牛朋超

(中南勘察設(shè)計(jì)院集團(tuán)有限公司, 武漢 430073)

0 引言

我國的土地面積非常寬廣,因此電力基礎(chǔ)設(shè)備的分布范圍也相對(duì)較廣. 目前,電力行業(yè)中的基礎(chǔ)設(shè)備與設(shè)施在行業(yè)中基本上實(shí)現(xiàn)了全覆蓋,要想實(shí)現(xiàn)對(duì)其進(jìn)行遠(yuǎn)程監(jiān)控、統(tǒng)一管理,就需要大量的人力、物力與財(cái)力. 在對(duì)電力系統(tǒng)進(jìn)行建設(shè)的過程中,機(jī)電設(shè)備的智能化、信息化已經(jīng)成為電力系統(tǒng)在未來發(fā)展的必然結(jié)果. 針對(duì)機(jī)電設(shè)備進(jìn)行智能運(yùn)維監(jiān)控是保證電力網(wǎng)絡(luò)正常運(yùn)行的基本環(huán)節(jié). 因此,國內(nèi)有相關(guān)專業(yè)領(lǐng)域的學(xué)者針對(duì)機(jī)電設(shè)備設(shè)計(jì)了對(duì)應(yīng)的監(jiān)控方法.

郭東明[1]提出基于CAN總線的變電所過程層設(shè)備運(yùn)行狀態(tài)智能監(jiān)控方法. 利用CAN信息采集卡采集設(shè)備運(yùn)行數(shù)據(jù),計(jì)算CAN總線通信波特率,引入BP神經(jīng)網(wǎng)絡(luò)模型對(duì)運(yùn)行數(shù)據(jù)進(jìn)行深入挖掘,實(shí)現(xiàn)對(duì)變電所過程層設(shè)備運(yùn)行狀態(tài)的智能監(jiān)控. 雖然該方法能對(duì)機(jī)電設(shè)備進(jìn)行有效監(jiān)控,但是監(jiān)控過程中消耗的能量較多,性能還有待提高. 江子立[2]提出了基于物聯(lián)網(wǎng)技術(shù)的高速公路機(jī)電設(shè)備用電異常監(jiān)測方法,構(gòu)建參數(shù)共享模型,通過用電數(shù)據(jù)質(zhì)量分析方法分析傳感器采集數(shù)據(jù),通過物聯(lián)網(wǎng)技術(shù)建立監(jiān)測中心對(duì)機(jī)電設(shè)備用電異常變化記性監(jiān)測. 雖然該方法的監(jiān)測結(jié)果較為準(zhǔn)確,但是由于算法復(fù)雜,增加了整體的監(jiān)控的時(shí)延,在監(jiān)控的實(shí)時(shí)性上還有一定的進(jìn)步空間.

智能的運(yùn)行維護(hù)監(jiān)控系統(tǒng),不僅能提升整個(gè)系統(tǒng)的安全性、穩(wěn)定性與可靠性,而且可在減少人力所帶來負(fù)擔(dān)的同時(shí),也減少了管理成本. 為了能讓高速公路機(jī)電設(shè)備運(yùn)行維護(hù)監(jiān)控系統(tǒng)中智能化的程度得以提升,就需要在多傳感信息融合的基礎(chǔ)上,實(shí)現(xiàn)對(duì)機(jī)電設(shè)備的智能運(yùn)維監(jiān)控. 為此,本文提出基于多傳感信息融合的高速公路機(jī)電設(shè)備智能運(yùn)維監(jiān)控方法. 對(duì)現(xiàn)場機(jī)電設(shè)備產(chǎn)生的數(shù)據(jù)進(jìn)行實(shí)時(shí)地傳輸感應(yīng),將所得到的數(shù)據(jù)信息進(jìn)行有效融合,及時(shí)并準(zhǔn)確地發(fā)現(xiàn)機(jī)電設(shè)備存在的問題與隱患,掌握現(xiàn)場狀況,并及時(shí)通知運(yùn)維部門進(jìn)行處理,保障高速公路機(jī)電設(shè)備運(yùn)行安全.

1 挖掘機(jī)電設(shè)備中多傳感器信息數(shù)據(jù)

采用多種不同類型的傳感器裝置,對(duì)高速公路機(jī)電設(shè)備運(yùn)行過程中的狀態(tài)信息進(jìn)行采集,其中包括光纖測溫傳感器、電流傳感器、SF6氣體傳感器、振動(dòng)傳感器.

光纖測溫傳感器型號(hào)為SR-C2022,分辨率0.1 ℃,測量精度±1%℃,1～32路多通道測溫,測量范圍-40～200.0 ℃. 電流傳感器型號(hào)為ACS712ELCTR-30A-T,靈敏度66 mV/A,精度±1.5%,線性度±1.5%,響應(yīng)時(shí)間5 μs,電源電壓5 V. SF6氣體傳感器型號(hào)為SC-10,精度SF6≤5%FS,電源電壓9～24 V,工作電流≤50 mA,濃度報(bào)警點(diǎn)≥1 000ppm,波特率2 400 bit/s,抗電強(qiáng)度>2 000 V. 振動(dòng)傳感器型號(hào)為TX9,靈敏度50 mV/mm/s±5%,頻率響應(yīng)(0～25)kHz,測量間距0～4.0 mm,電源電壓5～24 V.

為了提高機(jī)電設(shè)備運(yùn)行數(shù)據(jù)傳輸?shù)膶?shí)時(shí)性,本文選取BC-S5單向光纖光柵應(yīng)變計(jì)作為無線傳感裝置,實(shí)現(xiàn)傳感數(shù)據(jù)的實(shí)時(shí)傳輸. 該傳感器量程能達(dá)到±5 000με,在對(duì)高速公路機(jī)電設(shè)備運(yùn)行狀態(tài)進(jìn)行監(jiān)控的過程中,能實(shí)現(xiàn)更大量程和更大范圍數(shù)據(jù)的采集,并且有效提高數(shù)據(jù)采集精度.

在實(shí)現(xiàn)多傳感器聯(lián)網(wǎng)監(jiān)控與實(shí)時(shí)反饋的工作流程中,網(wǎng)站的建設(shè)和維護(hù)工作一般是由VPN服務(wù)來承擔(dān)的,其內(nèi)部的管理程序則是先使用經(jīng)過審計(jì)的數(shù)據(jù)庫、工作流程中的行為日志和管理接口來收集傳感器信號(hào),然后再使用WebUI對(duì)其進(jìn)行激活、修改和后續(xù)管理,對(duì)多個(gè)傳感器產(chǎn)生的信號(hào)做出精確分類. 系統(tǒng)內(nèi)所有傳感器的信息數(shù)據(jù),都可通過多維度數(shù)據(jù)來實(shí)現(xiàn)收集,并通過CACTI的周期性實(shí)現(xiàn)對(duì)歷史數(shù)據(jù)和當(dāng)前信息的監(jiān)測數(shù)據(jù)之間的比較. 根據(jù)收集到的信息,如果收集到的信息在不在閾值范圍內(nèi),就可觸發(fā)報(bào)警系統(tǒng),把不在閾值內(nèi)的數(shù)據(jù)及時(shí)傳遞給系統(tǒng)管理者.

想要使機(jī)電設(shè)備實(shí)際反映出來的數(shù)據(jù)能更為精確,就必須對(duì)所監(jiān)控的數(shù)據(jù)信號(hào)進(jìn)行更為深入的發(fā)掘,現(xiàn)有的挖掘方法較多,包括回歸分析、關(guān)聯(lián)規(guī)則、多尺度分析等. 回歸方法在分析多因素模型時(shí)比較便捷,但是可能會(huì)受到因子的不確定性的影響而降低數(shù)據(jù)分析的準(zhǔn)確性. 關(guān)聯(lián)規(guī)則可計(jì)算間接數(shù)據(jù)之間的關(guān)聯(lián),實(shí)現(xiàn)數(shù)據(jù)挖掘的目的,但是對(duì)于較為稀有的數(shù)據(jù)可能會(huì)出現(xiàn)自動(dòng)忽略的情況. 多尺度的分析,主要是從小波函數(shù)中二進(jìn)制的伸縮和平移來描述它所反映出來的函數(shù)思想,而把研究重點(diǎn)放到處理整個(gè)函數(shù)思想的子空間中. 因此,本文采用多尺度分析對(duì)機(jī)電設(shè)備實(shí)際反映的數(shù)據(jù)進(jìn)行更深入發(fā)掘.

將K2(E)、Ch和Qh設(shè)置為機(jī)電設(shè)備進(jìn)行運(yùn)維監(jiān)控過程中,實(shí)時(shí)反映出的平方可積函數(shù)空間中的子空間,其中h∈Z,Z代表著平方可積函數(shù)空間,Ch代表該函數(shù)空間中所包含的尺度空間,Qh代表該函數(shù)空間中所包含的小波空間[3-4].其中逼近空間也可用Ch來表示.而小波空間中就能用于描述Ch與Ch-1之間產(chǎn)生的數(shù)據(jù)差異.可用φ(r)描述多種傳感器采集數(shù)據(jù)信息中的平滑函數(shù),φh0(r)表示將其平滑操作到h之后對(duì)其進(jìn)行數(shù)據(jù)挖掘的函數(shù),而j代表著已有傳感數(shù)據(jù)尺度變化過程中所產(chǎn)生的平移且j,h∈Z.

將多尺度的分析方法作為此次研究的基礎(chǔ)理論,再通過小波分解以及快速構(gòu)成算法,對(duì)所采集的多傳感數(shù)據(jù)進(jìn)行重新構(gòu)成[5].d(r)代表所有輸入信息的函數(shù)關(guān)系,Lh代表尺度空間Chj中內(nèi)部權(quán)重的系數(shù),如果符合了Lhd(r)∈Ch相應(yīng)關(guān)系時(shí),就能得出如下關(guān)系：

(1)

式中,xn(h)為尺度空間內(nèi)部的最大權(quán)重系數(shù);φhn(r)為進(jìn)在進(jìn)行了尺度與位移變換之后的最大函數(shù)關(guān)系,并且當(dāng)h=0時(shí),則就會(huì)滿足：

(2)

式中,L0d(r)為逼近尺度函數(shù)方向上產(chǎn)生的最大信號(hào);xn(0)為在線性組合過程中產(chǎn)生的最大權(quán)重,這樣就一定會(huì)使xn(0)=〈L0d(r),φ0n(r)〉.通過上面的關(guān)系說明,在尺度空間中h=0時(shí),其最小波函數(shù)滿足了離散狀態(tài)下的無限逼近,那就得：

xn(1)=〈L0d(r)-V1d(r),φ1n(r)〉

(3)

式中,V1為小波空間內(nèi)部權(quán)重的系數(shù).

當(dāng)滿足h→0時(shí),可得到關(guān)于尺度空間的平滑信息以及關(guān)于小波空間的離散信息[6-7].利用多傳感器的網(wǎng)絡(luò)學(xué)習(xí)方式對(duì)已有多傳感數(shù)據(jù)信息進(jìn)行挖掘的過程中,因?yàn)榇嬖贑h-1=Ch⊕Qh,那么就可獲取被挖掘出的多傳感數(shù)據(jù)：

Ch-1d(r)=Lhd(r)+Vhd(r)

(4)

式中,當(dāng)h→∞時(shí),就可獲取挖掘后的多傳感數(shù)據(jù)信息,實(shí)現(xiàn)高速公路機(jī)電設(shè)備中多傳感器信息數(shù)據(jù)的完整采集.

2 多傳感數(shù)據(jù)信息融合

在獲取多傳感器采集的高速公路機(jī)電設(shè)備運(yùn)行數(shù)據(jù)后,對(duì)傳感器中所輸出的數(shù)值進(jìn)行特征提取和轉(zhuǎn)換,實(shí)現(xiàn)多傳感數(shù)據(jù)信息融合.首先根據(jù)相同的數(shù)據(jù)信息進(jìn)行分類并形成關(guān)聯(lián),然后計(jì)算多傳感數(shù)據(jù)校正因子和修正后的權(quán)重,最后通過加權(quán)融合算法對(duì)所有機(jī)電設(shè)備的傳感器信息進(jìn)行融合.

對(duì)數(shù)據(jù)類型進(jìn)行分組,根據(jù)每組數(shù)據(jù)的平均值p1、標(biāo)準(zhǔn)差p2,計(jì)算融合權(quán)值p3：

(5)

式中,v為需要融合的多傳感數(shù)據(jù)總量.根據(jù)得到的多傳感數(shù)據(jù)融合權(quán)值,計(jì)算各組數(shù)據(jù)的校正因子和修正權(quán)重：

(6)

(7)

式中,g1為校正因子;gp為修正權(quán)重;go為相對(duì)方差;gy為特征矢量.

采用修正后的權(quán)重gp,結(jié)合校正因子g1,對(duì)多傳感數(shù)據(jù)進(jìn)行二次加權(quán)融合,得到最終的融合結(jié)果po：

(8)

至此,通過加權(quán)算法實(shí)現(xiàn)了高速公路機(jī)電設(shè)備多傳感數(shù)據(jù)的融合.

在多傳感信息融合對(duì)數(shù)據(jù)進(jìn)行處理的過程中,會(huì)存在非常多不同的層次,通過多傳感數(shù)據(jù)整合的每個(gè)階段都可看出,每個(gè)局部數(shù)據(jù)整合空間內(nèi),都可通過任務(wù)自定義的啟動(dòng)來確認(rèn)不同的管理信息,其中在任務(wù)協(xié)調(diào)的子系統(tǒng)中,可對(duì)整合實(shí)施階段前的信息和整合后的信息實(shí)現(xiàn)有效管理;在實(shí)施具體任務(wù)的階段流程中,實(shí)現(xiàn)具體任務(wù)協(xié)同功能的子系統(tǒng)也能實(shí)現(xiàn)數(shù)據(jù)信息的共享、通信數(shù)據(jù)的協(xié)同、沖突數(shù)據(jù)的解決等;具有全局功能的信息中心,通過對(duì)局部信息與空間資源進(jìn)行集成后得到結(jié)果,主要體現(xiàn)的層次就是在信息發(fā)布的層級(jí)中,但在實(shí)際操作的實(shí)踐中,管理與決策都是由整個(gè)網(wǎng)絡(luò)的管理者來完成的[8]. 因此將多傳感信息融合后,可提高管理者對(duì)高速公路機(jī)電設(shè)備運(yùn)行狀態(tài)的監(jiān)控效率,有利于下一步工作的開展.

3 多傳感融合下智能優(yōu)化運(yùn)維監(jiān)控

在完成多傳感器數(shù)據(jù)信息融合后可開展進(jìn)行對(duì)應(yīng)的運(yùn)維工作. 實(shí)施集中地監(jiān)測并實(shí)現(xiàn)方案性的解決,如此才可更準(zhǔn)確和有效地掌握設(shè)備的實(shí)際工作狀況,并找出運(yùn)行中的機(jī)電設(shè)備存在哪些問題,及時(shí)進(jìn)行檢修,保障機(jī)電設(shè)備的安全運(yùn)行[9].

可結(jié)合云計(jì)算技術(shù),構(gòu)建以多傳感數(shù)據(jù)為基礎(chǔ)的,集設(shè)備運(yùn)行狀態(tài)管理、控制、診斷、告警、分析等功能于一體化智能運(yùn)維監(jiān)控平臺(tái),能監(jiān)控外接設(shè)備的實(shí)時(shí)電壓、流量、功率狀態(tài)、通訊情況,一旦發(fā)生運(yùn)行異?；蚬收系惹闆r,可實(shí)現(xiàn)及時(shí)告警[10]. 通過獲取的多傳感數(shù)據(jù),快速獲取高速公路各個(gè)機(jī)電設(shè)備的運(yùn)行狀態(tài),從中識(shí)別出異常狀態(tài)信息,發(fā)出檢修告警,通知維修部門快速到達(dá)告警點(diǎn)位的設(shè)備處,檢查設(shè)備運(yùn)行情況和異常情況,實(shí)現(xiàn)快速搶修.

一體化智能運(yùn)維監(jiān)控平臺(tái)能實(shí)現(xiàn)對(duì)高速公路各隧道、收費(fèi)站、線路的機(jī)電設(shè)備運(yùn)行的實(shí)時(shí)監(jiān)控,通過集中監(jiān)測、事故預(yù)報(bào)、問題分析、及時(shí)排障,保證高速公路機(jī)電設(shè)備運(yùn)行安全,提升運(yùn)維工作質(zhì)量,減少管理運(yùn)維時(shí)間. 提高機(jī)電設(shè)備的在線率、安全性的同時(shí),減少因設(shè)備損壞帶來的經(jīng)濟(jì)損失,避免受設(shè)備故障影響而出現(xiàn)交通擁堵、高速公路滯留等情況. 智能運(yùn)維箱能準(zhǔn)確判斷故障原因并通過后備電源和后備無線傳輸及時(shí)上傳監(jiān)控中心通知運(yùn)維人員處理,可降低整體運(yùn)維成本,提高維護(hù)工作效率,有利于維護(hù)工作的系統(tǒng)化和規(guī)范化管理[11].

4 應(yīng)用測試與分析

為了測試此次提出高速公路機(jī)電設(shè)備智能運(yùn)維監(jiān)控方法的可靠程度和實(shí)際使用效果,選擇某高速公路的機(jī)電設(shè)備作為測試對(duì)象,代替實(shí)際高速公路機(jī)電設(shè)備,降低應(yīng)用測試風(fēng)險(xiǎn). 使用Intel P6 8G處理器,將MATLAB 2020a作為此次測試的模擬平臺(tái),本次測試將本文的方法與兩種傳統(tǒng)方法(CAN總線技術(shù)與物聯(lián)網(wǎng)技術(shù))進(jìn)行對(duì)比測試,對(duì)不同方法下監(jiān)控實(shí)時(shí)反饋的及時(shí)性與能耗進(jìn)行比較,具體變化曲線如圖1和圖2所示.

圖1 不同方法下監(jiān)控實(shí)時(shí)反饋時(shí)延對(duì)比結(jié)果

圖2 不同方法下監(jiān)控實(shí)時(shí)反饋能耗對(duì)比結(jié)果

由圖1和圖2可看出：基于CAN總線技術(shù)的運(yùn)維監(jiān)控方法,當(dāng)測試次數(shù)在0～600次時(shí),時(shí)延范圍為17～34 s之間,平均時(shí)延為26 s;當(dāng)運(yùn)行時(shí)間為5 h時(shí),其能耗就已經(jīng)達(dá)到450 J,而當(dāng)運(yùn)行時(shí)間為60 h時(shí),其能耗就已經(jīng)達(dá)到770 J. 基于物聯(lián)網(wǎng)技術(shù)的運(yùn)維監(jiān)控方法,當(dāng)測試次數(shù)在0～600次時(shí),時(shí)延范圍在10～28 s之間,平均時(shí)延為17.62 s;當(dāng)運(yùn)行時(shí)間為5 h時(shí),其能耗為200 J,而當(dāng)運(yùn)行時(shí)間為60 h時(shí),其能耗達(dá)到440 J. 而基于多傳感信息融合的運(yùn)維監(jiān)控方法,當(dāng)測試次數(shù)在0～600次時(shí),時(shí)延范圍只維持在5～12 s之間,平均時(shí)延卻只有8 s;當(dāng)運(yùn)行時(shí)間為5 h時(shí),其能耗只有45 J,而當(dāng)運(yùn)行時(shí)間為60 h時(shí),其能耗達(dá)到最高卻只有180 J. 綜上所述,本文方法不論是監(jiān)控實(shí)時(shí)反饋的及時(shí)性還是能耗,都遠(yuǎn)遠(yuǎn)優(yōu)于2種傳統(tǒng)方法,證明設(shè)計(jì)方法具有較好的實(shí)用性.

因此將本文設(shè)計(jì)方法應(yīng)用至武陽高速金山段中,應(yīng)用時(shí)間為2022-04-01—06-30. 在此期間,用設(shè)計(jì)的方法對(duì)高速公路機(jī)電設(shè)備進(jìn)行監(jiān)控,監(jiān)測出2次機(jī)電設(shè)備的異常運(yùn)行,分別為設(shè)備高溫運(yùn)行和設(shè)備電流異常,兩次實(shí)時(shí)反饋的時(shí)延都在6 s左右,并及時(shí)發(fā)出故障預(yù)警,通知維修人員迅速到場處理. 從發(fā)出預(yù)警至維修結(jié)束僅用時(shí)1.2 h,實(shí)際應(yīng)用效果較好.

5 結(jié)束語

針對(duì)傳統(tǒng)機(jī)電設(shè)備智能運(yùn)維監(jiān)控方法在進(jìn)行日常運(yùn)維時(shí),存在人力消耗大,遇到突發(fā)事件無法及時(shí)處理,造成財(cái)產(chǎn)損失的問題,提出采用多傳感信息融合的基礎(chǔ)優(yōu)化高速公路機(jī)電設(shè)備智能運(yùn)維監(jiān)控方法. 實(shí)驗(yàn)結(jié)果表明,本文方法在對(duì)高速公路機(jī)電設(shè)備進(jìn)行智能運(yùn)維監(jiān)控時(shí),當(dāng)測試次數(shù)在0～600次時(shí),時(shí)延范圍只維持在5～12 s,平均時(shí)延只有8 s;當(dāng)運(yùn)行時(shí)間為5 h時(shí),其能耗只有45 J,而當(dāng)運(yùn)行時(shí)間為60 h時(shí),其能耗達(dá)到最高卻只有180 J,比較適用于當(dāng)今時(shí)代下機(jī)電設(shè)備的智能運(yùn)維監(jiān)控.