劉肅平，譚志平

廣東科技學(xué)院 計(jì)算機(jī)系，廣東 東莞 523083

1 引言

機(jī)組由主機(jī)和輔機(jī)設(shè)備組成，目前在機(jī)組的運(yùn)行過(guò)程中，由于重大設(shè)備故障而導(dǎo)致機(jī)組計(jì)劃外停機(jī)已經(jīng)達(dá)到平均兩年一次的頻率[1]。輔機(jī)設(shè)備作為機(jī)組的重要組成部分，往往是機(jī)組狀態(tài)檢測(cè)的薄弱環(huán)節(jié)。因此，輔機(jī)設(shè)備能否安全運(yùn)行的關(guān)鍵問(wèn)題在于是否能做好輔機(jī)設(shè)備的狀態(tài)監(jiān)測(cè)工作。做好輔機(jī)設(shè)備狀態(tài)監(jiān)測(cè)能保證電廠(chǎng)機(jī)組正常運(yùn)行，減少電廠(chǎng)因停機(jī)而帶來(lái)的經(jīng)濟(jì)損失，而且也能通過(guò)對(duì)輔機(jī)設(shè)備的狀態(tài)監(jiān)測(cè)保證工作人員的人身安全。因此，加強(qiáng)對(duì)輔機(jī)設(shè)備的狀態(tài)監(jiān)測(cè)成為電廠(chǎng)迫切需要解決的問(wèn)題。

輔機(jī)設(shè)備在運(yùn)行過(guò)程中，噪音和振動(dòng)現(xiàn)象十分普遍，隨著設(shè)備運(yùn)行時(shí)間的延長(zhǎng)，噪音振動(dòng)呈全面加劇之勢(shì)。國(guó)網(wǎng)、南方和香港電網(wǎng)近一兩年發(fā)生的幾起機(jī)組輔機(jī)設(shè)備故障，其故障原因尚未確準(zhǔn)，但運(yùn)行人員反映其最明顯的特征是運(yùn)行中噪音振動(dòng)明顯變大。目前既無(wú)此方面的數(shù)據(jù)記錄和積累，也無(wú)具體可執(zhí)行的技術(shù)措施、標(biāo)準(zhǔn)或手段進(jìn)行定量化的評(píng)測(cè)和管理，故有必要展開(kāi)對(duì)輔機(jī)設(shè)備振動(dòng)、噪音等特征量的研究。

目前，國(guó)內(nèi)外在該領(lǐng)域做了一些有益的嘗試。文獻(xiàn)[2-3]中，開(kāi)發(fā)了輔機(jī)設(shè)備預(yù)警系統(tǒng)，但具有很大的技術(shù)局限性。系統(tǒng)只能監(jiān)測(cè)少量輔機(jī)設(shè)備，隨著對(duì)輔機(jī)設(shè)備狀態(tài)監(jiān)測(cè)的廣度和深度的不斷加強(qiáng)，數(shù)據(jù)成指數(shù)級(jí)增長(zhǎng)，該系統(tǒng)將無(wú)法實(shí)時(shí)處理數(shù)據(jù)流，更不能對(duì)海量數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘和建模，對(duì)海量數(shù)據(jù)的集成管理、實(shí)時(shí)處理、分析、展現(xiàn)成為技術(shù)難題。隨著大數(shù)據(jù)技術(shù)的不斷發(fā)展，實(shí)時(shí)大數(shù)據(jù)分析技術(shù)在商業(yè)互聯(lián)網(wǎng)領(lǐng)域應(yīng)用廣泛，但是大數(shù)據(jù)在狀態(tài)監(jiān)測(cè)領(lǐng)域的應(yīng)用研究還處于探索起步階段，只有一些理論研究。文獻(xiàn)[4]提出了大數(shù)據(jù)要求下在線(xiàn)監(jiān)測(cè)系統(tǒng)建設(shè)要點(diǎn)，包括數(shù)據(jù)采集、傳輸、存儲(chǔ)、調(diào)用、挖掘分析；文獻(xiàn)[5]提出了復(fù)雜裝備的狀態(tài)監(jiān)測(cè)實(shí)時(shí)流數(shù)據(jù)處理框架；文獻(xiàn)[6]探討了在輸變電設(shè)備狀態(tài)監(jiān)測(cè)領(lǐng)域的實(shí)時(shí)流數(shù)據(jù)處理框架，全面提高了數(shù)據(jù)處理的實(shí)時(shí)性；文獻(xiàn)[7]提出了如何有效存儲(chǔ)和分析輸變電狀態(tài)監(jiān)測(cè)大數(shù)據(jù)的研究方法。分析可知，雖然未形成真正能應(yīng)用于輔機(jī)設(shè)備狀態(tài)監(jiān)測(cè)領(lǐng)域的實(shí)時(shí)大數(shù)據(jù)分析技術(shù)，但提供了一些技術(shù)參考。

本文在此基礎(chǔ)上，探討了在輔機(jī)設(shè)備狀態(tài)監(jiān)測(cè)分析與研究領(lǐng)域的實(shí)時(shí)大數(shù)據(jù)處理技術(shù)，解決了在這一應(yīng)用領(lǐng)域的大數(shù)據(jù)技術(shù)難題，研發(fā)了一個(gè)輔機(jī)設(shè)備噪音振動(dòng)大數(shù)據(jù)研究平臺(tái)，滿(mǎn)足了對(duì)輔機(jī)設(shè)備大范圍狀態(tài)監(jiān)測(cè)與研究的需求，為大數(shù)據(jù)技術(shù)在輔機(jī)設(shè)備領(lǐng)域的應(yīng)用進(jìn)行有益的嘗試。

2 狀態(tài)監(jiān)測(cè)流數(shù)據(jù)

本文監(jiān)測(cè)的對(duì)象為某電廠(chǎng)#5、#6兩個(gè)機(jī)組的41臺(tái)輔機(jī)設(shè)備。采集#5、#6發(fā)電機(jī)組的12臺(tái)風(fēng)機(jī)、10臺(tái)磨煤機(jī)、10臺(tái)水泵、6臺(tái)氣泵噪音振動(dòng)數(shù)據(jù)以及2臺(tái)升壓變、1臺(tái)啟備變的噪音振動(dòng)、中性點(diǎn)電流、高壓側(cè)電流、電壓、諧波數(shù)據(jù)，共計(jì)208個(gè)數(shù)據(jù)采集點(diǎn)。按1 s間隔，以48 kHz/24 bit采集噪音數(shù)據(jù)，以25.6 kHz/16 bit采集振動(dòng)、電流、電壓數(shù)據(jù)，每分鐘數(shù)據(jù)總量為982.88 MB，每天數(shù)據(jù)總量為1 382.17 GB，每月數(shù)據(jù)總量為40.49 TB。如此大規(guī)模的流數(shù)據(jù)要求在線(xiàn)實(shí)時(shí)處理，及時(shí)評(píng)估設(shè)備狀態(tài)，這對(duì)在線(xiàn)監(jiān)測(cè)系統(tǒng)的實(shí)時(shí)性、吞吐量和可靠性等方面提出了很高的要求。

3 狀態(tài)監(jiān)測(cè)實(shí)時(shí)數(shù)據(jù)處理框架

通常實(shí)時(shí)大數(shù)據(jù)計(jì)算模式分為兩類(lèi)：流式計(jì)算（Stream Computing）和批量計(jì)算（Batch Computing）。它們分別適用于不同的應(yīng)用場(chǎng)景：對(duì)于先存儲(chǔ)后計(jì)算，實(shí)時(shí)性要求不高，同時(shí)數(shù)據(jù)的準(zhǔn)確性、全面性更為重要的應(yīng)用場(chǎng)景，批量計(jì)算模式更加適合；對(duì)于無(wú)需先存儲(chǔ)，可以直接進(jìn)行數(shù)據(jù)計(jì)算，實(shí)時(shí)性要求很?chē)?yán)格，但數(shù)據(jù)的精確度要求稍微放寬的應(yīng)用場(chǎng)景，流式計(jì)算具有明顯優(yōu)勢(shì)[8]。大數(shù)據(jù)計(jì)算模式如圖1所示。

圖1 大數(shù)據(jù)計(jì)算模式

結(jié)合本文的需求來(lái)看，一方面需要實(shí)時(shí)處理采集到的噪音、振動(dòng)、電流、電壓、諧波原始數(shù)據(jù)，計(jì)算得到噪音的A、C、Z值和振動(dòng)速度v、加速度g、位移s值以及全頻譜數(shù)據(jù)，實(shí)現(xiàn)對(duì)輔機(jī)設(shè)備運(yùn)行狀態(tài)的實(shí)時(shí)監(jiān)測(cè)；另一方面，將所有原始數(shù)據(jù)集中存儲(chǔ)至大數(shù)據(jù)服務(wù)器中，建立輔機(jī)設(shè)備的噪音振動(dòng)大數(shù)據(jù)庫(kù)，可對(duì)歷史數(shù)據(jù)進(jìn)行全面的分析，包括FFT全頻譜分析、趨勢(shì)分析等，且能作為對(duì)輔機(jī)設(shè)備故障診斷、故障定位等深層次研究的一個(gè)平臺(tái)。因此，本文采用流式數(shù)據(jù)實(shí)時(shí)分析技術(shù)和實(shí)時(shí)批處理技術(shù)相結(jié)合的方式，對(duì)應(yīng)目前的主流開(kāi)源框架技術(shù)，采用Storm+Hadoop架構(gòu)，如圖2所示。

圖2 狀態(tài)監(jiān)測(cè)數(shù)據(jù)實(shí)時(shí)處理體系結(jié)構(gòu)

監(jiān)測(cè)數(shù)據(jù)以數(shù)據(jù)流的方式進(jìn)入系統(tǒng)，首先利用Storm以流計(jì)算的方式，對(duì)流式監(jiān)測(cè)數(shù)據(jù)進(jìn)行快速計(jì)算和處理，形成針對(duì)特定運(yùn)齡、工況、環(huán)境條件下輔機(jī)設(shè)備運(yùn)行特征參數(shù)的判斷、預(yù)測(cè)和預(yù)警處理，處理后的數(shù)據(jù)傳輸至實(shí)時(shí)監(jiān)測(cè)中心，通過(guò)大數(shù)據(jù)的數(shù)據(jù)展現(xiàn)技術(shù)，管理人員可直觀(guān)、準(zhǔn)確地看到各個(gè)輔機(jī)設(shè)備的運(yùn)行狀態(tài)；然后，采用批計(jì)算技術(shù)，將海量原始數(shù)據(jù)存儲(chǔ)到基于Hadoop的分布式文件系統(tǒng)（Hadoop Distributed File System，HDFS）中，建立大數(shù)據(jù)庫(kù)，再采用基于MapReduce的大數(shù)據(jù)分析技術(shù)對(duì)海量數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘和建模，從而發(fā)現(xiàn)隱藏在海量數(shù)據(jù)中豐富、有價(jià)值的信息，為輔機(jī)設(shè)備的更深層次的研究建立一個(gè)研究平臺(tái)。

3.1 狀態(tài)監(jiān)測(cè)實(shí)時(shí)流數(shù)據(jù)處理技術(shù)

目前，大數(shù)據(jù)流式計(jì)算系統(tǒng)實(shí)例有很多，其中比較典型的、應(yīng)用比較廣泛的、具有代表性的是Storm系統(tǒng)[9]、S4系統(tǒng)、Puma系統(tǒng)、Kafka系統(tǒng)、TimeStream系統(tǒng)，各有優(yōu)勢(shì)。其中，Storm是一款分布式、開(kāi)源的、實(shí)時(shí)的、主從式大數(shù)據(jù)流式系統(tǒng)，在電力行業(yè)狀態(tài)監(jiān)測(cè)領(lǐng)域應(yīng)用較多。

Storm采用主從系統(tǒng)架構(gòu)，在輔機(jī)設(shè)備狀態(tài)監(jiān)測(cè)中，使用Storm處理流數(shù)據(jù)時(shí)，首先要設(shè)計(jì)流數(shù)據(jù)處理過(guò)程中的任務(wù)拓?fù)洌═opology）結(jié)構(gòu)，即Storm的邏輯單元，對(duì)狀態(tài)監(jiān)測(cè)流數(shù)據(jù)的處理順序依次為獲取數(shù)據(jù)、去噪（多種）、計(jì)算特征量、狀態(tài)評(píng)價(jià)等。任務(wù)拓?fù)浣Y(jié)構(gòu)如圖3所示。

圖3 Topology結(jié)構(gòu)

一個(gè)任務(wù)拓?fù)涫怯梢幌盗蠸pout和Bolt構(gòu)成的有向無(wú)環(huán)圖，通過(guò)數(shù)據(jù)流（Stream）實(shí)現(xiàn)Spout和Bolt之間的關(guān)聯(lián)。在圖3中，Spout負(fù)責(zé)從外部數(shù)據(jù)源不斷地讀取數(shù)據(jù)，并以Tuple元組的形式發(fā)送給相應(yīng)的Bolt；Bolt負(fù)責(zé)對(duì)接收到的數(shù)據(jù)流進(jìn)行計(jì)算，表示數(shù)據(jù)處理的一個(gè)過(guò)程，比如去噪、計(jì)算特征量、評(píng)價(jià)等；不同的特征量計(jì)算方式和不同的評(píng)價(jià)方式表示不同的Bolt，一個(gè)Bolt的輸出，可以作為另一個(gè)Bolt的輸入。在對(duì)各個(gè)特征量的評(píng)價(jià)中，不同的設(shè)備、不同的運(yùn)行時(shí)間段，標(biāo)準(zhǔn)值會(huì)有所不同。將計(jì)算后的特征量與標(biāo)準(zhǔn)值相比較，評(píng)估出各個(gè)設(shè)備在相應(yīng)時(shí)間段的運(yùn)行狀態(tài)，若超出閾值，立刻預(yù)警。

3.2 狀態(tài)監(jiān)測(cè)數(shù)據(jù)批處理技術(shù)

在狀態(tài)監(jiān)測(cè)中，除了對(duì)流式監(jiān)測(cè)數(shù)據(jù)進(jìn)行快速處理，對(duì)設(shè)備狀態(tài)進(jìn)行分析外，隨著輔機(jī)設(shè)備運(yùn)行時(shí)間的累積，形成了海量的歷史數(shù)據(jù)，有必要對(duì)海量歷史數(shù)據(jù)進(jìn)行存儲(chǔ)，并通過(guò)對(duì)歷史數(shù)據(jù)的數(shù)據(jù)挖掘，找到隱藏在大數(shù)據(jù)中的有價(jià)值的信息。

Hadoop分布式文件系統(tǒng)采用主從架構(gòu)，Hadoop集群可采用廉價(jià)PC。MapReduce是一種處理海量數(shù)據(jù)的并行編程模型和計(jì)算框架，用于對(duì)大規(guī)模數(shù)據(jù)集的并行查詢(xún)和計(jì)算，該計(jì)算模式在Hadoop上得到了實(shí)現(xiàn)。通過(guò)這兩項(xiàng)技術(shù)的結(jié)合，可搭建分布式、高性能、可伸縮的數(shù)據(jù)存儲(chǔ)系統(tǒng)，實(shí)現(xiàn)對(duì)狀態(tài)監(jiān)測(cè)動(dòng)態(tài)信息的存儲(chǔ)和并行查詢(xún)，構(gòu)建低成本、高效率的輔機(jī)設(shè)備大數(shù)據(jù)挖掘與分析研究平臺(tái)[10-12]。

4 系統(tǒng)實(shí)現(xiàn)

4.1 方案設(shè)計(jì)

系統(tǒng)采用分布型網(wǎng)絡(luò)體系架構(gòu)，由2臺(tái)大數(shù)據(jù)服務(wù)器、100 Mb/s光纖以太網(wǎng)和按輔機(jī)設(shè)備配置的41臺(tái)S930智能噪音振動(dòng)傳感器三部分構(gòu)成。1臺(tái)S930監(jiān)測(cè)1臺(tái)輔機(jī)設(shè)備。S930負(fù)責(zé)采集流數(shù)據(jù)并進(jìn)行流式計(jì)算，形成針對(duì)特定運(yùn)齡、工況、環(huán)境條件下輔機(jī)設(shè)備運(yùn)行特征參數(shù)的判斷和預(yù)警處理；大數(shù)據(jù)服務(wù)器主要負(fù)責(zé)將輔機(jī)設(shè)備的狀態(tài)監(jiān)測(cè)數(shù)據(jù)存儲(chǔ)到HDFS中，建立大數(shù)據(jù)庫(kù)，以及利用MapReduce并行編程模型和計(jì)算框架，對(duì)大規(guī)模數(shù)據(jù)集進(jìn)行并行查詢(xún)和計(jì)算。此外，大數(shù)據(jù)服務(wù)器中的高級(jí)應(yīng)用軟件可利用大數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行分析和研究。系統(tǒng)結(jié)構(gòu)如圖4所示。

圖4 系統(tǒng)結(jié)構(gòu)圖

在圖4中，S930按照實(shí)時(shí)1 s間隔，以48 kHz/24 bit采集噪音數(shù)據(jù)，以25.6 kHz/16 bit采集振動(dòng)、電流、電壓數(shù)據(jù)。然后，S930利用Storm以流計(jì)算的方式，對(duì)流式監(jiān)測(cè)數(shù)據(jù)進(jìn)行快速計(jì)算和處理，得到噪音A、C、Z值和振動(dòng)速度v、加速度g、位移s值，按頻點(diǎn)計(jì)算實(shí)時(shí)頻譜值，再與標(biāo)準(zhǔn)值相比較，作出評(píng)價(jià)。通過(guò)以太網(wǎng)，將處理后的數(shù)據(jù)傳輸至監(jiān)測(cè)中心并實(shí)時(shí)顯示，實(shí)現(xiàn)了對(duì)該位置的輔機(jī)設(shè)備的狀態(tài)監(jiān)測(cè)以及預(yù)警；同時(shí)，S930將狀態(tài)監(jiān)測(cè)流數(shù)據(jù)壓縮，通過(guò)IEC61850/ModBus/DNP通信協(xié)議傳輸至大數(shù)據(jù)服務(wù)器的HDFS中進(jìn)行存儲(chǔ)，建立輔機(jī)設(shè)備振動(dòng)噪音大數(shù)據(jù)庫(kù)；當(dāng)監(jiān)測(cè)人員發(fā)現(xiàn)某個(gè)輔機(jī)設(shè)備出現(xiàn)預(yù)警信息時(shí)，監(jiān)測(cè)人員可通過(guò)Web網(wǎng)頁(yè)登錄大數(shù)據(jù)服務(wù)器中的高級(jí)應(yīng)用軟件FFT分析儀，分析儀通過(guò)MapReduce查詢(xún)到待分析數(shù)據(jù)在HDFS中的具體位置，并讀取。分析儀利用讀取的原始數(shù)據(jù)進(jìn)行FFT全頻譜分析、趨勢(shì)分析，并在界面中顯示分析結(jié)果。

4.2 硬件設(shè)計(jì)

4.2.1 S930

硬件選型如下：

（1）噪音傳感器，采用AWA14423的電容傳聲器，1級(jí)聲級(jí)精度標(biāo)準(zhǔn)，靈敏度50 mV/Pa，頻帶范圍10 Hz～20 kHz，動(dòng)態(tài)范圍15～140 dB。

（2）振動(dòng)傳感器，采用YD9200的振動(dòng)速度傳感器，靈敏度20 V/(m?s)，頻帶范圍10～1 000 Hz。

（3）前置放大器，采用型號(hào)為AWA14604的前置放大器，1級(jí)聲級(jí)精度標(biāo)準(zhǔn)，與聲音傳感器和振動(dòng)傳感器相連，頻帶范圍10 Hz～100 kHz，動(dòng)態(tài)范圍15～134 dB。

（4）模擬數(shù)字轉(zhuǎn)換器（ADC），采用AD7606，這是一款16位，8通道同步采樣模數(shù)數(shù)據(jù)采樣系統(tǒng)（DAS），工作電壓是5 V，提供SPI接口，方便與MCU之間進(jìn)行參數(shù)的傳遞。

（5）CPU，采用恩智浦公司推出的LPC1788芯片，以Cortex-M3為內(nèi)核的微控制器，主頻高達(dá)120 MHz，具有8通道的DMA控制器，片上有EEPROM，其掉電保存，方便保存一些固定參數(shù)，支持SDRAM外設(shè)，SDRAM的大容量有利于保存大量的采樣數(shù)據(jù)，同時(shí)還具有豐富的接口功能。

以上硬件組裝非常方便，整機(jī)完全滿(mǎn)足測(cè)量范圍30～130 dB和實(shí)時(shí)監(jiān)測(cè)的要求。

硬件設(shè)計(jì)結(jié)構(gòu)如圖5所示。

圖5 S930硬件設(shè)計(jì)框圖

4.2.2 大數(shù)據(jù)服務(wù)器

硬件選型如下：

（1）服務(wù)器，采用型號(hào)為T(mén)hinkServerTD340 S2407v2 4/1 THO的服務(wù)器，主頻為2 400 MHz，硬盤(pán)擴(kuò)展至16TB，支持多個(gè)千兆網(wǎng)口，操作系統(tǒng)是Windows Server 2012 R2版本，數(shù)據(jù)庫(kù)管理系統(tǒng)采用SQL Server2012版本。

（2）液晶顯示屏，采用聯(lián)想的LI2032WD十九寸液晶屏，實(shí)時(shí)顯示每個(gè)設(shè)備的預(yù)警信息。

（3）快速以太網(wǎng)收發(fā)器，采用型號(hào)為STV-D8110-MC-2KM，與光纜相連，接收光纜傳遞的信號(hào)。

（4）光電轉(zhuǎn)換器，采用型號(hào)為T(mén)651的智能終端，將電纜輸入的電信號(hào)轉(zhuǎn)化為光信號(hào)。

（5）交換機(jī)，采用中興的ZX210-2950，接收快速以太網(wǎng)收發(fā)器和光電轉(zhuǎn)換器T651終端的信號(hào)，與服務(wù)器相連，將數(shù)據(jù)存儲(chǔ)至服務(wù)器中。

硬件設(shè)計(jì)結(jié)構(gòu)如圖6所示。

4.3 系統(tǒng)軟件設(shè)計(jì)及核心算法實(shí)現(xiàn)

4.3.1 S60軟件

S60是S930智能噪音振動(dòng)傳感器的軟件部分，它采用基于內(nèi)核的嵌入式實(shí)時(shí)操作系統(tǒng)。在CPU的軟件設(shè)計(jì)過(guò)程中，主要采用模塊化的設(shè)計(jì)方法，優(yōu)點(diǎn)是降低模塊間的耦合度，提高軟件復(fù)用性。整體的軟件架構(gòu)包括驅(qū)動(dòng)層、系統(tǒng)層和應(yīng)用層三部分。

圖6 硬件設(shè)計(jì)框圖

在本系統(tǒng)中主要實(shí)現(xiàn)對(duì)噪聲信號(hào)和振動(dòng)信號(hào)的采集、計(jì)算和傳輸任務(wù)，應(yīng)用任務(wù)工作流程如圖7所示。

圖7 S60軟件流程圖

在噪音處理中，采用無(wú)限脈沖響應(yīng)（Infinite Impulse Response，IIR）數(shù)字濾波器算法計(jì)算Z、C、A頻率計(jì)權(quán)的連續(xù)等效聲壓級(jí)，使用實(shí)序列快速傅氏變換（Fast Fourier Transformation，F(xiàn)FT）算法分析噪聲頻譜[13]。

根據(jù)國(guó)家標(biāo)準(zhǔn)《JJG 188—2002，聲級(jí)計(jì)檢定規(guī)程》可知，C計(jì)權(quán)C(f)可用如下公式計(jì)算：

任何頻率上的A計(jì)權(quán)A(f)可用如下公式計(jì)算：

在以上公式中，C1000和A1000表示常數(shù)，C1000=-0.062 dB，A1000=-2.000 dB。 f1到 f4取近似值為：f1=20.6 Hz,f2=107.7 Hz,f3=737.9 Hz,f4=12 194 Hz。

由式（1）推導(dǎo)出C頻率計(jì)權(quán)的傳遞函數(shù)為：

表1 計(jì)算誤差

由式（2）推導(dǎo)出A頻率計(jì)權(quán)的傳遞函數(shù)為：

雙線(xiàn)性變換公式和預(yù)畸變公式為：

以上i=1,2,3,4，fs表示采樣頻率，fs=48 kHz。

將式（5）和式（6）代入式（3）、（4）中推導(dǎo)可得C、A、Z計(jì)權(quán)等效連續(xù)聲級(jí)公式。

在振動(dòng)處理中，本文采用基于最小均方差思想的有限長(zhǎng)單位沖擊響應(yīng)（Finite Impulse Response，F(xiàn)IR）濾波器的方法設(shè)計(jì)了一種新型的微分器；在設(shè)計(jì)積分器時(shí)，首先采用維納濾波器進(jìn)行濾波處理，以提高信號(hào)的信噪比，再采用梯形積分法進(jìn)行積分，但積分后的信號(hào)中原始信號(hào)中直流量所引起的趨勢(shì)項(xiàng)，采用最小二乘法消除了一次趨勢(shì)項(xiàng)，其積分算法原理如下：

設(shè)加速度連續(xù)周期信號(hào)為x(n)，它的頻譜為X(k)，根據(jù)傅里葉變換定義的諧波信號(hào)時(shí)域和頻域的對(duì)應(yīng)關(guān)系，設(shè) x(n)、v(n)、d(n)為加速度信號(hào) x(t)、速度信號(hào) v(t)、位移信號(hào)d(t)的離散化表示，每條譜線(xiàn)對(duì)應(yīng)時(shí)域中的一個(gè)正弦波，表達(dá)式為：

進(jìn)而有：

在式（7）～（11）中，wk=2πkΔf,Δf=Fs/N。由式（10）、（11）計(jì)算出速度離散信號(hào)v(n)、位移離散信號(hào)d(n)后，再根據(jù)均方根值即可計(jì)算出相應(yīng)的有效值[14]。

與其他算法相比，以上算法精度相對(duì)較高[15]，計(jì)算誤差如表1所示。

表1中的誤差為不同頻率信號(hào)下的最大誤差，由表可知，噪音和振動(dòng)的測(cè)量精度完全滿(mǎn)足國(guó)家一級(jí)標(biāo)準(zhǔn)，已經(jīng)在中國(guó)賽寶實(shí)驗(yàn)室（工業(yè)和信息化部電子第五研究所）計(jì)量檢測(cè)中心取得了檢定認(rèn)證。

4.3.2 FFT分析儀

FFT分析儀安裝于大數(shù)據(jù)服務(wù)器中，它基于LabView軟件平臺(tái)。首先，依次讀取待分析的機(jī)組號(hào)、設(shè)備號(hào)、測(cè)試單元、數(shù)據(jù)源，如#6機(jī)組6B風(fēng)機(jī)第1路振動(dòng)，加載相應(yīng)的界面；然后，選擇起始日期和采樣頻率，判斷是否按下載入鍵，若是，連接數(shù)據(jù)庫(kù)，讀取相應(yīng)設(shè)備在那個(gè)時(shí)間段的數(shù)據(jù)，若不是，則繼續(xù)等待；數(shù)據(jù)載入后，對(duì)數(shù)據(jù)進(jìn)行解析，解析后對(duì)數(shù)據(jù)再進(jìn)行FFT分析；最后，界面上顯示出原始波形以及分析處理后的波形、頻譜圖、功率譜、3D瀑布圖。軟件流程圖如圖8所示。

圖8 FFT分析儀軟件流程圖

5 應(yīng)用成效

2015年9月，該系統(tǒng)已經(jīng)在某電廠(chǎng)安裝實(shí)施，由于輔機(jī)設(shè)備分布廣，結(jié)構(gòu)復(fù)雜，數(shù)量多，種類(lèi)多，相應(yīng)的監(jiān)測(cè)點(diǎn)非常多，現(xiàn)列出部分具有代表性的應(yīng)用現(xiàn)場(chǎng)，如圖9所示。

系統(tǒng)安裝運(yùn)行以來(lái)，取得了以下應(yīng)用成效。

（1）實(shí)現(xiàn)了對(duì)電廠(chǎng)輔機(jī)設(shè)備的#5、#6機(jī)組的41臺(tái)輔機(jī)設(shè)備狀態(tài)監(jiān)測(cè)流數(shù)據(jù)的采集。共計(jì)208個(gè)數(shù)據(jù)采集點(diǎn)，每分鐘數(shù)據(jù)總量為982.88 MB，每天數(shù)據(jù)總量為1 382.17 GB，每月數(shù)據(jù)總量為40.49 TB。

（2）實(shí)現(xiàn)了對(duì)輔機(jī)設(shè)備狀態(tài)監(jiān)測(cè)海量數(shù)據(jù)的實(shí)時(shí)處理，以1 s為計(jì)算周期，計(jì)算得到噪音的A、C、Z值和振動(dòng)速度v、加速度g、位移s值，以及全頻譜數(shù)據(jù)，形成針對(duì)特定運(yùn)齡、工況、環(huán)境條件下輔機(jī)設(shè)備運(yùn)行特征參數(shù)的判斷、預(yù)測(cè)和預(yù)警處理。

（3）實(shí)現(xiàn)了海量流數(shù)據(jù)的通信傳輸。兼容ModBus、DNP和IEC870-5-104、IEC61850協(xié)議，提供100 Mb/s雙光纖/電網(wǎng)絡(luò)、CAN、RS485和WiFi、GPRS接口，解決了丟包問(wèn)題，保證了數(shù)據(jù)的完整性。

圖9 應(yīng)用現(xiàn)場(chǎng)

（4）實(shí)現(xiàn)了海量數(shù)據(jù)的存儲(chǔ)和并行查詢(xún)。研制了大數(shù)據(jù)服務(wù)器，搭建分布式、高性能、可伸縮的數(shù)據(jù)存儲(chǔ)系統(tǒng)，實(shí)現(xiàn)對(duì)狀態(tài)監(jiān)測(cè)動(dòng)態(tài)信息的存儲(chǔ)和并行查詢(xún)，構(gòu)建低成本、高效率的輔機(jī)設(shè)備大數(shù)據(jù)挖掘與分析研究平臺(tái)。在該平臺(tái)上，可對(duì)海量數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘和建模，從而發(fā)現(xiàn)隱藏在海量數(shù)據(jù)中的豐富、有價(jià)值的信息，滿(mǎn)足對(duì)輔機(jī)設(shè)備進(jìn)行更深層次研究的需求。

（5）建立了輔機(jī)設(shè)備大數(shù)據(jù)分析模型。研制了一套基于大數(shù)據(jù)全頻譜FFT和2D、3D趨勢(shì)分析軟件，建立了輔機(jī)設(shè)備振動(dòng)噪音的檢測(cè)標(biāo)準(zhǔn)、實(shí)測(cè)的大數(shù)據(jù)記錄庫(kù)和事故隱患的診斷預(yù)警、壽命預(yù)測(cè)的大數(shù)據(jù)分析模型。

（6）實(shí)現(xiàn)了在線(xiàn)遠(yuǎn)程監(jiān)測(cè)?；诨ヂ?lián)網(wǎng)Web應(yīng)用體系架構(gòu)，電廠(chǎng)監(jiān)測(cè)中心可通過(guò)互聯(lián)網(wǎng)或移動(dòng)互聯(lián)網(wǎng)登錄在線(xiàn)監(jiān)測(cè)系統(tǒng)，從而可在線(xiàn)實(shí)時(shí)查看輔機(jī)設(shè)備#5、#6機(jī)組運(yùn)行狀態(tài)和預(yù)警信息，如圖10所示。

該系統(tǒng)大大提高了機(jī)組的安全可靠性。在系統(tǒng)的長(zhǎng)期運(yùn)行過(guò)程中，系統(tǒng)多次發(fā)現(xiàn)輔機(jī)設(shè)備存在的潛伏性故障，電廠(chǎng)電氣工程師根據(jù)預(yù)警信息到現(xiàn)場(chǎng)進(jìn)行診斷，發(fā)現(xiàn)確實(shí)存在相應(yīng)的潛在性故障，對(duì)機(jī)組采取果斷、及時(shí)、正確的操作，并對(duì)該機(jī)組采取相應(yīng)的跟進(jìn)措施，避免事故的發(fā)生；同時(shí)，該系統(tǒng)建立的輔機(jī)設(shè)備振動(dòng)噪音的研究平臺(tái)，存儲(chǔ)了輔機(jī)設(shè)備運(yùn)行過(guò)程中的海量原始數(shù)據(jù)，提供了大數(shù)據(jù)分析工具，可作為輔機(jī)設(shè)備的故障診斷、故障定位等深入研究的基礎(chǔ)，供電力行業(yè)相關(guān)研究人員使用。該系統(tǒng)大大降低了研究人員研究過(guò)程中獲取實(shí)驗(yàn)數(shù)據(jù)的成本，提高了研究人員的研究效率，促進(jìn)了對(duì)輔機(jī)設(shè)備的深入研究。

圖10 基于Web的在線(xiàn)監(jiān)測(cè)系統(tǒng)

輔機(jī)設(shè)備振動(dòng)噪音的研究平臺(tái)之所以能夠開(kāi)發(fā)成功并快速實(shí)現(xiàn)規(guī)?；瘧?yīng)用，主要得益于以下幾方面：第一，目標(biāo)明確，建立可應(yīng)用于輔機(jī)設(shè)備的噪音振動(dòng)大數(shù)據(jù)研究平臺(tái)，滿(mǎn)足發(fā)電廠(chǎng)對(duì)輔機(jī)設(shè)備進(jìn)行狀態(tài)監(jiān)測(cè)以及研究分析的業(yè)務(wù)需求；第二，勇于創(chuàng)新，在技術(shù)層面取得重大突破，將大數(shù)據(jù)技術(shù)應(yīng)用于系統(tǒng)中；第三，團(tuán)結(jié)協(xié)作，技術(shù)骨干聯(lián)合攻關(guān)。

6 結(jié)束語(yǔ)

本文通過(guò)對(duì)目前輔機(jī)設(shè)備狀態(tài)監(jiān)測(cè)研究現(xiàn)狀的分析，發(fā)現(xiàn)主要存在以下三方面的技術(shù)難題。第一，如何實(shí)時(shí)地處理監(jiān)測(cè)過(guò)程中采集到的海量數(shù)據(jù)流，快速生成分析結(jié)果；第二，如何存儲(chǔ)、查詢(xún)海量數(shù)據(jù)，從中挖掘出有價(jià)值的信息；第三，如何解決各廠(chǎng)家在線(xiàn)監(jiān)測(cè)裝置通信規(guī)約不統(tǒng)一、不透明，造成數(shù)據(jù)資源不能共享的問(wèn)題，提高系統(tǒng)的開(kāi)發(fā)性、通用性、易擴(kuò)展性、易維護(hù)性，促進(jìn)系統(tǒng)在電力行業(yè)的應(yīng)用與推廣，促進(jìn)該領(lǐng)域的智能化、數(shù)字化建設(shè)。為了滿(mǎn)足以上需求，本文創(chuàng)新地提出流式數(shù)據(jù)實(shí)時(shí)分析技術(shù)和實(shí)時(shí)批處理技術(shù)相結(jié)合的方式，以Storm+Hadoop大數(shù)據(jù)處理架構(gòu)很好地解決了前兩個(gè)關(guān)鍵問(wèn)題。為了解決第三個(gè)問(wèn)題，本系統(tǒng)里的S930智能終端按照智能電網(wǎng)技術(shù)標(biāo)準(zhǔn)體系中的大機(jī)組設(shè)備狀態(tài)監(jiān)測(cè)與故障分析系統(tǒng)技術(shù)標(biāo)準(zhǔn)進(jìn)行設(shè)計(jì)，支持智能電網(wǎng)統(tǒng)一通信規(guī)約，通過(guò)IEC61850協(xié)議進(jìn)行通信傳輸，實(shí)現(xiàn)數(shù)據(jù)資源共享，促進(jìn)智能電網(wǎng)大機(jī)組設(shè)備狀態(tài)監(jiān)測(cè)與故障分析領(lǐng)域的數(shù)字化、智能化建設(shè)。系統(tǒng)中的智能終端不僅可以應(yīng)用于機(jī)組輔機(jī)設(shè)備，還可以應(yīng)用于各種振動(dòng)噪聲監(jiān)測(cè)場(chǎng)合，根據(jù)監(jiān)測(cè)場(chǎng)合的不同，可以很方便地對(duì)系統(tǒng)進(jìn)行剪裁，增加或減少智能終端的數(shù)量來(lái)適應(yīng)現(xiàn)場(chǎng)需求。這使得系統(tǒng)的開(kāi)發(fā)性、通用性、易擴(kuò)展性、易維護(hù)性大大提高，非常易于應(yīng)用與推廣。目前，該系統(tǒng)已經(jīng)成功應(yīng)用于某電廠(chǎng)，取得了預(yù)期的應(yīng)用效果，證明了該系統(tǒng)是可靠的。接下來(lái)，將在此基礎(chǔ)上開(kāi)展更深層次的研究工作，具體內(nèi)容如下：

（1）提出在大數(shù)據(jù)環(huán)境下的數(shù)據(jù)壓縮技術(shù)方案，提高傳輸海量數(shù)據(jù)的速度，降低海量數(shù)據(jù)對(duì)存儲(chǔ)容量的需求，緩解海量數(shù)據(jù)增長(zhǎng)速度，在滿(mǎn)足數(shù)據(jù)處理分析速度的前提下，優(yōu)化大數(shù)據(jù)平臺(tái)對(duì)系統(tǒng)擴(kuò)容的需求，降低大數(shù)據(jù)平臺(tái)的軟硬件投入成本。

（2）設(shè)計(jì)一種適應(yīng)同時(shí)接入不同類(lèi)型的數(shù)據(jù)信號(hào)的同步采樣方法，避免相位和幅值隨著時(shí)間的積累產(chǎn)生嚴(yán)重誤差，保證大數(shù)據(jù)的數(shù)據(jù)質(zhì)量，為輔機(jī)設(shè)備和變壓器的異常噪聲源識(shí)別定位研究提供可靠的數(shù)據(jù)基礎(chǔ)。

（3）開(kāi)展對(duì)輔機(jī)設(shè)備中的風(fēng)機(jī)和變壓器的異常噪聲源識(shí)別定位研究工作，建立異常噪聲源識(shí)別定位分析系統(tǒng)。該系統(tǒng)對(duì)空間中的一個(gè)觀(guān)察平面上的不同點(diǎn)的聲音強(qiáng)度進(jìn)行掃描，繪制出一幅聲強(qiáng)的分布圖，將異常噪聲實(shí)時(shí)動(dòng)態(tài)地呈現(xiàn)給觀(guān)測(cè)人員。

（4）對(duì)大數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，根據(jù)機(jī)組輔機(jī)設(shè)備類(lèi)型、型號(hào)、狀態(tài)的不同，相應(yīng)地提取出準(zhǔn)確、有價(jià)值的數(shù)據(jù)進(jìn)行分析，為設(shè)備檢修工作提供可靠、準(zhǔn)確的數(shù)據(jù)支持，提高檢修效率，減少檢修成本，提高設(shè)備利用率，保證設(shè)備的安全性，總體上提升設(shè)備運(yùn)行管理水平。

（5）將此系統(tǒng)應(yīng)用于更多電廠(chǎng)的大機(jī)組輔機(jī)設(shè)備，根據(jù)各個(gè)電廠(chǎng)設(shè)備的不同，建立不同類(lèi)別、不同型號(hào)、不同狀態(tài)的大數(shù)據(jù)庫(kù)，通過(guò)智能電網(wǎng)統(tǒng)一通信規(guī)約實(shí)現(xiàn)不同電廠(chǎng)的數(shù)據(jù)共享。

（6）完善大數(shù)據(jù)共享平臺(tái)，包括改進(jìn)通信信息建設(shè)和數(shù)據(jù)安全性、隱私保護(hù)相關(guān)研究。

（7）國(guó)內(nèi)外智能電網(wǎng)大數(shù)據(jù)的研究和工程應(yīng)用剛剛起步，尚處于探索階段，如何將此領(lǐng)域的大數(shù)據(jù)接入智能電網(wǎng)，需要多方努力溝通，達(dá)成共識(shí)，共同消除存在的障礙，制定各方面的發(fā)展戰(zhàn)略。