毛 丹

(南通軌道交通集團(tuán)有限公司運(yùn)營分公司)

0 引言

近年來隨著我國城市人口越來越密集, 城市交通出行成為了重要發(fā)展對象, 我國開始大力發(fā)展城市軌道交通事業(yè), 而不同于傳統(tǒng)的鐵路, 城市軌道交通主要動力來源于電力系統(tǒng), 變電站通過220kV/110kV變電成為35kV, 而35kV 線路通過整流系統(tǒng)整流成為±1500V 供給城市軌道交通線路進(jìn)行運(yùn)營, 因此, 電力系統(tǒng)成為了系統(tǒng)唯一動力來源, 而城市人口密集,無論是變電還是電能傳輸無法通過傳統(tǒng)的架空線路形式進(jìn)行傳輸, 因此選用了占地面積小、結(jié)構(gòu)穩(wěn)定的交聯(lián)聚乙烯線路運(yùn)行, 這保證了一方面節(jié)約了大量的土地資源, 另一方面, 電纜線路結(jié)構(gòu)穩(wěn)定, 一般情況下不易發(fā)生故障, 從而廣泛被軌道交通線路所應(yīng)用。

隨著大量的軌道交通線路投運(yùn), 大部分交聯(lián)聚乙烯電纜線路以運(yùn)行超過了10 年, 由于電力電纜線路其配件復(fù)雜, 無論是生產(chǎn)工藝還是安裝工藝都需要經(jīng)過慎重考究, 同時(shí)電纜線路埋于地下, 在長時(shí)間的運(yùn)行過程中, 受到自然環(huán)境、動物侵蝕、過電壓過負(fù)荷的影響, 線路易發(fā)生各類故障, 因此, 電纜線路狀態(tài)監(jiān)測成為了電纜線路穩(wěn)定運(yùn)行的重要參量之一, 對于軌道交通電纜線路, 其承載了軌道交通機(jī)車穩(wěn)定運(yùn)行的重要負(fù)載, 當(dāng)線路發(fā)生故障跳閘時(shí), 快速識別電纜故障點(diǎn)以及故障點(diǎn)排查恢復(fù)軌道交通機(jī)車供電顯得分外重要。

鑒于上述問題, 本文基于BP 神經(jīng)網(wǎng)絡(luò), 優(yōu)化狼群算法, 利用電纜線路故障參量進(jìn)行優(yōu)化訓(xùn)練BP 神經(jīng)網(wǎng)絡(luò)參數(shù), 提出了一種軌道交通電纜線路故障測距實(shí)用性算法。

1 電力電纜故障分類

現(xiàn)階段, 隨著城市化人口的不斷集中, 我國城市化人口越來越集中, 城市化出行以及供電需求越來越大, 隨著城市化用電區(qū)域越來越集中, 架空線路無法適應(yīng)以及滿足城市用電需求, 因此城市集中供電區(qū)域, 類似軌道交通線路、生產(chǎn)工廠大部分采用了電纜線路從而替代了傳統(tǒng)的架空線路, 電纜線路具備更強(qiáng)的穩(wěn)定性以及更低的故障率, 因此城市供電電纜線路逐漸替代了架空線路, 成為了重要的電能載體。

電纜線路一般情況下敷設(shè)于電纜溝或者直埋于地下, 一方面受到生產(chǎn)工藝、施工工藝的影響, 電纜線路易發(fā)生外絕緣損傷的情況, 在長時(shí)間運(yùn)行時(shí), 電纜線路極易從外絕緣缺陷演變成為主絕緣故障, 進(jìn)而導(dǎo)致電纜線路發(fā)生故障跳閘; 另一方面受到地下潮濕自然環(huán)境的影響, 電纜外絕緣層易發(fā)生各類腐蝕, 導(dǎo)致電纜線路出現(xiàn)水樹枝、電樹枝的情況, 進(jìn)而誘發(fā)電纜線路發(fā)生絕緣擊穿的情況; 其次電纜線路在地下會存在蟻噬、鼠噬的情況, 長此以往容易導(dǎo)致線路主絕緣發(fā)生故障進(jìn)而出現(xiàn)電纜擊穿的情況; 最后部分直埋電纜線路容易受到外力破壞導(dǎo)致線路本體出現(xiàn)彎曲, 接地的情況從而嚴(yán)重影響了電纜線路的主絕緣導(dǎo)致電纜線路發(fā)生故障跳閘, 如下圖1 所示為電纜線路主要故障類型:

圖1 電纜線路主要故障類型

2 電力電纜不同種類故障特征分析

上述分析了現(xiàn)階段電纜線路主流故障以及導(dǎo)致主流故障產(chǎn)生的原因, 對于電纜線路而言不同種類的故障其表現(xiàn)出現(xiàn)的特征是不同的, 針對于上述四類故障, 從故障阻抗高低分, 可分為高阻故障、中阻故障、低阻故障。一般情況下由于生產(chǎn)工藝、施工工藝以及潮濕的地下環(huán)境導(dǎo)致的電纜線路發(fā)生故障跳閘此類故障為“漸發(fā)性”故障; 一般情況下其故障阻抗特征均表現(xiàn)為高阻抗類故障, 蟻噬、鼠噬此類故障一般情況下是長時(shí)間小動物啃噬, 最終導(dǎo)致了電纜線路發(fā)生主絕緣損傷進(jìn)而出現(xiàn)了跳閘情況, 該類故障可以判定為中阻故障; 而外力破壞導(dǎo)致電纜線路發(fā)生故障跳閘, 一般是電纜線路的主絕緣遭到了破壞, 該類故障基本為屏蔽層接地或者芯線短接從而導(dǎo)致了線路發(fā)生故障, 該類故障為低阻類故障。

從電纜故障特征來分, 當(dāng)電纜線路由于“生產(chǎn)工藝、施工工藝”導(dǎo)致的電纜發(fā)生故障時(shí), 電纜線路此時(shí)表現(xiàn)出來的特征為首先電纜線路存在微弱放電跡象, 不會明顯表現(xiàn)出工頻的畸變性, 直到電纜開始出現(xiàn)主絕緣擊穿時(shí), 此時(shí)才會發(fā)生明顯的工頻變化, 潮濕環(huán)境影響電纜線路的主要因素是電纜線路絕緣層會出現(xiàn)各類放電情況, 到影響到絕緣后期時(shí), 線路中的環(huán)流明顯變大, 此時(shí)絕緣會出現(xiàn)明顯問題, 而外力破壞類故障, 一般情況下其電纜線路表現(xiàn)出來正常的狀態(tài), 當(dāng)線路發(fā)生外力破壞時(shí), 芯線中電流呈現(xiàn)出明顯變大的狀況, 依據(jù)上述特征可大致區(qū)分電纜線路的狀態(tài)。同時(shí)電纜線路在發(fā)生故障跳閘時(shí), 故障點(diǎn)精確定位尤為重要, 在區(qū)分了電纜線路故障類型后, 以后為電纜線路故障進(jìn)行故障點(diǎn)精確定位算法編寫。

3 優(yōu)化算法簡介

3.1 優(yōu)化狼群算法

狼群算法起源于2007 年, 為了分析自然界中動物捕捉的一種智能算法, 該算法通過不斷的迭代, 進(jìn)而檢索出系統(tǒng)最有解, 應(yīng)用于電纜線路故障測距則是通過數(shù)據(jù)分析方式實(shí)現(xiàn)電纜故障點(diǎn)信息的最有解, 其算法步驟如下所示:

①系統(tǒng)初始化, 在系統(tǒng)中隨機(jī)設(shè)置n匹人工狼,通過隨機(jī)判定設(shè)置狼i位置位于:

初始位置判定方法為, 主要為隨機(jī)產(chǎn)生:

式中, 將rand定義為分布在區(qū)間[-1, 1] 中分布的隨機(jī)數(shù),xmax、xmin為檢索空間內(nèi)的最大值以及最小值;

②從設(shè)置的n匹狼中進(jìn)行選取p只狼作為領(lǐng)袖,在p只狼周圍選取q個點(diǎn)位進(jìn)行搜索, 直到出現(xiàn)qmax為止, 若沒有出現(xiàn), 則繼續(xù)搜索, 所出現(xiàn)則停止搜索, 其中p只狼中第i只狼附近出現(xiàn)的點(diǎn)位中j的位置為:

式中,step為系統(tǒng)設(shè)定步長。

③通過不斷搜索, 進(jìn)行qmax求解, 并不斷改變其位置進(jìn)行迭代, 最終最優(yōu)解位置:

④采用優(yōu)勝劣汰的原則, 進(jìn)行最優(yōu)位置求解, 不斷采用最優(yōu)解迭代, 最終保留部分最優(yōu)解結(jié)果, 進(jìn)而實(shí)現(xiàn)了求解。

⑤其算法流程圖如下圖2 所示。

圖2 優(yōu)化算法流程圖

3.2 優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)算法

由于BP 神經(jīng)網(wǎng)絡(luò)算法在進(jìn)行計(jì)算時(shí)收斂速度不高且會出現(xiàn)局部死區(qū)的情況, 這在對數(shù)據(jù)處理以及算法優(yōu)化時(shí)存在極大問題, 對于BP 神經(jīng)網(wǎng)絡(luò)算法, 本文在進(jìn)行電纜線路故障精確定位時(shí)采用行波電流進(jìn)行數(shù)據(jù)分析, 對行波電流進(jìn)行傅里葉積分變換, 確定其行波電流分頻率以及幅值分布, 然后進(jìn)行故障點(diǎn)求解, 神經(jīng)網(wǎng)絡(luò)算法是一種較為成熟的模糊概念求解方式, 類似于小波變換, 其神經(jīng)網(wǎng)絡(luò)模型較為廣泛, 本文選用BP 神經(jīng)網(wǎng)絡(luò)由于其具備更高的逼近性以及輸入輸出的非線性映射性, 因此BP 神經(jīng)網(wǎng)絡(luò)算法模型具備更強(qiáng)的故障測距計(jì)算能力, 圖3 所示為BP 神經(jīng)網(wǎng)絡(luò)算法的基本模型。

圖3 BP 神經(jīng)網(wǎng)絡(luò)算法流程圖

4 電纜故障定位

上述算法利用狼群優(yōu)化算法結(jié)合BP 神經(jīng)網(wǎng)絡(luò)算法對電纜線路故障測距提出了最優(yōu)解, 以下對電纜線路進(jìn)行仿真驗(yàn)證, 本文針對于軌道交通電纜線路進(jìn)行故障測距驗(yàn)證, 給出了電纜線路的分布式參數(shù)以及PSCAD 仿真模型, 表1 所示為電纜線路正序負(fù)序仿真參數(shù), 圖4 為電纜線路線路PSCAD 仿真模型。

表1 電纜分布參數(shù)

圖4 電纜故障仿真模型

本文選用的故障點(diǎn)模型為注入式故障模型, 以A相單相故障為例子, 通過切換故障點(diǎn)位置不斷該變故障點(diǎn)信息通過上述優(yōu)化研究的算法與實(shí)際故障點(diǎn)信息相比對, 進(jìn)而獲得故障測距信息的準(zhǔn)確性。

通過表2 證明, 經(jīng)過優(yōu)化的BP 神經(jīng)網(wǎng)絡(luò)算法相比于傳統(tǒng)的故障測距算法具有一定的提升, 但是隱藏層的tran-sigmoid 函數(shù)相對而言, 同樣重要, 本文中第三類隱藏層的算法具有更加高的故障測距的精確性。

表2 優(yōu)化算法計(jì)算結(jié)果與實(shí)際故障點(diǎn)對比結(jié)果

5 結(jié)束語

隨著城市化發(fā)展需求, 電纜線路逐漸發(fā)展成為了重要的電能傳輸載體, 其故障種類繁多, 同時(shí)不同的故障種類表現(xiàn)出現(xiàn)的故障特征不盡相同, 本文采用了狼群算法優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)算法, 采用了第三類transigmoid 函數(shù)相對而言其故障測距精度更有更高的精確性, 不足之處在于本文采用了仿真計(jì)算形式并未投入到現(xiàn)場試驗(yàn)驗(yàn)證。