柔性接触网线夹故障诊断方法研究

刘 鹏

（朔黄铁路发展有限责任公司，河北 沧州 061000）

接触网作为电力机车运行的动力源，是电气化铁路供电系统的重要部分，其中接触网线夹极易出现轻微松动现象，由此带来局部过热和烧伤的早期故障问题，因此线夹松动的早期识别是提高牵引供电系统可靠性的重要措施。随着智能电网建设的不断推进，在电气设备温度监测领域，国内外已有很多温度测量方法[1-3]，并且取得了不错的效果。然而，接触网作为铁路供电系统中规模最大的裸导体，工作环境恶劣，负荷电流较大，目前检验裸导体使用的红外非接触式测温及其他模块的接触式测温，只通过分析温度的高低判定裸导体热状态的运行范围，极难排除早期故障，也难以分析隐患。因此接触网裸导体热状态评定仍然是一项艰巨的任务，需要更深入的研究。

文献[4-5]均是利用红外测温的基本原理，通过不同种类的红外探测器进行测量，设计硬件和软件测温系统，根据相关系数的大小来确定接触网热状态。这种方法对温度补偿算法的要求较高，若考虑到时间等因素的限制便会有较大的误差。文献[6]通过差值计算裸导体接触电阻变化量，提出了一套基于理论温度与实际温度对比值的以接触电阻大小为告警阈值的裸导体健康评价系统。文献[7-8]提出一种基于红外热成像的温度场测量方案，根据热状态分布诊断设备的实际运行情况。该方法需要配备高质量的无线传输系统和合理的监测网络，考虑到接触网所处的环境因素和检测成本，该方案在铁路接触网实际工况下实施难度较大。

基于上述问题，本文将大数据聚类（big data clustering，BDC）思想应用于裸导体检测，结合时间序列相似性度量（time series similarity measure，TSSM）方法，建立了一套接触网裸导体热状态评价系统，在测量裸导体温度变化的基础上，对裸导体的当前性能和隐患进行了综合评估。

1 基于点密度函数加权的数据分析

由于该系统定时采样的采样数据是一连串同周期的离散点，不妨设采样周期为TS，计算周期为TC，由此定义一个长度为n 的数据预处理窗口：

计算过程中窗口长度n 都比较小，那么TC的取值一般小于TSo因此所分配到窗口的数据应比较集中，而异常点和正常数据之间距离略远于正常数据之间的距离，常以单点的形式较为分散的分布在数据源两侧，由此可判断为噪声。然而如果发现待处理数据集中分布在若干个中心，则应该判定为环境突变。

数据点的分布情况可以近似看作邻近度，即到k 个最接近数据点（最近邻点）平均距离的倒数。针对不同的数据点Xi，其点密度函数为

式中：dij为Xi和Xj的欧式距离，e 为点密度范围限定值。第l 个数据预处理窗口中的两个数据点xl和yl之间的距离d（xl，yl）可用式（4）表示。

式中：m 为数据维数；xli为数据点xl在维度i 上的坐标；yli代表数据点yl在维度i 上的坐标。利用归一化方法克服了多种维度数据标准相异的难点，归一系数λ 的实际意义在于：可以准确确定第l 个数据预处理窗口Nl中所有正常数据点在维度i 上的总距离为Dli。

2 基于大数据聚类思想的热状态分析

接触网局部过热和烧伤是接触网裸导体常见的故障类型。将裸导体过热故障的所有历史数据点称为一簇C，采用接触网裸导体热状态评定系统算法的思想，通过式（7），可得邻近度l（x，k）。

式中：d（x，y）是x 和y 之间的欧式距离，可由式（8）计算。

将所有历史数据点代入式（7）中计算可得簇内邻近度（PWC）。将整个簇内的历史故障数据的PWC 做平均处理，得到C 的基准邻近度lref。

当整个数据点与C 的邻近度的数值变化越来越大时，说明数据点与簇的距离反而越小，也就是说在其附近区域，同时反映到的问题就是出现故障的几率越大。相对邻近度lc（x，k）的计算表达式为：

3 基于时间序列相似性度量的趋势预测

接触网裸导体发生故障前温度的变化具有时序特征，对于具有潜伏故障风险的接触网线夹，需要判断其故障状态的转化速度与趋势。

3.1 确定待测数据时间序列

当待评价设备的数据点x 和裸导体故障数据簇C间相对邻近度处于区间[0.6，0.8]时，截取数据点x 在采集时刻前的多个数据点，作为待测数据时间列U，其步骤如下：

（1）取初始队列U 的长度为N。

（2）设定最后故障数据参数时间坐标txN：初始采集时间为txN。

（3）获取相对邻近度。

（4）确定初始数据点时标tx1。

（5）获取时间序列。

3.2 时间序列相似性度量计算

不同时间序列的相似性可以由其距离关系表示，时间序列的相似性与其距离关系成反比。一般情况下，时间序列距离可由欧式距离、编辑距离、动态时间弯曲距离等代替计算。其中，欧式距离体现两个数据维度间的直线距离，编辑距离用于计算两字符串序列间转化所需要的编辑步数。为了避免出现裸导体温度信息时间序列数据元素错位造成的时间序列距离评估结果偏大的现象，在本文中选取了动态时间弯曲距离来衡量两时间序列的相似性。时间序列U 和V 之间的动态时间弯曲距离可以通过两时间序列U 和V 间的最小路径递归计算获得。

由于在不同情况下有不同长度的序列，为了测量的标准化、简单化，将计算所得的动态时间弯曲距离经过归一化处理，由此判断序列相似性的归一距离可由公式（11）得到。

式中，N 为序列U 和序列V 的长度。

4 接触网裸导体状态综合评价

4.1 状态评价方法流程

接触网裸导体状态综合评价流程如图1 所示。

图1 方法流程图

4.2 计算设备健康得分

lc（x，k）数值不超过0.6 的条件下，需要确定接触网线夹的健康得分，以此来判断该装置的运行状态。对于确定接触网线夹故障j，可以将邻近度转化为裸导体与过热故障相关的健康得分。如果设备状态满分设定为10 分，则设备的健康得分F（t）为：

5 算例分析

5.1 搭建实验环境

本论文建立了一套能实现多点实时监测的裸导线接触状态综合评价系统；充分屏蔽载流大小和外部环境因素对裸导体实时测温的影响，构建裸导体接触电阻与差动温度的数量关系；选择接触电阻微动量作为故障判别特征，将差动温度的微弱变动转化为接触电阻微动量的显著变化，做到裸导体接触不良的早预判和早预警，并最终实现降低技术人员劳动强度和保障铁路供电系统的安全运行。实验系统整体设计方案如图2 所示。

图2 实验系统整体设计方案

本系统利用实测温度数据，构建适合不同规格型号和外界干扰因素下的裸导体锚段关节处测温模型；利用数据库和大数据分析等技术，准确提取出温度特征和不同工作状况下温度门限值，并为实际应用中的整定值整定提供数据支撑；利用visual studio 2017，基于C#开发软件设计出了接触网线夹实测温度分析平台，该平台可自动记录测温时间，记录数据，按上述算法计算数据，输出计算结果和相关参数，以及实现故障报警，隐患报警等相关功能。

受该系统实验条件的影响，本论文模拟室外接触网供电过程，搭建了简易的实验现场如图3 所示，实验中所选的线夹是铁路接触网JQJL06-2004 铜接触线接头线夹。本次实验实际测量过程均处在室外环境，但为了更清晰体现出实验过程，在室内模拟实验回路中仅接入一个接触线线夹，以此代替测量整个线夹组的温度变化。

图3 模拟实验现场

5.2 实验结果及分析

本次实验总时长16 分钟，检测到接触网夹线故障时间为15 分钟。在整个测温过程中，接触网线夹的实时温度反映在“接触网线夹实测温度分析”界面，如图4 所示。其中部分线夹组实测温度如表1 所示。为验证接触网裸导体发生故障前的温度变化有时序特征，得到的部分线夹组的时间-温度序列图如图5 所示。

图4 温度分析界面

表1 部分线夹实测温度

图5 时间-温度序列图

在整个实验过程中，当其中一个线夹组温度偏高，温度变化曲线上升速率较大时，会出现程序报警弹框，此时在时间序列分析中就会发现不合格的样本。如图6 所示，第2 条温度变化曲线随着时间的推移，温度值不断升高，在初始温度值的基础上大幅度变化，此测量结果表明该样本不合格，已发生过热故障。

图6 不合格样本

根据上述算法，该结果与后台归一距离反应一致，结果如表2 所示。本方案可将归一距离值和大量样本故障记录间关系编写故障时间预测功能，由于缺乏足够的故障数据，该模块暂时无法演示。

表2 时间序列归一距离

6 结论

本文提出了一种新的柔性接触网线夹热状态评价方法，得到以下结论：

（1）该方法基于PDFW 对采集的温度数据进行分析，消除了噪声数据的影响。利用聚类思想，将接触网线夹状态划分为三个类别，进而对接触网线夹进行故障诊断。

（2）利用实测温度数据，构建适合不同规格型号和外界干扰因素下的裸导体线夹测温模型。

（3）在实现故障预测功能过程中，需要事先收集不同规格裸导体线夹的故障数据，故障数据的测量精度和数据量对预测时间的精度影响较大。