汤建锋
云南希邦电力勘察设计有限公司，云南 昆明 675400
摘要：泛在电力物联网是应用于电力网的工业级物联网，充分应用移动互联、人工智能等先进通信、信息技术来实现围绕能源生产、传输与消费各环节的人、机、物的移动互联，具有状态全面感知、信息高效处理、应用便捷灵活的特点。从架构上来讲主要包括感知层、网络层、平台层、应用层四层结构。其中，感知层通过在电源、电网、用户、企业经营等各环节部署的智能终端，采集全环节数据信息，实现电力系统设备及客户状态的全面感知、自动控制和互动服务，是泛在电力物联网的重要基础。
关键词：传感器物联网在线监测
1传感器技术在电力物联网中的应用
（1）传感器是感知层中的重要设施泛在电力物联网通过大量对多种物理量敏感的传感器实现对电力网各个环节关键设备的运行状态在线监控。其采集信息包括电网运行、设备状态、计量表计、客户服务、环境监测、资产管理等6大类数据，需在电源、电网、用户、企业运营方面全方位装设智能感知终端，实现信息泛在感知。输变电设备的在线监测覆盖了电力网的各个环节，包括变压器、电容器、避雷器、断路器、GIS设备、电缆、输电线路的在线监测。其中变压器、GIS及罐式断路器等设备局部放电监测、红外测温等在线监测技术发展相对成熟。
（2）以电力系统中的关键设备变压器的在线监测为例分析传感器在电气设备在线监测中的应用。传感器在变压器在线监测中的应用覆盖了变压器油中溶解气体、局部放电、绕组变形、及振动频谱监测等方面。通过监测变压器油中特征气体量可以可靠监测到油浸变压器内部故障如过热、电弧、绝缘破坏等类型类型。安装变压器油中特征气体传感器，对油中特征气体进行可靠分析，就可以通过监测变压器油的变化情况及时发现发展周期相对较短的故障。
（3）变压器绝缘结构复杂，容易因局部电场强度过高、绝缘油中的气泡导致局部放电，进一步致使绝缘恶化。变压器局部放电将引发变压器不同位置的声、光、电、热等物理状态变化，据此可以选用不同类型的传感器采取多种监测方法实现对变压器运行状态的感知。局部放电的检测手段包括脉冲电流法、射频检测法、超声波检测法、光检测法、UHF检测法。其中，脉冲电流法通过检测阻抗或以由罗可夫斯基线圈绕成的电流传感器检测变压器套管末端、外壳、中性点、铁心等部位的接地线的脉冲电流来判断变压器是否发生局部放电；变压器局部放电产生电脉冲信号的同时会产生超声波信号，通过装设在变压器外壳的超声波传感器可以对超声波信号进行采集，检测变压器内部局部放电情况，通常采用压电传感器，受电气信号干扰小，在局部放电的定位上应用广泛；射频检测法利用传感器监测变压器中性点处或传感器直接放置在变压器内部以获取因局部放电产生的电磁波信号，常用的传感器主要有罗可夫斯基线圈、电容器传感器以及射频传感器，其测量频率高达30MHz；光检测法是利用光电探测器监测局部放电产生的光辐射信号，将其转化为电信号经放大处理后送到监测系统，受电磁环境干扰较小，造价较高，而且只能检测外部放电，灵敏度较低，往往需要多个传感器；超高频检测法通过超高频传感器接收变压器局部放电产生的超高频电磁波信号，其检测频段较高，检测灵敏度高，造价较高。由于不同检测方法具有不同的优势，在工程中可以将多种传感器结合使用，根据局部放电特征对信号进行比对分析，全方位地对变压器进行在线监测。
（4）传感器在变压器在线监测中的应用还包括利用脉冲信号注入传感器通过电磁耦合在线向变压器注入激励信号并通过响应信号采集传感器获取响应信号对变压器绕组变形情况进行在线监测；利用穿心电流传感器测量变压器铁心接地电流，作为铁心短路故障诊断的特征量；利用传感器在线监测变压器油箱的表面震动情况，分析变压器绕组、铁心、调压开关、油泵等组件是否存在机械性缺陷。
2泛在电力物联网中的数据分析
随着泛在电力物联网概念的提出,泛在电力物联网建设将广泛应用大数据、云计算、人工智能等信息技术和智能技术。在线监测数据为输配电设备状态评估提供必要的参数，是状态检修的重要辅助手段。传感器感知信息种类越来越多、体量越来越大、增长快应用广泛，可以为泛在电力物联网提供丰富的原始数据。同时，传感器尚存在能否在恶劣环境下稳定工作、功能是否高度可靠、功耗能否达到要求的技术难点，传感器技术在输配电设备在线监测系统中的应用存在设备故障率高、监测不稳定等问题。另一方面，输配电设备状态评估依靠提取特征量进行分析进而做出判断，存在数据处理困难，计算复杂，状态评估困难的问题。人工智能在海量数据处理、信息挖掘和模式识别等方面表现突出，能够满足泛在电力物联网海量多源异构信息的处理需求。其中，深度学习是人工智能的重要代表,包括深度置信网络、长短期记忆神经网络、堆栈自编码器、卷积神经网络算法。
.png)
图1 电力物联网的输配电设备在线监测应用
结合人工智能的数据分析方法可以为此类问题提供新的解感知信息是电力设备状态评估的重要依据，传感器的监测性能受到现场环境、设备运行所产生的电磁干扰以及传输过程中的噪声及信号损失的影响，原始数据通常需要利用人工智能对异常数据进行识别、清洗、修复。利用人工神经网络模型进行噪声点的修复填补，能够为后续数据分析提高状态评估的准确度。电气设备状态评估困难主要体现在评估等级界限的模糊性及随机性。利用大数据分析平台存储输配电设备在线监测的历史数据，综合考虑该设备所处环境因素，结合人工智能的学习模型对大量数据进行分析训练，来挖掘输入状态量与电气设备运行状态的非线性映射关系，实现对不同电气设备、不同故障类型的快速分析和判断，对设备运行状态做出评估，以及进一步完成输配电设备的故障诊断与趋势预测。
3结语
传感器技术在电力设备的在线监测中覆盖了输配电各个环节，能够根据输配电设备不同运行状态下多种物理量的变化特点，实现模拟信号向数字信号的转换，随着传感器在电力系统中感知信息种类增多、体量增大，可以为泛在电力物联网提供海量原始数据，同时存在故障率高、监测不稳定的问题。结合人工智能的数据分析方法进行数据清洗可以降低因电磁干扰以及传输过程中的噪声及信号损失对输配电设备状态评估造成的影响；基于历史数据进行深度学习可以完成对故障类型的分类识别，进而实现状态评估、故障诊断；采用本地化控制、分布式处理的方式进行边缘计算，实现数据处理快速响应。
参考文献
[1]崔孟阳,王会琳,薛保星,高晓丽.泛在电力物联网的边缘节点感知自适应数据处理方法分析[J].通信电源技术,2020,37(03):131-132.
[2]许跃,骆娟.电力物联网传感器技术在电力设备在线监测中的应用[J].数字技术与应用,2019,37(12):36+38.