基于聲震一體的變電站監測裝置設計

彭 鵬，施玉松，王岳鵬，邵宇鷹 ，蔣瑩瑩

(1.國網上海市電力公司，上海 200438；2.上海事凡物聯網科技有限公司，上海 201800)

變電站是電網的重要組成部分，隨著電網信息化的不斷深入，220 k及以下電壓等級變電站已開始逐漸實現無人值守，但是依賴于“三遙”自動化系統的傳統意義無人值守變電站依然存在一些問題，如對人員入侵、火災、水浸、自然災害等異常環境的監測手段較為薄弱，加上變電站地處偏僻，安全保衛工作存在一定隱患[1]。另外，在役變電站一次、二次設備出現問題的頻率較高，當設備發生故障或者所處環境發生改變時，其所發出的聲音和震動信號也會隨之改變，因此對設備聲音和震動參量的快速辨識可以協助開展站內設備安全管理[2-5]。為此，筆者研制了一套基于聲震一體化的移動式、可視化、智能型變電站智能監測裝置，該設備通過對聲音和震動參量進行協同檢測，能夠有效克服單一參量監測診斷造成的漏判與誤判，并及時獲取設備的狀態和環境信息，從而實現變電站設備的無人值守，有效節約人力資源，提高管理效率，提升經濟效益。

1 裝置設計

1.1 總體設計

研制的聲震一體化監測裝置總體結構如圖1所示。其中，聲陣列傳感器位于設備頂部，方向均向上，頂部箭頭所指為參考方位角；震動傳感器則位于設備底部，和檢測的電力設備剛性連接，具有寬動態和低噪聲的特點；信號處理板和電源接口板固定在設備中間，對外和固定在設備一側的防水接頭相連，該接頭用來供電和傳輸數字信號。

圖1 聲震一體化監測裝置總體結構示意

該裝置在進行固定連接或者埋于地下等環境布設后，聲陣列傳感器能夠實時采集設備的聲音信號，判斷故障位置并分析設備狀態；震動傳感器能夠實時采集周圍環境和設備的震動波形，經過融合處理，形成環境與設備的聲震節點信息，提升無人值守變電站環境和設備狀態監測水平。

1.2 硬件設計

該聲震一體化監測裝置由聲陣列傳感器、震動傳感器、信息處理模塊、接口電路和電源管理電路等組成，其結構框圖如圖2所示，圖中MIC為麥克風，SPI為串行外設接口，UART為通用異步接收器/發送器。

圖2 聲震一體化監測裝置硬件結構框圖

聲陣列傳感器包括四個圓形分布方向一致的拾音器，其功能分為長期監測和分類定向兩種，其中長期監測單元處于長期在線工作狀態，而分類定向單元平時處于關閉狀態，當有異常聲信號出現時才轉入工作態，以實現低功耗運行。

震動傳感器采用壓電式微機電系統(MEMS)設計，具有頻率范圍寬、動態范圍大、精度高等特點，和聲陣列傳感器協同處理，可實現對設備異常信號的監測。

信息處理模塊包括主控制器、存儲器和調理電路，用于運行聲音定向算法、聲震融合算法、故障分類算法和傳輸協議，實現設備故障類型判斷和預測的前端處理。傳感器信號處理流程如圖3所示。

圖3 傳感器信號處理流程

電源管理電路用于給信息處理模塊和聲震傳感器提供高穩定度低紋波的直流電源，并輸出多種通信接口。

傳感器節點硬件實物如圖4所示。

圖4 傳感器節點硬件實物

聲音和震動傳感器成本相對較低, 可實現多點布設，且可采用深埋、膠黏等多種連接方式，易于集成，因此研制的聲震一體化監測裝置，可在全站范圍內布設該裝置，并和傳感器節點組網，形成覆蓋全站的傳感器網絡[6]，可連續采集設備與外界信息, 對周圍狀態進行探測、識別和定位，全天候監測變電站安全。

1.3 算法和軟件設計

傳感網絡中聲震節點的信息處理包括目標聲音和震動信號的處理、分類、跟蹤、定位，其很大程度上受到外界環境的影響，同時每個傳感器的節點能量有限、可靠性差、無線模塊通信距離有限, 并且比其他操作的功耗更大[6], 這就要求單節點在提高分類能力的同時亦降低識別算法的運算復雜度, 降低功耗。

ELGORT等[7]發現，給每個節點配置分類器, 使聲音和震動節點協同工作, 就可以達到很高的分類性能。文章從聲音采集、特征提取、分類識別、聲音定向和故障定位等一系列智能化監測識別技術入手，采用基于幅頻特性的聲音特征提取法，同時對聲音信號的頻譜特征進行降維處理，提取主要特征信息，并通過支持向量機算法對聲音信號進行分類識別，從而判斷出電力設備的運行狀態和環境信息[8-9]。裝置故障分類識別算法流程如圖5所示。

圖5 裝置故障分類識別算法流程

該算法流程具體分為以下7個部分。

(1) 對聲信號數據進行濾波，濾除采樣過程中產生的干擾數據，減少對電力設備故障診斷的影響。

(2) 對濾波后的聲信號進行線性歸一化處理，降低拾音器差異的影響。

(3) 通過數據預加重增加聲信號高頻部分的能量，提升聲學模型的高頻共振峰幅值。

(4) 對聲信號進行分幀和加窗處理，使信號具有短時平穩特性。

(5) 對信號進行短時傅里葉變換，并提取特征參數。

(6) 采用二維主成分分析(2D-PCA)方法對聲信號特征矩陣進行降維處理[10-11]。

(7) 采用高斯徑向基核函數對聲信號樣本進行分類處理。

對于聲源方位的定向和故障定位，采用多子帶加權(ISM)算法[12-16]，同時剔除信號樣本中的干擾信號，確定聲源方位，迅速找到故障位置，具體處理流程如下。

(1) 針對聲陣列的所有4陣元接收的時域信號進行快速傅里葉變換。

(2) 選擇其中兩通道聲信號計算各子頻帶的子帶幅度均方相關值(SMSC)，對各子帶幅度均方相關值進行降序排列，篩選出超過設定閾值的K個子頻帶。

(3) 針對選擇的K個子頻帶，利用SMSC計算各子頻帶的加權值。

(4) 計算參與加權的子帶相關矩陣，并進行特征值分解，得出各子頻帶的流行矩陣和噪聲子空間。

(5) 計算K個子頻帶加權后的聯合多信號分類空間譜。

(6) 通過譜峰搜索得出聲源目標的方位角。

同時，為實現聲音、震動參量的聯合感知，提出一種基于多類型傳感器的融合感知算法，以震動、聲音參量的多種特征作為多通道的信號輸入，基于多核線性組合的方法，實現多通道目標特征級融合，此方法還可擴展至更多不同的傳感器類型，如溫濕度傳感器等，其算法流程如圖6所示。

圖6 基于多類型傳感器的融合感知算法流程

將不同類型傳感器的數據送入各自對應的淺層卷積神經網絡，提取出對應的特征向量，融合中心通過二次卷積神經網絡完成特征向量的融合處理。該結構的優點在于實現了可觀的數據壓縮，降低了數據處理的要求，從而能夠有效地實時處理數據。

2 測試和分析

采用該裝置分別在實驗室和現場進行變壓器設備數據采集和分析，主要測試了正常環境和異常環境、設備安裝位置、設備安裝姿態、工頻干擾等對數據采集和識別的影響。

該裝置的震動傳感器采用微加速度換能器，聲陣列采用MEMS傳聲器，均具有靈敏度高、功耗低、 體積小等特點，傳感器參數如表1所示。

表1 聲震一體化監測裝置的傳感器參數

該裝置在實驗室進行模擬測試，所采集的數據片段如圖7所示，在信號采集工具系統中可以看出該裝置能夠清晰地分辨出四路聲音信號和震動信號的采樣值。故障識別算法可基于此樣本值對特征信號進行提取和分類，從而對設備當前的運行狀態進行檢測。

圖7 監測裝置采集的測試數據片段(實驗室)

采用該設備在上海久隆電力(集團)有限公司變壓器修試分公司的S9-400/10型號變壓器上進行安裝測試(裝置與變壓器剛性可靠連接)，測試現場如圖8所示。設備正常工作時檢測到的異常聲源時域和頻域響應信號如圖9所示。

圖8 測試現場

圖9 測試時異常聲源的時域和頻域響應信號

對電力物聯網中變壓器的異常聲源檢測和定向功能進行測試，聲陣列ISM算法對不同聲源的識別結果如圖10所示，可以看出通過多子帶加權ISM算法，該裝置對近場聲源和遠場聲源均可實現較好的探測識別。

圖10 測試時聲陣列ISM算法對不同聲源的識別結果

3 結語

基于聲震融合和識別技術，提出了聲震一體式傳感器節點的設計方法，并通過對復合感知數據的多通道目標特征級進行融合，研制了融合聲音、震動多類型傳感參量的聲震一體化狀態監測裝置，完成了對聲震節點信號的異常監測、分類識別和聲源定向測試，實現了聲震多參量的聯合感知與設備故障識別，有助于提高無人值守變電站的安全工作水平。