基于电缆振动信号特征的智能防外破监测技术研究

项恩新，王科，聂鼎，任明，李建发，杨秋昀

（云南电网有限责任公司电力科学研究院，昆明 650217）

0 前言

近几年，随着城市化进程不断加快，加之城市核心区域对供电提出高可靠性要求，城市电网电缆化率持续攀升，高压电缆设备总量保持年均10%的增长水平。因此，地下电缆通道资源愈发紧张，各电压等级电缆同通道密集敷设的情况不断增多，防火、防外破问题突出。

随着城市配网的不断升级，电力电缆由于其占据城市空间少、受恶劣天气破坏影响小等优势已经逐渐替代架空线成为未来发展的必然趋势。电力电缆的运行状态直接关系着城市输配电系统的可靠运行和供电质量[1-2]。近年来，因施工、偷盗、改造引起的电缆外力破坏问题长期威胁电缆运行安全，但由于电缆分布广、运行环境复杂，目前缺乏有效的监测和预警方法，传统的在线监测系统因其改造成本和维护难度较大，且难以在城市电缆系统中实现主动预警。

目前，基于光时域反射计技术的分布式光纤振动传感系统[3-4]在防外力扰动的预警系统中有所应用，其报警定位精确、数据处理电路相对简单，但由于难以通过时域信号分析分辨扰动类型，系统误报率较高，且敷设和后期维护成本较大。

外力扰动一般会引起振动声波在电缆本体和支架上传递，因此通过压电传感器来监测电缆振动声波是一种方便有效的方法，其不仅能够灵敏的反应振动强度，还能根据振动模态进行扰动分析。一般而言，传统的电力设备在线监测系统[5]包括信号耦合单元、模拟预处理单元、供电单元、传输单元、供电及通信线缆、数据采集与显示系统（SCADA）及数据接口。然而，上述的监测系统复杂性高、现场实施和后期维护成本大，不能满足电缆馈电网络对可靠性和经济性的要求。此外，电缆监测数据接入量较大，监控节点较多，给数据存储、信息匹配以及数据应用带来了巨大挑战[6-8]。

随着物联网（Internet of things，IoT）应用模式的提出和发展[9-11]，为基于压电式的传感提出一种分布式电缆声波振动传感监测方法。本文首先通过典型外力激励下电缆振动试验，获得了电缆振动信号的时域特征和时频域特征，并提取了可用于振动模式识别的特征参量，然后基于压电传感器研制了无线分布式的电缆外力扰动智能传感器，并对其数据处理、低功耗电源管理、取能单元以及物联网通讯方法进行了分析，基于此建立了基于物联网的分布式电缆防外破智能预警系统。

1 无线压电传感单元的设计

无线传感器作为物联网传感网络的基础，期望其电池续航时间与被监测对象的停电检修周期相一致，因此传感器节点的电池续航时间应至少1年以上。此外，电缆附件上部署的传感器节点还应满足体积小、可插拔及低成本的要求。现有商用化的物联网传感器大多是针对温度、湿度、加速度等单一参量进行监测，并采取片上系统（System on a Chip, SoC）集成化设计或具有微电子机械系统（Microelectromechanical Systems, MEMS）的集成电路来实现。但是对于具有自感知和自诊断功能的传感装置而言，目前无商业化的集成式传感可供利用，专门针对电缆外力扰动状态的智能传感技术还需进一步探索；此外，对于电缆外力扰动下的信号耦合方法、振动特征和预警方法也需要结合智能传感技术来实现。因此，本文基于MEMS加速度传感器对传统在线监测系统进行重新设计，从信号耦合器、预处理单元、MPU、电源和无线数据收发器多方面解决功耗、灵敏度及时效性上的问题。本文所设计的无线传感器节点的硬件架构如图1所示。

图1 无线传感器节点的硬件架构

其中包括三个主要部分：

1）模拟信号单元。其功能为：通过单轴的MEMS加速度传感器耦合电缆外力引起的声波，并通过有源检波放大处理使信号的动态范围和模拟带宽与A/D采样单元相匹配；

2）信号处理及存储单元。其功能为：对有效振动信号快速甄别，形成规范的监测状态量（SMV）和传感器状态量（SV）信息，并对处理信号进行存储。另外，MPU还承担对下行命令集处理和电源管理的任务；

3）LoRa通讯单元。其功能为：上下行数据的分包、发送和接收，其运行模式由信号处理及存储单元进行控制。在该硬件构架基础上，基于ARM来实现边缘计算和就地化诊断，降低多点数据接入带来的中心化计算压力。

1.1 声波耦合模块

电缆受到外力破坏时，信号来源通常有几种典型类别，包括风镐信号、机械挖掘或打桩信号等。这些外力信号主要为分布在几百至千赫兹频段的低频振动信号，因此本文选用基于MEMS的加速度传感器（ADXL1002）作为声波耦合前端，其具有线性频率响应较宽（DC-11 kHz@3dB）、测量范围较大（±50g），温度系数较小（5%，−40℃~+125℃）、功耗典型值较低（1.0 mA）、热噪声密度较低（30 μg/√ Hz）、尺寸小（＜5 mm3）等优点，可直接支持嵌入式开发和物联网应用。图2为MEMS加速度传感器及频率响应特性曲线。

图2 传感器及频率响应特性

通过压电传感器直接获取的是振动信息中的加速度信号。由于传感器在频响范围内的放大倍数稳定在0dB，即没有前置放大倍数，输出的电压信号幅值与振动加速度之间为线性关系，两者的比例系数即为传感器的电压灵敏度s。由输出电压U换算为振动加速度a的关系式为：

式中A为放大倍数，在没有放大的情况下A=1，则关系式简化为：

例如传感器的电压灵敏度s为100 mV/g，则每g（9.8m/s2）对应的输出电压为100 mV。传感器输出电压范围为-5V~+5V时，可测量的加速度范围为0~50g。在集成了电荷放大电路后可将微弱振动产生的电荷量放大，提高测量精度。得到振动的加速度信号后，通过积分计算得到速度信号，其基本式为：

通过ARM对振动加速度进行快速傅里叶变换可以得到振动信号的频率谱，在频域内可以进行滤波去噪、时频分析、特征提取等计算。

1.2 信号调理电路

由上节可知，振动信号的主要频率在几百Hz范围，不需要非常高的采样率即可实现信号的采样和复原。然而，振动信号的加速度幅值通常较小，为了合理利用储存空间，需要对振动信号进行一定倍数的放大。原始振动信号的放大电路如图3所示，其中采用由LM324构成的两级放大电路，增益设定为20dB，为消除直流偏置，级联做隔直处理，放大单元模拟带宽为380 kHz，能够完全保留振动信号的时、频特征，同时可以与噪声信号保持较大的幅值差距，方便去噪。

图3 振动信号的放大电路

压电传感单元需要稳定的恒流源供电，由于传感器需要长期工作在监听模式，因此电源的稳定性和持续性尤为重要。本文采用CT取能与锂电池储能相结合的方式来维持传感器工作。在信号预处理单元中，采用电源管理电路来进行稳定输出电平，如图7所示。电源管理电路可对电池的充放电进行控制，防止电池过充过放，同时也可以对处理器和传感器功耗进行控制，在满足压电传感单元正常工作和数据传输的前提下保证电池的使用寿命。CT取能单元和低功耗管理设计见2.1节。

图4 电源管理电路

为了验证压电传感单元的性能，文中利用实验室的振动平台进行了测量试验。利用实验室内振动台，将电缆两端通过支架固定于振动台上，将压电传感单元固定在电缆本体上，调节振动台输出不同振动频率、幅度的振动信号，检测智能监测单元的输出信号波形，验证传感器基本功能。图5展示了50 Hz工频外力激励在电缆压电传感单元中的加速度响应信号。从图中可知，压电传感单元的输出信号幅值稳定，频率响应精准，50 Hz基频信号中包含了由电缆本身振动引起的高次谐波模态。

图5 传感单元测得的周期振动信号示例

图6展示了在电缆上施加非周期信号（切割电缆）时，通过压电传感单元采得的振动加速度信号。

图6 传感单元测得的非周期振动信号示例

2 传感器的功耗管理

2.1 电磁感应线圈（CT）取能

由于传感器节点数量多，分布范围广，应尽量避免在设备检修周期内更换电池。因此，高效的电源管理和低功耗运行策略是设计传感器节点持续稳定运行的关键。本文采用磁耦合CT方式从电缆载流本体取能，为传感器储能单元供电。图7为CT从高压电缆取电原理图，设N1(=1)、N2分别为初、次级匝数，i1(t)为高压侧正弦电流；i2(t)为实际流至负载的电流；im(t)为励磁电流，根据电磁感应定律及变压器磁动势平衡方程，可得到如下关系：

图7 电缆感应取电原理

考虑用电负载后的工作模型如图8所示。其中，i1(t)/N2为初级折算到次级的等效电流，R1、L1为初级漏阻和漏电感，Rm、Lm为励磁电阻和电感；R2、L2为次级漏阻和漏电感；u(t)为取电线圈两端电压；C为稳压电容，u0为负载电压。由于高压电缆的电流源性质，初级漏阻抗可忽略；对取电线圈而言，次级漏阻抗相对励磁阻抗非常小，可忽略；考虑到整流桥的压降，在实际功率计算中可用实测电压数据加上其压降来逼近真实的输出功率，因而在模型中也可忽略；在励磁阻抗中Lm远大于Rm，即取电线圈输出功率的分析也主要由Lm决定。

图8 简化取电CT负载工作模型

为保证输出电压和功率满足后级传感器需求，还需设计相应的稳压电路，如图9所示。控制回路采用滞环比较方式，提高了控制速度并可减小输出电压纹波。第1级预稳压电路输出电压为24 V，通过第2级电路降至5 V，供负载使用。自启动电路可将两级输出电压24 V、5 V作为输入，输出控制回路芯片所需的供电电压。电缆载流量的大小直接影响CT线圈取电的功率输入，因此为了避免因载流量降低（启动电流大约为150 A）或停电引起的负载电源断供，传感器中配合采用锂电池作为旁路后备电源，并采用电平监测方式来启动锂电池向负载的功率输出，以及控制自启动电路使Buck调压电路输出向锂电池充电。

图9 取电电源的工作原理

2.2 充放电保护电路

根据各模块的能量损耗，对总功耗进行计算，并按照单一电池供电使用时长为350小时进行设计。循环容量衰减会使电池在反复充放电使用中造成的能量损耗，过充电、过放电和过电流将会导致电池内部发生化学副反应，会严重影响电池的性能与使用寿命，因此本文采用如图10所示的保护电路来防止电池严重损耗。其中，两个外接的MOS管（FET1、FET2）集成在另外一块芯片上，作为开关。当放电电流过大时，用于放电控制的FET1断开，禁止电池向负载放电，以执行过放电电流保护功能。电池充电至过充电检测电压时，FET2断开，禁止来自充电器的电流向电池充电。当电池电压下降到过放电检测电压时，放电控制FET1关断，禁止电池向负载放电。

图10 电池充放电保护电路

3 典型电缆外力扰动的试验分析

3.1 电缆外力扰动模拟试验

选取的特征参数是否适合分类，对于模式识别的结果是否准确至关重要。一个合适的信号分类特征，应该至少满足以下两点：

1）不同类别的信号在相同特征量的表现上，差别比较明显；

2）同类别的信号在相同特征量的表现上差别尽量小。选择正确有效的特征进行信号识别，即可提高分类的准确率，又可大大减轻分类算法的计算量。电缆在运行过程中，所收到的外力扰动或潜在性破坏情形有以下几种：

表1 典型电缆外力扰动情形及特征

针对上述情形开展振动模拟试验。首先对分布式电缆防外破监测单元进行组装。传感单元壳体外观和内部结构如图11a和图11b所示。传感器安装在壳体的基座上，保证了其与壳体及电缆的连接刚度。为保证壳体和不同直径的电缆都可以紧固安装，在壳体下方使用胶木材质的连接件，并在侧面安装绑扎带，安装示意图如图12c。胶木材料既可以在绑扎带紧固条件下与电缆表面紧密接触，而且具有一定的防滑能力，防止壳体在电缆表面移动，并且在较大的温度范围内能够保持较小的形变，维持与电缆本体的准刚性连接，保证传感器采得数据的可靠性。

图11 压电传感单元外观、内部结构及安装方法

试验中采用用冲击电钻、电锯、振动台等人工模拟扰动作为电缆外力扰动源，对架设在支架上的一端长度约为16 m的电缆施加机械扰动，施加位置分为电缆本体和电缆支架。传感器固定于电缆本体处（距电缆终端约5 m），采用Debug方式通过上位机实时接受前端传感器信号调理后的波形数据，同时采用Lora/串口网关通讯方式接受经传感器处理后的状态数据和特征量。电缆外力扰动模拟试验系统示意图如图12所示。

图12 电缆外力扰动模拟试验系统示意图

3.2 电缆振动信号的时域特征

1）周期性振动信号

在无外侵性扰动时，电缆自身振动由基频交流的电磁力引起，当负载不平衡或存在环流时，还会存在非基频振动信号。采用传感器在某电缆沟道内10 kV运行电缆的振动测试时域波形如图13a所示，经频率分析可知，对于正常运行且无扰动的电缆，其振动基波为50 Hz，而100 Hz和150 Hz的非基波分量也有一定占比，如图13b。

图13 10 kV电缆运行条件下的振动波形及频域分布

试验中，采用标准振动台（H/ZD-TF）作为50 Hz和100 Hz振动源，并采用本文研制传感器对电缆的振动信号进行测量，其时域波形结果分别如图14a和图14b所示。由图可知，在周期性振动激励下电缆振动信号幅值和频率较为平稳，信号振幅有限，可采用高通滤波器或锁相环滤波器进行信号处理。

图14 施加50Hz和100Hz周期振动激励下传感器接收波形

2）非周期性振动信号

为模拟实际电缆运行沟道受施工外力扰动的信号，在实验室通过电钻、切割机等模拟相应的信号。实验时将传感器固定在两支架中部电缆本体上。图15为电钻在电缆本体（图15a）以及支架上（图15b）施加激励时传感器得到的信号波形；图16为切割机在电缆本体（图16a）以及支架上（图16b）施加激励时传感器得到的信号波形。

图15 电钻在不同位置激励下传感器接收波形（900转/秒）

图16 切割机在不同位置激励下传感器接收波形（900转/秒）

从实测的信号可以看出，不同非周期性的振动信号差别明显，振动源施加在支架上时信号高频分量明显大于振动源直接施加在电缆上的情况，这主要是因为电钻与电缆外护套非刚性接触，所引起的振动信号轴向分量传递效率较低，而电钻与电缆支架接触为刚性接触，所引起的轴向分量能量传递更多。对切割机切割支架的振动信号进行频谱分析如图17所示，由图可知，在900 Hz左右频谱有峰值集中，同时存在其倍频分量，幅值依次衰减。由此可以推断不同施工方式下振动信号存在特征频率分量，而频谱分布则可能与电缆和支架的共振点有关。

图17 切割支架时振动信号频谱

在实际工况下监测过程中，振动信号的幅值信息可以作为外力破坏事件的初步判定条件，当信号幅值超过预警阈值时记为可疑信号。在对可疑信号进行频谱分析后，将其频谱特征峰与数据库对比可以判定其故障类别。

3.3 电缆振动信号的时-频域联合分析

对于周期性或非周期行信号分析，传统分析方法主要采用傅立叶变换原理，对信号进行全局性宏观分析，获取信号的幅度频谱或功率频谱，因而其仅在整体上将信号分解为不同的频率分量，缺乏局部信息描绘。与工频电压下局放信号分析不同的是，振动信号与工频激励相关性较弱，振动激励多为外力扰动所致，信号来源及传播途径的随机性较强，相位统计信息难以应用。因此本项目基于二次型短时傅立叶变换作为核函数，对振动传递信号进行时-频联合分析，寻找时-频特征。

若给定一个时间宽度很短的窗函数η(t)，让窗滑动，则信号z(t)的二次型短时傅立叶变换(STFT)Sz(t,f)如式（5）所示。

式中：η(t)为窗函数。

Sz(t,f)为短时傅立叶变换STFT(t,f)模的平方，反映了信号在时频平面的能量分布。由于窗函数η(t)的存在，使得二次型短时傅立叶变换具有了局域特性，它既是时间的函数，也是频率的函数。对于给定的时间t，Sz(t,f)可看作该时刻的频谱。

离散时间信号z(n)的二次型STFT如式（6）所示：

离散二次型STFT的Sz(n,ω)函数在等频率间隔取样点ωr=2πr/N(r=0,1,…,N-1)，则由式（6）可得：

令 m=l+n，l=k+s，k=0,1,…, N-1，则式（7）可变换为：

由式（8）可知，对于每一固定的n，Sz(n,r)都可以由z(k,n)的N点离散傅立叶变换而求得。

图18为施加50 Hz和100 Hz周期振动激励传递时-频特征分析结果。由图可知，对于具有周期性的振动激励信号而言，其振动幅值在时间轴上较为平稳，其频率主成分随时间推移分布在较低频段，而高频分布较为平坦，幅值较弱。

图18 施加50 Hz和100 Hz周期振动激励时的信号时-频特征分析

图19为施加单次或多次冲击激励传递时-频特征分析结果。由图可知，对于单次敲击激励而言，其振动幅值的低频主成分在时间轴上呈现不规则变动，次高频成分在时间轴上相对平坦，更高频次成分相对较弱；对于连续打夯激励而言，其振动幅值的低频主成分在时间轴上呈现规则变动，在次高频上幅值相对于单次敲击的结果更高，且更高频次成分相对较强，幅值的动态范围更广。

图19 施加单次或多次冲击激励时的信号时-频特征分析

图20为电钻激励传递时-频特征分析结果。由图可知，当电钻振动在电缆本体上传递时，其振动幅值的低频主成分在时间轴上呈现不规则变动，次高频成分在时间轴上相对平稳，更高频次成分相对较弱；电钻振动在电缆支架上传递时，其振动幅值的低频主成分在时间轴上呈现规则变动，在次高频和高频区域特征与前者相似。

图20 电钻作用电缆时的信号时-频特征分析

图21为电锯切割电缆时测量信号的时-频特征分析结果。由图可知，当电锯切割电缆本体时，检测得到的振动幅值的低频主成分在时间轴上呈现不规则变动，次高频成分在时间轴上相对平稳但幅值较低，更高频次各成分相对较弱；当电锯切割电缆支架时，其振动幅值的低频主成分在时间轴上呈现规则变动，幅值较为平稳，在次高频和高频区域各有一些较为平稳的频率分布。

图21 电锯切割电缆时的信号时-频特征分析

3.4 电缆外力扰动特征状态量

为了保证较低的数据传输量，降低通讯单元和中心化计算的压力，经传感器向网关传送数据为精简状态量数据，此时需要依靠传感器本身的ARM来提取电缆振动的特征量。根据电缆振动信号，可计算得到加速度、视在强度、累积能量、事件频率、时频分布中心，以及判断得到的振动模式和预警等级。其中，将视在强度和累积能量作为预警阈值来启动ARM中的运算，并将精简状态集通过通讯单元及时上传至上位机。

为了以精简数据量来描述外力扰动信号的特征，本文基于时-频分布分析结果引入以下几个状态特征量：

1）振动累积能量均值（Eint）；

2）时频能量中心（tm,fm）；

3）80%能量释放时长（t80）；

4）周期性强度（Rp）。上述状态特征量的具体计算方法如下：

式中，t0和t1分别为振动信号首次超过测量阈值时刻和监测时长，F为传感器模拟带宽上限值。

式中，fm和tm分别为时频能量密度中心频率极值和对应时刻，k为极值数量。

式中，t80为80%能量释放时长。

式中，fbw为3dB中心频率带宽。

基于试验数据，可以得到上述状态特征量的典型值，如表2所示。在实际电缆扰动预警系统中，这些状态量可作为电缆扰动模式识别和危险度等级的划分标准，并在实际应用中不断积累和修正。

表2 电缆外力扰动典型状态特征量

4 结束语

电力电缆是城市输配电系统的重要组成成分，其运行状态关系着城市供电的可靠性。近年来，因施工、偷盗、改造引起的电缆外力破坏问题长期威胁电缆运行安全，但由于电缆分布广、运行环境复杂，目前缺乏有效的监测和预警方法，传统的在线监测系统因其改造成本和维护难度较大，且难以在城市电缆系统中实现主动预警。

本文首先基于MEMS加速度传感器研制了无线分布式的电缆外力扰动智能传感器，并对其数据处理、低功耗电源管理、取能单元以及物联网通讯方法进行了分析；通过典型外力激励下电缆振动试验，获得了电缆振动信号的时域特征和时频域特征，并提取了可用于振动模式识别的特征参量，然后探索了基于物联网的分布式传感器和精简状态特征量的电缆防外破智能预警方法。