考虑环境因素并基于实测频率的输电杆塔损伤识别

高磊 陈扬哲 初金良 黄镠

考虑环境因素并基于实测频率的输电杆塔损伤识别

高磊1，*陈扬哲2初金良1黄镠1

（1.国网丽水供电公司，丽水 323000； 2.国网松阳县供电公司，丽水 323000）

环境温度和湿度对结构频率有明显影响，但是目前关于环境因素对输电杆塔结构频率的影响规律研究较少，导致传统的结构损伤识别方法精度偏低。对一个实际输电塔进行长期健康监测，获取不同温度和湿度下的结构动力信号，并进行频谱分析。根据实测结构频率，采用响应面法对输电杆塔进行模型修正及损伤分析。基于实际监测数据分别建立了输电杆塔的“温度-频率”和“湿度-频率”关系模型，研究环境因素对输电塔一阶频率的影响，并为基于频率的结构损伤识别提供修正方法。结果表明，输电塔一阶频率与环境温度呈正相关，而与环境湿度呈负相关。根据关系模型剔除环境因素影响之后的结构损伤程度与真实情况更加吻合，在实际结构健康监测和损伤识别中应重视环境因素的影响。

损伤识别， 结构健康监测， 频率， 温度， 湿度， 输电塔

0 引 言

输电杆塔长期暴露在自然环境中，遭受交替性气候变化和降水等环境因素的影响。在环境影响下，输电杆塔构件将发生疲劳和腐蚀，从而导致结构发生损伤甚至有功能失效的风险［1］。高压输电是我国电力输送的重要组成部分，一旦输电杆塔发生破坏，必然会给国家带来严重损失。目前的结构损伤评定通常认为损伤可以用结构刚度降低来表征［2］，由于结构刚度和频率存在明确的对应关系，且结构频率相对容易获取，因此开展基于频率变化的输电塔损伤识别方法具有重要意义。然而，结构频率也受到环境温度和湿度变化的影响，因此通过频率实现结构的精准损伤识别需要剔除该影响。

近年来，许多学者开展了诸如温度和湿度等环境因素对结构动力性能尤其是频率影响的研究。黄旭等［3］对某大跨度钢箱梁悬索桥所在地的温度实测数据进行最优概率分布拟合，得到了当地的温度极值，然后通过建立悬索桥有限元模型研究了不同温度对桥梁自振频率的影响。宗周红等［4］考虑温度对材料弹性模量以及几何特性的影响，研究了温度对结构模态频率的影响机理，并以实际工程桥梁为背景，得到了较长时间尺度内温度和斜拉桥频率的相关关系。李小年等［5］从理论上推导了温度对频率的影响公式，利用有限元模拟来考虑温度对结构频率的影响。闵志华等［6］通过对东海大桥主航道斜拉桥的监测的数据进行分析，揭示了温度是影响结构动力特性变化的主要环境因素。李顺龙等［7］应用ANN算法对天津永和桥的加速度和温湿度实测数据进行分析，得到了温湿度与结构模态频率的关系模型。

然而，以上研究主要探究的是基于钢筋混凝土桥梁的模态频率与环境温湿度的关系，关于输电杆塔等钢结构的研究较少。由于钢筋混凝土桥梁与输电杆塔结构在结构形式和材料等方面均不相同，因此相关方法和结论能否直接应用尚需验证［8-10］。本文通过采用现场监测的形式［11-16］，实现了输电杆塔的加速度及环境湿度和温度等数据的动态实时采集，并研究了频率与温度和湿度的相关关系，为传统损伤识别技术提供了改进方法。

1 试验概况

1.1　输电塔现场概况

本文以位于某地区220 kV某线路上的直线输电杆塔为研究对象，该塔位于山区，环境较复杂，需要考虑结构损伤识别和性能评估。杆件截面均为L形角钢，各杆件采用螺栓连接，主材采用Q345钢材，辅材采用Q235钢材，塔高44 m，呼高28 m。输电塔结构现场如图1所示。

图1　输电塔现场实景图

1.2　传感器布置情况及现场健康系统

为了得到输电杆塔真实的温度、湿度及模态频率数据，在该输电塔上安装了结构健康监测系统，该系统包括10个加速度传感器、4个温湿度传感器及4个风速风向仪，其中加速度传感器采用低频振动传感器。传感器布置位置如图2所示。

图2　输电塔传感器布置图

加速度传感器分别位于塔上7.5 m、12 m、16 m、28 m和40 m等5个高度处，并在每个高度上水平正交布置2个传感器，分别采集平面内2个方向的振动情况，采样率设置为100 Hz。温湿度传感器和风速风向仪布置在塔的4.5 m、16 m、28 m和40 m高度处，采集的数据包括温度、湿度、风速和风向，温湿度传感器的采样率为0.01 Hz，风速风向仪采样率为50 Hz。采用不同高度多组传感器同时采集，不仅能更加全面准确地反映输电杆塔的健康状况，同时也能保证数据的有效性。所有传感器和采集设备均通过太阳能独立供电系统提供能源。

加速度传感器、温湿度传感器和风速风向仪用信号线集成到综合采集仪上，通过无线传输设备将传感器采集数据实时传输到远端后台搭建的云平台上。可以在云平台上查看当前实时监测数据以及下载历史数据进行分析。健康监测系统整体构成示意图如图3所示。

图3　输电塔健康监测系统示意图

2 基于实测数据采集和分析

现场健康系统能实时不间断地采集输电塔的环境信息变化量和结构模态信息，通过对采集的大量监测数据进行筛选和分析，选取了2020年5月份到2020年8月份时段内的数据，通过对比不同通道的数据结果选出信噪比小的最优通道以及剔除数据中的异常点，最终得到准确有效的监测数据。

由于加速度传感器和温湿度风速风向仪采样频率不一致，一个采集间隔下的采集时间也较短，因此，选取12 min内采集的数据作为一个工况。对于输电塔加速度数据，取每120 s数据做一次Fourier变换，根据谱峰值法确定第一阶频率，从而得到1组频率和加速度的数据对应关系，这样每12 min共有6组频率和加速度的数据对应关系。去除频率结果中的最大值和最小值再计算平均值从而确定最终的实测第一阶频率值。对于温度和湿度数据，取12 min内采集的4组温度和湿度数据求平均值，作为该工况下环境影响因素温度和湿度的基本数据。输电杆塔典型位置的加速度实测曲线以及对应的Fourier变换幅值谱分别如图4和图5所示，输电杆塔典型位置的温度和湿度时程曲线如图6和图7所示。根据实测数据求得输电塔一阶模态频率的平均值为2.487 0 Hz，将其作为结构频率的标准值。

图4　典型位置的输电杆塔加速度实测信号

图5　典型位置的加速度Fourier谱

图6　温度时程图

图7　湿度时程图

3 有限元建模及模型修正

为了实现考虑环境因素的输电杆塔损伤识别，首先需要通过有限元分析对该杆塔的损伤状态进行模拟并得到其前若干阶频率变化情况，进而进行有限元模型修正，最终为基于实测数据的频率识别和损伤分析提供基本依据。本文选用ANSYS有限元软件建立输电塔模型，采用Link180单元模拟输电塔杆件斜支撑，Beam188单元模拟输电塔杆件主材，杆件截面均采用L型钢，塔腿边界条件由竖向、横向和纵向约束体系构成，三个方向均采用固定支座边界条件进行模拟。输电塔整体的有限元模型及前三阶振型图如图8所示。

图8　输电杆塔前三阶振型图

由于输电杆塔的有限元模型与实际结构有所差异，只有根据实测频率及材料性能等条件对有限元模型进行修正才能使有限元模型与真实结构具有基本相同的动力特性。响应面法是一种以实验设计为基础用于多变量问题建模和分析的统计学方法，能以较少次数的试验拟合出参数与响应间的复杂关系式。因此，本文利用响应面法进行有限元模型的修正。通过在有限元分析中生成钢材弹性模量的随机样本获得相应的结构模型及其结构频率，采用带交叉项的完整二次型函数来拟合二者之间的关系，选取与实测频率最接近的弹性模量取值作为钢材的实际参数，并对结构模型进行调整，最终完成修正，相关方法可参考文献［17］。基于有限元模型对输电杆塔的自振特性进行研究，通过模态分析获得输电塔的前6阶频率。用响应面法对输电塔进行了基于弹性模量的模型修正。最终，修正模型的前6阶频率参见表1中的无损结果。

进一步对修正模型进行整体损伤模拟，以模拟输电杆塔杆件形成的不同程度的损伤。在输电杆塔所有杆件的材料损伤分别为0%、5%、10%和20%的情况下，得到输电塔的主要阶频率信息，结果如表1所示。通过该结果可以建立具有不同损伤程度的结构与其频率之间的关系。

表1　 修正有限元模型在不同程度损伤下的频率

4 环境温度和湿度对输电塔频率的影响

为了实现考虑实际环境影响下的输电杆塔的损伤识别，尚需研究输电杆塔一阶频率与环境温度或湿度的关系。按前文获取典型的结构频率、温度、湿度数据组的方法得到大量的样本数据，其中频率与温度的样本参见图9的散点数据，频率与湿度的样本参见图10的散点数据。采用最小二乘法分别建立实测频率数据与温度及湿度线性拟合函数，频率与温度及湿度的拟合关系分别如图9和图10所示。

图9　频率与温度散点图

图10　频率与湿度散点图

环境温度和湿度与输电杆塔一阶频率关系如式（1）、式（2）所示：

式中：与分别为输电塔环境因素中的温度和湿度；T与H分别为温度和湿度关系下对应的结构实际频率。

由以上结果可以看出，环境温度和环境湿度对输电杆塔一阶频率均有较大影响。对温度范围为［22 ℃，36 ℃］区域内进行线性拟合时，数据变化趋势基本为线性，结构一阶频率随环境温度的升高而增大，两者关系为近似正相关。在湿度为［60%，90%］范围内进行线性拟合时，虽然存在部分数据点离散性较大，但是整体拟合效果较好。结构一阶频率随着环境湿度的增大而减小，两者关系为近似负相关。该结果与传统研究得到的钢筋混凝土桥梁频率与温度或湿度的关系结论相反，这是因为输电杆塔的材料全部为钢材，且只有底部固接，二者的结构形式和约束条件均不相同，所以当研究环境因素影响下的输电杆塔动力性能时不能套用桥梁等结构的研究成果，而需重视实际测试的结果及特征［18］。

为了综合考虑环境温度和湿度对输电杆塔结构的一阶频率影响，本文提出采用加权的方式建立考虑环境因素影响的频率修正公式，如下

式中：m为综合修正频率；和分别为关于温度和湿度的加权影响系数。

由于温度对结构频率的影响更显著，而湿度的影响偏弱，结合实际工程经验，建议分别取0.7和0.3。经验证，适当调整其权重并不会改变基本结果和结论，取值是合理的。

5 考虑环境因素的改进损伤识别方法

由以上结果可以确认温湿度对输电杆塔频率有较大影响，进行健康监测和损伤识别时需要考虑该效应并应根据经验公式力求剔除相关影响。前文通过对输电塔环境因素变化数据和模态数据进行拟合，建立了“频率-温度”和“频率-湿度”的拟合模型，量化了环境温度和环境湿度对输电塔一阶频率的影响。为了研究上述拟合修正方法的准确性，选取该输电杆塔在其他时段的大量监测数据进行验证。

统计结果表明：当环境温度在［20 ℃，34 ℃］范围内时，结构一阶频率实测值与拟合模型的计算值基本相符；当环境湿度在［65%，95%］范围内时，频率实测值也与拟合模型的计算值接近。表2列出了4组最新数据（2020年9月）的典型频率结果，具体包括由修正有限元模型得到的理论频率0、实测频率s，根据温度和湿度拟合模型得到的修正频率T和H，以及综合修正频率m。

表2　 输电塔典型频率结果

采用基于频率变化的公式计算结构损伤程度：

式中，c是损伤分析用频率，可是s、T、H或m。

利用上式分别计算根据实测频率s、温度和湿度拟合模型得到的修正频率T和H，以及综合修正频率m对应的损伤程度s、T、H和m，结果如表3所示。

表3　 输电塔在不同修正模型下的损伤程度

在健康监测系统实际运营中，将10%的损伤作为预警阈值，若超出该值将进行自动报警。在工况1、2、4的结果中，由实测频率直接计算损伤值在5%～10%区间，工况3甚至判断损伤值是在10%以上，将错误预警。这与输电塔实际没有发生较大损伤的事实不符。采用本文的综合修正方法后，所有工况结果均得到有效修正，且工况3的损伤值被修正为0.09，并未超过10%，不会做出误判。由以上分析可以得知，基于输电塔实测数据和有限元分析建立的频率修正模型，能够有效排除环境因素对频率的干扰，降低误判的风险，通过获取的准确频率对输电塔的健康状态进行精准识别。

6 结 论

开展环境温度和环境湿度对于输电塔一阶频率影响的研究，有助于深入了解环境因素变化对输电塔结构动力特性的影响，对于输电塔的健康监测和损伤识别具有重要意义。本文以浙江省丽水市某一真型塔为实验对象，搭建了输电塔健康监测系统，并建立了对应的有限元模型进行模型修正。通过应用傅里叶变换对输电塔实测加速度进行处理，并对温度、湿度数据进行统计，得到了输电塔一阶模态频率及与之对应的环境温度和湿度数据。结果表明，一阶频率与环境温度和湿度有着较明显的相关性。输电塔一阶模态频率与环境温度基本呈正相关，而与环境湿度基本呈负相关。通过数据拟合方法分别建立了一阶频率与环境湿度和环境温度的关系模型。通过对实测监测数据分析并采用拟合模型进行预测，验证了该关系模型的准确性。本研究方法和模型可为输电塔基于环境因素温度和湿度的健康监测和损伤识别提供技术支持。

［1］肇鸿儒，杨礼东，刘福海.输电塔结构杆件及节点损伤识别［J］.吉林电力，2016，44（2）：14-16.

Zhao Hongru，Yang Lidong，Liu Fuhai.Damage identification of the member and node for the transmission tower ［J］.Jilin Electric Power，2016，44（2）：14-16.（in Chinese）

［2］何浩祥，张小福，王小兵.基于协整理论的环境温湿度效应下连续梁桥频率修正方法［J］.振动与冲击，2018，37（7）：23-31.

He Haoxiang，Zhang Xiaofu，Wang Xiaobing.Frequency modification of continuous beam bridges based on co-integration theory under effects of temperature and humidity［J］.Journal of Vibration and Shock，2018，37（7）：23-31.（in Chinese）

［3］黄旭，朱金，钱逸哲，等.基于地区温度实测数据的大跨度钢箱梁悬索桥的温致效应研究［J］.土木与环境工程学报，2020，30（4）：1-7.

Huang Xu，Zhu Jin，Qian Yizhe，et al.Temperature effects on long-span steel box girder suspension bridge based on regional measured data ［J］.Journal of Civil and Environmental Engineering，2020，30（4）：1-7.（in Chinese）

［4］宗周红，张坤，廖聿宸，等.考虑运营环境不确定性的斜拉桥模态频率识别［J］.中国公路学报，2019，32（11）：40-50.

Zong Zhouhong，Zhang Kun，Liao Yuchen，et al.Modal frequency identification of cable-stayed bridges considering uncertainties of operational environmental factors［J］.China Journal of Highway and Transport，2019，32（11）：40-50.（in Chinese）

［5］李小年，陈艾荣，马如进.温度对桥梁模态参数的影响［J］.华南理工大学学报（自然科学版），2012，40（4）：138-143.

Li Xiaonian，Chen Airong，Ma Rujin.Influence of temperature on modal parameters of bridge［J］.Journal of South China University of Technology （Natural Science Edition），2012，40（4）：138-143.（in Chinese）

［6］闵志华，孙利民，仲政.环境温度对斜拉桥动力特性的影响分析［J］.同济大学学报（自然科学版），2011，39（4）：488-494.

Min Zhihua，Sun Limin，Zhong Zheng.Effect analysis of environmental temperature on dynamic properties of cable stayed bridge［J］.Journal of Tongji University （Natural Science Edition），2011，39（4）：488-494.（in Chinese）

［7］李顺龙，李宏伟，李惠，等.考虑温湿度影响的桥梁结构模态频率分析［J］.天津建设科技，2008，15（3）：51-55.

Li Shunlong，Li Hongwei，Li Hui，et al.Modal frequency analysis of bridge structure considering the influence of temperature and humidity ［J］.Tianjin Construction Technology，2008，15（3）：51-55.（in Chinese）

［8］张逸，林焱，吴丹岳.电能质量监测系统研究现状及发展趋势［J］.电力系统保护与控制，2015，43（2）：138-147.

Zhang Yi，Lin Yan，Wu Danyue.Current status and development trend of power quality monitoring system ［J］.Power System Protection and Control，2015，43（2）：138-147.（in Chinese）

［9］段涛，罗毅，施琳，等.计及气象因素的输电线路故障概 率的实时评估模型［J］.电力系统保护与控制，2013，41（15）：59-67.

Duan Tao，Luo Yi，Shi Lin，et al.A real-time fault probability evaluation model of transmission line considering meteorological factors［J］.Power System Protection and Control，2013，41（15）：59-67.（in Chinese）

［10］方静，彭小圣，刘泰蔚，等.电力设备状态监测大数据发展综述［J］.电力系统保护与控制，2020，48（23）：176-186.

Fang Jing，Peng Xiaosheng，Liu Taiwei，et al.Development trend and application prospects of big data-based condition monitoring of power apparatus［J］.Power System Protection and Control，2020，48（23）：176-186.（in Chinese）

［11］ Krisda Y，Suttichai P，Neville R W，et al.Power quality monitoring system based on embedded system with network monitoring［J］.Scientific Research and Essays，2012，7（11）：1280-1292.

［12］ Atalik T，Cadirci I，Demirci T，et al.Multipurpose platform for power system monitoring and analysis with sample grid applications ［J］.IEEE Transactions on Instrumentation and Measurement，2014，63（3）：566-582.

［13］ Daponte P，Di Penta M，Mercurio G.Transient meter：a distributed measurement system for power quality monitoring［J］.IEEE Transactions on Power Delivery，2004，19（2）：456-463.

［14］ Peng Xiaosheng，Yang Fan，Wang Ganjun，et al.A convolutional neural network-based deep learning methodology for recognition of partial discharge patterns from high-voltage cables［J］.IEEE Transactions on Power Delivery，2019，34（4）：1460-1469.

［15］艾精文，党晓靖，吕启深，等.基于物联网的具有全景功能的全维度设备状态监测系统研究［J］.电力系统保护与控制，2019，47（16）：122-128.

Ai Jingwen，Dang Xiaojing，Lü Qishen，et al.Research on full dimension equipment status monitoring system with panoramic function［J］.Power System Protection and Control，2019，47（16）：122-128.（in Chinese）

［16］刘俊，吴杰，罗晓群，等.某高耸结构施工全过程温度效应分析［J］.结构工程师，2013，29（2）：41-45.

Liu Jun，Wu Jie，Luo Xiaoqun，et al.Analysis of temperature effects during a high-rise structure construction［J］.Structural Engineers，2013，29（2）：41-45.（in Chinese）

［17］李火坤，王刚，魏博文，等.基于敏感性分析与粒子群算法的拱坝原型动弹性模量反演方法［J］.水利学报，2020，51（11）：1401-1411.

Li Huokun，Wang Gang，Wei Bowen，et al.Inversion of prototype dynamic elastic modulus on sensitivity analysis and particle swarm of arch dam based optimization［J］.Journal of Hydraulic Engineering，2020，51（11）：1401-1411.（in Chinese）

［18］滕军，卢云军，朱焰煌.大跨空间钢结构模态频率的温度影响监测与分析［J］.工程抗震与加固改造，2010，32（3）：32-41.

Teng Jun，Lu Yunjun，Zhu Yanhuang.Monitoring and analysis of temperature's effect on frequency of large span spatial steel structure［J］.Earthquake Resistant Engineering and Retrofitting，2010，32（3）：32-41.（in Chinese）

Damage Identification of Transmission Tower Considering Environmental Factors and Based on Measured Frequency

GAOLei1，*CHENYangzhe2CHUJinliang1HUANGLiu1

（1.State Grid Lishui Power Supply Company， Lishui 323000， China； 2.State Grid Songyang Power Supply Company， Lishui 323000， China）

Environmental temperature and humidity have obvious influence on the structural frequencies， but there are few researches on the influence of environmental factors on the structural frequency of transmission towers， which leads to the low accuracy of structural damage identification. The frequency spectrum of different environmental factors of the transmission tower is obtained for long-term monitoring. According to the measured structural frequency，the response surface method is used to modify the model and the damage analysis of the transmission tower is carried out. Based on the actual monitoring data， the “temperature-frequency” and “humidity-frequency” relationship models of transmission tower are established respectively to study the influence of environmental factors on the first-order frequency of transmission tower， and the updated structural damage identification method is proposed. The results show that the first-order frequency of transmission tower is positively correlated with ambient temperature and negatively correlated with ambient humidity. According to the relationship model， the degree of structural damage after eliminating the influence of environmental factors is more consistent with the real situation. In the actual structural health monitoring and damage identification， attention should be paid to the effect of environmental factors.

damage detection， structural health monitoring， frequency， temperature， humidity， transmission tower

2021-04-06

联系作者：高 磊（1987-），男，工程师，研究方向为输电线路维护。E-mail：hhx7856@126.com