鄭立中，韓建偉，鄭逸非，張李明，周翔宇

（國網(wǎng)安徽省電力有限公司建設(shè)分公司，安徽合肥 230022）

在電力系統(tǒng)中，電力變壓器、GIS（Gas Isolated Switchgear）開關(guān)等設(shè)備的體積與重量較大，生產(chǎn)合格后，在運(yùn)抵安裝使用現(xiàn)場前均需要經(jīng)過長途運(yùn)輸[1]。為了避免設(shè)備在運(yùn)輸途中發(fā)生損壞，對運(yùn)輸途中車輛的速度、加速度等指標(biāo)有著嚴(yán)格的控制[2]。但在傳統(tǒng)的電氣設(shè)備運(yùn)輸中，難以實(shí)時(shí)了解運(yùn)輸過程中的行駛速度、三軸加速度、當(dāng)前路況及地理位置等重要信息[3]。

文中研究并開發(fā)了一種功能可靠、安裝使用簡便的車載終端產(chǎn)品，結(jié)合GPS（Global Positioning System）與物聯(lián)網(wǎng)技術(shù)，實(shí)時(shí)采集監(jiān)控存儲三維加速度、碰撞強(qiáng)度與次數(shù)、溫濕度、壓力、姿態(tài)角度以及車輛的經(jīng)度、緯度、速率、時(shí)間信息等數(shù)據(jù)[4-5]；同時(shí)挖掘采集數(shù)據(jù)，針對電氣設(shè)備可能存在損壞的問題，建立了基于自編碼器網(wǎng)絡(luò)算法的預(yù)警模型，集成軟件產(chǎn)品、配套Web 端、APP 端，以提升用戶產(chǎn)品體驗(yàn)感。

1 系統(tǒng)設(shè)計(jì)

智能電氣設(shè)備運(yùn)輸狀態(tài)監(jiān)測系統(tǒng)分為前端車載監(jiān)控系統(tǒng)、通訊線路、智能車載監(jiān)控后臺3 個(gè)部分。整體系統(tǒng)架構(gòu)設(shè)計(jì)如圖1 所示。

圖1 電氣設(shè)備運(yùn)輸狀態(tài)監(jiān)測系統(tǒng)架構(gòu)圖

1）前端車載監(jiān)控系統(tǒng)：包括車載存儲機(jī)、監(jiān)控?cái)z像機(jī)、抓拍攝像頭、語音記錄儀、報(bào)警按鈕、多功能調(diào)度屏、語音對講設(shè)備、北斗定位等。

2）通訊線路：包含前端移動傳輸4G 與后臺指揮中心以太網(wǎng)網(wǎng)絡(luò)。

3）智能車載監(jiān)控后臺：基于無線網(wǎng)絡(luò)實(shí)時(shí)存儲分析視頻、音頻數(shù)據(jù)，遠(yuǎn)程對車輛進(jìn)行集中管理、實(shí)時(shí)調(diào)度、高度監(jiān)控。以集中化、分布式網(wǎng)絡(luò)管理為架構(gòu)，高品質(zhì)、高效率地實(shí)現(xiàn)實(shí)時(shí)監(jiān)視、地理定位、車輛歷史行駛軌跡回放及報(bào)警預(yù)警等功能。

2 車載監(jiān)控終端

2.1 需求設(shè)計(jì)

車載監(jiān)控終端的功能包括實(shí)時(shí)采集三維加速度、碰撞強(qiáng)度與次數(shù)、溫濕度、壓力、姿態(tài)角度、直線速度、旋轉(zhuǎn)速度等參數(shù)，并結(jié)合集成軟件、配套軟件進(jìn)行可視化展示。配套軟件有WEB 端、APP 端，能夠自動生成運(yùn)輸過程的監(jiān)測報(bào)告，具備引導(dǎo)驗(yàn)收人員填寫驗(yàn)收結(jié)論的界面。配套軟件數(shù)據(jù)中心能夠在網(wǎng)絡(luò)正常情況下快速遠(yuǎn)程調(diào)用所有數(shù)據(jù)、分析結(jié)果、研究結(jié)論，為運(yùn)輸狀態(tài)監(jiān)控、運(yùn)輸路線設(shè)計(jì)等提供支持；同時(shí)具備多元化的數(shù)據(jù)輸出形式，便于后期拓展與開發(fā)。

車載監(jiān)控終端外形美觀、體積小，方便安裝在設(shè)備上或車廂內(nèi)部，無損化的安裝過程中不會對設(shè)備或車輛造成影響；產(chǎn)品本身具備防水、防沙塵、防雷擊、防漏電、抗顛簸能力，保證電路及網(wǎng)絡(luò)安全、可靠運(yùn)行。設(shè)備電源具備保證產(chǎn)品遠(yuǎn)程呼喚、數(shù)據(jù)調(diào)用及常規(guī)運(yùn)行600 h 以上的電量。

2.2 硬件設(shè)計(jì)

車載監(jiān)控終端硬件總體框圖如圖2 所示，采用主流低功耗ARM 微處理器[6]，其具有體積小、低功耗、低成本、高性能等優(yōu)點(diǎn)，還可以根據(jù)嵌入式對象的不同特點(diǎn)靈活調(diào)整其可實(shí)現(xiàn)的功能，在嵌入式微處理器的應(yīng)用方面具有重要地位[7]。ARM 體系結(jié)構(gòu)完整，因其使用了大量的寄存器，所以處理速度十分迅速。由于ARM 的尋址方式大多在寄存器內(nèi)即可操作完成，因此靈活便捷、效率執(zhí)行高，且指令長度固定。

GPS[8]全球定位基于GPRS 與INTERNET 通訊網(wǎng)絡(luò)的監(jiān)控調(diào)度系統(tǒng)，包括偽距單點(diǎn)定位、載波相位定位與實(shí)時(shí)差分定位。GPS 是目前全球最為成功的衛(wèi)星定位系統(tǒng)，其具備的特點(diǎn)包括：1）導(dǎo)航定位能力連續(xù)不間斷；2）能夠?qū)崿F(xiàn)實(shí)時(shí)導(dǎo)航，且精度高、觀測快；3）提供的三維地心坐標(biāo)在全球范圍內(nèi)具有統(tǒng)一標(biāo)準(zhǔn)；4）儀器操作簡便；5）抗干擾能力強(qiáng)、保密性優(yōu)；6）功能多、應(yīng)用廣泛。

圖2 車載監(jiān)控終端硬件總體框架圖

數(shù)據(jù)采集模塊包括三維沖撞數(shù)據(jù)[9]采集模塊、溫濕度數(shù)據(jù)[10]采集模塊、音視頻數(shù)據(jù)[11]采集模塊及壓力數(shù)據(jù)[12]采集模塊。采集的數(shù)據(jù)均帶有時(shí)間戳，為典型的時(shí)間序列。

無線傳輸[13]模塊采用公網(wǎng)無線傳輸，通過GSM/GPRS 網(wǎng)絡(luò)作為傳輸媒介，為現(xiàn)場設(shè)備輸出的數(shù)據(jù)或各種物理量提供高穩(wěn)定、高可靠、低成本的遠(yuǎn)程傳輸。利用GSM 移動通信網(wǎng)絡(luò)的短信息與GPRS 業(yè)務(wù)，為設(shè)備運(yùn)輸搭建一個(gè)超遠(yuǎn)距離的數(shù)據(jù)傳輸平臺。

3 基于自編碼器網(wǎng)絡(luò)的預(yù)警模型

根據(jù)國家標(biāo)準(zhǔn)GB/T 6451-2008 中的規(guī)定，壓力、三軸加速度、傾斜角度及車輛行駛速度是影響電力設(shè)備在遠(yuǎn)程運(yùn)輸過程中性能降低或損壞的主要因素[14]。傳統(tǒng)的狀態(tài)監(jiān)控方式是對主要影響因素施加最小值與最大值限制，若當(dāng)前值在限制范圍內(nèi)，則電氣設(shè)備是安全的；若當(dāng)前值超出范圍，則電氣設(shè)備可能具有損壞的風(fēng)險(xiǎn)并發(fā)送警報(bào)。但是該種施加硬編碼警報(bào)限制的過程通常會發(fā)送大量錯(cuò)誤警報(bào)及缺失警報(bào)，同時(shí)也存在損壞風(fēng)險(xiǎn)但未發(fā)送警報(bào)的情況。第一種情況不僅耗費(fèi)了時(shí)間與精力，且還消耗了電氣設(shè)備的可用性；而第二種情況則更為重要，因?yàn)槠鋾?dǎo)致真正的電氣設(shè)備損壞。這兩個(gè)問題均是由同一個(gè)原因引起的，根據(jù)對單個(gè)影響因素的分析，不能準(zhǔn)確地判斷復(fù)雜設(shè)備的健康狀況，必須考慮各種影響因素的組合，并使用自編碼器（Auto Encoder，AE）網(wǎng)絡(luò)建立預(yù)警模型。

3.1 自編碼器網(wǎng)絡(luò)算法

自編碼器是一類在半監(jiān)督學(xué)習(xí)與非監(jiān)督學(xué)習(xí)中使用的人工神經(jīng)網(wǎng)絡(luò)，其功能是通過將輸入信息作為學(xué)習(xí)目標(biāo)，并對輸入信息進(jìn)行表征學(xué)習(xí)[15]。

如圖3 所示，自編碼器包含編碼器與解碼器兩部分，按學(xué)習(xí)范式的不同，自編碼器分為收縮自編碼器、正則自編碼器與變分自編碼器，其中前兩者是判別模型，后者是生成模型。按構(gòu)筑類型，自編碼器可以是前饋結(jié)構(gòu)或遞歸結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)。自編碼器具有一般意義上表征學(xué)習(xí)算法的功能，被應(yīng)用于降維和異常值檢測[16]。

圖3 自動編碼器網(wǎng)絡(luò)

給定輸入空間X∈χ與特征空間h∈F，自編碼器求解兩者的映射f、g，使輸入特征的重建誤差達(dá)到最小，如下式：

求解完成后，編碼器輸出的隱含層特征即“編碼特征”可視為輸入數(shù)據(jù)的表征。按自編碼器的不同，其編碼特征可以是輸入數(shù)據(jù)的壓縮（收縮自編碼器）、稀疏化（稀疏自編碼器）或隱變量模型（變分自編碼器）等。

在電氣設(shè)備運(yùn)輸狀態(tài)監(jiān)控與異常預(yù)警的背景下，自編碼器網(wǎng)絡(luò)的基本思想是將電氣設(shè)備處于“正?！睜顟B(tài)下的數(shù)據(jù)壓縮降維表示，并捕獲各特征因素之間的相關(guān)性和相互作用，然后將其進(jìn)行重構(gòu)。當(dāng)電氣設(shè)備的性能發(fā)生變化后，網(wǎng)絡(luò)重構(gòu)輸入變量的錯(cuò)誤將會增加，通過監(jiān)視重建錯(cuò)誤，可以獲得電氣設(shè)備的“健康”指示。

3.2 建立預(yù)警模型

1）數(shù)據(jù)準(zhǔn)備

如表1 所示，選取在運(yùn)輸途中受到損壞的電氣設(shè)備在損壞前8～12 min 的數(shù)據(jù)作為訓(xùn)練集，剩余數(shù)據(jù)作為測試集，評估自編碼器網(wǎng)絡(luò)是否能在設(shè)備損壞前檢測到，時(shí)間顆粒度均為s。

表1 數(shù)據(jù)準(zhǔn)備表

2）訓(xùn)練模型

使用自編碼器網(wǎng)絡(luò)對訓(xùn)練集進(jìn)行建模，通過增加的網(wǎng)絡(luò)重建損失來識別電氣設(shè)備的異常值。訓(xùn)練集的重建損失指標(biāo)采用MAE（平均絕對誤差）分布，如圖4 所示?？梢钥闯?，當(dāng)MAE 值大于0.27 時(shí)，設(shè)備可以定義為異常，因此，將0.27 設(shè)置為參考閾值，計(jì)算測試集中的所有數(shù)據(jù)點(diǎn)的重建損失，并與參考閾值進(jìn)行比較，驗(yàn)證模型的正確性。

圖4 設(shè)備正常狀態(tài)下的重建分布圖

3）測試集的模型評估

將測試集的數(shù)據(jù)帶入模型進(jìn)行重建損失分布，如圖5 所示。圖中，折線代表重建損失，虛線表示定義的閾值。該變壓器是在03:10:10 發(fā)生損壞，而該模型在03:08:03 的重建損失參數(shù)即開始超過閾值，檢測到設(shè)備可能會損壞，驗(yàn)證了模型的可靠性。因此可以將模型應(yīng)用于實(shí)際運(yùn)輸中，當(dāng)重建損失超過閾值時(shí)進(jìn)行預(yù)警。

4 系統(tǒng)集成功能測試

將車載監(jiān)控終端部署在運(yùn)輸車上，運(yùn)輸變壓器容量等級為180 MVA/220 kV、運(yùn)輸重量為118 t、運(yùn)輸周期30 天。文中實(shí)時(shí)采集了運(yùn)輸過程中的三維加速度、碰撞強(qiáng)度與次數(shù)、溫濕度、壓力、姿態(tài)角度、直線速度、旋轉(zhuǎn)速度等參數(shù)，以及車輛實(shí)時(shí)地理位置定位等信息并配套軟件進(jìn)行使用。

圖5 測試集的重建分布圖

當(dāng)變壓器的重建損失值大于設(shè)定閾值0.27 時(shí)，智能監(jiān)測系統(tǒng)通過GPRS 服務(wù)將報(bào)警數(shù)據(jù)發(fā)送至相關(guān)人員的手機(jī)及電腦終端，從而可以有效地對運(yùn)輸進(jìn)行監(jiān)管，確保變壓器運(yùn)輸過程中的安全性。此次運(yùn)輸共接收報(bào)警30 次，如表2 所示。接收報(bào)警數(shù)據(jù)手機(jī)截圖如圖6 所示。

表2 報(bào)警時(shí)間表

圖6 手機(jī)接收報(bào)警數(shù)據(jù)圖

5 結(jié)束語

隨著5G、物聯(lián)網(wǎng)技術(shù)的高速發(fā)展，數(shù)據(jù)獲取成本逐漸降低，數(shù)據(jù)質(zhì)量不斷完善，通過機(jī)器學(xué)習(xí)進(jìn)行數(shù)據(jù)挖掘的價(jià)值空間巨大。文中通過設(shè)計(jì)開發(fā)電氣設(shè)備遠(yuǎn)程狀態(tài)監(jiān)測系統(tǒng)，填補(bǔ)了目前設(shè)備制造從出廠到施工現(xiàn)場驗(yàn)收之間的監(jiān)管空白?；谧跃幋a器網(wǎng)絡(luò)建立電氣設(shè)備運(yùn)輸異常檢測預(yù)警模型，提升了電氣設(shè)備在運(yùn)輸中的安全保證，降低了現(xiàn)有設(shè)備驗(yàn)收環(huán)節(jié)的風(fēng)險(xiǎn)。后期將挖掘系統(tǒng)其他數(shù)據(jù)，結(jié)合機(jī)器學(xué)習(xí)算法開展路面情況識別、車輛智慧管理等研究。