基于神經(jīng)網(wǎng)絡(luò)的配電柜電氣火災預警模型設(shè)計

賈振國 許琳 楊忠亮

摘 要：配電柜是電力系統(tǒng)及工礦企業(yè)重要的配電設(shè)備之一，其安全、穩(wěn)定運行直接關(guān)系到企業(yè)的正常生產(chǎn)和人們的日常生活。配電柜電氣火災是配電柜運行過程中的重要安全隱患。針對配電柜電氣火災的成因，提出了基于神經(jīng)網(wǎng)絡(luò)的配電柜電氣火災預警模型。該模型在考慮常規(guī)電氣火災誘發(fā)因素如弧光、煙霧、溫度等的同時，融合了電壓、電流和電能質(zhì)量等電氣參量作為電氣火災成因的特征量。該模型具有自學習、記憶和推理判斷的特點，能夠有效提高預警的可靠性。采用MATLAB仿真驗證了模型預警的效果。

關(guān)鍵詞：配電柜；神經(jīng)網(wǎng)絡(luò)；電氣火災；預警；模型

中圖分類號：TP216+.3 文獻標志碼：A 文章編號：2095-2945（2018）10-0091-03

Abstract： Distribution cabinet is one of the important distribution equipment in power system and industrial and mining enterprises. Its safe and stable operation is directly related to the normal production of enterprises and people's daily life. Electrical fire of distribution cabinet is an important safety hazard in the operation of distribution cabinet. In view of the causes of electrical fire in distribution cabinets， an electric fire warning model of distribution cabinets based on neural network is proposed. In this model， the electrical parameters， such as voltage， current and power quality， are considered as the characteristics of electrical fire caused by conventional electrical fire inducing factors， such as arc， smoke， temperature and so on. The model has the characteristics of self-learning， memory and reasoning and judgment， and can effectively improve the reliability of early warning. The effect of model warning is verified by MATLAB simulation.

Keywords： distribution cabinet； neural network； electrical fire； prewarning； model

引言

配電柜是電力系統(tǒng)和企事業(yè)單位供配電的重要設(shè)備之一。配電柜的安全運行直接關(guān)系到電能的連續(xù)供給和用戶負荷的正常運轉(zhuǎn)。配電柜運行過程中的潛在隱患是電氣火災，據(jù)公安部消防局統(tǒng)計，2016年國內(nèi)共發(fā)生電氣火災9.4萬起，占火災總數(shù)的30.4%；2017年第一季度國內(nèi)共發(fā)生電氣火災2.4萬起，占火災總數(shù)的29.8%[1]。在這些電氣火災中，由配電柜或配電柜外供線路引起的火災占有相當大的比例。因此，對配電柜及其外供線路進行電氣火災的預警監(jiān)測具有重要的現(xiàn)實意義。

本文在對配電柜內(nèi)部實施溫度、煙霧、火焰等常規(guī)電氣火災監(jiān)測的基礎(chǔ)上，增加了對配電柜電能質(zhì)量指標的監(jiān)測與分析，融合多種信息構(gòu)建了基于神經(jīng)網(wǎng)絡(luò)的配電柜電氣火災預警模型。采用該模型不僅可以發(fā)現(xiàn)配電柜內(nèi)部的電氣火災隱患，還可以通過對配電柜外供線路的實時監(jiān)測與分析，及早發(fā)現(xiàn)外供線路存在的電氣火災隱患并發(fā)出預警信息，做到防患于未然。

1 配電柜電氣火災成因

1.1 誘發(fā)配電柜電氣火災的主要因素

（1）短路

短路是配電柜電氣火災的主要誘發(fā)原因之一。配電柜內(nèi)相導體間的絕緣擊穿或絕緣破損，導致相線與相線、相線與零線或相線與地的絕緣電阻降低，電流突然增大，瞬間發(fā)熱量超過正常運行發(fā)熱量，引燃絕緣或周邊可燃物，形成火災。

（2）漏電

漏電是指由于線路絕緣降低，導線在某處與大地之間有一部分電流通過，漏電流較大時便會在漏電部位產(chǎn)生局部高溫、電火花或電弧，形成火災隱患。漏電一般是由于絕緣降低造成的，通常比較隱蔽不易發(fā)現(xiàn)。因此，電氣線路漏電引發(fā)的火災事故是電氣火災事故中最為隱蔽和難以防范的一種，并且電氣火災漏電又是引起短路或電氣設(shè)備故障的誘因[2]。

（3）過負荷

過負荷是指電氣設(shè)備或?qū)Ь€超過了額定載流量，過負荷會導致設(shè)備或?qū)Ь€溫度不斷升高，加快絕緣老化，嚴重過負荷時會引燃絕緣，形成火災。

（4）接觸不良

接觸不良主要發(fā)生在電氣設(shè)備引出端或線路接頭部位，接觸電阻的增大，會導致導體接觸部位額外的發(fā)熱，形成高溫，嚴重時可能使接觸部位的導體融化或者引燃絕緣層或周邊的可燃物，從而形成火災。

（5）諧波

“諧波是對周期性交流量進行傅里葉級數(shù)分解，得到頻率為基波頻率大于1整數(shù)倍的分量[3]”。諧波是電能質(zhì)量的重要指標之一。諧波可能由供電電源形成，也可能由負載中的電動機、變壓器或非線性負載形成。諧波含量的增加會導致設(shè)備的額外發(fā)熱，加速設(shè)備的老化，從而產(chǎn)生漏電或短路故障，形成火災隱患。

（6）其他電能質(zhì)量問題

其他電能質(zhì)量問題主要是指電壓偏差、頻率偏差、電壓波動和閃變及三相不平衡。其中電壓偏差、電壓波動和閃變會導致用電設(shè)備過電壓，加速設(shè)備老化，造成異常溫升。三相電壓不平衡和頻率偏差會使零線電流異常增加并產(chǎn)生諧波，形成火災隱患。

1.2 配電柜電氣火災的主要監(jiān)測內(nèi)容

針對上述配電柜和配電系統(tǒng)的電氣火災誘因，需要對配電柜內(nèi)相關(guān)部位或線路進行實時監(jiān)測，主要包括常規(guī)電氣火災監(jiān)測和電能質(zhì)量監(jiān)測項目。

常規(guī)監(jiān)測項目主要包括配電柜內(nèi)煙霧監(jiān)測、火光監(jiān)測、溫度監(jiān)測、濕度監(jiān)測，這些監(jiān)測項目可以通過配置感煙、感光、感溫和感濕傳感探頭實現(xiàn)。

電能質(zhì)量監(jiān)測項目主要包括配電柜工作和外供回路電壓、電流、功率監(jiān)測和電壓偏差、頻率偏差、電壓驟升驟降及諧波監(jiān)測項目。這些項目的監(jiān)測可以采用ATT7022E、ADE7880、ADE9000等專用電量檢測或電能質(zhì)量監(jiān)控芯片實現(xiàn)。這些芯片具有檢測參量多，外圍電路簡單、性價比高的特點。

2 配電柜電氣火災預警模型

2.1 模型總體結(jié)構(gòu)

配電柜電氣火災預警屬于多輸入單輸出的結(jié)構(gòu)形式。輸入變量主要包括煙霧、溫度、濕度、光強、電壓偏差、頻率偏差、三相不平衡度、單位時間內(nèi)電壓驟升與驟降次數(shù)、三次諧波含量、總諧波畸變率等。輸出變量為電氣火災發(fā)生的可能性，是0～1概率數(shù)據(jù)。圖1為模型的示意框圖。

2.2 神經(jīng)網(wǎng)絡(luò)模型

近年來，神經(jīng)網(wǎng)絡(luò)技術(shù)從理論逐步走向應(yīng)用領(lǐng)域，出現(xiàn)了神經(jīng)網(wǎng)絡(luò)芯片和神經(jīng)計算機。神經(jīng)網(wǎng)絡(luò)在預測控制領(lǐng)域得到了廣泛的應(yīng)用[4]。本文采用三層BP神經(jīng)網(wǎng)絡(luò)構(gòu)建配電柜電氣火災預警模型。輸入層有9個變量，設(shè)置輸入層為9個神經(jīng)元，輸出層僅有1個變量，設(shè)置輸出層為1個神經(jīng)元。隱含層神經(jīng)元個數(shù)的設(shè)置并沒有一成不變的規(guī)則，一般采用試算法或經(jīng)驗法來確定。本文采用參考文獻[5]中所描述的“三分法[5]”確定隱含層的數(shù)目為9個神經(jīng)元。圖2為配電柜電氣火災預警的神經(jīng)網(wǎng)絡(luò)模型。

輸入層到隱含層的權(quán)重為Wij，？茲j為隱含層的閾值，隱含層到輸出層的權(quán)重為Wjm，？茲m為隱含層的閾值。

則有：

對圖2所示模型采用有監(jiān)督訓練方式，首先給Wij，？茲j，Wjm，？茲m賦隨機值，通常該值不宜過大。給定樣本數(shù)據(jù)，編程通過公式（1）和（2）進行反復計算，比較輸出結(jié)果與期望值的誤差，直到誤差達到設(shè)計要求為止。

2.3 MATLAB仿真確定權(quán)重

取50組經(jīng)驗數(shù)據(jù)作為圖2神經(jīng)網(wǎng)絡(luò)的輸入，輸出誤差控制值取0.001，取學習速率0.05，動量因子0.80，當數(shù)據(jù)收斂到誤差范圍內(nèi)時，得到如下權(quán)重值：

3 實例試驗

經(jīng)過MATLAB訓練取得各層權(quán)值和閾值后，采用筆者研制的變壓器風冷控制柜進行了5組驗證性試驗。試驗過程中通過電網(wǎng)模擬器分別改變電網(wǎng)電壓、頻率和加入50%三次諧波用于驗證模型對電能質(zhì)量的響應(yīng)情況。第4組通過調(diào)節(jié)柜內(nèi)加熱器使柜內(nèi)溫度升高至65℃，驗證模型對溫度的響應(yīng)情況。第5組通過給柜內(nèi)注入煙霧，驗證模型對煙霧的響應(yīng)情況，實驗結(jié)果見表1，表中輸入變量和輸出結(jié)果為歸一化后的數(shù)據(jù)。試驗結(jié)果表明模型對單項變量的響應(yīng)基本符合實際，受試驗條件限制，未進行多變量融合試驗。

4 結(jié)束語

本文所建立的基于神經(jīng)網(wǎng)絡(luò)的配電柜電氣火災預警模型，具有結(jié)構(gòu)簡單，易于實現(xiàn)的特點。筆者采用ADI公司ADE0000電能質(zhì)量監(jiān)控芯片和基于ARM Cortex M4內(nèi)核的STM32F407ZET6單片機，實現(xiàn)了包括FFT諧波分析運算和神經(jīng)網(wǎng)絡(luò)推理的功能。但對于多變量同時變化的響應(yīng)情況尚需對模型和算法做進一步的修改和驗證。

參考文獻：

[1]國家安全生產(chǎn)監(jiān)督管理總局網(wǎng)站，www.chinasafety.gov.cn. 2012年以來電氣火災專題分析與預警[EB/OL].

[2]姜峰.低壓線路電氣火災原因淺析[J].四川建筑，2011（05）：226.

[3]GB/T14549-93.電能質(zhì)量公用電網(wǎng)諧波[S].

[4]劉金琨.智能控制[M].北京：電子工業(yè)出版社，2012：110-116.

[5]王嶸冰，徐紅艷，李波，等.BP神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點數(shù)確定方法研究[J].計算機技術(shù)與發(fā)展，2017，12.

[6]GB/T14549-93.電能質(zhì)量公用電網(wǎng)諧波[S].

[7]楊磊.網(wǎng)絡(luò)化電能質(zhì)量監(jiān)測系統(tǒng)的研究與實現(xiàn)[D].江南大學，2017：20-22.

[8]陳志旺.STM32嵌入式微控制器快速上手（第2版）[M].北京：電子工業(yè)出版社，2014.

[9]High Performance， Multiphase Energy，and Power Quality Monitoring IC[DB/OL].Analog Device Inc.2016.

[10]ADE9000 Technical Reference Manual[DB/OL]. Analog Device Inc.2016.

[11]EVAL-ADE9000EBZ User Guide[DB/OL]. Analog Device Inc.2016.

[12]EV-ADE9000SHIELDZ User Guide[DB/OL]. Analog Device Inc.2016

[13]賈振國，張勝寶，楊忠亮，等.智能化儀器儀表實用抗干擾技術(shù)[J].科技創(chuàng)新與應(yīng)用，2017，32：35-39.

[14]何昱.基于STM32F407的單相電參數(shù)測量儀[J].成都大學學報，2013，12.