高压带电体温度监测及灰色预测分析

发布时间：2019-12-01 15:30

【摘要】：阐述了ZigBee监测变电站高压带电体温度的基本原理与监测过程,完成了相关软件的设计,进行了变电站高压带电体温度的实际测试工作,且利用灰色预测理论,提出了高压带电体温度预测方案,对温度变化实现了较为精准的预测。结果表明,监测系统的稳定性与安全性良好,能够实时监测预测温度,具有较高的推广价值。
【图文】：

网络拓扑结构图,网络拓扑结构

第9期滕志军，等:高压带电体温度监测及灰色预测分析63其实际传输距离介于10～75m之间，一般在30m左右［8］。ZigBee采用碰撞避免机制的CSMA/CA协议，保证了节点间数据的可靠性传输。ZigBee可以自动组网，能够使系统方便灵活地加入或者撤消测温节点［5］，可支持高达65000个节点，采用AES-128加密算法保证了数据传输的安全性。ZigBee联盟制定了星形、树形和网形三种网络拓扑结构［9］，如图1所示。图1ZigBee网络拓扑结构Fig．1ZigBeenetworktopology2.2灰色预测算法灰色预测理论是用于研究数据量少、信息贫瘠的不确定问题的理论方法［10］，在预测领域具有样本需求较少、预测精度较高、低运算量以及不用考虑样本分布规律的优点，得到了广泛的关注与应用［11-13］。本设计采用灰色系统的基本预测模型—GM(1，1)模型［14］，把变电站高压电缆接头的温度看作灰数，进行关联分析，对所测历史数据进行累加累减等数据处理来发现其潜在规律，建立灰色微分方程，从而对温度的未来发展趋势进行预测。一周内所对应的同一时间的历史温度数列为:x(0)=(x(0)(1)，x(0)(2)，…x(0)(n))(1)式中，n为数据个数，且n=7。对x(0)进行AGO运算，使之构成累加温度数列x(1)，以弱化历史数据的波动性和随机性，则:x(1)=(x(1)(1)，x(1)(2)，…x(1)(k))(2)式中，x(1)(k)=∑ki=1x(0)(i)，k=1，2，…，n。GM(1，1)灰微分模型为:x(0)(k)+az(1)(k)=b(3)式中，z(1)(k)为x(1)(k)的紧邻累加温度均值序列，z(1)(k)=0.5［x(1)(k)+x(1)(k－1)］，k=2，3，…，n;a，b分别为模型发展系数和灰色输入，可通过历史温度数列x(0)和累加数列x(1)求?

硬件结构图,监测系统,组成框图,采集装置

x(0)和累加数列x(1)求得。由方程(3)可得累加数列的预测结果:x^(1)(k+1)=(x(0)(1)－b/a)e－ak+b/a(4)式中，x^(1)(k)表示第k个解析值。由于GM模型得到的是一次累加量，故必须对所得数据进行累减逆生成，则可得到还原预测结果:x^(0)(k+1)=x^(1)(k+1)－x^(1)(k)=(1－ea)(x(0)(1)－b/a)e－ak(5)式中，x^(0)(k)表示累减还原所得到的第k个温度预测值。3系统工作原理系统主要由终端采集装置、ZigBee协调器、GPＲS网络和监测中心等构成。监测系统组成如图2所示。图2监测系统组成框图Fig．2Compositionblockdiagramofmonitoringsystem系统将采集装置(温度传感器与ZigBee终端通过一段数据线相连接)挂接在高压电缆上，温度传感器直接安装在变电站高压电缆接点处，利用直接接触测温方式采集接头温度，，获得更加准确的发热点情况。ZigBee协调器负责接收下层(采集装置直接或ZigBee路由转发)上传的数据，并对信息进行汇总，将接收到的数据通过ＲS232传送给GPＲS，再由GPＲS将数据传送至监测中心的计算机并交由其中的后台软件进行处理。监测中心内的终端数据处理单元完成对接收数据的分析处理，将处理后的数据根据需要存储到数据库中，并以图形与报表形式显示以便分析;当温度超过预先设定的阈值后进行声音报警与屏幕提示处理，提醒值班人员紧急处理。同时，监测中心不仅提供故障点的定位、历史数据查询功能，而且可以根据监测到的历史数据，利用预测算法对未来的温度变化进行预测，在事故发生前采取必要的措施，保证电力系统安全运行。4高压带电体温度监测系统的实现4.1硬件实现本设计实现了采集装置和监测中心主机。采集装置硬件结构图如图3所示，采集装置由传感器模块、

【相似文献】