基于多传感器数据融合的输电线路杆塔稳定性监测系统研究

陈 黎，肖 洒，任乔林，肖亚平，汤迎春

(1.三峡大学，湖北 宜昌 443002；2.国网孝感供电公司,湖北 孝感 432000)

近年来，国内外冰雪灾害频繁造成输电线路安全事故发生，使社会生产生活遭受损失。输电线路事故发生的重要原因是被人为损坏、冰雪覆盖、电线和杆塔的重力或机械共振负荷超过结构强度，以及输电杆塔上的螺栓、金具造成松脱破坏以致造成输电杆塔发生倒覆，导致了输电设备无法正常运行[1-2]。

智能电网和超高压电网建设，使各种不同电压等级的输电线路不断增加，这就需要越来越多的输电线路杆塔来构建，但是部分输电杆塔的树立地点可能存在安全隐患，包括气象、地质灾害和人为外力破坏[3-5]。对输电线路杆塔日常维护主要依靠巡线人员定期检查，一定程度上能够对杆塔的稳定性安全隐患做出判断，但由于缺乏在线实时监控的技术手段，极易导致事故的发生。因此，需要一种新的输电杆塔稳定性监测技术来实时监测杆塔的稳定性，确保输电线路杆塔的安全稳定，为电力安全运行提供保障。

1 系统组成

整个装置由现场监测终端、数据通信模块和远程监控中心组成，总体结构图如图1所示。

图1 系统结构

1.1 现场监测终端

现场监控终端主要包括输电线路杆塔倾角检测装置、输电线路杆塔振动检测装置、无线Zigbee模块以及嵌入式系统。现场监控终端和远程监控中心通过4G无线通信模块发送信号(见图2)。3台三维振动传感器分别获取输电线路杆塔塔顶、塔腰和塔基的振动数据，1台二维倾角传感器获取杆塔倾斜角数据，通过获得的杆塔各部位振动数据和杆塔倾斜角数据进行传输器数据融合得到输电线路塔线系统动力学参数，通过嵌入式系统分析综合得出杆塔稳定性状况和预警信息，主要分为如下2步。

a.获得的杆塔塔顶、塔腰、塔基的振动加速度和杆塔横担上的杆塔倾斜角均以短距离无线Zigbee通信方式输送至嵌入式计算机系统。

b.微处理器对获得的杆塔塔顶、塔腰、塔基振动数据和杆塔横担上的倾斜角数据进行滤波、信号融合，最终得到杆塔稳定性的诊断结果；最后将得到的杆塔稳定性诊断结果经过4G无线通信传输至远程客户端，如果有杆塔稳定性预警信息则可直接通过短信发送到输电线路相关运行维护工作人员手机上，实现杆塔稳定性监测。

图2 现场监测装置图

1.2 振动检测子系统

振动传感器主要实现杆塔振动信号的获取，目前主要采用的是集成电容式传感器获取0.5～2 000 Hz的振动信号，该频段的振动信号能有效反映杆塔在受外力情况下的响应。本文采用朗斯测试技术代理的美国产LC0155通用振动传感器。杆塔的振动频率监测由振动传感器的振动开关模块(801S)实现。当杆塔处于平静状态时，模块也处于“静止”状态，此时输出引脚始终为高电平并且不会使计数器计数。当杆塔振动时，振动开关模块的静止状态被破坏，输出引脚输出瞬时低电平。在电平变化的瞬间，计数器开始计数。因此可以把模块的输出端接到单片机的TO/T1引脚上，当存在下降沿输入时，TO/T1引脚将计数器寄存器递增1。因此，计数器存储线的振动数N，只要再利用定时器把时间定为每秒读1次计数器寄存器的值N并且同时把计数器寄存器清零，这样就记录了线路每秒所振动的次数N，即线路的振动频率N(Hz)。

1.3 倾角检测子系统

本文在监测杆塔倾角参数是采用MPU6050加速度传感器。内部自动三轴陀螺仪，同时还有三轴重力加速度传感器，内部集成了DMP，通信接口遵循I2C通信协议，还可以与磁力传感器相互配合。在本文中，MPU6050加速度传感器主要用于监控倾斜角度。重力加速度通过将3个坐标轴上的分量合成，然后通过三角函数计算偏离原始位置的角度，见图3。(尽可能在原始位置启动倾斜传感器，以便参考)。

图3 三轴加速度与倾角关系图

由图3可以推导出倾角计算公式：

(1)

(2)

(3)

2 输电杆塔稳定性监测

杆塔振动倾斜检测是通过安装多台振动传感器和倾斜传感器对输电杆塔进行检测。振动传感器主要用于获得杆塔各部分的振动加速度，倾角传感器用于获得杆塔的倾斜角度。通过多传感器数据融合获得杆塔稳定性判断。多数据融合方法步骤如下。

a.采用离散小波变换实现信号滤波。信号x(t)的连续小波变换定义为

(4)

Ψj,n(t)=2-j/2Ψ(2-jt-n)

(5)

式中：x(t)是每个传感器检测的信号；Ψj,n(t)是小波基数；j是尺度因子；n是平移因子。

适当选择母小波Ψ(t)，可使Ψj,n(t)及其傅里叶变换Ψj,n(ω)同时具有较好的局限性，因此小波分析是时-频分析。

在离散小波变换中，常用的离散方法是将j按幂级数离散，n在尺度内均匀离散，信号x(t)的离散小波变换为

(6)

b.利用小波包能量谱方法对振动信号及倾角信号进行分解处理，提取特征向量：

(7)

式中：xjk(k=1,2,…,N)为信号Ej各离散点的值，然后求出所述各频带能量占总能量的百分比；ej=Ej/∑En，作为稳定性诊断的输入特征量。

c.利用RBF神经网络方法对输电线路杆塔进行初步稳定性诊断；RBF神经网络由输入层、隐层和输出层组成，完成非线性映射。

(8)

一般取：

(9)

d.利用贝叶斯推理实现对初步诊断结果融合，得出最终融合诊断结果。

(10)

(11)

3 现场安装及调试数据分析

通过采用多传感器数据融合的输电杆塔稳定性监测装置已经在线运行4年，实际运行表明该方法有效实现了输电线路杆塔复杂运行环境下的稳定监测。对于目前正在运行的4套监测装置，通过不同时间的数据统计分析结果如表1所示，本方法能够有效实现杆塔稳定性监测分析，并且当出现杆塔稳定性安全隐患时能够及时发出报警信号，虽然有误报警，但是没有出现漏报。在长期运行期间由于不同环境气候的复杂性将导致正确率下降，因此下一步将重点对现场监测样本的数据进行更深入研究，从而提高输电杆塔稳定性监测正确率。图4为现场设备安装图，图5为杆塔稳定性监测系统的界面图。

表1 在线运行4年4台设备报警统计

图4 现场安装图

图5 输电线路杆塔稳定性监测系统界面图

4 结束语

本项目采用智能化监控主站，将嵌入式系统、计算机技术、GPRS通信技术等现代信息技术手段有机融合，建立了输电线路杆塔稳定性监测系统，通过远程对输电设备进行及时监测，有效实现对输电线路杆塔状态监控的网络化，较好地解决了输电线路运维难度大等问题，不但节省了大量投入，而且满足了智能化、现代化电网的管理要求，社会效益巨大。