陈健　刘娟

摘要：开关柜故障会引起整个系统的不稳定，通过对开关柜母线短路进行监测，可以有效地减少故障的发生。通过红外测温法，对开关柜中总线进行检测，在不影响系统稳定性的情况下，提高了测温精度。将LSTM算法与小波变换算法相结合，在判断母线短路时综合考虑了历史数据的影响，提高了判断力。实验结果表明，该算法具有较高的实用价值。

关键词：开关柜;母线;红外线检测;LSTM算法;短路监控;变压器

电网的运行是经济发展的基础，其运行的稳定与安全有着非常重要意义。伴随着智能电网的发展，电力系统稳定性监测日益受到重视。开关柜作为配电系统中最为重要的组成部分，由于封闭的环境及散热条件，极易引起母线短路、火灾等安全事故。在开关柜中对母线等主要部件进行温度监控，可有效地防止这类事故的发生，提高电力系统运行稳定性。在开关柜内进行温度监控，可预先防止母线短路。测温法按接触方式可分为接触测量温度法，非接触测量。电池组或电感线圈在测温时，电池容易发生爆炸，对开关操作有影响。

1红外线温度测量原理

在绝对零度以上的物体，就会向外辐射红外能量，而其辐射能量和波长与其温度有着直接的关系。如果开关柜母线短路或电路异常，电路中将产生较大的电流，使母线温度上升。辐射和温度之间的关系可以用斯蒂潘-波兹曼定律来描述：

J=εT4。

在公式中：T是绝对温度;J是物体的红外辐射度，表示物体在单位时间内向外辐射出的总能量;π是斯蒂潘-玻尔兹曼常数;ε是黑体的辐射系数。因其辐射度随温度变化而变化较大，可用于红外测温。

2低电压隔离开关柜母线短路监控系统的设计

2.1开关柜母线短路监控系统

开关柜内母线短路监控系统总体结构，开关柜内总线温度通过红外无线测温传到监控报警系统，通过总线传送到服务器。在开关柜中，当母线温度发生异常时，及时发出报警或启动闭锁装置，确保整个系统稳定运行。同时，还可根据温度的变化，对母线故障做出预警与判断，方便员工巡视，提醒维修人员做好设备检修工作。

将系统的物理结构分为三层结构，分别是系统监测层、数据传输层和温度采集层。该系统监测层由服务器负责对数据的集中监控，可进行系统控制、温度查询等。

2.2温度传感器的电路

感温电路主要由传感器芯片和0.1μF电容组成，可调电阻为10kΩ。Vdd端口输入+5V工作电压，通过SMBUS模式选择控制输出数字信号，可变电阻大小决定信号传输距离，端口Vss接地。

2.3微控制器电路。

温度测量传感器与单片机接口电路，将SCL和SDA口连接到MCUI/O口，传感器芯片MLX90614接R2上拉电阻R1和R2，保证输出到MCU处于高电平状态。

2.4调节装置。

在后端处理电路中，通过双层屏蔽电缆向总线传输温度信号。用ADuM1250总线磁隔离器隔离外部电路电位对测温系统的干扰，防止共模干扰。

3开关柜母线温度实时监测系统

因为传输线比较长，虽然屏蔽得比较好，但在环境中产生的随机噪声，仍然会对服务器所接收到的数据产生干扰。所以服务器需要对接接收到的数据进行识别，排除异常数据。

将小波-LSTM算法应用于联机监测获得的数据处理，通过数据循环器判断数据波形的变化情况，就能得到开关柜中母线的短路故障信息和老化程度数据。

LSTM主要有输入、输出和遗忘三个门，其中遗忘门决定了历史数据的遗留比例。精确的数据被记入网络，并成为历史记忆的一部分，无用的数据将被剔除。前一分钟的输入阈值与输入阈值有很大的相关性，体现了该算法的长短期记忆能力。

在配变设备中，母线设备的故障信号一般为阶跃信号，有时会发生瞬态突变，需要对信号进行小波变换，变换后的信号经过分析得到设备的老化情况，如果出现信号突变信息，说明母线发生短路等故障。

4结果和讨论

通过对一台电站开关设备的仿真分析，对循环编码LSTM神经网络进行了仿真验证，验证了该系统对母线短路的监测效果。该算法需要对历史温度数据进行综合考虑，将历史温度数据的85%作为算法训练数据，其余15%作为测试结果。通过对不同算法进行对比验证，得到的测试结果是正确的。所获得的主要数据除采用红外测温系统测量的温度外，还提供了其他环境参数，主要包括水分、气体含量等六个参数。收集到500个数据点，可得到6×500的数据矩阵。用LSTM神经网络代入计算，可获得6×500的输出值。对输出值小于0.5的数据的输入数据删除，并在下一次采样期间补充，直到满足500个样本，完成数据清理过程。

对清洗过的数据進行小波变换，然后再对其进行小波分解，其分解比例为5，然后根据算法得到小波系数，然后得到变换后的信号。转换后的数据根据其大小可分解为5个独立的信号，得到新的30×500矩阵。产生的数据以500组作为1组，依次进行编码，就能获得一个新的编码向量，将编码向量输入LSTM，在LSTM算法中获得记忆值和输出值，并将输出值与神经网络相连，即能对母线状态进行判断和故障定位。每条母线的工作状态可分为四类：正常、谨慎、异常、短路。在输出层对应的神经元值中，4个大于0的值为0，表示4个状态的可信度，某一位值越大，其处于那个状态的可能性就越大。对系统进行了计算，得出的结果。母线的输出结果可信度编码为[0.950.250.130.002]，其值接近1，可见该值具有较高的可信度，表明母线工作在正常状态。

结束语

利用红外测温方法对母线温度进行监测，判断其是否发生短路、虚连等异常工作，具有简便、快速、高效的特点。将LSTM算法与小波变换相结合，综合考虑历史数据和环境因素，有效地去除无效数据和噪声数据，大大提高了系统判断的准确性。实验表明，与CNN神经网络相比，该算法具有较高的准确性和稳定性，可应用于配电变压器母线短路检测。

参考文献

[1] 王伟杰， 王胜辉， 刘畅. 高压开关柜温度在线监测技术[J]. 中国科技信息， 2018（23）： 35-36.

[2] 韩捷， 孙奇珍， 党卫军. 一种新型的开关柜局放在线监测系统研究[J]. 机电信息， 2018 （36）： 39-42.