一起基于BMS分布式光纤测温系统的封闭母线超温报警故障分析

安紫娟 赵军 毛军

摘  要：BMS分布式光纤测温系统在北京奔驰生产车间成功应用，并在封闭母线温度测量方面发挥了重要的作用。文章基于一起超温报警故障进行分析，并进行三个季度的连续追踪，发现母线温度与环境温度紧密相关，并呈现一定的规律性。最终，拟定下一步研究方向，利用母线温度、环境温度、母线电流等大数据信息，基于人工智能算法，建立母线温度预测模型，以指导实际运营。

关键词：BMS分布式光纤测温系统；超温报警；预防性维护；人工智能算法

中图分类号：TN253；TP277  文献标识码：A  文章编号：2096-4706（2023）24-0166-05

Fault Analysis of Enclosed Busbar Over-temperature Alarm Based on BMS Distributed Optical Fiber Temperature Measurement System

AN Zijuan， ZHAO Jun， MAO Jun

（Beijing Benz Automotive Co.， Ltd.， Beijing  100176， China）

Abstract： The BMS distributed optical fiber temperature measurement system has been successfully applied in production workshop of BBAC and has played an important role in enclosed busbar temperature measurement. This paper analyzes an over-temperature alarm fault and continuously tracks for three quarters. It is found that the busbar temperature is closely related to the ambient temperature and exhibits certain regularity. Finally， the next research direction is proposed， which is to establish a busbar temperature prediction model based on Artificial Intelligence algorithms using Big Data information such as busbar temperature， ambient temperature and busbar current， to guide actual operations.

Keywords： BMS distributed optical fiber temperature measurement system; over-temperature alarm; preventive maintenance; Artificial Intelligence algorithm

0  引  言

电力封闭母线接头连接处一直是母线故障的敏感位置。过去的几年内，北京奔驰发生多次由于母线接头超温短路事故，威胁生产[1]。

引起封闭母线表面温度升高的因素是多样的，如设备运转负荷、流过母线的电流、环境温度、接触电阻、母线散热性能等[2]。实验模拟数据表明，封闭母线运行时的环境温度是影响接头温度的重要因素，二者近似线性相关[3]。在北京奔驰最新上线的BMS分布式光纤测温系统，曾捕捉到由于环境温度升高引起封闭母线超温报警现象，为此，项目组积极进行故障排查、分析与追踪。

1  基于BMS的分布式光纤测温系统简介

2022年，北京奔驰上线一套分布式光纤测温系统，利用敷设于封闭母线保护外壳的感温光缆，取代传统的手持红外测温仪测温方式，通过光纤传感技术，采集母线温度，使用能源中心上机位BMS系统，在线监测系统母线温度，指导母线运维。

BMS分布式光纤测温系统作为北京奔驰数字化能源计量与智能化设备自控系统（EMS / BMS系统）中的一部分[4]，能远程实时、连续在线监测封闭母线的温度，使运维人员及时掌握母线故障引起的溫升信息，对母线超温、温升异常等情况进行报警，从而进行预防性检修与维护，继而规避电力火灾隐患[5]。

图1为BMS分布式光纤测温系统主界面截图，展示了车间全部封闭母线形态、模式功能设定等信息，各种报警参数可以根据用户需求与运维经验自定义，若发生温度报警，温度异常母线会由黄色变为红色。监测人员可以点击报警母线进入母线温度详情页，如图2所示，发生报警的测温点位会由黄色变为红色，点击红色报警点位即可弹出点位详细信息，如图2中“MFA420-Z2-T5-22AA07-N1-2/2#W19W18-48”，反映了该测温点位坐标。监测人员可以根据报警弹窗通知运维人员根据坐标精准查找温度异常母线测温点。由此可见，BMS分布式光纤测温系统是一套快捷、高效的预防性维护系统。

2  超温报警故障判断

2.1  故障简述

2022年7月7日12时—14时，BMS母线测温系统T6母线约5个测温点位发生超温上限报警，报警设定上限值为45 ℃。表1列出了当日发生超温报警的5个测温点位在BMS系统的实测最高温度，由于超温报警对温度连续监测，BMS系统温度采集却为15分钟一次，因此个别点位发生短时超温，只进行了报警，温度（大于45 ℃）却未采集，这属于正常现象。

故障发生之后，运维人员随即根据报警弹窗提示位置，对该母线的报警点位进行故障排查。

2.2  故障排查

2.2.1  检查光纤

根据报警弹窗提示坐标，运维人员对温度异常点位的光纤敷设情况逐一检查，发现光纤敷设良好、固定可靠，未产生脱落、位置变化、断纤等情况。因此排除光纤故障系统误报警。

2.2.2  检查母线接头

运维人员对温度异常点位的母线接头情况逐一检查，发现接头处螺栓连接可靠，母线表面光滑整洁，未出现焦灼、异味等故障。因此排除母线接头连接故障，判断该起超温报警不会引起电力火灾故障。

2.3  初判故障原因

排查过程中，运维人员发现，T6母线位于玻璃天窗正下方位置。报警当日天气晴朗闷热，最高气温36 ℃，报警时间段为12时—14时，是一天中最热的时间，加之封闭母线槽保护外壳为金属板，比热容小，散热性能较弱，在没有遮挡、阳光暴晒的午间时分，吸收热量多，导致外壳温度显著升高。综上，初步判断本次报警原因为环境温度过高导致封闭母线温度短时间超过了45 ℃，从而产生超温报警。

3  故障分析与验证

基于上述初步确定的故障原因，进一步进行详细的分析与验证。

3.1  红外热成像仪与光纤测温系统温度值对比

为进一步验证BMS光纤测温系统的可靠性，2022年7月11日（环境最高温度27 ℃）下午14：30分左右，运维人员使用红外热成像仪测量了T6母线12处温度点位的温度，并截取BMS系统T6母线温度值，如表2所示。

可以看出，两种方式测得的温度值基本相符，但存在一定的误差，这是因为：

1）BMS系统截取温度数值的时间跟红外测温存在时间差，截图所获得的数值是某一时间点的温度，而红外测温方式需要每个测温点挨个逐一测量，需要一定的时间过程，所获得的数值是一个时间段内的温度。

2）红外热成像仪通过人工手持测温，测量角度和测量距离都会影响测温数据。

综上分析，两种测温方式数据存在一定的误差是在可接受范围内的，因此，可以认为光纤测温准确、可靠。

3.2  温度曲线规律分析

进一步地，结合超温报警日（7月7日）前后两天的数据，对发生高温的6个测温点位（温度超过40 ℃）进行温度曲线分析，如图3所示。可以看出，一天当中，温度曲线先递增后递减，存在曲线尖峰，即温度最高数值，温度尖峰出现的时间为12时—14时，这是因为，该时间段为一天当中最热的时间，因此位于玻璃天窗下方暴晒的封闭母线温度也最高；对比环境温度可以看出，环境温度越高，曲线尖峰越高，说明最高温数值与环境温度存在一定的关联，且随环境温度的升高而升高；上述现象进一步说明封闭母线温度与环境温度存在很大的关联性。同时，观察5天温度整体波动，发现温度曲线呈“波浪状”规律浮动，发生高温的点位及时间段也存在规律性的律动，因此可以判断报警信息是正常的。

同时，对当日报警母线全部点位温度分析，如图4所示，结合现场母线实际位置情况，也可以看出，位于玻璃天窗下方的报警点位温度普遍偏高，而具有建筑物遮挡的其余测温点位温度普遍较低，因为有建筑物遮挡的母线其周围环境温度较低。

3.3  半年温度追踪

随后，项目组对该母线发生超温报警的测温点（重点跟踪对象）进行了三个季度的追踪，生成了如图5所示的温度追踪曲线。从图中可以看出，曲线呈季节性规律波动，夏季、秋季初期整体温度偏高，冬季温度最低，春季温度又逐渐上升。从夏季到春季，整体温度呈下降趋势，因为夏季、秋季初期环境温度最高，因此母线整体温度也最高；且随着秋季后期、冬季、春季整体温度的降低，T6母线未发生超温报警情况，重点跟踪的测温点位此后也未再发生超温报警（超过45 ℃）。上述分析再次验证了环境温度与母线温度的紧密相关性，母线温度随着环境温度的升高而升高、降低而降低。至于二者是否存在线性相关性，可以借助有限元分析软件，建立母线接头处温度场数学模型，进一步模拟与验证二者关系。

3.4  环境温度影响分析

结合上述分析总结，可以看出，封闭母线温度与环境温度存在很大的关联性，且随着环境温度的升高而升高、降低而降低，并在一天当中随着时间段有规律的波动，一年当中随着季节有规律的波动。无论是一天不同的时间段还是季节，这些都是温度的间歇反馈，这再次验证了2.3节的判断，当日母线超温报警可以判定为环境温度过高导致封閉母线温度过高。

这一分析，对项目组产生了新的启发，一般情况下，实际生产环境中，影响封闭母线温度的可变因素包括环境温度、工作电流等数据，可以结合北京奔驰EMS / BMS系统，获取相关大数据信息，进一步去研究、搭建封闭母线温度故障诊断模型，通过模型预测母线温度。具体地，可以结合复杂真实的生产作业环境而非实验室环境，利用现有大数据体量，基于人工智能算法，建立基于机器学习或深度学习的母线温度预测模型。

3.4.1  基于支持向量机（SVM）的封闭母线温度预测算法

训练流程如下：

1）获取环境温度、封闭母线温度等历史数据，进行数据清洗。

2）将数据按照季节进行划分，处理成四个季节单独的数据和一份全季节数据。

3）每个季节基于SVM构建单季节预测网络，通过第二步构建的季节数据训练网络。

4）基于SVM构建全季节预测网络，该网络充分利用了不同季节封闭母线温度的相似性，通过第二步构建的全季节数据训练网络。

5）将全季节数据送入训练好的单季节预测网络和全季节预测网络，得到两种网络的输出。

6）基于SVM构建综合预测网络，该网络的输入为前一步的输出，该网络的输出为最终预测的封闭母线温度，训练该网络至收敛。

7）部署模型进行推理，其流程如图6所示。

3.4.2  基于长短期记忆网络（LSTM）的时序预测算法

通过实际生产环境中采集到的历史数据，训练LSTM神经网络模型，其可以用时序预测算法预测未来一段窗口内的母线温度，包括以下步骤：

1）獲取日期、环境温度、封闭母线温度等历史数据，进行数据清洗。

2）收集到的日期数据与封闭母线温度具有强相关性，但是长短期记忆网络无法直接识别日期数据，需要将其转换为序列数据，即构建序列数据与日期数据的映射关系。

3）对数据进行归一化，然后将归一化的数据按照6：2：2的比例分为训练集、验证集和测试集。

4）构建并训练长短期记忆网络，用其内部隐含层神经节点来记忆历史窗口内的时序信息进行预测。

5）在验证集和测试集上验证模型效果，选取精度最高的模型进行部署，部署后可预测未来一段窗口内的封闭母线温度，提前预警封闭母线温度过高。

4  结  论

BMS分布式光纤测温系统自应用以来，已在母线温度测量方面发挥了重要的作用，辅助排查母线超温故障，为封闭母线的预防性维护提供了重要的指导意义。随后，项目组会继续追踪不同季节、不同环境温度的母线温度，以进一步观察母线温度变化，同时，通过北京奔驰EMS / BMS系统监测、提取封闭母线温度、电流等大数据信息，参考环境温度、母线参数等数据，基于人工智能算法，结合实际复杂的生产作业状况，预测封闭母线接头处温度，建立母线温度异常故障诊断模型，以指导实际运营管理。

参考文献：

[1] 郭海平.企业电力封闭母线的智能运维及监测诊断系统探析 [J].中国设备工程，2022（S2）：199-200.

[2] 董建航.基于数据挖掘的母线接头故障诊断系统研究 [D].镇江：江苏大学，2022.

[3] 王佳培.基于有限元法的封闭母线槽接头热特性分析及散热影响因素研究 [D].济南：山东大学，2020.

[4] 李明宇，姬清峰，王肖伊.数字化能源计量与智能化设备自控的联合应用 [J].中国计量，2022（3）：66-69.

[5] 安紫娟，李明宇，郭海平，等.分布式光纤测温技术在生产车间封闭母线在线监测中的应用 [J].电子测试，2022，36（11）：103-105+122.

作者简介：安紫娟（1994—），女，汉族，陕西渭南人，工程师，硕士，研究方向：输配电技术。