输电铁塔塔身光纤光栅结构监测与时序融合研究*

孙媛凯，李英娜，胡明耀，赵振刚，谢　涛，李　川（昆明理工大学信息工程与自动化学院，昆明650500）



输电铁塔塔身光纤光栅结构监测与时序融合研究*

孙媛凯，李英娜，胡明耀，赵振刚，谢涛，李川*
（昆明理工大学信息工程与自动化学院，昆明650500）

摘要：输电铁塔多处复杂地质结构，受不同地质灾害、风作用等影响易发生压坏、倒塔等现象，严重威胁电力系统稳定运行。常规目视巡视方法经济损耗大，不能及时发现问题。选取具有三层横担形式的双回路直线型输电塔，通过对输电塔ANSYS仿真分析获得应力分布。采用一种基于光纤Bragg光栅（FBG）传感网的输电铁塔在线监测系统测得塔身应变数据。通过分批估计与基于标准差的加权平均时序融合分析处理方法分别对4只FBG应变传感器在近半年采集的样本数据进行了融合，得到4支FBG应变传感器的时序融合值为：61.67 με、61.37 με、61.97 με、61.82 με。融合后的值可用于提高损伤识别的准确率，常规的目视巡视方法得到改善。

关键词：光纤光栅传感网；数据融合；分批估计；加权平均

项目来源：国家自然科学基金项目（51567013）；云南省应用基础研究计划项目（2013FZ021）

输电铁塔塔身主梁作为电力铁塔的重要组成部分是输电铁塔的主要支撑和受力部件，近年，随着大风、地震、雨雪、舞动等异常天气和自然灾害的影响［1，2］，输电铁塔塔身主梁逐渐老化、变形，甚至发生倒塔，因此对输电铁塔进行监测研究具有重要意义。2011年刘春城等人，在铁塔损伤识别中引入多传感器数据融合技术，提出了基于数据融合的铁塔结构损伤识别方法，识别效果较单一指标得到了很大的改善［3］。2013年，黄平平等人通过FBG应变传感器测试铁塔3条料拉索的应变，计算出铁塔塔顶的摆幅，倾斜度误差约1/24 000，能够满足铁塔安全报警的要求，可以代替人工定期测试的方法［4］。2014年，黄新波，魏旭等人为减小由于传感器数量不足导致的输电线路等值覆冰厚度计算误差，设计了基于3组力传感器和倾角传感器的新型导线覆冰在线监测装置全面、准确和灵敏地监测线路的覆冰状况［5］。

本文通过建立输电铁塔有限元模型，获取形变及应力分布情况。在输电铁塔塔身主梁安装FBG应变传感器，建立输电铁塔的光纤光栅结构监测网，测得应力数据，光纤的特性决定了光纤光栅传感器的对温度、应变较为敏感，且检测主材受热膨胀影响也可能造成传感器波长发生移位，通过数据融合的方法可以减轻环境因素对测量数据的影响，得到更加接近输电塔实际运行状态的监测数据。

1　输电铁塔主材应力仿真

对输电铁塔进行ANSYS有限元建模，选取具有三层横担形式的双回路直线塔作为分析研究的对象。分别对直线型输电铁塔在不同倾角时施加重力载荷。分析研究变形、应力的分布情况，寻找变形明显的位置以及应力集中位置。建立输电铁塔模型时，考虑到角钢的方向性与输电线铁塔真实情况较接近，因此选用BEAM188建模，桁架模型刚度较大，将铁塔各杆件均简化成BEAM4梁单元，桁架模型是简单地将各杆件简化成杆单元，本文选用LINK8空间杆单元，角钢联接点简化为单元节点即铰节点。同时将模型的边界条件设置为：对塔腿施加X、Y、Z方向的约束。所建的双回路直线型输电铁塔有限元模型如图1所示。

图1　输电铁塔的有限元分析模型图

对输电铁塔施加约束在不同倾角（3°、6°和10°）时重力载荷进行求解。有限元仿真分析结果如图2所示。

通过比较分析直线型输电铁塔在（3°、6°、10°）3种不同倾角下受重力载荷形变图，经过计算发现在直线型铁塔的塔身主材偏上及偏下结构部分应变较为明显，随着倾斜角度的逐步增大，破损、变形逐渐向输电铁塔塔身主材的顶端部分扩散延伸，最后导致整个直线型输电铁塔在某一临界倾角的重力载荷作用下发生变形、倒塔。

图2　电力铁塔形变图

2　输电铁塔的FBG应变传感网的监测

光纤光栅的Bragg中心波长取决于光栅周期和光纤的有效折射率，任何使用这两个参量发生改变的物理过程都将引起光栅Bragg波长的移位。应变和温度就是两个能显著改变Bragg波长的物理量。波长移位与应变和温度的关系分别如下：

式中，ΔλB为温度与应变引起的光纤光栅中心波长移位，λB为Bragg中心波长；Δε为轴向应变；ΔT为温度变化，α和ξ分别为光纤的热膨胀系数和热光系数，pe为弹光系数，λB(1-pe)为应变传感器的应变系数，λB(α+ξ)为温度传感器的温度系数。

则实际带有温度补偿的FBG应变传感器的应变量为：

经过计算第一节中的有限元仿真数据发现主材偏上及偏下部分结构发生的应变较为集中，由于在输电铁塔主材偏上部位安装应变传感器同安装在偏下部位均可以监测输电铁塔健康状况，考虑到实际施工时的可行性，选择将带有温补的4支串联FBG应变传感器安装在输电铁塔主材偏下部分，实现对输电铁塔塔身主材形变状态的分布式监测。将传感器与信号光缆组网连接至变电站主控室，并将4支串联的FBG传感器两端通过30 m的通信光纤与预先填土埋设的接续盒连接。当主控室内的解调仪发出的宽带光源经FBG传感器时，Bragg光栅的窄带滤波作用会将与其中心波长相同的光波反射回解调仪，传输至上位机拟合出波长值。输电铁塔塔身主材FBG应变传感器的组网示意图，如图3。FBG应变传感器在塔身主材表面安装完毕后的实物图，如图4。

图3　输电铁塔塔身主材FBG应变传感器的组网示意图

输电铁塔的光纤光栅结构在线监测系统，最重要的功能是实时监测反映输电铁塔塔身主材的应变值，界面显示数据每分钟自动刷新一次，与FBG传感器采集的实时数据同步更新，参见图5。

图5　输电铁塔的光纤光栅结构在线监测系统实时监测画面

选择在线监测系统的功能菜单中的时序曲线分析功能模块，查询2014年11月1日到2015年4 月28日期间4只FBG应变传感器应变变化的时序曲线图，参见图6。

图4　FBG应变传感器在塔身主材表面安装实物图

图6　塔身主材FBG应变传感器应变变化时序图

根据实测数据，图中出现4个较大的应变值。经过查询中国地震台网历史数据及云南气象局发布的气象数据，发现2014年12月6日普洱市发生5.9级地震，15年1月11日楚雄强降雨并伴有强风，同年3月1日云南省临沧市发生5.6级地震并伴有阵风，同年3月27日，楚雄腰站地区有阵雨并伴有阵风。图中出现的4个峰值可能受到上述因素影响。通过查询不同监测对象的时序曲线，可及时了解不同监测对象物理量的变化情况，就能为提高输电铁塔的安全运转提供有力支持。图6时序监测数据表明：在此期间，塔身主材4只FBG应变传感器的监测值多在48 με～74 με之间浮动。

3　时序融合的光纤光栅传感网监测数据分析

对于光纤光栅传感系统而言，存在多种测量噪声，这些噪声中光子和电子的随机波动是导致系统性能下降的主要原因。而其他的原因，如非线性效应，也会对光纤光栅传感系统的性能有一定影响。在分析系统噪声时通常假定系统为线性系统，系统噪声不仅受到来自光电探测器和电信号放大器的电子密度随机波动，同时也受到来自光系统中光子的随机波动。这些光的波动会通过光电探测过程中的平方律效应转换为电子噪声，各种电子噪声最终叠加成为系统噪声。也就是说，光路中的噪声经光强度I0的光电转换后，系统噪声均表现为电路中噪声。其中，热噪声、暗散粒噪声、散粒噪声、差拍噪声等是对系统测量影响较大的噪声。

在光纤光栅传感网中，不仅要对大量数据进行实时处理，还需对其进行筛选、归纳、总结。形成对被测对象全面、一致的估计，得到被测对象更加准确的信息。因此，对数据进行融合已成为光纤光栅传感网络中的一个研究热点。传统的多传感器数据融合方法，也称多传感器信息融合，需采用多只传感器件［6，7］。本文采用基于标准差的加权平均时序融合分析处理方法，只用单只FBG传感器件，既节省了成本，降低了系统复杂性，也可去除噪声，获得比算术平均值更准确的测量结果，具有较高的可靠性。

实际应用中，异常值的出现将导致测量数据的统计特性发生变化，进而导致依靠统计算法进行的数据融合结果出现误差，最终将影响我们对输电铁塔的监测。通常处理方法是先判断是否为异常值，若是则将其剔除［8-10］。本文采用拉依达（pauta）准则（也称3 σ准则）对数据进行一致性检验，先对测量数据求均值、剩余误差，再根据贝塞尔公式求出标准差［10］，若某测量数据残差大于标准差3倍则该数据为异常值［11-12］。

例如，选用半年内应变传感器X的12个应变样本数据，具体数据参见表1。

表1　应变传感器X的12个样本数据

现用拉依达准则判断x6=84.52是否为异常值。

残余误差，

3S=25.47，x6的残余误差|g6| =|84.52- 58.6| = 25.92，显然|g6|>3S，满足拉依达准则，故x6确为异常值，应当予以剔除。

选择云南楚雄供电局220 kV腰站山地变电站2014年11月1日到2015年4月28日期间4只FBG应变传感器应变监测数据作为样本数据进行异常判别。

x̌1=61.73 x̌2=61.38 x̌3=61.80 x̌4=61.77

S1=7.88 S2=8.29 S3=8.84 S4=8.45 3S1+x̌1=85.36 3S2+x̌2=86.263 S3+x̌3=88.323 S4+x̌4=87.14

比较xi与3 Si+x̌i大小，经过与测得数据对比发现4号传感器15年3月1日出现异常值88.07，给予剔除。

剔除异常值后将检验后的数据分成两组，对两组数据的平均值采用分批估计算法。选取2014年11月1日到2015年4月28日期间4只FBG应变传感器应变监测数据作为样本数据。

设前半阶段数据为第一组：

设后半阶段数据为第二组：

两组测量数据的算数平均值分别为：

相应的标准差分别为：由分批估计导出的应变时序融合值Sa为：

对2014年11月1日到2015年4月28日期间4只FBG应变传感器应变监测数据作为样本数据进行计算处理，相关计算结果参见表2。

表2　应变数据标准差σ、算术平均值Šg及时序融合值Sa

由上述计算结果可知，基于标准差与加权平均相结合的时序融合算法，实际上就是在获得两组具有较高可靠性测量数据的基础上，根据两者方差加权融合处理得到更加接近测量参量实测值的时序融合值。测量所得数据中方差大的一组被赋予较小的权值，而方差小的一组被赋予较大的权值，这样，经时序融合方法处理，得到的静态应变值比算术平均值的结果更加准确。当两组数据的方差相同时，时序融合结果和算术平均值结果相等，将没有异常数据出现的测量数据时序融合后，得到差异较小监测数据。

图2中有限元仿真结果显示当倾角为3°、6°和10°时，塔身安装传感器部位的应变值分别为117 με、235 με和391 με，如图7所示。实际融合后的值在61 με左右，输电塔受到倾角为1.56°左右的重力载荷，塔身主材结构部分没有发生明显形变。

图7　有限元仿真倾角与应变关系

4　结论

本文通过对直线型输电铁塔进行有限元分析研究，获取输电铁塔塔身应变显著部位。结合输电铁塔所处的特殊地理位置，制定了基于FBG应变传感器结构监测方案，搭建了输电铁塔的光纤光栅传感网，开发了输电铁塔的光纤光栅结构在线监测系统，测得应变数据。选取近半年的应变数据，利用基于标准差的加权平均时序融合分析处理方法对4支FBG应变传感器测得应变值进行时序融合，得到时序融合值为：61.67με、61.37με、61.97με、61.82με。通过对已测数据进行时序融合，融合后的值可用于提高损伤识别的准确率。

参考文献：

［1］刘春城，李宏男，刘佼.高压输电线路抗冰灾的研究现状与发展趋势［J］.自然灾害学报，2012，1（1）：155-162.

［2］杨晓辉，张博，杨威. 500 kV六分裂导线舞动时的动张力变化特征［J］.上海交通大学学报，2014，48（9）：1218-1224.

［3］刘春城，张伟，杨杰.基于数据融合的大型输电铁塔结构损伤识别［J］.应用基础与工程科学学报，2011，19（6）：947-955.

［4］黄平平，王昌，刘小会.基于光纤光栅的铁塔摆幅监测方法研究［J］.山东科学，2013，26（1）：51-55.

［5］黄新波，魏旭，李敏.基于3组力传感器和倾角传感器的输电线路导线覆冰在线监测技术［J］.高电压技术，2014，40（2）：374-380.

［6］张品，董为浩，高大冬.一种优化的贝叶斯估计多传感器数据融合方法［J］.传感技术学报，2014，5（5）：643-648.

［7］王华东，王大羽.一种改进的多无线传感器数据分批估计自适应加权融合算法［J］.传感技术学报，2015，28（8）：1239-1243.

［8］Waltz E，Lilnas J.Multisensor Data Fusion［M］. Boston；Artech House，2000.

［9］Stiller C，Puentele N F，Kruse M.Information Fusion for Automotive Applications—An Overview［J］. Information Fusion，2011，12（4）：244-252.

［10］Hodgev，Austin J. A Survey of Outlier Detection Methodologies ［J］. Artificial Intelligence Review，2004，22（2）：85-126.

［11］Bottacchi S. Noise and Signal Interference in Optical Fiber Trans⁃mission Systems：An Optimum Design Approach［M］. John Wiley & Sons，2008.

［12］仲崇权，张立勇，杨素英.基于最小二乘原理的多传感器加权融合算法［J］.仪器仪表学报，2003，24（4）：427-430.

孙媛凯（1990-），男，硕士研究生，导师为李川教授，目前主要从事光纤传感技术和信息检测与处理方向的研究，514370503@qq.com；

李川（1971-），男，教授，博士生导师，2002年毕业于天津大学光学工程专业，获工学博士学位，目前主要研究方向为传感器的研制与检测应用，1625677252@qq.com。

Research on Structure Monitoring and Sequence Fusion of Transmission Towerbody Based on FBG*

SUN Yuankai，LI Yingna，HU Mingyao，ZHAO Zhengang，XIE Tao，LI Chuan*
（Kunming University of Science and Technology，Faculty of Information Engineering and Automation，Kunming 650500，China）

Abstract：Transmission towers are usually located in complex geological structure areas. Tower crushing and dump⁃ing may occur under the effect of different geological hazard，wind action and other phenomena which is a serious threat to the stable operation of the power system. Conventional manual inspectionis a greateconomic loss，the prob⁃lems can't be found in time either. Analysis and obtaining the strain distribution on transmission tower with a cross arm in the form of three straight double-circuit byANSYS. Obtainingthe strain databy an online monitoringsystem of transmission tower based on FBG sensor network. 4 FBG strain sensors’sample data were fused by the method of batch estimation and weighted average time series analysis and processingbased on the standard deviationin the past six months. The fusion values of 4 FBG strain sensors are：61.67 με，61.37 με，61.97 με，61.82 με. The fusion values can be used to improve the accuracy of damage identification. Conventionalmanual inspection method is improved.

Key words：fiber Bragggrating（FBG）sensor network；datafusion；batch estimation；weighted average

doi：EEACC：7220；7230E10.3969/j.issn.1004-1699.2016.03.025

收稿日期：2015-09-30修改日期：2015-12-09

中图分类号：TP212.9

文献标识码：A

文章编号：1004-1699（2016）03-0451-05