有屏蔽罩结构的GIS触头温度红外在线监测技术

丛浩熹，行晋源，李庆民，齐 波，李成榕，刘有为，肖 燕

（1.山东大学 电气工程学院 山东省特高压输变电技术与气体放电重点实验室，山东 济南 250061；2.华北电力大学 高电压与电磁兼容北京市重点实验室，北京 102206；3.华北电力大学 新能源电力系统国家重点实验室，北京 102206；4.中国电力科学研究院，北京 100192）

0 引言

气体绝缘金属封闭开关（GIS）以SF6气体作为绝缘介质，具有开断能力强、故障率低、维护费用少、占地面积小等优点，在变电站中获得了广泛应用[1-2]。而当GIS触头接触不良时，其接触电阻变大，通过负载电流时将产生过热现象。触头和母线过热会引起绝缘老化甚至击穿，以至引发重大事故和经济损失[3-4]。据不完全统计，国内外众多电力公司所采用的GIS设备，均不同程度地出现过封闭母线、隔离开关、电缆头等部件因绝缘老化或接触不良而造成的温度异常现象及并发事故[5-6]。因此，实现对GIS设备温度的在线监测，提前发现并消除热故障隐患，对GIS安全可靠运行具有非常重要的意义。

目前，在现场中应用的预防GIS设备触头过热的措施主要有3种：人工观察触头表面颜色[7]、定期测量回路电阻和使用红外成像仪[8-9]对固定监测点定期进行温度监测。这些方法均存在着一定不足：前2种方法需要GIS设备停电检修，第3种方法红外成像技术的分辨率和精度都难以达到要求，而且这3种监测方法均难以实现对GIS设备温度的持续测量，即不能实现在线监测。而目前在开关柜触头测温中应用较为广泛的光纤光栅在线测温方法[10-11]，由于GIS结构的特殊性还没得到广泛应用。

红外温度在线监测技术[12-13]可实现对被测物体的非接触式测量，且不干扰或破坏被测物体的温度场和热平衡状态，同时解决了高电压和高温部分的有效隔离，可对GIS设备触头的温度进行连续自动测量以及越限预警，实现对潜在故障设备实施主动保护的可能性，具有广阔的应用前景[14-15]。不过，对于GIS设备中装设屏蔽罩的断路器和隔离开关触头，则一般难以实现对触头温度的直接红外测量。本文通过建立GIS设备的传热计算模型，提出一种由直接测量屏蔽罩温度而间接获得触头部位温度的方法，并基于实验研究获得了触头温度与屏蔽罩温度的定量关系曲线，为实现GIS触头的红外在线测温提供了技术基础。

1 GIS设备红外在线温度监测原理

红外测温是一种非接触式的测量方法，通过接收被测物体的辐射来确定被测物体的温度。在自然界中，一切温度高于绝对零度的物体都在不断地向周围空间辐射红外辐射能量。物体红外辐射能量的大小及其按波长的分布与它的表面温度有着十分密切的关系。物体的温度越高，发出红外辐射的能量也越大，而且只要温度出现微小变化，就可引起辐射能量明显的变化。因而，通过测量物体自身辐射红外能量的大小便能准确地测定它的表面温度，这就是红外测温所依据的客观基础。

对于GIS设备中装设屏蔽罩结构的开关，如断路器和部分隔离开关，红外温度传感器难以实现对触头温度的直接红外测量。触头温度与电流大小、触头接触状态以及触头处是否存在电晕等因素都有关系，但这些因素可以反映在触头和屏蔽罩的温度变化上。针对这种情况，本文提出如下方法：采用红外测温探头可直接测量触头位置处金属屏蔽罩的温度，然后利用建立的传热学模型结合实验研究获得触头温度与金属屏蔽罩温度之间的定量关系，间接获得GIS开关静触头部位的温度。如图1所示，通过红外传感器能够直接测量的屏蔽罩（T1处）温度来间接获得触头（T2处）温度。

图1 有屏蔽罩结构GIS红外在线温度监测装置原理图Fig.1 Schematic diagram of infrared online temperature monitoring device for shielded GIS contacts

2 GIS设备传热计算模型

2.1 温度场的计算模型

以某GIS设备的单相隔离开关为例，其结构与工况参数如表1所示，界面结构如图2所示。其中，在隔离开关内部触头与金属外壳之间的密闭空间内，填充有SF6气体。

表1 GIS单相隔离开关基本参数Tab.1 Basic data of single-phase GIS disconnecting switch

图2 隔离开关界面示意图Fig.2 Cross section of disconnecting switch

开关触头处的热源主要是流过触头的电流产生，散热主要包括导体和屏蔽罩之间的气体对流散热、屏蔽罩上传导散热、屏蔽罩和外壳之间的气体对流散热、外壳上传导散热、外壳与外界空气的对流散热等多个环节。这里进行3点假设：

a.开关触头处金属发热均匀；

b.外界远离GIS设备处的空气环境温度恒定；

c.除密度外，内部SF6气体的其他物理特性保持恒定。

在二维温度场求解中，气体稳态自然对流时，其温度和速度受质量传递、动量传递和能量传递的共同支配，由如下方程描述。

a.触头和屏蔽罩之间的气体对流。

质量守恒方程：

动量守恒方程：

能量守恒方程：

b.屏蔽罩的热传导过程。

导热微分方程：

c.屏蔽罩和外壳之间的气体对流。

质量守恒方程：

动量守恒方程：

能量守恒方程：

d.GIS外壳的热传导过程。

导热微分方程为：

e.外壳与空气的自然对流过程。

质量守恒方程：

动量守恒方程：

能量守恒方程：

式（1）—（14）中，ui、vi分别表示气体沿 x 和 y 方向的速度分量；ti为气体温度；Fxi、Fyi分别为体积力在x和y方向的分量；下标中i可取1、2、3，分别对应触头和屏蔽罩之间的气体对流、屏蔽罩和外壳之间的气体对流、外壳与空气的自然对流；ρ为气体的密度；cp为气体的比热；p为气体压力；ts、tw分别为屏蔽罩温和外壳温度；η为气体运动粘性系数；τ为时间。

计算边界条件：

其中，t∞为周围环境温度；rso为屏蔽罩到触头中心线的距离，对应的屏蔽罩外表面处的温度为tso。

辅以定解条件，可对上述微分方程组进行求解。求解方法可采用有限元法、边界元法、离散单元法和有限差分法等，进行离散迭代求解直至收敛，即可逐层得到各节点的温度分布情况。

2.2 导体触头与屏蔽罩温度的仿真分析

根据上述微分方程组及边界条件，纳入GIS设备的结构尺寸，采用ANSYS软件对导体触头和屏蔽罩处的温度进行仿真计算，得到的温度场分布如图3所示。图3给出了沿轴心从内到外（开关触头、屏蔽罩、外壳）的温度场分布，可清晰地看出触头和屏蔽罩的温度差异。因屏蔽罩的存在，直接测量触头温度较为困难，可通过直接测量屏蔽罩温度来间接获得触头部位的温度。

图3 GIS设备触头处的温度场分布剖面图Fig.3 Sectional view of temperature-field distribution around GIS contacts

利用数值仿真可大致获得触头温度与金属屏蔽罩温度的关系，但要获得准确实用的定量关系，还得依据实验方法。

3 实验方案与实验结果

整个GIS设备实验平台包括大电流发生器、GIS隔离开关实验模型、红外温度传感器、热电偶等，热电偶分别放置在隔离开关的触头处、屏蔽罩处、GIS设备外的空间中。

如图4所示，首先将经过校验的热电偶传感器植入到GIS隔离开关模型的屏蔽罩（图1中T1处）和开关触头处（图1中T2处）。2个热电偶的插头均用硅脂涂满，保证热电偶与被测物体均匀良好接触。其中屏蔽罩上的热电偶涂满硅脂后再用胶带固定在屏蔽罩上，触头处的热电偶用硅脂黏贴在触头处触指上，2个热电偶的引线分别通过观察窗下的密封口引出。然后调节大电流发生器输出电流的大小直至热电偶的温度示数稳定，经过大量实验，获得不同工况下GIS隔离开关触头温度与屏蔽罩温度的关系曲线。

图4 热电偶植入图Fig.4 Embedded thermocouple

针对不同的环境温度，由实验获得GIS设备稳态运行时（在某一恒定电流下运行时的工况）的温度数据，屏蔽罩温度和触头温度关系分布图见图5。

图5 稳态时触头温度与屏蔽罩温度关系图Fig.5 Relationship between contacts temperature andshield temperature in static state

从图5中的分析可以看出：屏蔽罩温度与导体触头和环境温度之间存在密切关系，当环境温度一定时，屏蔽罩温度随着导体触头温度的上升而上升；当导体触头温度一定时，屏蔽罩温度随环境温度降低而降低；导体触头与屏蔽罩温度和环境温度之间的关系曲线较为复杂，需要寻找一种合适的算法通过屏蔽罩温度和环境温度来反推触头温度。

4 触头与屏蔽罩温度映射关系

4.1 GIS设备传热模型仿真结果和实测数据的对比

根据第2节建立的GIS设备传热模型通过数值仿真可大致获得触头温度与金属屏蔽罩温度和环境温度的关系，表2给出了部分仿真结果与实测数据的对比。

表2 仿真结果与实验数据的比较Tab.2 Comparison between simulative results and test data

由表2可以看出，仿真结果和实测结果之间存在着一定的误差，这是由于：实验中GIS设备处于无限大空间中，而仿真中为简化计算，设定GIS设备处于有限的空间中；仿真中将导体、屏蔽罩和外壳内部的发射率均设为0.05，GIS温度变化时各部分发射率可能发生改变；实验所采用的热电偶温度传感器误差为1℃，实验测量本身存在一定的误差。

4.2 触头与屏蔽罩温度映射关系拟合

在数据拟合和预测中，以支持向量机（SVM）算法[16-17]和人工神经网络（ANN）算法[18-19]应用较为广泛。SVM算法基于统计学习理论和结构风险最小化原理，可以通过有限的样本信息在模型的复杂度和学习能力之间寻求平衡，以达到最好的推广能力，对于小样本数据更具有优势。人工神经网络算法具有良好的非线性映射能力，具有高度的自学习、自组织和自适应能力，不需知道具体的精确模型，可逼近输入和输出之间的多维非线性关系。接下来的研究将应用这2种算法对触头与屏蔽罩温度的映射关系进行研究。

本文采用最小二乘SVM方法进行数据的拟合和预测，其具体的非线性建模过程如下。

a.建立SVM模型：

其中，tw（i）为触头温度，tw（i）єR；t（i）=[ts（i），te（i）]єR2，ts（i）、te（i）分别为屏蔽罩温度和环境温度。

b.以样本｛（ti，twi）tiєR2，twiєR，i=1，2，…，L｝为训练样本集建立系统模型，L为训练样本总数。

c.计算第i步输出量的预测值，并计算实测值与预测值之间的误差。

d.令i＝i+1，重复步骤c直至收敛。

将实验获得的数据采用MATLAB的trainlssvm函数和simlssvm函数分别进行训练和求解，以屏蔽罩温度、环境温度为输入变量，触头温度为输出变量，核函数采用径向基函数。随机选取10组检验样本，表3给出了上述算法的数据预测结果与实测值之间的对比。

表3 实测值与2种算法的预测结果的比较Tab.3 Comparison between mesurements and forecasts by two algorithms

在设计BP网络时，输入矢量包含屏蔽罩温度、环境温度，输出矢量为触头温度，因此该网络的输入层节点数为2，输出层节点为1。本文采用的BP网络结构如图6所示。

图6 本文采用的BP网络模型示意图Fig.6 Schematic diagram of applied BP network model

通过对检验样本泛化能力的比较，最终确定网络的隐层节点数为12。采用基于Levenberg-Marquardt算法的变梯度BP算法对BP网络的权系数和阈值进行训练，经过有限次的训练迭代，训练误差迅速收敛到一个很小的数值，表明训练算法快速有效。将10组检验样本的数据输入到上述经过训练的BP网络，就可得到预测数据。将实验获得的200组数据分为两部分，从中随机选取10组为检验样本，其余部分作为训练样本。表3给出了BP网络算法预测结果与检验样本的实际数据的比较。

对比表3可见，SVM方法和BP网络算法均能够根据屏蔽罩温度的变化对导体触头温度做出较准确的预测。尽管预测模型结果和实际结果存在微小差别，但均在误差允许的范围内，总体而言，BP网络算法预测准确度更高。

5 暂态温升实验

由第4节可知，基于BP网络算法可由屏蔽罩温度准确预测稳态时的GIS触头温度。为研究电流突然变化时上述方法的可行性，开展了如下实验。

分别加载大电流（iL分别取1.0 kA、1.8 kA）并保持稳定，此时环境温度基本恒定，同时记录导体触头温度随时间的变化情况并将BP网络算法的计算拟合结果与实测曲线进行对比，如图7所示。

图7 暂态时触头温度的拟合结果Fig.7 Results of contacts temperature fitting in transient state

从图7可以看出，在导体电流突然变化时，BP网络算法的计算拟合结果仍具有较高的准确度，由屏蔽罩的温度仍可准确反映触头的温度变化，本文的测温方法和BP网络算法仍然非常有效。

6 结论

针对红外传感器不能直接测量带有屏蔽罩结构的导体触头温度，本文提出由直接测量屏蔽罩温度来间接获得触头部位温度的方法，建立了GIS传热分析模型，并通过实验获得了各个部位温度之间的定量关系，进而采用SVM算法和BP网络算法实现触头温度的准确预测。相关技术可实现对GIS设备触头温度的连续自动监测以及越限预警，为GIS设备的触头测温和运行状态评估提供了基础依据。