一种开关柜多导联温度传感器测量效度评价方法与流程

1.本发明属于传感器数据多元融合技术领域，特别涉及一种开关柜多导联温度传感器测量效度评价方法。


背景技术：

2.近年来，随着智能电网和配电设备一二次融合技术的发展、传感器生产成本的降低，多导联形式的温度传感技术被广泛应用于开关柜内部温度状态监测。多导联形式的温度传感技术指采用分布式测量的方式，将一种或多种温度传感器布置在被测物体的内部和表面，得到被测物体多节点的温度数据，通过温度数据的多元融合还原被测物体温度分布情况的技术。
3.由于开关柜内部电磁环境的影响，面向开关柜温度监测的传感器的使用寿命一般都在数年以内，在长期工作过程中不可避免会出现故障、性能的衰退，导致采集到的开关柜温度状态参数发生偏移和失效。为了防止因开关柜温度传感器性能下降或失效导致的误报警和漏报警，对温度传感器测量系统本身的效度分析已经成为目前电力行业关注的热点。
4.开关柜内部的主要热源是开关触头和母线排，同时也是开关柜内部温度传感器集中布置的区域；母线排电流产生的热量将通过热传导、热对流和热辐射的形式将热量耦合至柜体结构件、电缆接头和外壁。由于开关柜工作环境较为稳定，因此在开关柜内部能形成具有一定规律的温度分布，不同测点温度数据具有较强的关联性，利用关联性分析进行开关柜温度传感器测量效度评价有利于指导实际生产。


技术实现要素：

5.针对现有技术的问题，本发明提供一种开关柜多导联温度传感器测量效度评价方法，能够应用于配置了多导联温度传感器的开关柜状态监测系统中，以便效度评价更准确，有利于指导实际生产。
6.本发明采用技术方案如下：一种开关柜多导联温度传感器测量效度评价方法，包括如下步骤：
7.s1，基于温度测温点的测温数据，建立开关柜多导联温度监测系统；
8.s2，对搭建的开关柜温度检测系统进行试验标定，记录稳态下各温度测温点的温度随开关柜中负荷电流大小的变化，以获得历史数据；
9.s3，通过历史数据对开关柜多导联温度监测系统中多导联温度传感器之间的关联特性及关联的概率分布进行研究，基于灰色关联分析法，提出开关柜多导联温度传感器测量效度计算模型；
10.s4，通过开关柜多导联温度传感器测量效度计算模型，将目标传感器与近邻传感器进行相似性关联，通过效度评价值评价目标传感器的数据有效性。
11.关联越是紧密的测量节点，传感器测得温度数据就越表现出趋于一致的变化规律，通过开关柜温度测量数据和传感器测量点之间的关联性系数计算各传感器的测量参考
值，进而获得效度评价值，效度评价即为数据可信度，可作为带电运行开关柜温度传感器是否失效的依据，评价结果更准确，有利于指导实际生产。
12.进一步地，步骤s1中，所述开关柜多导联温度监测系统具有多个温度测温点，其包括母排测点、触头测点、箱壁测点和电缆测点，所述母排测点、触头测点和电缆测点均包括a相测点、b相测点和c相测点，共10个测温点，多个温度测温点能够改善单一温度数据固有的局限性和不稳定性的缺点，有利于模型精准计算。
13.进一步地，步骤s2中，试验标定的过程为：
14.s2.1，对开关柜施加负荷电流一定时间，待开关柜内温度分布稳定后读取温度传感器数据；
15.s2.2，改变负荷电流大小，重复步骤s2.1，以记录稳态下各温度测温点的温度随开关柜中负荷电流大小的变化。
16.进一步地，步骤s3中，开关柜多导联温度传感器测量效度计算模型的具体过程为：
17.s3.1，在所述开关柜内共布置n个温度测量点xi，其中i∈[0,n-1]，设y＝xn为目标位置的温度监测点，其中n∈[0,n-1]，x1,x2,
…
,x
n-1
,x
n 1
,
…
,x
n-1
为近邻温度测量点；
[0018]
s3.2，对n个温度测量点xi进行一定时间段内的等间隔采样，得到时间序列tk＝{t0,t1, t2,
…
,tm}，其中k∈[0,m]，得到测量点xi的历史温度序列构成的m维向量xi(tk)，则目标位置温度序列构成的m维向量为y(tk)，通过灰色关联分析法计算得到近邻温度测量点与目标位置温度监测点之间的关联系数gamma(y(tk),xi(tk))，每个温度监测点关联系数的算数平均值归一化后，获得该温度测量点与目标位置温度监测点之间的灰色关联度ai(tk)，灰色关联度构成的灰色关联度矩阵为an×
n-1
；
[0019]
关联系数gamma(y(tk),xi(tk))通过如下公式获得：
[0020][0021]
式中：ρ为分辨系数，取值范围0～1；a为|y(tk)-xi(tk)|的最小值；b为|y(tk)-xi(tk)|的最大值，且i≠n；
[0022]
s3.3，通过获得目标位置温度监测点y的关联度估计值y'(tk)；
[0023]
s3.4，通过计算获得目标位置温度监测点对应的传感器的效度。
[0024]
进一步地，当gray(tk)＜0.85时，说明目标传感器失效。
[0025]
本发明具有的有益效果：
[0026]
1.本技术使用了多导联的开关柜温度状态监测系统，能够改善单一温度数据固有的局限性和不稳定性的缺点，通过对同一目标的直接和间接观测值进行综合计算，实现对开关柜内部温度更精确的测量；
[0027]
2.通过对开关柜内部热场进行模拟和试验，利用基于k-近邻分类算法得到开关柜内各温度传感器的关联性矩阵，建立多导联温度传感器数据间的联系；
[0028]
3.通过开关柜温度测量数据和传感器测量点之间的关联性系数计算各传感器的测量参考值，进而判断传感器的测量效度，可作为带电运行开关柜温度传感器是否失效的依据。
附图说明
[0029]
图1为开关柜多导联温度监测系统的温度检测点分布示意图，其中：
[0030]
图1(a)为柜体测点示意图；
[0031]
图1(b)为母线测点示意图；
[0032]
图1(c)为触头测点示意图；
[0033]
图1(d)为电缆测点示意图；
[0034]
图2为温度检测点关联示意图；
[0035]
图3为实施例中触头b相测点的温度传感器测量效度序列图；
[0036]
图4为实施例中触头b相测点的测量序列图；
[0037]
图5为实施例中触头b相测点对应的传感器的效度曲线图。
具体实施方式
[0038]
下面结合本发明的附图，对本发明实施例的技术方案进行解释和说明，但下述实施例仅为本发明的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得其他实施例，都属于本发明的保护范围。
[0039]
本实施例以kyn-28型号的开关柜为例。
[0040]
本实施例的开关柜多导联温度传感器测量效度评价方法，包括如下步骤：
[0041]
s1，基于温度测温点的测温数据，建立开关柜多导联温度监测系统；所述开关柜多导联温度监测系统具有多个温度测温点，其包括母排测点、触头测点、箱壁测点和电缆测点，所述母排测点、触头测点和电缆测点均包括a相测点、b相测点和c相测点，共10个测温点，如图1、图2所示；
[0042]
s2，对搭建的开关柜温度检测系统进行试验标定，记录稳态下各温度测温点的温度随开关柜中负荷电流大小的变化，以获得历史数据；
[0043]
试验标定的过程为：
[0044]
s2.1，对开关柜施加负荷电流一定时间，待开关柜内温度分布稳定后读取温度传感器数据；
[0045]
s2.2，改变负荷电流大小，重复步骤s2.1，以记录稳态下各温度测温点的温度随开关柜中负荷电流大小的变化。
[0046]
s3，通过历史数据对开关柜多导联温度监测系统中多导联温度传感器之间的关联特性及关联的概率分布进行研究，基于灰色关联分析法，提出开关柜多导联温度传感器测量效度计算模型；开关柜多导联温度传感器测量效度计算模型的具体过程为：
[0047]
s3.1，在所述开关柜内共布置n个温度测量点xi，其中i∈[0,n-1]，设y＝xn为目标位置的温度监测点，其中n∈[0,n-1]，x1,x2,
…
,x
n-1
,x
n 1
,
…
,x
n-1
为近邻温度测量点；
[0048]
s3.2，对n个温度测量点xi进行一定时间段内的等间隔采样，得到时间序列tk＝{t0,t1, t2,
…
,tm}，其中k∈[0,m]，得到测量点xi的历史温度序列构成的m维向量xi(tk)，则
目标位置温度序列构成的m维向量为y(tk)，通过灰色关联分析法计算得到近邻温度测量点与目标位置温度监测点之间的关联系数gamma(y(tk),xi(tk))，每个温度监测点关联系数的算数平均值归一化后，获得该温度测量点与目标位置温度监测点之间的灰色关联度ai(tk)，灰色关联度构成的灰色关联度矩阵为an×
n-1
；
[0049]
关联系数gamma(y(tk),xi(tk))通过如下公式获得：
[0050][0051]
式中：ρ为分辨系数，本实施例取0.65；a为|y(tk)-xi(tk)|的最小值；b为|y(tk)-xi(tk)| 的最大值，且i≠n；
[0052]
具体归一化过程为：
[0053]
令取时间序列tk的中间值t
m/2
，归一化后的灰色关联度
[0054]
s3.3，通过获得目标位置温度监测点y的关联度估计值y'(tk)；
[0055]
s3.4，通过计算获得目标位置温度监测点对应的传感器的效度；
[0056]
s4，通过开关柜多导联温度传感器测量效度计算模型，将目标传感器与近邻传感器进行相似性关联，如图3所示，当gray(tk)＜0.85时，说明目标传感器失效。
[0057]
以kyn-28型开关柜触头b相测点进行算法对比验证。
[0058]
施加1200a电流，开关柜内部温度开始升高直至稳态，在整个过程中对开关柜各温度测点进行温度采样10次，其中第6次采样时设计触头b相测点失灵(模拟传感器松动导致接触热阻增加，测量数据失真)。分别利用灰色关联分析法、bp神经网络法和均值法三种模型对开关柜触头b相测点温度进行预测(即求取测点y的温度参考值y’)。如图4、图5和表 1所示，从实验结果中可以看出各算法效果为灰色关联分析法＞bp神经网络法＞均值法。
[0059]
原理分析：均值法主要通过测点三相温度数据均值进行评估，仅使用同一个测量位置的三相数据，存在固有缺陷；而灰色关联分析法采用所有测点数据对具体传感器测量数据进行预测，准确性较高；bp神经网络法训练模型数据量需求大，数据量较小时模型不准确。以本技术中建议的0.85为传感器失效界限来判断，灰色关联分析法能正确评估传感器失效与否的可信度较高。
[0060]
表1
[0061][0062]
试验结果表明，本实施例能够准确地描述传感器的失效程度并在时域上定位故障。
[0063]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，熟悉该领域的技术人员应该明白本发明包括但不限于附图和上面具体实施方式中描述的内容。任何不偏离本发明的功能和结构原理的修改都将包括在权利要求的范围中。