一种10kV高压开关柜过热风险预警装置及其预警方法与流程

本发明涉及一种10kv高压开关柜过热风险预警装置及其预警方法，属高温预警技术领域。

背景技术：

高压开关柜是变电站常见的重要电气设备，其工作电压可达10kv，出于安全方面的考虑，多数高压开关柜采用了全封闭的结构，导致散热条件较差，而开关柜内的触头发热严重，因此长时间工作后，高压开关柜内部积蓄的热量容易使设备过热，如果不及时处理，轻则使部件老化，重则造成严重的安全事故，因此需要对高压开关柜的运行温度进行监测，防止出现过热事故。

传统的温度监测是采用测温片测温，该方法简单直观，但测量精度较差，而且需要人工定时察看，预警不及时；作为测温片的升级版，红外检测仪具有较好的准确度，但是红外检测仪无法直接测得开关柜的内部温度，而且测量时抗干扰能力差，周围环境、设备电磁场干扰和测试员的熟练度都会对测温数据造成影响；相比于测温片和红外检测仪，光纤温度传感器不仅具有更好的数据准确性，还有很强的抗干扰能力，然而与光纤温度传感器相配合的配置元件成本较高，需要更多的资金投入，此外，光纤长期使用后，其表面易受污染，受污染的光纤表面会出现“爬电”现象，导致系统绝缘性能降低，存有漏电的安全隐患，因此需要一种新的10kv高压开关柜过热风险预警装置及其预警方法来解决上述的不足。

技术实现要素：

本发明的目的在于：提供一种预警及时、测量准确度高、抗干扰能力强，以解决现有高压开关柜存有的预警不及时、测量准确度低和抗干扰能力弱问题的10kv高压开关柜过热风险预警装置及其预警方法。

本发明的技术方案是：

一种10kv高压开关柜过热风险预警装置，它由高压开关柜、测温元件、通讯组件、中心服务器、上位机、预警组件和监控组件构成，其特征在于：高压开关柜呈间隔状设置在变电站内，高压开关柜上固装有测温元件，测温元件与通讯组件无线连接，通讯组件通过以太网线与中心服务器连接，中心服务器通过以太网线连接上位机，上位机与预警组件电连接，中心服务器无线连接监控组件。

所述的高压开关柜的进线口安装有切断装置，切断装置与上位机电连接，高压开关柜内设置有母线室，母线室上方的开关柜上对应设置有a相进线口、b相进线口和c相进线口，a相进线口、b相进线口和c相进线口内分别装有断路器，所述断路器构成切断装置，a相进线口、b相进线口和c相进线口端口内分别固定插装有动触头；

所述的测温元件为无线温度传感器，测温元件捆绑安装在动触头上。

所述的通讯组件为zigbee网络通信模块。

所述的上位机为pc机。

所述的预警组件包括蜂鸣器和led预警灯。

所述的监控组件为电脑和手机。

一种10kv高压开关柜过热风险预警装置的预警方法，其特征在于：它包括以下步骤：

1）、无线温度传感器以固定的频率将动触头的温度数据无线发送给zigbee网络通信模块，zigbee网络通信模块接收到温度数据后，将温度数据发送给中心服务器；

2）、中心服务器接收到温度数据后，将温度数据存储进内部的数据库；

3）、中心服务器对存储的数据进行预处理：首先抽取t时间区间内采集到的温度数据，将温度数据组成样本总容量n，然后对样本总容量n进行集合经验模态分解eemd,从而将其分解为含有不同频率尺度的平稳性的温度模态固有序列；

4）、中心服务器对完成预处理的数据进行回归预测：首先建立支持向量回归svr预测模型，对分解得到的温度模态固有序列中的各个模态分量进行支持向量回归svr预测，得到各个模态分量的预测值，然后对得到的各个模态分量的预测值进行累加和重构，以预测未来的温度序列，最后计算误差，对温度预测模型的预测效果进行评价；

5）、利用上述数据训练得到的支持向量回归svr预测模型，并结合10kv变电站高压开关柜的运行需求和运行规程，从而确定出高压开关柜不同场景下的风险分级阈值；

6）、风险分级阈值包括以下温度值：阈值t1：正常运行环境下的发热温度值；阈值t2：高于15%正常运行环境下的发热温度值；阈值t3：高于30%正常运行环境下的发热温度值；中心服务器将获得的实时温度数据与所述风险分级阈值进行对比，并将预警信号通过以太网络传输到上位机，上位机的主屏幕上显示出各个动触头的实时温度数据，并控制蜂鸣器和led预警灯工作，以对可能发生的故障作出风险分级预警；同时，中心服务器将获得的实时温度数据和故障信息传输给监控组件，便于运维人员及时采取相应措施；

7）、当接收到各高压开关柜的a相进线口,b相进线口,c相进线口的动触头的实时温度数据大于风险分级阈值时，上位机启动切断装置快速切断高压开关柜进线口的相应供电线路。

本发明的优点在于：

该10kv高压开关柜过热风险预警装置及其预警方法，具有预警及时、测量准确度高、抗干扰能力强的特点，利用测温元件实时获取动触头的温度，然后将温度数据不断发送给中心服务器，中心服务器处理温度数据后，向上位机和监控组件发出预警信号，以便及时处理，解决了现有高压开关柜存有的预警不及时、测量准确度低和抗干扰能力弱的问题，满足了变电站的高温预警需要。

附图说明

图1为本发明的结构示意图；

图2为本发明的数据传输流程图；

图3为本发明的温度数据eemd分解结果图；

图4为本发明的svr模型温度预测效果图；

图5为本发明的svr模型预测误差评价指标直方图。

图中：1、高压开关柜，1-1、母线室，1-2、a相进线口，1-3、b相进线口，1-4、c相进线口，1-5、断路器，1-6、动触头，2、测温元件，3、通讯组件，4、中心服务器，5、上位机，6、预警组件，7、监控组件。

具体实施方式

（参见图1-5）；

实施例1：该10kv高压开关柜过热风险预警装置由高压开关柜1、测温元件2、通讯组件3、中心服务器4、上位机5、预警组件6和监控组件7构成，高压开关柜1呈间隔状设置在变电站内，高压开关柜1内设置有母线室1-1，母线室1-1上方的开关柜上对应设置有a相进线口1-2、b相进线口1-3和c相进线口1-4，a相进线口1-2、b相进线口1-3和c相进线口1-4内分别装有断路器1-5，断路器1-5构成切断装置，a相进线口1-2、b相进线口1-3和c相进线口1-4端口内分别固定插装有动触头1-6。

动触头1-6上固装有测温元件2，测温元件2为无线温度传感器，测温元件2捆绑安装在动触头1-6上，且无线温度传感器结构紧凑，相对于传统的温度检测装置具有更小的体积，便于安装在高压开关柜1的狭小节点之间，且无线温度传感器的感温部位涂有导热硅胶，测温元件2通过导热硅胶与动触头1-6直接接触，以便准确探知动触头1-6的实时温度。

测温元件2与通讯组件3无线连接，通讯组件3为zigbee网络通信模块（型号为mc13213），zigbee网络通信模块通过rs485总线接口接收测温元件2的温度数据；通讯组件3通过以太网线与中心服务器4连接，中心服务器4内设置有数据库，能够对接收的温度数据进行存储、预处理和回归预测。

中心服务器4通过以太网线连接有上位机5，上位机5为pc机，上位机5与断路器1-5电连接，以便在温度过高时断开断路器1-5，使动触头1-6失去电力供应，达到紧急降温的目的，中心服务器4向上位机5发送预警信号，以使上位机5的主屏幕实时显示各动触头1-6的温度数据，上位机5与预警组件6电连接，预警组件6包括蜂鸣器和led预警灯，蜂鸣器和led预警灯接收到上位机5传输的预警信号后，可通过声音和光线来作出预警提醒；中心服务器4无线连接有监控组件7，监控组件7为电脑和手机，且监控组件7上安装有对应的显示和控制软件，以便于运维人员远程监控高压开关柜1的运行情况，并及时采取相应措施。上位机5与安装在高压开关柜的a相进线口1-2、b相进线口1-3和c相进线口1-4各进线口的切断装置电连接，控制切断装置的动作。

实施例2：一种10kv高压开关柜过热风险的预警方法，其特征在于：所述的10kv高压开关柜过热风险预警装置的预警方法包括以下步骤：

1）、无线温度传感器以固定的频率将动触头1-6的温度数据无线发送给zigbee网络通信模块，zigbee网络通信模块接收到温度数据后，将温度数据发送给中心服务器4；

2）、中心服务器4接收到温度数据后，将温度数据存储进内部的数据库；

3）、由于采集的温度数据具有一定的非线性和非平稳性，中心服务器4需要对存储的数据进行预处理，以将其转化为平稳性的数据：首先抽取t时间区间内采集到的温度数据，将温度数据组成样本总容量n，然后对样本总容量n进行集合经验模态分解（eemd）,从而将其分解为含有不同频率尺度的平稳性的温度模态固有序列，具体过程为：

3-1）、将含有正态分布的白噪声加入原始温度序列；

3-2）、将加有噪声的温度序列进行经验模态分解（emd），经验模态分解是一种常用于非平稳信号的分析和处理的方法，利用任意数据本身的性质来分解，且不需要基函数，其计算公式如下：

其中为emd分解得到的第个模态分量，为emd分解得到个不同频率尺度的模态分量后的残余分量，即通过emd得到的含有不同频率尺度的固有本征模态分量（imf），可以表示数据的变化趋势。

3-3）、不断重复3-1和3-2，在温度序列中加入正态分布的白噪声序列并进行emd分解，直到标准差符合要求才停止重复，的判断过程为：

3-3-1）、初始化，；

3-3-2）、执行emd分解；

3-3-3）、计算标准差，标准差的表达式如下：

其中，代表分解的模态分量上下包络线的均值组成的序列，；

3-3-4）、对标准差进行判断，当标准差符合，即可终止重复过程。

3-4）、每次emd分解得到含有不同频率尺度的固有模态分量（imf）后，对其进行集成平均处理，减少加入的白噪声的影响，即可得到最终eemd分解的结果。该方法对传统的emd进行了改进，不仅保持了原有的自适应性，如自动生成基函数、滤波和分频等作用，还加入正态分布的白噪声，消除了emd分解所带来的的模态混叠问题。

4）、得到含有不同频率尺度的平稳性的温度模态固有序列后，中心服务器4针对该温度模态序列建立支持向量回归（svr）预测模型，以对完成预处理的数据进行回归预测，其具体过程为：

4-1）、利用给定的eemd分解得到的数据样本进行svr模型的训练，使得与原样本尽可能的接近，即误差越趋近于零，其中的计算公式为：

其中，和为训练模型的参数。

4-2）、计算与原样本的误差损失值，并设置误差计算间隔，当误差值大于误差计算间隔时，开始计算误差损失值，其计算公式如下：

其中，为正则化常数，为关于误差计算间隔的损失函数，为损失值。

4-3）、定义一个高斯核函数，并采用rbf高斯核，其公式为：

svr温度预测模型需要解决温度数据非线性的问题，因此可以利用高斯核函数将低维非线性函数映射到高维线性函数。

4-4）、将各模态分量的预测值进行累加重构，实现最终的温度预测，然后对svr预测模型进行评价，具体为：计算平均绝对误差（mae）、均方根误差（rmse）和平均绝对误差百分比（mape），若svr预测模型的评价数值达标，即表明该svr预测模型具有较好的预测效果。

5）、利用上述数据训练得到的支持向量回归（svr）预测模型，并结合10kv变电站高压开关柜1的运行需求和运行规程，从而确定出高压开关柜1不同场景下的风险分级阈值，风险分级阈值具体包括以下温度值：

阈值t1：正常运行环境下的发热温度值，表明该高压开关柜1此时温度正常；

阈值t2：高于15%正常运行环境下的发热温度值，表明该高压开关柜1此时处于较热的环境中；

阈值t3：高于30%正常运行环境下的发热温度值，表明该高压开关柜1此时处于严重发热的环境中。

6）、中心服务器4将获得的实时温度数据与风险分级阈值进行对比，并将预警信号通过以太网络传输到上位机5，上位机5的主屏幕上显示出各个动触头1-6的实时温度数据，并控制蜂鸣器和led预警灯工作，预警组件6的具体预警方式为：

当实时温度低于阈值t1温度，或实时温度低于阈值t1温度且低于阈值t2温度时，高压开关柜1处于正常运行状态，发热处于正常范围，预警设备不动作；

当实时温度高于阈值t2温度，但低于阈值t3温度时，此时该高压开关柜1处于较热环境中，led预警灯持续闪烁黄灯；

当实时温度高于阈值t3温度时，此时该高压开关柜1处于严重发热环境中，蜂鸣器发出预警响声，并且led预警灯持续闪烁红灯，以引起维护人员的注意，测温元件2向断路器1-5发送断开信号，使断路器1-5断开，动触头1-6失去电力供应，达到紧急降温的目的；同时中心服务器4向上位机5发送报警信号，上位机5的主屏幕上显示报警和故障信息，中心服务器4通过无线网络向电脑和手机发送对应的报警信息，以使远程运维人员及时采取相应措施。

7）、当接收到各高压开关柜的a相进线口,b相进线口,c相进线口的动触头的实时温度数据大于风险分级阈值时，上位机启动切断装置快速切断高压开关柜进线口的相应供电线路。