为解决采煤沉陷区因地质特殊而导致的高压输电杆塔容易发生倾斜、位移等问题,采用多传感器数据融合的方法,研发了针对采煤沉陷区的输电系统位移监测预警系统,应用于采集、传输和分析输电线路杆塔及变电站的倾斜、沉降、环境风速、风向等关键参数。通过采集输电杆塔的倾斜角和绝缘子串风偏角等数据,并对这些数据进行融合处理,得到杆塔的实时倾斜数据,在此基础上分析了输电杆塔健康状况。结果表明,该系统能够较为准确地监测输电杆塔倾斜情况,并在必要时发出预警信号,提高输电杆塔的巡检效率,为确保电力设施安全稳定运行提供了有力保障。
文章来源:《智能矿山》2024年第8期 “学术园地”专栏
作者简介:陈亮,工程师,现任中国平煤神马集团平煤股份二矿机电科长
作者单位:中国平煤神马集团平煤股份二矿;河南理工大学电气学院
引用格式:陈亮,杨凌霄.采煤沉陷区高压架空杆塔监测系统的设计与分析[J].智能矿山,2024,5(8):85-89.
![](/d/file/2024-09-12/3388e2c64420614ebb18ad4117428b5f.png)
关注微信公众号,了解更多矿山智能化建设进展
煤矿开采后的采煤沉陷区高压输电线路和变电站,普遍受到不同程度的影响。因沉陷区发生下沉、开裂、山体滑坡等地质灾害的概率较大,使得该区域内的输电杆塔易发生倾斜、位移,从而对变电站建筑结构造成破坏,引发断线、绝缘击穿等电力事故,且该类突发事故破坏性大。随着电网规模及采煤沉陷区面积的增大,沉陷区输电系统的正常运行,对于安全供电的重要性日益凸显。
目前,多数煤矿采用专门的线路巡检队进行人工巡检的方法,定期对输电线路尤其是位于采煤沉陷区的输电线路进行重点巡视,人工检查杆塔倾斜、导线弧垂、拉线受力等情况,但由于缺乏先进的监测技术手段,巡检过程中只能通过目测观察或爬上杆塔近距离观察的方式,而杆塔倾斜、沉降的初期隐蔽性很强,目测观察无法检查出小角度倾斜;并且整面山坡发生位移时,无法找到参照物。因此,仅凭人工巡检很难准确评估输电系统的不安全状况,只有当杆塔倾斜严重、绝缘磁瓶变形,甚至线路拉断后,才能发现线路故障。
针对以上问题,研发了采煤深陷区高压架空杆塔监测系统,满足杆塔健康状况的数据采集、数据融合处理、结果监测分析的杆塔在线监测等功能,提高输电杆塔的巡检效率,实时监测输电线路杆塔及变电站的倾斜、沉降、环境风速、风向等参数,实现对杆塔及变电站位移情况的实时监测和隐患预警,避免或减少杆塔、变电站位移所带来的供电隐患风险。
采煤沉陷区高压架空杆塔监测系统利用最新传感器技术,高速采集采煤沉陷区输电杆塔及变电站倾斜、环境风速和风向等数据,并对数据进行预处理,经无线射频传输到父节点后数据融合,并将处理后的结果传输到后台监控上位机,上位机系统能够分析和判断所监测参数的趋势,对倾斜概率较大的杆塔做出预警,输电线路检修和维护人员能根据上位机系统进一步采用维护措施,加固和处理杆塔塔基及变电站,防止发生危害扩散,造成进一步的恶性事故。采煤沉陷区高压架空杆塔监测系统总体设计架构如图1所示。
图1 模型总体架构
采用MPU6050对杆塔的倾斜角度和风偏角进行监测,MPU6050是三轴MEMS传感器,由陀螺仪和加速度计组成,陀螺仪可以测量杆塔倾斜角度,加速度计能够测量风偏角。由于减少了加速度计与陀螺仪的封装空间,使得数据采集装置体积更小,更易于安装。
选择WJ-3A作为风速风向传感器,该传感器外壳采用全铝设计,具有体积小、易于安装、防腐蚀等特点,可以满足在野外进行长期工作的要求。可以全方位监测输电杆塔周围的风速风向数据。
数据传输部分采用ARM9(S3C2440)、STC90C516RD+为硬件设计主控芯片,ARM9处理器是由ARM公司设计的一种低功耗、高性能的32位处理器架构,用于在各种嵌入式系统和移动设备上运行,其优势在于能够在低功耗下保持高性能。STC90C516RD+系列单片机是新一代超高速/低功耗的单片机,指令代码完全兼容传统8051单片机,其特点是低功耗的闲置和掉电模式。STC90C516RD+作为系统底层子节点的主控芯片,其主要作用是控制子节点的监测传感器来收集参数;ARM9(S3C2440)作为父节点的主控芯片,负责对子节点传送来的数据进行汇总,并对数据进一步处理,其中最主要的是进行数据融合;通过多个相关的传感器采集底层数字信号;利用无线传输模块对数据进行无线传输;使用GPRS模块进行网络传输。传感器及数据传输模块整体架构如图2所示。
图2 传感器及数据传输模块整体架构
各杆塔安装的传感器所采集的数据收集至子节点,子节点通过无线传输将数据传输至父节点,父节点进行数据剔除处理和数据融合后,通过网络传输技术传输至上位机,最终通过上位机来体现融合后的数据,并在远程监测平台上进行展示。在本文中网络传输主要采用SIM9000的GPRS模块,在传输性能上能满足系统设计的要求,上位机监测平台的设计是用QT来实现的,以提供比较友好的远程监测平台界面。
软件结构设计流程如图3所示。由于采集到的数据存在误差,需要对其进行处理,采用狄克松准则剔除误差数据,该方法无需计算标准差,可以实现快速便捷的数据处理,具体数据处理流程如图4所示。数据融合采用自主学习融合算法,组建被测对象的知识库或模型,通过对数据的特征提取训练模型,使该系统拥有学习能力,为后期的智能化管理奠定基础。
图3 软件结构设计流程
图4 剔除数据误差流程
采煤沉陷区高压架空杆塔监测系统的最终数据融合结果通过上位机监测平台体现。上位机的监测平台要尽量具有友好的人机交互界面,该系统通过TCP协议实现数据的网络传输,将输电杆塔数据融合结果传输至监测平台,从而监测输电杆塔的健康状态,实现远程监控。当今有很多种计算机界面设计工具,各具特点。结合该系统的情况,综合考虑,监测平台界面通过QT来实现,利用QT丰富的库文件能设计出很友好的人机交互界面。
采集输电杆塔多节点、多参数监测数据,风速风向监测采用WJ-3A型风速风向仪,杆塔采用基于MPU6050倾角传感器,各传感器的配套主控芯片为STC90C516RD+。采集数据所用的传感器现场安装如图5所示。
图5 传感器现场安装
杆塔倾斜角传感器和绝缘子串风偏角传感器监测的倾角数据见表1。
表1 倾角及风偏测量值
试验采集数据如图6所示。
图6 试验数据
采用狄克松准则作为数据误差剔除原则,根据狄克松准则将数据从小到大排列:x1,x2,…,xn,则可能存在误差的测量值是x1或xn,分别计算出这2个可能是误差的数据与其相邻的数据之间的差值,用这2个差值与最大值和最小值的差求商,得到Q值,设置合适的置信度,将Q值大于置信度的数据剔除。Q值的计算公式为
Q=(x2-x1)/(xn-x1)(1)
设置临界置信度,根据式(1)计算得出倾角和风偏角各数据Q值,将大于临界值的数值剔除。综上,得到新数据组见表2。
表2 剔除误差后的倾角及风偏数据
剔除误差后的数据如图7所示。图8只对几项参数进行了误差剔除,从处理过程及结果可知,经过误差剔除后的数据组中的数据总体波动不是很大,并且数据线走势比较平滑,表明已剔除误差较大的数据,有利于后面数据融合的进行。
图7 剔除误差之后数据
图8 倾角数据融合结果
数据无线传输模块是基于C1101的NRF24L01无线传输模块,主要功能是将各杆塔所采集到的数据传输至父节点,数据处理主要在父节点进行的,各组数据经误差准则筛选后,输出符合数据融合要求,再使用数据融合算法对筛选后的数据进行融合,通过无线网络传输到上位机监测平台,直观展示融合结果。
父节点为数据处理中心,主要为误差数据的剔除程序执行,及融合最终各项数据组,父节点的主控芯片有较高要求,本文中采用的是ARM9S3(C2440),此芯片符合数据处理过程中所要求的计算能力。
监测数据误差剔除处理后,利用分批估计算法进行数据融合,算法核心是将数据分为2组,分别计算平均值与标准方差,最终的融合结果见式(2)。
式中,为平均值,为方差。
杆塔倾角与绝缘子串风偏角监测数据融合见表3。
表3 杆塔倾角及绝缘子串风偏角监测数据
按奇偶顺序得出分批数据见表4、表5。
表4 分批数据(奇数列构成)
表5 分批数据(偶数列构成)
由图9可以看出融合值波动幅度小,说明融合后数据偏移度减小,对判断杆塔情况更有利。
图9 风偏角数据融合结果
对风偏角进行数据融合,其他参数监测节点的数据就不再详细介绍,下面介绍风偏角的融合。
通过对比上述参数融合结果可知,经过融合后的测量结果偏移度较小,比较准确,当监测模块监测性能很好时,最终融合的结果与监测值的误差很小;当传感器监测数据浮动很大的情况下,因为此时监测的环境参数是不稳定的,如果不经过融合处理,会对最终的结果产生很大的影响。
矿区的变电站和高压输电线路承担着矿区电网的输配电任务,采煤沉陷区域的沉降问题严重影响到矿区的用电安全。本文基于多传感器数据融合的采煤沉陷区高压架空杆塔监测预警系统能够实现以下功能。
(1)该系统能够实时监测采煤沉陷区输电杆塔的倾角、风偏角等,并对各项监测数据进行共享与交互利用、数据处理与分析。
(2)通过整合、分析监测数据,得到被监测杆塔的倾角、位移的变化速度、杆塔和变电站附近的风速、风向,可对因沉陷区地质条件而可能发生的输电线路事故做出预警,做到防患于未然,充分发挥在线监测系统的应用功能。
(3)该系统能够实时掌握高压输配线路的运行参数,可以有效降低矿区突发性大面积停电事故的发生概率,减少停电检修时间和维护费用,提高电力系统的电能质量和供电可靠性,对于保障煤矿安全生产及提高生产效率具有重要意义。
责编 | 李金松
编辑丨李雅楠
审核丨赵瑞