文献标识码：B文章编号：1003-0492（2023）08-056-05中图分类号：TP18

★杨嫣妮（国网北京市电力公司电缆分公司，北京100022）

★孟芸，李芹芹，曹远鸿，刘金龙，曹悦（北京卓越电力建设有限公司，北京100029）

关键词：电缆隧道；实时监测；人工智能；智能预警；神经网络

目前，随着我国经济的不断发展，城市化进程的不断加快，电力需求量也在不断增加，城市的电力电缆尤其是高压电缆数量和里程也在不断增加。正是由于电缆隧道占地面积小，电缆受到恶劣天气等自然条件的影响小等优势条件，高压电缆正逐渐取代架空线路输电成为城市电力输送的主要方式。保证高压电缆安全稳定运行一直都是电力行业最重要的工作。

电力电缆作为城市电网的重要输电载体，随着电力电缆运行时间的增加，其绝缘状况、运行温度等电缆本体的重要指标和隧道温度、湿度等环境指标都会影响电缆的安全稳定运行。现在大多数电力电缆及隧道的运行维护主要采用人工巡检模式，无论是从维护成本上还是电力电缆稳定运行上都存在一定的局限性。为了保障电力电缆线路安全稳定运行，需要对电缆本体及隧道进行实时监测，发现异常时及时上报预警，便于对该条线路或隧道采取相应措施。本文针对电缆隧道运维系统开发及应用，提出相应的思路。

以某路电缆线路及其隧道为背景，构建电缆隧道监测系统，使系统具有电缆本体和电缆隧道的重要指数的实时监测功能，并上传系统，在线路发生故障前提前进行预警，保证线路安全稳定运行，减少一定经济损失。

电力电缆隧道监测系统的架构如图1所示，主要分为三大模块：数据采集模块、通讯模块和智能预警模块。其中数据采集模块包括隧道环境和电缆本体测量数据。各种监测终端数据经过数据采集模块将数据在通讯模块中上传至系统，经系统内算法对数据进行预警。

1　数据采集模块

电缆运维人员一般在隧道内巡视主要关注电缆沟温度、局部放电、隧道内气体、水位等，这些参数影响着电缆的安全稳定运行。电缆线路中间接头制作过程中可能存在连接不良、进入杂质等问题，进而造成电缆长时间运行过程中发热，甚至发生击穿，所以对其温度、局放的监测就变得至关重要。其次电缆在水中长时间浸泡，则会加速电缆线路老化的程度，容易造成故障。

1.1　电缆本体

电缆本体数据监测一般需要温度、载流量和局部放电等方面的监测，及时发现电缆本体及附件的发热或绝缘老化等问题，避免因未及时发现从而造成击穿等事故发生。在监测数据达到设定值时，则会报警，此时需要运维或检修人员及时处理。

1.1.1　光纤测温

电力电缆在长时间运行过程中会导致材料老化、绝缘受损等问题，最终造成电缆绝缘损害或绝缘击穿故障，有可能会造成相邻电缆线路的损坏等，造成巨大的经济损失和安全事故。通过光纤测温可及时发现线路温度异常的问题，及时采取措施，避免造成过大的经济损失。常见的测温方式主要有热电阻测温、红外测温、光纤测温和半导体测温，目前在企业生产过程中考虑经济、便捷等问题，电缆测温一般采取分布式光纤测温方式，其具有耐腐蚀性、绝缘性高、寿命长、质量轻、传输距离远、损耗低、抗雷电、抗高压大电流等优势，在电气设备、电缆等部位实现实时温度监测和预警，有效解决了电缆隧道无人值守中关键设备的火灾预警问题。

1.1.2　载流量监测

目前常用的载流量监测主要采用动态载流量模型，与分布式光纤测温系统相结合的监测方式，光纤测温应用如图2所示。其主要是通过光纤测温来实时监测电缆本体温度和负荷电流，通过载流量计算软件系统根据线芯温度进一步计算得到流过线芯的电流值，实时显示不同位置的温度、负荷电流和计算出的载流量，当检测到流过的负荷超过设定值时，系统会发出警告预警提示，使运维人员重点关注警告线路，防止因重载或过载进而产生故障问题，保障电缆网安全稳定运行。

图2 光纤测温应用

1.1.3　局部放电监测

一般出现局部放电的情况可能是绝缘内存在气隙、杂质或导体的尖端、毛刺引起绝缘内部电场的歧变，进而发生局部放电现象。局部放电一般不会导致整个绝缘层被击穿，但若不及时发现，在电缆长时间的运行过程中，就极容易发生绝缘击穿事故，引发更大的故障，电缆局部放电检测应用如图3所示。

图3 电缆局部放电监测应用

1.2　环境监测

电缆隧道一般处于地下周围或者沟道较为复杂的环境，一般运行人员除了对电缆本体的温度、载流量、局部放电和电缆外观检查外，还要了解隧道内的温湿度、有毒有害气体含量和隧道内的积水情况等，避免有毒有害气体对电缆本体或者巡视检修人员造成危险。该监测系统在及时监测隧道内水位、湿度、温度、气体等数值信息后，应及时记录并上传原始数据，设定警告值，当超出设定值时系统就会发生报警，提醒运维人员注意或及时启抽水泵或通排风系统，对隧道内进行必要的排水和换气。对隧道内环境的监测是保障电缆寿命和运维检修人员生命安全的一个必要措施，具有极为重要的意义。

1.2.1　有毒有害气体、温湿度监测

由于电缆隧道长期处于密闭环境，周围可能存在燃气或热力管道，有可能出现有害气体或者易燃气体泄漏；电缆外皮和绝缘部分一般都是橡胶制品，在长期运行过程中可能会因绝缘部分老化产生大量有毒有害气体。一般隧道内有毒有害气体主要是一氧化碳、硫化氢、甲烷气体，气体长时间的堆积极有可能对电缆外皮或隧道内金属设施进行腐蚀从而加速设备的老化，缩短其使用寿命。有毒有害气体的沉积会造成隧道内空气含氧量下降，若运检人员未携带气体测试仪则会极容易威胁他们的生命安全，发生安全事故。所以隧道内的有毒有害气体监测对于电缆隧道是至关重要的。隧道内环境温度一般要求控制在40℃以下，温度过高对电缆安全稳定运行会存在影响，同时对于电缆隧道温湿度也是需要进行监测的，有毒有害气体、湿度检测应用如图4所示。

图4 有毒有害气体、湿度监测应用

一般电缆隧道内部通排风装置通过与隧道内有毒有害气体、温湿度监测系统进行连通，分别设有空气含氧量测量、有毒气体测量、可燃气体测量等，当有害气体浓度或空气湿度达到一定浓度时，通过以太网将监测数据及时上传给监控指挥中心，监测指挥中心通过判断监测数据数值决定开启或停止相关排风设备，以保证内部气体、湿度、温度在合理的运行范围内。排风设备的启动或停止需要综合考虑内部管道气体、湿度、温度等综合因素，并附加一定的人工智能判断进行智能决策。多隧道协同联动策略则由监控指挥中心统一调度，实现跨区域多隧道的综合监测管理，隧道现场需要设置各种硬件设施的紧急启停按钮以便现场人员应对突发状况。

1.2.2　水位监测

电缆隧道一般都位于地下，地势较为低洼或者由于结构问题出现渗漏水或阴雨天气倒灌入隧道内等问题，造成隧道内的积水严重，若不及时对隧道内进行积水排除，则会因为电缆本体或附属设备长期浸泡在水中而发生故障击穿等问题，使电缆及其设备造成不必要的损坏。因此，对隧道内的水位进行及时检测，当水位达到一定高度时，隧道内的排水泵应立即启动排除积水。

2　通讯模块

在电缆本体监测数据中，电缆本体温度和载流量数据采集基于分布式光纤测温的电缆温度信息采集系统，将光强度通过计算解调为温度信息；动态载流量信息经过电缆动态载流量模型进行计算。为了保证较高的空间分辨率精度，需配置高频采样模块（要求空间分辨率为2m时采样频率不能低于50MHz）。为了保证数据的准确性，一般都需要对短时间内采集的温度进行求取平均数。为了适应电缆信息数据高速采集与处理的实际需求，采用现场可编程门阵列FPGA作为电缆信息数据的采集与处理模块，其具有以下优点：灵活性高——可重编程，可定制，易于扩展；并行处理——更快的速度，更高的带宽；集成度高——可替代多种数字芯片。

隧道环境信息采集通过空气含氧量传感器、有毒气体传感器、可燃气体传感器、水位传感器等各类传感器直接对数据进行采集，不需要经过大量的计算，通过RS485的通讯方式使气体、湿度、水位等采集的数据上传至隧道内主机，采用RS485专用双绞屏蔽电缆接线，主从式半双工通讯。采用MODBUS标准通信协议，数据帧10位：1个起始位，7个数据位，1个停止位，无验波特率固定为9600bps。

3　智能预警模块

电缆隧道内的环境较为阴暗潮湿，可能会出现渗漏水和有毒有害气体的风险，由于架空入地的趋势，电缆线路的数量越来越多，需要运维人员实时监测的数据也大量提高，并且运维人员的巡视工作一般为周期性工作，有时可能无法及时进行发电缆线路故障前期的预警，从而导致击穿等故障的发生。但现在随着人工智能技术的提高，基于人工神经网络的数据处理方式也在逐渐深入各行各业。在电缆隧道数据监测的这个方面，我们也可以采用人工智能的方式去代替运维人员的巡视工作，并可实时对线路进行监控。通过将BP神经网络引入到电缆本体和隧道环境监测数据的处理和智能预警系统中，运维人员可根据系统预警及时前往现场进行检查，尽可能减少电缆故障的发生，保证电缆网安全稳定运行。

3.1　BP神经网络的应用

现在人工神经网络理论的诞生离不开生物神经网络的启发，而生物神经元具有以下六个基本特征：（1）单个神经元及连接其他神经元的神经；（2）神经元之间的连接可以通过生化作用反应连接传递信号的强弱；（3）监测数据分析与事故智能预警模块设计；（4）重复的训练可以加强特定神经元之间连接的强度；（5）神经元传递的信息既可以刺激也可以抑制相关的机体反应；（6）一个神经元的状态是其从所有连接获得信息的综合体现；（7）神经元有应激阈值，表现为上限或下限。

神经元是构成神经网络的最基本单元，因此人工神经元模型应该具有生物神经元的六个基本特性。人工神经网络是以生物神经元学说为基础的，利用数学模型模拟生物神经网络的某些结构和功能。在电缆隧道监测系统中，运用人工神经网络对所有实时监测数据进行深度学习，由于采集数据数量很多，个别数据监测错误或损坏对输入和输出关系的影响很小，不会影响对于事故的判断，这都归咎于BP神经网络具有较好的容错性。通过对电缆本体和环境隧道多组历史故障数据的训练，可以将对环境数据分析的知识储存在神经网络的连接权中，实现对故障警情的智能预警，协助运维人员进行数据分析，提高工作效率。

3.2　基于蚁群算法的神经网络结构优化方法

对于神经网络来说，隐层结构越复杂，神经网络能学到的知识就越多，在合理训练的基础上，解决问题包括泛化的能力就越强，而代价就是计算越复杂。对于电缆隧道监测系统来说，电缆故障的识别复杂度有限，我们需要通过基于蚁群优化算法的BP神经网络结构优化方法，一是可以保证事故预警的准确性；二是最大限度缩短了计算时间；三是提高了事故告警系统的快速响应能力。蚁群优化算法的启发来自于蚂蚁觅食的群体行为，通过一群蚂蚁从蚁巢出发觅食，在不断探索的过程中，最终形成一条从巢穴到食物的最短路线。该算法不依赖于待优化参数的初始值，属于一种正反馈算法，基于给定的目标函数，通过合理的参数配置可以快速收敛至最优值，从而达到网络复杂度和事故预测的准确性。

电缆隧道的监测终端经过蚁群算法的优化之后，一般是每隔15米的距离设置一个监测终端点，这样既能够满足监测应用的要求，也不会显得终端设置冗余。系统在获取实时数据后，可以采取两种方式对事故进行分析，第一种是用训练好的神经网络进行事故分析，具有快速准确性高的特点；第二种是人工对数据进行抽查或分析异常数据，优点是分析方法更为灵活。第一种方案，在智能分析模块中嵌入了BP神经网络和训练数据。训练数据是在以往发生故障的过程中电缆本体和隧道环境的数据采集信息集合，通过大量的历史数据进行训练神经网络，使其具备了事故分析的先验知识，最终实时数据通过训练成熟的网络计算后，即可生成事故预警结果。人工监督方式具有随机性的特点，运维人员可对各个隧道的状态进行远程随机抽查，并结合智能分析的结果对事故进行全局监控。

3.3　典型事故处理流程

通过BP神经网络的学习和优化，系统已经可以通过监测数据的异常及时向运维人员发出预警，让运维人员及时采取措施，若系统对某条线路发现预警，一般可采取以下几个步骤进行操作：

（1）对于已预警的故障及时联系运维人员前往现场进行核查确认，若数据准确无误，则报送上级判断是否采取措施；若数据存在误差，运维人员应提高警惕，并将核查数据进行反馈。

（2）对于已经发生的故障要及时采取联动或人工处理措施解除故障。

（3）确认事故是否解除，若仍未解除通知专责人员到场处理。

（4）故障处理完毕后形成工作日志，并将故障数据作为样例存入故障库。

目前，对于电缆运维维护最重要的是，及时发现故障预警，在未发现故障时及时对其采取一定措施防止故障的发生；若电缆出现故障则是应尽快解决故障，尽快恢复正常供电。并且可以通过事故发生的前后监测数据作为样本加入到BP神经网络的训练中去，提高事故智能分析模块对电缆故障的智能预警判断能力。

4　小结

总结传统人工运维巡视方式的不足并结合现有监测系统所存在的问题，通过构建一个电缆隧道综合监测系统，对电缆隧道监测系统开展了深入研究。通过对电缆本体数据采集与电缆隧道环境数据进行采集，并根据数据采集与处理的实际需求选择合适的通信支持。整个系统利用BP神经网络系统，对系统采集的数据进行实时分析后直接生成预警信息和智能事故处理联动指令，提高电缆运行的可靠性。再利用基于蚁群优化算法的BP神经网络结构优化方法，一是可以保证事故预警的准确性；二是最大限度缩短了计算时间；三是提高了事故告警系统的快速响应能力。最后，通过设计典型事故的处理流程，完善整个事故告警及处理模块。

作者简介：

杨嫣妮（1997-），女，助理工程师，本科，现就职于国网北京市电力公司电缆分公司，研究方向为高压电缆检修。

参考文献：

[1] 王雪. 电缆隧道综合监测系统设计与实现[D]. 西安科技大学, 2020.

[2] 贾玉涛, 王洪晓, 郑才伟. 人工智能在电缆沟代运维系统开发中的应用分析[J]. 电子元器件与信息技术, 2022, 6 (01) : 167 - 168.

[3] 秦亚杰, 华旭昀, 邓鹏, 翟超超, 王悦. 人工智能高压电缆隧道建设研究[J]. 电力安全技术, 2022, 24 (01) : 37 - 40.

[4] 彭峰, 但涛, 俞清, 伍文婷. 基于人工智能的电缆沟代运维系统开发[J]. 通讯世界, 2020, 27 (01) : 242 - 243.

[5] 岳芸. 城市电力生命线的“智慧管家”——无锡首条人工智能高压电缆隧道投运[J]. 中国电业, 2019, (09) : 60 - 61.

[6] 全国首个基于泛在电力物联网理念的人工智能高压电缆隧道投入运行[J]. 电力与能源, 2019, 40 (03) : 320.

[7] 汪少成, 郭瑞祥. 人工智能行业应用及对电力行业发展的思考[J]. 智能城市, 2018, 4 (23) : 143 - 144.

[8] 田纯青. 移动互联网技术与人工智能在电力行业中的应用[J]. 电子世界, 2019 (10) : 122 - 123 + 127.

[9] 秦亚杰, 华旭昀, 邓鹏, 翟超超, 王悦. 人工智能高压电缆隧道建设研究[J]. 电力安全技术, 2022, 24 (01) : 37 - 40.

[10] 张四维, 赵彦杰, 翟超超, 王雨阳. 一种电缆防外力破坏智能预警系统设计与实现[J]. 通信电源技术2019, 36 (11) : 113 - 114.

[11] 徐涛. 基于分布式光纤振动传感的高压电缆防外破监测预警系统应用[J]. 东北电力技术, 2020, 41 (06) : 30 - 33.

[12] 项恩新, 李建发, 聂鼎, 杨秋昀, 任明. 基于振动特征边缘提取的电缆外力扰动智能感知技术[J]. 电网与清洁能源, 2020, 36 (10) : 55 - 60.

[13] 江智洲. 电力电缆隧道智能监控预警系统剖析[J]. 中国公共安全, 2015 (09) : 77 - 80.

[14] 楚德全. 基于行波技术的电缆故障预警及测距技术的应用[J]. 自动化应用, 2011 (12) : 53 - 54.

[15] 胡丛飞. 一种电缆防外破预警装置的应用[J]. 农村电工, 2021, 29 (04) : 31 - 32.

[16] 杨艳晶, 赵天, 李超权. 智慧电缆安全预警系统探讨——以智慧电缆为基础载体的基于光纤传感技术的电气安全预警平台[J]. 智能建筑 电气技术2021, 15 (03) : 77 - 80.

[17] 李剑. 电力电缆接头温度检测及预警系统的设计[J]. 新型工业化, 2020, 10 (06) : 35 - 36.

[18] 卢忠亮. 电缆在线监测及故障预警测距系统方案实践[J]. 冶金动力, 2019 (11) : 11 - 15.

[19] 窦巍, 钱俊波, 韩叶祥. 高压电缆接头在线监测系统的综合预警机制[J]. 通信电源技术, 2018, 35 (11) : 237 - 240.

[20] 石武. 电力电缆故障监测及预警系统设计研究[J]. 中国设备工程, 2018 (15) : 118 - 119.

[21] 欧洁. 多源异构数据的主题挖掘与信息推荐[D]. 南京农业大学, 2018.

[22] 于毅. 交叉互联电缆行波故障定位方法研究[D]. 山东理工大学, 2021.

[23] 田纯青. 移动互联网技术与人工智能在电力行业中的应用[J]. 电子世界, 2019 (10) : 122 - 123 + 127.

[24] 邓显波, 费雯丽. 基于知识图谱的电缆故障诊断分析[J]. 现代信息科技, 2020, 4 (21) : 148 - 151.

[25] 袁翠翠. 人工智能在电气自动化中的运用[J]. 南方农机, 2020, 51 (12) : 181 + 188.

[26] 孙钦章, 林斌, 胡壮丽. 基于综合监控的高压电缆线路智能运维方法探讨[J]. 电工技术, 2019 (22) : 69 - 71.

[27] 张立云. 电缆隧道机器人监控平台的设计与实现[D]. 河北科技大学, 2019.

[28] 陈兴良, 杜秋实, 张营, 鲁宇. 新型电缆沟道智能巡检系统研究[J]. 黑龙江科技信息, 2017 (12) : 98.

摘自《自动化博览》2023年8月刊