陳和洋，周金平，何春慶，陳 歡，王林發(fā)

（國網(wǎng)龍巖供電公司，福建 龍巖 364000）

0 引言

變電站直流系統(tǒng)為控制、信號、保護、自動裝置、事故照明及倒閘操作等提供可靠的直流電源，對變電站的安全、穩(wěn)定運行起著十分重要的作用［1］。直流系統(tǒng)一般由充電裝置和蓄電池構成，因此蓄電池的健康狀態(tài)直接影響到直流系統(tǒng)的安全穩(wěn)定運行。在《國家電網(wǎng)公司變電運維管理規(guī)定》及《國家電網(wǎng)公司變電運維通用管理規(guī)定（第24分冊站用直流電源系統(tǒng)運維細則）》中對蓄電池組全核對性放電試驗、單個蓄電池電壓、蓄電池內(nèi)阻等試驗和維護項目進行了規(guī)定。

目前蓄電池檢測工作一般需要先打印紙質(zhì)作業(yè)卡，現(xiàn)場測試完成后，記錄下測試數(shù)據(jù)，然后再手工錄入設備（資產(chǎn)）運維精益管理系統(tǒng)（Equipments（assets）Operation and Maintenance Precision Management System，PMS）［2］。該方式效率低下，同時記錄和錄入過程可能存在遺漏或錯誤，數(shù)據(jù)準確度較差。隨著移動作業(yè)技術的在電力系統(tǒng)中的大力普及，越來越多的移動作業(yè)終端被應用到變電領域，利用移動作業(yè)終端可以實現(xiàn)對變電設備信息、檢測數(shù)據(jù)、設備維護和退役等全流程的精益化管理，大大提高了變電運維工作的效率［3］。文獻［4］介紹了一種蓄電池試驗遠程操控系統(tǒng)，實現(xiàn)在云端監(jiān)測蓄電池各項測試數(shù)據(jù)，但采集的各項測試數(shù)據(jù)未能與PMS2.0 系統(tǒng)貫通，并在PMS 系統(tǒng)生成相應的測試數(shù)據(jù)和記錄。蓄電池在線監(jiān)測技術能夠利用現(xiàn)場布置的傳感器對蓄電池內(nèi)阻、電壓、溫度、剩余容量等數(shù)據(jù)進行監(jiān)測，實現(xiàn)對蓄電池健康狀態(tài)跟蹤。文獻［5］介紹了一種基于物聯(lián)網(wǎng)技術的變電站蓄電池監(jiān)測系統(tǒng)，通過電壓、溫度、內(nèi)阻等采集模塊采集數(shù)據(jù)，經(jīng)過網(wǎng)絡層將監(jiān)測數(shù)據(jù)傳輸至主站，但布置該系統(tǒng)可能會產(chǎn)生較高的成本，其中包括數(shù)據(jù)的采集、傳輸和存儲，如文獻［6］介紹的云管理系統(tǒng)每天對蓄電池進行數(shù)次測試，高頻、長期的測試將產(chǎn)生海量測試數(shù)據(jù)，用于存儲數(shù)據(jù)的服務器也是不小的費用。此外采用持續(xù)的在線監(jiān)測還可能因采集線、保險等出現(xiàn)誤報警、數(shù)據(jù)通信斷連等系統(tǒng)穩(wěn)定性問題。但從長遠角度來看，對蓄電池部署在線監(jiān)測系統(tǒng)是未來發(fā)展的趨勢，系統(tǒng)需要將監(jiān)測數(shù)據(jù)與PMS 系統(tǒng)打通，形成相應的檢測記錄數(shù)據(jù)報告以及完善的信號斷連告警機制，并逐漸由人工現(xiàn)場檢測轉(zhuǎn)變?yōu)檫h程控制檢測，運行人員僅定期對現(xiàn)場設備進行巡視即可，從而減輕運維人員的工作量，提高設備運維管理水平。

設計一種基于物聯(lián)網(wǎng)技術的變電站蓄電池設備數(shù)據(jù)采集系統(tǒng)，利用移動作業(yè)終端掃描設備二維碼對蓄電池各項數(shù)據(jù)進行標準化抄錄，配合在線語音識別技術提高了數(shù)據(jù)抄錄的效率。同時，利用無線專網(wǎng)和安全接入平臺與內(nèi)網(wǎng)系統(tǒng)實現(xiàn)數(shù)據(jù)同步，并在后臺生成相關檢測記錄，避免運維人員重復錄入數(shù)據(jù)，浪費時間。移動作業(yè)終端可以對采集的蓄電池內(nèi)阻、電壓等數(shù)據(jù)進行分析后得到蓄電池健康狀態(tài)，對存在缺陷和異常的蓄電池提供告警，便于運檢人員及時開展設備維護工作。

1 系統(tǒng)架構

基于物聯(lián)網(wǎng)技術的變電站蓄電池設備數(shù)據(jù)采集系統(tǒng)如圖1所示，其由PMS2.0平臺層、業(yè)務平臺層和業(yè)務應用層3 部分構成。其中，PMS2.0 為設備（資產(chǎn)）運維精益管理系統(tǒng)，系統(tǒng)覆蓋輸電、變電、配電三大專業(yè)，在變電專業(yè)方面，系統(tǒng)以設備臺賬管理為核心，涵蓋設備管理、運行工作管理、缺陷管理、檢修試驗管理、標準化作業(yè)管理、計劃任務管理、狀態(tài)檢修管理、生產(chǎn)報表管理各種專項管理、各種統(tǒng)計查詢等生產(chǎn)業(yè)務［7-8］。

圖1 系統(tǒng)架構

業(yè)務平臺層實現(xiàn)數(shù)據(jù)的接入、業(yè)務分析以及PMS2.0進行數(shù)據(jù)交互?；赑MS2.0定義了統(tǒng)一的通信規(guī)約與統(tǒng)一數(shù)據(jù)規(guī)約，管理所有與PMS2.0 的數(shù)據(jù)交互。在此基礎上，對數(shù)據(jù)進行加工，構建業(yè)務分析模型，實現(xiàn)二維碼識別引擎、報表分析引擎、語音識別引擎以及預警分析服務，構建統(tǒng)一的接入服務，用于與移動終端進行數(shù)據(jù)交互，為業(yè)務應用提供支撐服務。

業(yè)務應用層在業(yè)務平臺建設成果的基礎上，提供移動終端業(yè)務管理，利用蓄電池二維碼標簽技術，對蓄電池各項數(shù)據(jù)進行高效采集，根據(jù)采集的數(shù)據(jù)進行質(zhì)量分析，當系統(tǒng)發(fā)現(xiàn)異常時進行主動告警，實現(xiàn)對蓄電池健康狀況進行跟蹤和監(jiān)測。

2 網(wǎng)絡架構

利用安全交互平臺內(nèi)嵌的通道服務，實現(xiàn)移動作業(yè)終端與PMS2.0系統(tǒng)進行交互，如圖2所示。

圖2 網(wǎng)絡構架

采用無線專網(wǎng)和安全接入平臺接入到內(nèi)網(wǎng)，實現(xiàn)移動終端與移動應用主站的數(shù)據(jù)交互。內(nèi)網(wǎng)移動應用通過電力無線虛擬專網(wǎng)接入安全接入平臺，由安全接入平臺進行接入監(jiān)管、數(shù)據(jù)過濾后再連接到移動應用主站業(yè)務服務接口，實現(xiàn)同業(yè)務系統(tǒng)的數(shù)據(jù)交互。采用電力無線虛擬專網(wǎng)和安全接入平臺，能夠有效杜絕非法接入和違規(guī)外連，保障了內(nèi)網(wǎng)數(shù)據(jù)的安全。

3 系統(tǒng)功能

3.1 二維碼標簽

二維碼技術是一種新型條形碼技術，是在一維條形碼的基礎上發(fā)展起來的一門集信息編碼、信息傳遞、圖像處理等技術于一體的綜合性技術［9］。二維碼種類有：便攜數(shù)據(jù)文件二維碼（Portable Data File 417，PDF417）、快速反應二維碼（Quick Response Code，QR Code）、49 條形碼（Code 49）、16K 條形碼（Code 16K）等［10］，其中QR 碼是最常見的二維碼。二維碼具有便于識別、信息容量大、抗干擾和容錯能力強等特點［11］，變電站內(nèi)通常將其打印于抗老化塑殼或不銹鋼板等材質(zhì)上形成二維碼標簽，用3M 背膠、抱箍、膨脹螺絲等進行固定安裝。

3.1.1 二維碼標簽編碼與識別技術

1）二維碼的編碼與識別原理。

一個二維碼由空白區(qū)、位置探測圖形、位置探測圖形分隔符、定位圖形、校正圖形、格式信息、版本信息、數(shù)據(jù)和糾錯碼字構成，基本結構如圖3所示。

圖3 二維碼基本結構

識別過程主要分為：圖像預處理、定位位置探測圖形、定位校正圖形、透視變換、譯碼和糾錯。

圖像預處理將圖像進行灰度化、去噪、畸變矯正和二值化，便于識別［12］。

通過位置探測圖形、位置探測圖形分隔符和定位圖形進行定位。

校正圖形用于對二維碼的形狀進行校正，根據(jù)位置探測圖形估計校正圖形，并進行校正。

利用定位圖形和校正圖形的中心點，通過透視變換獲取標準正方形圖形［13-14］。

譯碼過程對二維碼版本信息、格式信息、數(shù)據(jù)和糾錯碼進行解碼和比對，將數(shù)據(jù)區(qū)轉(zhuǎn)化為0和1的比特流，并用糾錯算法對比特流進行校驗和糾錯。根據(jù)編碼格式后譯碼就得到了二維碼中包含的信息。

其中格式信息用于存儲容錯級別和數(shù)據(jù)掩碼以及額外的自身容錯碼，存儲容錯級別分為L、M、Q、H這4 個等級，分別為7%、15%、25%、30%的字碼可被糾正［15］。版本信息用于存儲二維碼的規(guī)格，共有40種規(guī)格的矩陣，從21×21 像素（版本1）到177×177 像素（版本40），每一版本符號比前一版本每邊增加4個模塊［16］。數(shù)據(jù)和糾錯碼字用于存儲二維碼的信息和修正二維碼損壞帶來的錯誤。

2）二維碼標簽的技術要求。

二維碼應采用QR 碼，二維碼內(nèi)含有實物“ID”編碼及蓄電池的各項信息。對于不可以近距離掃碼的設備，應具備一定的糾錯等級，通常為L 級（7%的字碼可被糾正）。對于使用年限較長，并且又可以近距離掃碼的設備，宜采用H 級（30%的字碼可被糾正）［17］。識別二位碼的終端應具備800 萬以上像素，具備自動對焦以及裝有智能操作系統(tǒng)。

3.1.2 二維碼標簽管理

數(shù)據(jù)采集系統(tǒng)需要構建變電蓄電池二維碼識別體系，利用二維碼技術，按照規(guī)則批量生成變電蓄電池組、電池單體數(shù)字化的唯一標識資產(chǎn)ID 和二維碼，利用集成移動智能終端打印機，打印生成蓄電池二維碼標簽，用于蓄電池現(xiàn)場識別與數(shù)據(jù)采集，建立變電站蓄電池二維碼動態(tài)管控。

基于移動互聯(lián)網(wǎng)技術、二維碼掃描識別技術，現(xiàn)場移動作業(yè)終端一鍵掃描識別，有效輔助現(xiàn)場人員數(shù)據(jù)采集［18］。

3.2 數(shù)據(jù)采集

通過掃描變電蓄電池二維碼、語音等智能識別技術，提高變電蓄電池數(shù)據(jù)采集效率。對蓄電池設備檢測數(shù)據(jù)標準規(guī)范進行梳理和拓展，形成變電蓄電池采集數(shù)據(jù)標準化模版，對蓄電池數(shù)據(jù)進行標準化采集，如圖4 所示，可實現(xiàn)移動端蓄電池單體、電池組等各類檢測數(shù)據(jù)采入功能，支撐檢測數(shù)據(jù)可靠、快速采集。

圖4 蓄電池檢測數(shù)據(jù)標準化采集界面

3.2.1 語音錄入

移動作業(yè)終端的顯示界面通常較小，鍵盤彈窗也較小，手動輸入容易造成誤觸，影響錄入效率。語音識別服務能夠?qū)⒄Z音實時音頻文件轉(zhuǎn)寫成文本，是進行智能人機交互的基礎［19］。為了提升數(shù)據(jù)采集效率，采集系統(tǒng)還接入了智能語音識別輸入功能，如圖5 所示，對接收到的語音進行特征提取，提取到的特征與經(jīng)過樣本庫訓練得到的聲學模型和語言模型進行比對后，形成文本輸出。對用戶的實時音頻流識別結果進行自動斷句，標記每句話的開始和結束時間，實現(xiàn)智能識別，優(yōu)化輸入，提升數(shù)據(jù)采集效率。

圖5 語音識別模型

1）聲音模型。

聲音建模是實現(xiàn)語言識別的核心，需要選擇合適的聲學基元來建模，可以是音素、音節(jié)、詞等多個層次［20］。隱形馬爾科夫模型（Hidden Markov Model，HMM）符合人類的語言過程，人類產(chǎn)生語音時，語法語音、大腦思考過程等內(nèi)部隱含狀態(tài)是不可見的，所生成的音素參數(shù)流的特征參數(shù)卻是可觀測的［21］。

在選取聲學基元時，考慮到漢語獨特的聲韻母結構及語音語調(diào)，選取聲韻母模型能夠獲得更好的識別性能。

采用基于深度神經(jīng)網(wǎng)絡隱形馬爾科夫模型（Deep Neural Networks-Hidden Markov Model，DNNHMM）構建聲學模型，如圖6所示，其中HMM 對語音時序信號建模，DNN 為輸入樣本的后驗概率分布建模［22］。

圖6 DNN-HMM聲學模型

圖中S1，S2，...，Sk-1，Sk為HMM 中的各個隱藏狀態(tài)，從而組成一個隱藏序列。觀測序列為一段語音數(shù)據(jù)，經(jīng)過加窗、分幀后將頻譜特征進行提取，獲得觀測矢量v作為DNN 的輸入。DNN 會進行拼接幀操作以獲得更多信息的輸入向量，相比傳統(tǒng)的高斯混合模型（Gaussian Mixed Model，GMM），DNN 具有更好的性能［23-24］。

需要將DNN 得到的后驗概率和先驗概率相結合，轉(zhuǎn)化得到狀態(tài)的觀察概率。例如：輸入樣本為x、輸出狀態(tài)為s，P（s|x）表示DNN 的后驗概率輸出，根據(jù)貝葉斯公式有

式中：P（s）為建模單元的先驗概率；P（x）為觀測樣本的先驗概率，通常采用平均分布進行替代。

通過式（1）得到觀察概率后就可以結合HMM 以及語言模型進行解碼。

2）語言模型。

語言模型是對一段文本X=（w1，w2，...，wn）的概率進行估計，即計算P（X）的概率。語言模型分為統(tǒng)計語言模型（Statistical Language Model，SLM）和神經(jīng)網(wǎng)絡語言模型（Neural Network Language Model，NNLM）［25］。

在統(tǒng)計語言模型中利用極大似然估計來計算每個詞出現(xiàn)的條件概率，根據(jù)排列順序判斷一段文字是否為自然語言，即

當句子長度較長時，估計最后一個詞的概率將產(chǎn)生大量運算，利用馬爾可夫假設（Markov Assumption，MA），假設當前詞出現(xiàn)的概率只依賴于前n-1個詞［26］，則第i個詞出現(xiàn)的概率為

則P（X）變?yōu)?/p>

隨著n的增大，自由參數(shù)空間呈指數(shù)級增長，同時在測試集中會出現(xiàn)訓練集中未出現(xiàn)過的詞和某個子序列未在訓練集中出現(xiàn)，帶來數(shù)據(jù)稀疏問題，須進行平滑化處理。

與統(tǒng)計語言模型不同的是，神經(jīng)網(wǎng)絡語言模型不通過計數(shù)的方法對n元條件概率進行估計，而是直接通過一個神經(jīng)網(wǎng)絡對其建模求解，盡管神經(jīng)網(wǎng)絡在一定程度上解決了數(shù)據(jù)稀疏的問題，但還是損失了一些信息。解決方法是采用循環(huán)神經(jīng)網(wǎng)絡（Recurrent Neural Network，RNN），只需要把NNLM的隱藏層換成RNN 神經(jīng)元，RNN 結構能利用文字的上下文序列關系，更好地對語句之間的關系進行建模。

3.2.2 歷史數(shù)據(jù)調(diào)閱

在移動作業(yè)終端對蓄電池單體、電池組等各類檢測數(shù)據(jù)采錄時，還可以調(diào)閱蓄電池歷史檢測數(shù)據(jù)進行分析，并結合預警規(guī)則庫，進行比對提醒，如圖7和圖8所示。

圖7 歷史檢測數(shù)據(jù)預警

圖8 數(shù)據(jù)錄入異常告警

3.2.3 同步PMS2.0

基于PMS2.0 的數(shù)據(jù)模型，定義了統(tǒng)一的通信規(guī)約與數(shù)據(jù)規(guī)約，管理所有與PMS2.0 的數(shù)據(jù)交互，實現(xiàn)移動終端采集的數(shù)據(jù)實時與PMS2.0 系統(tǒng)數(shù)據(jù)同步共享。傳統(tǒng)蓄電池檢測工作完成后運維人員還需要在PMS2.0 系統(tǒng)上將檢測數(shù)據(jù)錄入至系統(tǒng)，而移動作業(yè)終端的采集系統(tǒng)，通過標準化數(shù)據(jù)錄入能夠在PMS2.0 系統(tǒng)內(nèi)生成相應的檢測報告，無須人工二次做記錄，避免進行重復性工作，提高了運維人員的工作效率。

3.3 告警與異常檢測

采集系統(tǒng)內(nèi)設置蓄電池組電壓、單體蓄電池電壓、蓄電池內(nèi)阻、溫度等上下限值，通過建立預警規(guī)則庫，并建立對應的響應觸發(fā)機制。對過充過放、溫度超限、容量過小、電壓過壓、電壓欠壓、內(nèi)阻超限等多種電池故障或隱患進行建模、分析，建立數(shù)據(jù)驅(qū)動的主動預警機制。

在數(shù)據(jù)采集過程中，實時調(diào)取預警規(guī)則庫數(shù)據(jù)，對采集數(shù)據(jù)進行實時檢測分析，并結合歷史數(shù)據(jù)進行比對分析，發(fā)現(xiàn)符合預警條件時自動預警。

3.4 蓄電池質(zhì)量分析

對蓄電池的內(nèi)阻和電壓進行長期跟蹤，在內(nèi)網(wǎng)端，構建可視化的監(jiān)測平臺，如圖9 所示。利用可視化技術，對歷史數(shù)據(jù)進行分析統(tǒng)計，根據(jù)不同需求關注，以圖表等方式，提供易懂、直觀、高效、便捷的可視化展示平臺，全面掌握蓄電池的運行維護情況，為管理人員提供決策支撐。

圖9 蓄電池內(nèi)阻檢測歷史曲線

4 結語

建立基于物聯(lián)網(wǎng)技術的變電站蓄電池設備數(shù)據(jù)采集系統(tǒng)，利用移動作業(yè)終端掃描二維碼標簽對變電站蓄電池檢測數(shù)據(jù)進行標準化錄入，檢測數(shù)據(jù)可實時同步至PMS2.0 系統(tǒng)，提高了蓄電池檢測工作的效率。采集系統(tǒng)對采集的蓄電池內(nèi)阻、電壓等數(shù)據(jù)進行分析后可以得到蓄電池的健康狀態(tài)，并對存在缺陷和異常蓄電池提供告警，便于運檢人員及時開展設備維護工作。

隨著電網(wǎng)規(guī)模的不斷擴大，變電站數(shù)量與日俱增，而運維人員的數(shù)量并沒有隨之大規(guī)模增加，因此需要利用新的技術手段取代傳統(tǒng)低效、耗時、重復的檢測、維護工作。2016年電網(wǎng)公司啟動電網(wǎng)資產(chǎn)身份建設，以實物ID 為核心，實現(xiàn)資產(chǎn)信息全維度收集、全過程跟蹤、全方位共享。今后將會有越來越多的智能設備和技術被應用到變電領域，基于物聯(lián)網(wǎng)技術的數(shù)字化變電運維管理模式是未來的發(fā)展趨勢。