趋近1, 则表示输电线路故障越严重。

上海某供电局2015年3月17日架空输电线Y10W-100/260型避雷器在线测量数据如表 1所示。

表 1 避雷器泄漏电流采样数据

下载CSV

相别	铁塔 编号	泄漏 电流 幅值/ mA	环境 温度/ ℃	环境 湿度/ %	电压 等级/ kV	出厂绝 缘电阻/GΩ
A	11259N	0.955	36	59	110	≥200
B	11217N	0.627	36	59	110	≥200
C	11298N	0.450	36	59	110	≥200

输电线路在线监测专家系统诊断结论:塔11259N A相避雷器存在问题, 应更换; 塔11217N B相避雷器应清洗; 塔11298N C相避雷器正常。

输电线路人工神经网络诊断结论:塔11259N A相避雷器Y₃值为0.937 5, A相避雷器存在问题(故障性质趋严重), 应更换; 塔11217N B相避雷器Y₂值为0.787 5, 过热应清洗; 塔11298N C相避雷器Y₁值为0.517 5, 属正常运行范围。

现场专家处理意见:塔11259N A相避雷器严重损坏, 采取措施, 更换避雷器; 塔11217N B相避雷器须清洗; 塔11298N C相避雷器正常。

AI的实现需要大量硬件的支撑, 而软件工程更是AI的核心技术。近年来, AI在输电线路状态检测和故障诊断中的开发和应用, 极大地提高了输电线路在线监测的智能化水平, 保障了输电线路的安全、可靠, 降低了事故的发生率。随着AI输电线路在线监测系统应用的逐步推广, AI正越来越显示出强大的生命力。