王 嵐

（洛陽LYC軸承有限公司 軸承滾動體廠，河南 洛陽 471039）

0 引 言

隨著我國經(jīng)濟的快速發(fā)展，人們的用電量不斷增加，給電網(wǎng)系統(tǒng)安全性和穩(wěn)定性提出了更高的要求[1]。在電網(wǎng)系統(tǒng)中，存在許多關(guān)鍵的電氣設(shè)備，如：變壓器、變頻器等，它們的狀態(tài)一旦出現(xiàn)了異常，那么就會影響電網(wǎng)的正常工作，有時可能導(dǎo)致大面積停電，給人們生活帶來不便，同時可能會帶來一定的經(jīng)濟損失。因此，如何對電氣設(shè)備狀態(tài)進行準確監(jiān)測具有深遠的研究意義[2?4]。

電氣設(shè)備狀態(tài)遠程監(jiān)測研究可以劃分為兩個階段：第一階段為人工方式，該方法通過一些專家以及專業(yè)人員對電氣設(shè)備狀態(tài)進行遠程監(jiān)測和分析，得到電氣設(shè)備狀態(tài)遠程監(jiān)測結(jié)果比較直觀，可解釋性好；但是電氣設(shè)備狀態(tài)遠程監(jiān)測過程復(fù)雜，使得電氣設(shè)備狀態(tài)遠程監(jiān)測時間長，對于一些復(fù)雜電氣設(shè)備，監(jiān)測結(jié)果可信度不高[5?7]。第二階段為自動化方式，通過引入一些人工智能技術(shù)、自動化控制技術(shù)、機器學習理論等對電氣設(shè)備狀態(tài)進行監(jiān)測，獲得了不錯的電氣設(shè)備狀態(tài)監(jiān)測結(jié)果[8?10]。近幾年，由于通信技術(shù)的不斷發(fā)展，出現(xiàn)了一些電氣設(shè)備狀態(tài)遠程監(jiān)測系統(tǒng)，它們通過有線網(wǎng)絡(luò)或者光纖進行電氣設(shè)備狀態(tài)遠程監(jiān)測等[11?13]，但是在實際應(yīng)用中，當前電氣設(shè)備狀態(tài)遠程監(jiān)測技術(shù)還不成熟，還存在許多局限性，如：電氣設(shè)備狀態(tài)遠程監(jiān)測誤差大、效率低等[14?16]。為了高精度進行電氣設(shè)備狀態(tài)監(jiān)測，本文設(shè)計無線網(wǎng)絡(luò)的電氣設(shè)備狀態(tài)遠程監(jiān)測系統(tǒng)。該系統(tǒng)融合無線傳感器網(wǎng)絡(luò)、機器學習等優(yōu)勢，并與其他電氣設(shè)備狀態(tài)遠程監(jiān)測系統(tǒng)進行對比實驗，驗證了本文設(shè)計系統(tǒng)的優(yōu)越性。

1 無線網(wǎng)絡(luò)的電氣設(shè)備狀態(tài)遠程監(jiān)測系統(tǒng)

1.1 無線網(wǎng)絡(luò)的電氣設(shè)備狀態(tài)遠程監(jiān)測系統(tǒng)工作原理

無線網(wǎng)絡(luò)的電氣設(shè)備狀態(tài)遠程監(jiān)測系統(tǒng)工作原理：首先將無線傳感器網(wǎng)絡(luò)部署在電氣設(shè)備周圍，周期性對電氣設(shè)備狀態(tài)信號進行采集，并對采集電氣設(shè)備狀態(tài)信號進行去噪；然后將電氣設(shè)備狀態(tài)信號融合輸入到中心網(wǎng)關(guān)，通過網(wǎng)關(guān)發(fā)送到管理中心，在管理中心服務(wù)器中提取電氣設(shè)備狀態(tài)特征，并引入機器學習算法對特征與電氣設(shè)備狀態(tài)之間的聯(lián)系進行擬合，建立電氣設(shè)備狀態(tài)監(jiān)測模型；最后根據(jù)模型得到電氣設(shè)備狀態(tài)結(jié)果，并通過網(wǎng)絡(luò)將電氣設(shè)備狀態(tài)監(jiān)測結(jié)果發(fā)送給管理人員。無線網(wǎng)絡(luò)的電氣設(shè)備狀態(tài)遠程監(jiān)測原理如圖1所示。

圖1 無線網(wǎng)絡(luò)的電氣設(shè)備狀態(tài)遠程監(jiān)測原理

1.2 電氣設(shè)備狀態(tài)信號采集

無線傳感器網(wǎng)絡(luò)由大量的無線節(jié)點組成，可以對監(jiān)測區(qū)域內(nèi)對象的相關(guān)數(shù)據(jù)進行采集，并將采集數(shù)據(jù)通過互聯(lián)網(wǎng)或者衛(wèi)星等發(fā)送給管理人員，具體結(jié)構(gòu)如圖2所示。本文將無線傳感器網(wǎng)絡(luò)部署于電氣設(shè)備所在區(qū)域，對電氣設(shè)備狀態(tài)信號進行采集并發(fā)送到任務(wù)管理節(jié)點。

圖2 無線傳感器網(wǎng)絡(luò)結(jié)構(gòu)

1.3 電氣設(shè)備狀態(tài)信號去噪

無線傳感器網(wǎng)絡(luò)節(jié)點采集的電氣設(shè)備狀態(tài)信號由于環(huán)境等干擾，存在一定的噪聲。因此，本文在進行電氣設(shè)備狀態(tài)遠程監(jiān)測之前，采用小波去噪算法對信號進行處理，其工作原理為：采用小波變換對含有噪的電氣設(shè)備狀態(tài)信號從一維空間轉(zhuǎn)換到二維空間，得到多尺度的電氣設(shè)備狀態(tài)信號；然后通過濾波算法去掉噪聲的小波系數(shù)，保留有用電氣設(shè)備狀態(tài)信號的小波系數(shù)；最后通過小波逆變換對小波系數(shù)進行重構(gòu)，得到?jīng)]有噪聲的電氣設(shè)備狀態(tài)信號。電氣設(shè)備狀態(tài)信號去噪如圖3所示。

圖3 電氣設(shè)備狀態(tài)信號去噪

1.4 電氣設(shè)備狀態(tài)信號特征提取

采用EMD分解和Hilbert變換提取Hilbert譜和邊際譜，將它們作為電氣設(shè)備狀態(tài)監(jiān)測特征，具體步驟如下：

1）采用EMD分解算法對電氣設(shè)備狀態(tài)信號進行處理，得到IMF分量。

2）采用Hilbert對IMF分量進行變換，得到：

3）構(gòu)建新的電氣設(shè)備狀態(tài)解析信號，具體如下：

4）根據(jù)新的電氣設(shè)備狀態(tài)解析信號設(shè)計每一個IMF分量的幅值和相位函數(shù)，具體如下：

5）根據(jù)式（4）計算出瞬時頻率：

6）這樣，電氣設(shè)備狀態(tài)信號可以表示為：

式中?表示取實部操作。

7）Hilbert譜可以全面描述電氣設(shè)備狀態(tài)信號的幅值時間變化特性，根據(jù)式（5）可以得到電氣設(shè)備狀態(tài)信號的Hilbert譜。

8）Hilbert邊際譜可以描述電氣設(shè)備狀態(tài)信號幅值的頻率特性，具體如下：

1.5 電氣設(shè)備狀態(tài)監(jiān)測模型設(shè)計

電氣設(shè)備狀態(tài)遠程監(jiān)測樣本集合為{xi，yi}，i=1，2，…，N，xi表示電氣設(shè)備狀態(tài)特征，yi表示電氣設(shè)備狀態(tài)類型，電氣設(shè)備狀態(tài)遠程監(jiān)測本質(zhì)上是一種二分類問題，即將電氣設(shè)備狀態(tài)劃為分正?；蛘弋惓?，這樣需要找到一個分類超平面，具體如下：

式中：b表示閾值。

該分類超平面要求兩個類別的電氣設(shè)備狀態(tài)樣本之間的間隔最大化，那么式（8）滿足如下條件：

支持向量機是一種流行的數(shù)據(jù)挖掘技術(shù)，其基于結(jié)構(gòu)風險最小化原則，這樣分類超平面可以轉(zhuǎn)換一個約束優(yōu)化問題，即在式（9）的約束下求式（10）的最小化函數(shù)。

引入Lagrange乘子ai，構(gòu)建Lagrange函數(shù)，具體如下：

對式（11）求最大值，得到ai的解：

設(shè)ai的最優(yōu)解為a*i，那可以得到w的最優(yōu)值為：

式中SV表示支持向量，即位于電氣設(shè)備狀態(tài)的分類超平面上的樣本點。從而得到閾值的最優(yōu)解為：

根據(jù)a*i，w*，b*得到電氣設(shè)備狀態(tài)遠程監(jiān)測的最優(yōu)分類函數(shù)為：

根據(jù)式（15）設(shè)計的最優(yōu)分類函數(shù)進行電氣設(shè)備狀態(tài)遠程監(jiān)測，并輸出電氣設(shè)備狀態(tài)遠程監(jiān)測結(jié)果。

2 仿真測試

2.1 測試平臺

為了測試無線網(wǎng)絡(luò)的電氣設(shè)備狀態(tài)遠程監(jiān)測方法的有效性，采用表1的測試平臺進行驗證實驗。為了體現(xiàn)無線網(wǎng)絡(luò)的電氣設(shè)備狀態(tài)遠程監(jiān)測結(jié)果優(yōu)越性，在相同測試平臺下，采用文獻[10]和文獻[11]的電氣設(shè)備狀態(tài)遠程監(jiān)測系統(tǒng)進行對照測試。

表1 電氣設(shè)備狀態(tài)遠程監(jiān)測的測試平臺

2.2 測試對象

為了分析電氣設(shè)備狀態(tài)遠程監(jiān)測系統(tǒng)的可靠性，選擇多種電氣設(shè)備作為研究對象，對于每一種對象，把它們狀態(tài)劃分為正常狀態(tài)和異常兩種，采集狀態(tài)信號樣本數(shù)量如表2所示。對于每一種電氣設(shè)備，2 3的樣本數(shù)量組成訓(xùn)練集，用于構(gòu)建電氣設(shè)備狀態(tài)遠程監(jiān)測模型，其他樣本用于測試電氣設(shè)備狀態(tài)遠程監(jiān)測系統(tǒng)的性能。

表2 不同類型的電氣設(shè)備狀態(tài)信號數(shù)量

2.3 電氣設(shè)備狀態(tài)遠程監(jiān)測結(jié)果

采用三種電氣設(shè)備狀態(tài)遠程監(jiān)測系統(tǒng)對表1中的電氣設(shè)備狀態(tài)進行測試與分析，統(tǒng)計它們的電氣設(shè)備狀態(tài)遠程監(jiān)測正確率和錯誤率，具體如圖4和圖5所示。對圖4和圖5進行分析可以知道：

圖4 電氣設(shè)備狀態(tài)遠程監(jiān)測的正確率

圖5 電氣設(shè)備狀態(tài)遠程監(jiān)測的錯誤率

1）文獻[10]系統(tǒng)的電氣設(shè)備狀態(tài)遠程監(jiān)測正確率和錯誤率分別為82.92%和17.08%，其電氣設(shè)備狀態(tài)遠程監(jiān)測錯誤率超過了15%，無法滿足電氣設(shè)備狀態(tài)遠程監(jiān)測實際要求，沒有什么實際應(yīng)用價值。

2）文獻[11]系統(tǒng)的電氣設(shè)備狀態(tài)遠程監(jiān)測正確率和錯誤率分別為87.05%和13.95%，其電氣設(shè)備狀態(tài)遠程監(jiān)測正確率高于文獻[10]系統(tǒng)，但是電氣設(shè)備狀態(tài)遠程監(jiān)測錯誤率仍然比較高。

3）本文系統(tǒng)的電氣設(shè)備狀態(tài)遠程監(jiān)測正確率和錯誤率分別為92.27%和7.73%，其電氣設(shè)備狀態(tài)遠程監(jiān)測效果遠遠高于文獻[10]和文獻[11]系統(tǒng)，可以高精度描述電氣設(shè)備狀態(tài)變化規(guī)律，獲得了理想的電氣設(shè)備狀態(tài)遠程監(jiān)測結(jié)果。對比結(jié)果驗證了無線網(wǎng)絡(luò)的電氣設(shè)備狀態(tài)遠程監(jiān)測系統(tǒng)優(yōu)越性。

2.4 電氣設(shè)備狀態(tài)遠程監(jiān)測效率

對于電氣設(shè)備狀態(tài)遠程監(jiān)測系統(tǒng)來說，其監(jiān)測效率十分關(guān)鍵，本文采用電氣設(shè)備狀態(tài)遠程監(jiān)測時間作為效率評價指標，結(jié)果如圖6所示。對圖6實驗結(jié)果進行統(tǒng)計與分析可以發(fā)現(xiàn)，本文系統(tǒng)電氣設(shè)備狀態(tài)遠程監(jiān)測的時間均值為5.47 s，文獻[10]和文獻[11]系統(tǒng)的電氣設(shè)備狀態(tài)遠程監(jiān)測時間均值分別為8.52 s和7.06 s。經(jīng)過對比，本文系統(tǒng)電氣設(shè)備狀態(tài)遠程監(jiān)測時間明顯減少，電氣設(shè)備狀態(tài)遠程監(jiān)測效率更高。

圖6 不同方法的電氣設(shè)備狀態(tài)遠程監(jiān)測時間

3 結(jié) 論

為了改善電氣設(shè)備狀態(tài)遠程監(jiān)測效果，本文提出基于無線網(wǎng)絡(luò)的電氣設(shè)備狀態(tài)遠程監(jiān)測系統(tǒng)，并與其他系統(tǒng)進行了對比測試，可以得到如下結(jié)論：

1）采用無線網(wǎng)絡(luò)對電氣設(shè)備狀態(tài)信號進行采集，并對電氣設(shè)備狀態(tài)信號進去去噪處理，減少了電氣設(shè)備狀態(tài)遠程監(jiān)測時間，提高了電氣設(shè)備狀態(tài)遠程監(jiān)測效率。

2）引入機器學習算法對電氣設(shè)備狀態(tài)變化特點進行擬合，根據(jù)擬合結(jié)果對電氣設(shè)備狀態(tài)進行分類，提高了電氣設(shè)備狀態(tài)遠程監(jiān)測的正確率，并將電氣設(shè)備狀態(tài)遠程監(jiān)測結(jié)果通過無線網(wǎng)絡(luò)發(fā)送給管理員，可以實現(xiàn)對電氣設(shè)備狀態(tài)實時監(jiān)測，保證了電氣設(shè)備正常工作。