呂志立,,
(1.廈門三安集成電路有限公司,福建 廈門 361021;2.集美大學(xué)輪機(jī)工程學(xué)院,福建 廈門 361021)
船舶電纜承擔(dān)整艘船舶電能的傳輸,是船舶組成中非常重要的角色。海上濕度較大,鹽度較高,機(jī)艙油霧濃度高,并且電纜線芯在電能和電信號(hào)的傳輸過程中會(huì)產(chǎn)生相當(dāng)大的熱量,以及電纜受到不同程度的振動(dòng)和沖擊等,在眾多因素的綜合作用下電纜絕緣層材料很容易受到損壞,導(dǎo)致絕緣性能下降甚至失效,進(jìn)而影響船上電氣系統(tǒng)的安全和穩(wěn)定,輕則船舶無法正常運(yùn)行,重則船毀人亡。船舶電纜與陸上電纜有顯著不同,陸上電纜是通過高架線路進(jìn)行鋪設(shè)的,而船舶電纜通過電纜托架進(jìn)行鋪設(shè),電纜與電纜托架之間會(huì)構(gòu)成電容器,在海洋環(huán)境下,電纜絕緣層易被腐蝕老化,同時(shí)伴有短路電弧。目前,關(guān)于電纜故障診斷的研究主要針對(duì)壽命預(yù)測(cè)[1-3]和故障位置定位[4-10],然而針對(duì)電纜老化預(yù)測(cè)方面的研究較少[11]。因此,本文提出一種基于卡爾曼濾波器的船舶電纜老化預(yù)測(cè)方法。
圖1 船舶電纜模型Fig.1 The Model of Ship Cable
船舶電纜是均勻傳輸線路,船舶電纜模型如圖1所示。其中:電感L2表示每單位長(zhǎng)度電纜具有的電感;R表示每單位長(zhǎng)度電纜具有的電阻;C2表示每單位長(zhǎng)度電纜具有的電容;C1表示由于電纜老化使電纜與電纜托架之間構(gòu)成電容器的電容;arc為電纜老化過程中產(chǎn)生的短路電??;AC是交流電源;L1集中反映交流電流在通過除老化電纜之外的其余電纜線時(shí)產(chǎn)生的磁場(chǎng)效應(yīng)[12]。
電纜老化表現(xiàn)為:絕緣層逐漸被腐蝕,絕緣性越來越差,C1的電介質(zhì)相對(duì)介電常數(shù)εr變小,根據(jù)C=εrS/(4πkd)(其中:C表示電容量;εr表示相對(duì)介電常數(shù);S表示電容器兩極板正對(duì)面積;d表示兩極板的距離;k表示靜電常數(shù);π表示圓周率。)可知,C1的電容值也會(huì)逐漸變??;當(dāng)電纜的絕緣層被腐蝕處于臨界狀態(tài)時(shí),C2兩端將會(huì)產(chǎn)生短路電弧,并且隨著絕緣性越來越差,短路電弧的電導(dǎo)率Gs0將逐漸增大。
圖1中電纜模型的阻抗公式為:
Z=(R+jωL2+Zx)(-j(1/(ωC1)))/(R+jωL2+Zx-j(1/(ωC1))。
式中:Z表示船舶電纜的阻抗,C2和短路電弧并聯(lián)的阻抗Zx=Zarc(-j(1/(ωC2)))/(Zarc-j(1/(ωC2))),Zarc表示短路電弧的阻抗;ω為角頻率。
船舶電纜與船舶機(jī)艙及機(jī)艙的其他電氣設(shè)備是相互絕緣的,在電纜老化過程中會(huì)出現(xiàn)短路電弧,電弧是一種氣體導(dǎo)電現(xiàn)象,由于電弧的產(chǎn)生使船舶電纜與船舶機(jī)艙及機(jī)艙的其他電氣設(shè)備通過電弧構(gòu)成回路,產(chǎn)生電弧電流,即短路電流,導(dǎo)致電力系統(tǒng)局部短路,隨著電纜老化越來越嚴(yán)重,電弧電導(dǎo)率逐漸變大,產(chǎn)生的電弧電流也會(huì)越來越大。電弧電流越大,電力系統(tǒng)局部短路的短路電流也會(huì)越大,船舶電力系統(tǒng)的安全性和穩(wěn)定性也就越差,因此可以用電弧電流的變化反應(yīng)船舶電力系統(tǒng)的安全性和穩(wěn)定性。
在仿真實(shí)驗(yàn)中首先搭建船舶電纜模型,通過減小模型中電纜與電纜托架構(gòu)成的電容器的值,增大短路電弧電導(dǎo)的值,模擬電纜的老化過程,采集電纜老化過程中阻抗值和電弧電流有效值,并且觀察它們的變化規(guī)律。
在電纜老化過程中,電容C1逐漸減小,仿真實(shí)驗(yàn)中C1的變化范圍是5×10-3~2×10-5F[12],阻抗的變化規(guī)律如圖2所示。由圖2可知,在電纜老化過程處于臨界時(shí)阻抗會(huì)發(fā)生突變。
在電纜阻抗突變之前,電弧的導(dǎo)電率Gs0幾乎不變,仿真實(shí)驗(yàn)中Gs0=0.2 S。當(dāng)電纜阻抗突變之后,電弧的電導(dǎo)率按線性關(guān)系增加,仿真試驗(yàn)中電容C1每增加0.0001 F,相應(yīng)地電導(dǎo)也增加15 S。電弧電流有效值隨電容變化的關(guān)系如圖3所示。由仿真結(jié)果可以表明,電纜在老化過程中會(huì)產(chǎn)生短路電弧,同時(shí)電弧電流有效值會(huì)突變,并且之后一直會(huì)保持很大的值。
本文所提出的預(yù)測(cè)方法是利用卡爾曼濾波算法對(duì)電纜老化過程中的阻抗值進(jìn)行預(yù)測(cè),用預(yù)測(cè)到下一個(gè)狀態(tài)的阻抗值和當(dāng)前狀態(tài)阻抗值的殘差Wn來表示阻抗的突變,通過殘差檢測(cè)電纜老化產(chǎn)生前期故障的臨界狀態(tài)。
阻抗殘差的臨界值為H1n,如果Wn>H1n,表明電纜老化產(chǎn)生了前期故障。
電弧電流有效值In的臨界狀態(tài)為H2n,如果電弧電流有效值In>H2n,表明電纜的老化使船舶電力系統(tǒng)的安全性和穩(wěn)定性受到威脅,需要及時(shí)更換電纜。
基于此原理,本文提出的船舶電纜老化預(yù)測(cè)方法流程圖如圖4所示。
2.2.1 船舶電纜阻抗動(dòng)態(tài)模型
船舶電纜阻抗離散時(shí)間的動(dòng)態(tài)系統(tǒng)由描述狀態(tài)向量的狀態(tài)方程和描述觀測(cè)向量的觀測(cè)方程共同表示。
1)狀態(tài)方程
x(n+1)=F(n+1,n)x(n)+G(n+1,n)U(n)+v1(n)。
(1)
式中:M維向量x(n)表示船舶電纜阻抗在離散時(shí)間n的狀態(tài)向量;M×M矩陣F(n+1,n)描述船舶電纜阻抗在時(shí)間n的狀態(tài)到n+1的狀態(tài)之間的轉(zhuǎn)移過程;M維向量G(n+1,n)描述船舶電纜阻抗在時(shí)間n的狀態(tài)到n+1的狀態(tài)之間受其他因素的影響;U(n)代表新息;M維向量v1(n)描述研究船舶電纜阻抗過程中因簡(jiǎn)化或忽略一些因素而產(chǎn)生的誤差,假設(shè)v1(n)是均值為零的白噪聲序列,因此它的最優(yōu)估計(jì)為零。
圖1所描述的船舶電纜模型中,電容C1在老化過程中會(huì)隨著時(shí)間逐漸變化,用C1(n-1)和C1n表示C1變化過程中n-1和n兩個(gè)時(shí)刻的狀態(tài),n-1時(shí)刻電纜模型的阻抗值可由式(2)表示。
Zn-1=(R+jωL2+Zx)(-j(1/(ωC1(n-1))))/(R+jωL2+Zx-j(1/(ωC1(n-1))))。
(2)
在Zn的表達(dá)式中,令C1n=C1(n-1)+ΔC,則
Zn= (R+jωL2+Zx)(-j(1/ω(C1(n-1)+ΔC)))/
(R+jωL2+Zx-j(1/(ω(C1(n-1)+ΔC))))。
(3)
把式(2)化簡(jiǎn)為
Zn=Zn-1+ωΔCj。
(4)
構(gòu)建船舶電纜阻抗的狀態(tài)方程,需要把式(4)轉(zhuǎn)換為如式(1)一樣的向量形式,動(dòng)態(tài)方程(4)可以改寫為
xn=Fxn-1+GU。
(5)
2)觀測(cè)方程
y(n)=H(n)x(n)+v2(n)。
(6)
式中:N維向量y(n)描述船舶電纜阻抗在時(shí)間n的觀測(cè)向量;N×M矩陣H(n)描述船舶電纜阻抗在離散時(shí)間n的狀態(tài)向量和觀測(cè)向量之間的關(guān)系;N維向量v2(n)描述船舶電纜阻抗在測(cè)量過程中存在的誤差,假設(shè)v2(n)是均值為零的白噪聲序列,因此它的最優(yōu)估計(jì)為零。
對(duì)于解決這個(gè)問題的優(yōu)化算法,主要有H∞濾波算法和卡爾曼濾波算法[13-15],而可以證明卡爾曼濾波算法比H∞濾波算法在跟蹤不平穩(wěn)系統(tǒng)時(shí)具有更優(yōu)的性能,所以本文利用卡爾曼濾波算法的思想來預(yù)測(cè)Zn。
鑒于本文的研究重點(diǎn),對(duì)它們之間性能的比較本文不再贅述。
2.2.2 船舶電纜阻抗預(yù)測(cè)
由觀測(cè)方程(6)可知,在n+1時(shí)刻電纜阻抗觀測(cè)值y(n+1)的估計(jì)值為:
卡爾曼系數(shù)用來權(quán)衡阻抗預(yù)測(cè)模型和阻抗觀測(cè)模型的比重,用其構(gòu)建船舶電纜阻抗的預(yù)測(cè)公式,更新公式如下:
(7)
(8)
其中:Pt(n)是狀態(tài)協(xié)方差矩陣;F是狀態(tài)轉(zhuǎn)移矩陣;Q是狀態(tài)轉(zhuǎn)移協(xié)方差矩陣。
每一輪迭代后狀態(tài)協(xié)方差矩陣需要不斷更新,以便下一輪迭代時(shí)使用,狀態(tài)協(xié)方差矩陣的更新方程為:
2.2.3 卡爾曼濾波算法總結(jié)
船舶電纜阻抗的動(dòng)態(tài)方程為:
(9)
應(yīng)用卡爾曼濾波算法對(duì)船舶電纜阻抗進(jìn)行預(yù)測(cè):
1)電纜阻抗和狀態(tài)協(xié)方差矩陣的預(yù)測(cè):
(10)
(11)
2)卡爾曼系數(shù)的計(jì)算:
HT(n+1)+R(n+1)]-1。
(12)
3)電纜阻抗和狀態(tài)協(xié)方差矩陣的狀態(tài)更新:
(13)
(14)
為了便于分析,基于卡爾曼濾波算法的電纜阻抗預(yù)測(cè)流程如圖5所示。
仿真實(shí)驗(yàn)對(duì)上述推導(dǎo)的船舶電纜老化預(yù)測(cè)方法進(jìn)行模擬,仿真參數(shù)如下:
圖6為通過卡爾曼濾波算法預(yù)測(cè)到阻抗值的估計(jì)值;圖7為阻抗的殘差信號(hào)Wn;圖8為阻抗的殘差信號(hào)Wn與電弧電流In的比較。
圖7中Wn開始增大時(shí),表明預(yù)測(cè)到的下一個(gè)狀態(tài)的阻抗值與當(dāng)前狀態(tài)的阻抗值存在很大差異,即Zn開始發(fā)生突變;很顯然,在臨界處Wn>H1n,由此可知電纜已進(jìn)入非正常工作狀態(tài)。另外,由于電弧的產(chǎn)生使船舶電纜與船舶機(jī)艙及機(jī)艙的其他電氣設(shè)備通過電弧構(gòu)成回路產(chǎn)生電弧電流,即短路電流,導(dǎo)致電力系統(tǒng)局部短路。圖8中Wn開始增大之后,電弧電流有效值In也迅速增大,并且之后保持很大,表明電力系統(tǒng)局部短路的短路電流也會(huì)迅速增大,并且之后保持很大。當(dāng)電弧電流有效值大于臨界狀態(tài)時(shí),電力系統(tǒng)局部短路的短路電流會(huì)威脅船舶電力系統(tǒng)的安全性和穩(wěn)定性,此時(shí)需要及時(shí)更換電纜。
仿真結(jié)果表明該方法可以對(duì)船舶電纜老化狀況進(jìn)行預(yù)測(cè)。
針對(duì)船舶電纜老化預(yù)測(cè),本文首先建立船舶電纜的老化過程的模型,得出阻抗和電弧電流的變化規(guī)律,然后利用卡爾曼濾波算法對(duì)電纜老化過程中的阻抗值進(jìn)行估計(jì),進(jìn)而得到實(shí)際值和估計(jì)值之間的殘差,通過預(yù)測(cè)的阻抗值和當(dāng)前阻抗值的殘差來檢測(cè)電纜工作狀態(tài),利用電弧電流的突變特性預(yù)測(cè)船舶電纜老化產(chǎn)生前期故障的臨界狀態(tài)。最后,通過仿真實(shí)驗(yàn)驗(yàn)證了該方法是可行的。
[1]魏一.船用低壓電纜剩余壽命預(yù)測(cè)理論與實(shí)驗(yàn)研究[D].大連:大連海事大學(xué),2012.
[2]高云鵬,譚甜源,劉開培,等.電纜接頭溫度反演及故障診斷研究[J].高電壓技術(shù),2016,42(2):535-542.
[3]楊春宇.電力電纜故障分析與診斷技術(shù)的研究[D].大連:大連理工大學(xué),2013.
[4]牛睿.輸電線路故障定位研究及其分析平臺(tái)開發(fā)[D].濟(jì)南:山東大學(xué),2015.
[5]劉亞東.輸電線路分布式故障測(cè)距理論與關(guān)鍵技術(shù)研究[D].上海:上海交通大學(xué),2012.
[6]彭浩,沈興來,陳奎.電纜單端故障測(cè)距的阻抗-行波組合法[J].電力系統(tǒng)保護(hù)與控制,2016,44(23):110-114.
[7]伏圣群.行波反射法電纜故障檢測(cè)關(guān)鍵技術(shù)研究[D].哈爾濱:哈爾濱理工大學(xué),2014.
[8]張建國(guó),徐航,馬荔,等.面向電纜故障檢測(cè)的布爾混沌時(shí)域反射法[J].工礦自動(dòng)化,2016,42(1):35-39.
[9]呂志立.船舶電力系統(tǒng)故障演化機(jī)理與預(yù)測(cè)方法研究[D].廈門:集美大學(xué),2017.
[10]姚海燕,張靜,留毅,等.基于多尺度小波判據(jù)和時(shí)頻特征關(guān)聯(lián)的電纜早期故障檢測(cè)和識(shí)別方法[J].電力系統(tǒng)保護(hù)與控制,2015(9):115-123.
[11]許奇歆,王榮杰,周海峰.電力系統(tǒng)故障預(yù)測(cè)方法研究[J].電工摘要,2016,12(6):6-11.
[12]GHANBARI T.Kalman filter based incipient fault detection method for underground cables[J].IET Generation Transmission & Distribution,2015,9(14):1988-1997.
[13]LV Q,ZHANG X D YING J.Kalman filtering algorithm for blind source separation[C].Philadephia:ICASSP 2005,2005.
[14]ZHU X L,ZHANG X D,YING J.A new kalman filtering algorithm for nonlinear principal component analysis[J].Springer Berlin Heidelbers,2005,3496:1010-1015.
[15]NIVA D,AUROBINDA R,PRADIPTA K D.A robust H infinite learning approach to blind separation slowly time-varying mixture of acoustic electronmechanical signals[J].Mechanical Systems and Signal Processing,2009,23(6):2049-2058.