基于彈性滑窗FFT的用電設(shè)備在線狀態(tài)監(jiān)測研究與應(yīng)用

許 立 張敬周 趙要強 吳國文

1(東華大學(xué)計算機科學(xué)與技術(shù)學(xué)院 上海 201620)2(上海上科信息技術(shù)研究所 上海 201206)3(上海神開石油設(shè)備有限公司 上海 201114)

基于彈性滑窗FFT的用電設(shè)備在線狀態(tài)監(jiān)測研究與應(yīng)用

許 立1張敬周2趙要強3吳國文1

1(東華大學(xué)計算機科學(xué)與技術(shù)學(xué)院 上海 201620)2(上海上科信息技術(shù)研究所 上海 201206)3(上海神開石油設(shè)備有限公司 上海 201114)

基于負(fù)荷特征的用電設(shè)備在線狀態(tài)監(jiān)測是當(dāng)前研究與應(yīng)用的熱點。首先基于有限狀態(tài)自動機提出用電設(shè)備的狀態(tài)行為模型，可以有效地描述用電設(shè)備運行時的穩(wěn)態(tài)與暫態(tài)特征；其次，提出一種彈性滑窗FFT算法，解決了滑窗FFT只適用于固定頻率下進行頻譜計算的問題；最后，實現(xiàn)一個針對該模型中頻譜特征實時計算的用電設(shè)備在線狀態(tài)監(jiān)測系統(tǒng)原型，驗證了上述模型和算法的有效性。

彈性滑窗FFT 狀態(tài)監(jiān)測 突變捕捉 用電設(shè)備

0 引 言

設(shè)備狀態(tài)監(jiān)測與故障診斷是保障設(shè)備安全運行、實現(xiàn)狀態(tài)維修的主要技術(shù)，如何實時準(zhǔn)確地判斷設(shè)備運行時刻狀態(tài)是狀態(tài)監(jiān)測的關(guān)鍵所在。目前，對設(shè)備狀態(tài)在線監(jiān)測的方法多種多樣，按傳感信號類型可分為基于溫度、負(fù)荷特征、局部放電[1]、振動[2]等監(jiān)測方法。其中，利用負(fù)荷特征來對用電設(shè)備的狀態(tài)進行監(jiān)測的方法具有實時性強、成本低、安裝維護方便等優(yōu)點，因此成為設(shè)備狀態(tài)監(jiān)測技術(shù)中研究與應(yīng)用的熱點。

1 研究現(xiàn)狀

一個用電設(shè)備一般具有多個運行狀態(tài)，在不同的運行狀態(tài)下其實時用電波形(電流、電壓)具有不同的特征，這種用電設(shè)備在運行中的電氣行為被稱為負(fù)荷特征，使用負(fù)荷特征可以實時判斷用電設(shè)備的運行狀態(tài)。負(fù)荷特征可以分為穩(wěn)態(tài)特征和暫態(tài)特征[3]，穩(wěn)態(tài)特征指用電設(shè)備處于穩(wěn)定狀態(tài)時的電氣行為，而暫態(tài)特征則是指用電設(shè)備從一種狀態(tài)向另一種狀態(tài)變化的過程的電氣行為。

在基于穩(wěn)態(tài)特征的狀態(tài)監(jiān)測方面，牛東曉等提出了一種基于經(jīng)驗?zāi)Ｊ椒纸釫MD(empirical mode decomposition)與因素影響的用電設(shè)備分析方法[4]，利用EMD的自適應(yīng)性，可克服依賴主觀經(jīng)驗的缺點，但此種方法是針對已知負(fù)荷序列的，對實時性要求較高的實時狀態(tài)監(jiān)測并不理想；鄭連清等在牛東曉的研究基礎(chǔ)上，又提出了一種基于經(jīng)驗?zāi)Ｊ椒纸?EMD)和人工神經(jīng)網(wǎng)絡(luò)(ANN)的電力短期負(fù)荷預(yù)測方法，該方法利用 EMD的自適應(yīng)性，自動地將目標(biāo)負(fù)荷序列分解為若干個獨立的內(nèi)在模式分量(IMF)，對各分量分別進行分析，可準(zhǔn)確把握負(fù)荷特性和環(huán)境因素影響[5]，但該方法只針對穩(wěn)態(tài)特征，在負(fù)荷暫態(tài)特性的利用上效果不夠理想。

在基于暫態(tài)特征的狀態(tài)監(jiān)測方面，孫麗玲等提出了一種基于Mexicohat小波分析的負(fù)荷突變在線監(jiān)測方法[6]，可以較為準(zhǔn)確地判斷用電設(shè)備突變發(fā)生的時間和數(shù)值化地反映突變程度，但它只能判斷用電設(shè)備的突變的發(fā)生，而不能對用電設(shè)備所處的穩(wěn)定狀態(tài)進行判斷；牛盧璐等提出了一種基于滑動窗的雙邊累積和CUSUM(cumulative sum)暫態(tài)事件自動檢測算法[7]，該算法可以根據(jù)相關(guān)信號(如電壓、電流、有功、無功等)檢測到用電設(shè)備狀態(tài)變化時引起的系統(tǒng)暫態(tài)過程，針對實時狀態(tài)監(jiān)測效果較好，但是這種算法只能用于用電設(shè)備的暫態(tài)特性，不能應(yīng)用于穩(wěn)態(tài)特性的判斷上。

本文提出了一種基于有限狀態(tài)自動機的用電設(shè)備狀態(tài)行為模型，該模型將用電設(shè)備的穩(wěn)態(tài)特征與暫態(tài)特征結(jié)合起來，可以大大提高用電設(shè)備在線狀態(tài)監(jiān)測的準(zhǔn)確性與可靠性，并對模型判斷中使用的用電波形頻譜特征算法提出了改進。

2 基于負(fù)荷特征的設(shè)備狀態(tài)行為模型

2.1 基本概念與問題描述

為了實現(xiàn)基于負(fù)荷特征的用電設(shè)備在線狀態(tài)監(jiān)測，首先需要對用電設(shè)備的狀態(tài)進行描述，而為了描述這些狀態(tài)，有效值特征量，例如電壓、電流、有功功率、無功功率等是常用的特征向量。

但是，有些用電設(shè)備的狀態(tài)在只有這些有效值特征量是無法進行判別的，以某用電設(shè)備的兩個狀態(tài)為例，如圖1(a)為該設(shè)備運行中電流波形的兩個片段，第一段為狀態(tài)1，第二段為狀態(tài)2，計算這兩個狀態(tài)的電流有效值后發(fā)現(xiàn)兩者的有效值相同，因此，基于使用電流、有功功率等參數(shù)無法對兩個狀態(tài)進行判斷。圖1(b)為狀態(tài)1的電流頻譜圖，圖1(c)為狀態(tài)2的電流頻譜圖，從這兩張圖可以看到，雖然在電流基波分量上幾乎沒有區(qū)別，但在高次諧波上電流區(qū)別明顯。

圖1 某用電設(shè)備實時電流波形及其頻譜圖

因此，一個用電設(shè)備的實時狀態(tài)行為需要用有效值和頻域結(jié)合的方式來進行描述。由此可以構(gòu)造出一個用電設(shè)備的狀態(tài)行為模型。

2.2 用電設(shè)備的狀態(tài)行為模型

每個用電設(shè)備都具有有限多個狀態(tài)，且狀態(tài)與狀態(tài)之間可以通過一個特定的突變產(chǎn)生遷移。本文利用有限狀態(tài)自動機模型對一個用電設(shè)備的實時狀態(tài)行為進行描述。

如2.1節(jié)所述，對一個狀態(tài)進行描述，不能僅僅依靠實時有效值特征量，還需要實時波形的頻域特征量。因此對用電設(shè)備狀態(tài)特征進行如下描述：

定義1 (設(shè)備的狀態(tài)特征描述) 對于用電設(shè)備的某一個穩(wěn)定狀態(tài)si來說，可以通過有效值特征量和頻譜特征向量兩個元組來描述:

si={rms,spec}

其中：

?rms表示有效值特征，例如電流I、電壓U、有功功率P、無功功率Q等有效值參數(shù)。

?spec表示頻譜特征向量，由電流基波及各次諧波分量的矢量構(gòu)成。

定義2 (設(shè)備狀態(tài)的突變特征描述) 突變表示一個用電設(shè)備的某個狀態(tài)轉(zhuǎn)換到另一個狀態(tài)的電氣行為特征，即一個暫態(tài)過程。它是由一系列的頻譜特征向量來描述的：

Σi={spec1,spec2,…}

其中，speci表示頻譜特征向量。

定義3 (用電設(shè)備狀態(tài)行為自動機) 一個用電設(shè)備的狀態(tài)行為可由狀態(tài)集合，突變集合和變遷三個元組組成：

M={S,Σ,δ}

其中：

?S是可數(shù)的非空狀態(tài)集合，表示一個用電設(shè)備的所有狀態(tài)，假設(shè)用電設(shè)備具有n個狀態(tài)，則S={s0,s1,s2,…,sn}。

?Σ是有限狀態(tài)自動機的輸入，表示一個用電設(shè)備的突變集合。

?δ作為變遷，δ:s×Σ=s，當(dāng)輸入突變集合Σ后，狀態(tài)s經(jīng)過變遷δ轉(zhuǎn)換成了另一個狀態(tài)s。

以電冰箱的狀態(tài)行為模型為例。電冰箱具有如下狀態(tài)：斷電、制冷、保溫、冷藏室開門制冷、冷凍室開門制冷等狀態(tài)，將這些狀態(tài)依次定義為s0,s1,s2,s3,s4，從而構(gòu)成狀態(tài)集S；定義狀態(tài)與狀態(tài)之間的突變?yōu)棣?,Σ2,…，構(gòu)成突變集合為Σ，可構(gòu)造有限狀態(tài)自動機M電冰箱={S,Σ,δ}。實際工作中，電冰箱從斷電狀態(tài)s0可遷移為制冷狀態(tài)s1、冷藏室開門制冷狀態(tài)s3，冷凍室開門狀態(tài)s4，這些狀態(tài)之間也可以相互遷移，而保溫狀態(tài)s2可以遷移為s1、s3、s4和s0，卻只能由制冷狀態(tài)s1遷移而來，由此建立電冰箱的狀態(tài)行為模型示意如圖2所示。

圖2 電冰箱狀態(tài)行為模型

由圖2可以看到，該模型可以完整清晰的反映整個用電設(shè)備的各個狀態(tài)以及之間的關(guān)系，構(gòu)造也比較簡單。

要實現(xiàn)該模型，需要對突變進行捕捉、匹配和對狀態(tài)進行匹配，從而可以根據(jù)突變和狀態(tài)判斷變遷產(chǎn)生后由哪個狀態(tài)遷移到了哪個狀態(tài)。因此，要實現(xiàn)用電設(shè)備準(zhǔn)確及時地進行在線狀態(tài)監(jiān)測，對突變的捕捉和狀態(tài)匹配的準(zhǔn)確性和實時性要求比較高。突變捕捉和狀態(tài)匹配主要依靠從電流、電壓、有功功率、無功功率差值這些有效值特征量以及頻域特征量來判斷。

有效值特征量的計算算法已經(jīng)較為成熟，本文不進行討論。頻域特征量，常用的算法是快速傅里葉變換(FFT)，然而傳統(tǒng)的FFT，在實際使用過程中需要通過截取一個或者幾個完整周波的采樣數(shù)據(jù)后再通過快速傅里葉變換來進行的，一旦突變的發(fā)生時間并不在一個周波開始時候，而在周波內(nèi)，通過傳統(tǒng)FFT計算只能通過前后幾個周期的變化來判斷是否有突變發(fā)生，對突變的信息不能準(zhǔn)確捕捉到，更加無法準(zhǔn)確地對突變進行匹配。因此，本文提出了利用彈性滑窗FFT來進行突變捕捉和狀態(tài)匹配。

3 基于彈性滑窗FFT的突變捕捉和匹配

3.1 傳統(tǒng)滑動FFT的算法原理

傳統(tǒng)的滑動FFT算法是基于如下的思想來進行的算法，對于兩個連續(xù)時刻的頻譜，已知前一時刻頻譜，則可以通過簡單的遞推運算，得到后一時刻的頻譜[8,9,12]。

設(shè)t時刻長度為N的序列:

xt={x(t-N+1),x(t-N+2),…,x(t-1),x(t)}

令t′=t-N+1，序列就變?yōu)榱耍?/p>

xt′={x(t′),x(t′+1),…,x(t′+N-2),x(t′+N-1)}

用Xt′(k)表示的N點DFT變換，由FFT定義得到[10]：

(1)

則下一時刻t+1時的FFT為：

(2)

令p=n+1則公式變?yōu)椋?/p>

(3)

展開和式并提取公因式：

x(t′+N)e-j2πk-x(t′))

(4)

利用指數(shù)的周期性ej2πk=1，同時令t=t′+N-1則得到滑動FFT的時域差分方程：

Xt+1(k)=ej2πk/N[Xt(k)+x(t+1)-x(t-N+1)]

(5)

可以看到計算Xt+1(k)，只要通過先前的FFT結(jié)果Xt(k)加上最新的采樣值x(t+1)與最早的采樣值x(t-N+1)之差，再進行相移來計算。因此，滑動FFT僅僅需要2次實加和1次復(fù)乘就可以完成每個輸出點的計算[12]。

然而，在實際使用中，電力波形的頻率是不斷變化的[13]，從而使得時間窗中的采樣點數(shù)產(chǎn)生變化。由于傳統(tǒng)滑動FFT的時間窗是固定的，當(dāng)頻率發(fā)生漂移的時候，所得出的計算結(jié)果會產(chǎn)生誤差。為了解決這個問題，本文提出了一種彈性滑窗FFT的算法，該算法對傳統(tǒng)滑動FFT算法進行了改進，使得計算結(jié)果更加準(zhǔn)確。

3.2 彈性滑窗FFT算法

彈性滑窗FFT，就是在傳統(tǒng)滑動FFT的算法基礎(chǔ)上，在頻率產(chǎn)生漂移后，為了糾正隨之產(chǎn)生的誤差，將時間窗口根據(jù)頻率誤差的結(jié)果進行相應(yīng)的彈性變化的算法。如圖3所示，虛線框表示原本的時間窗。假設(shè)采樣頻率為fs，在信號頻率為f時，滑動FFT的窗口大小為：

N=nfs/f

(6)

其中，n為窗口內(nèi)的周波數(shù)。隨著實際情況的變化，頻率變化為f±Δf，其中，Δf表示頻率漂移量，由于頻率漂移量并不會太大，因此Δf?f。則滑動FFT的窗口大小變?yōu)榱耍?/p>

N+a=nfs/(f±Δf)

(7)

如圖3實線框所示。

圖3 彈性滑窗FFT原理示意圖

可以看到，應(yīng)用彈性滑窗，隨著頻率的漂移，時間窗也做了相應(yīng)的調(diào)整。這就是彈性滑窗FFT的基本原理。

假設(shè)發(fā)生了頻率漂移，則在t時刻，滑動窗選中的樣本序列就變成了：

xt= {x(t-(N+a)+1),x(t-(N+a)+2),…,

x(t-1),x(t)}

令t′=t-N+1，則該序列就變?yōu)椋?/p>

xt′= {x(t′-a),x(t′-a+1),…,

x(t′+N-2),x(t′+N-1)}

由式(1)可以得到該序列的FFT為：

(8)

將式(8)分成n=0～N-1和n=-a～-1兩部分，則(8)式可變形為：

(9)

其中，前一個和式可變?yōu)椋?/p>

(10)

根據(jù)式(6)和式(7)，可以得到：

(11)

由于Δf?f，因此可得到式(11)的值約為0，因此a的值和N相比也是比較小的，則N2?a，因此有：

e-j2πnka/(N2+Na)≈1

則式(10)就可變?yōu)椋?/p>

(12)

可以看到式(12)是一個傳統(tǒng)的FFT運算，因此得到彈性滑窗FFT的計算公式為：

(13)

根據(jù)式(13)，可以看到對于彈性滑窗FFT算法，只要根據(jù)式(7)計算出參數(shù)a，然后根據(jù)a計算加上或減去的點進行調(diào)整即可。

3.3 基于彈性滑窗FFT算法的突變捕捉和匹配

基于彈性滑窗FFT算法的突變捕捉和匹配流程如圖4所示。

圖4 基于彈性滑窗FFT算法的突變捕捉和匹配流程圖

由于彈性滑窗FFT在開始滑動前需要初始值，因此首先利用普通FFT計算得到前N點的變化結(jié)果作為彈性滑窗FFT初始值，之后隨著時間窗的滑動，利用彈性滑窗FFT依次計算變化結(jié)果，當(dāng)在滑動過程中用電設(shè)備的狀態(tài)發(fā)生了變化，則頻譜會隨著時間變化而變化。

因此，在對用電設(shè)備進行在線狀態(tài)監(jiān)測時，在計算得到初始值后，滑動一個點，首先判斷是否需要進行實時頻率的計算，如果需要計算，則計算當(dāng)前頻率是否超過了漂移的閾值，如果超過，修改滑動窗大小，并根據(jù)式(13)對計算結(jié)果進行調(diào)整。然后根據(jù)計算的頻譜結(jié)果，結(jié)合設(shè)備狀態(tài)與模型中突變集進行匹配。當(dāng)突變完成后，和模型的匹配也結(jié)束。當(dāng)和模型匹配結(jié)束后，則可以知道此時已經(jīng)滑動了多少時間，根據(jù)滑動的時間可得到具體突變發(fā)生時間點。

在完成突變捕捉和匹配的同時，將頻域特征和根據(jù)實時數(shù)據(jù)計算得到的有效值特征相結(jié)合，與模型中的狀態(tài)進行匹配。在匹配成功后，結(jié)合上述突變的匹配，輸入到模型中，輸出設(shè)備的當(dāng)前狀態(tài)。在進行匹配的過程中，需要計算實時數(shù)據(jù)與模型中特征向量的距離，本文通過歐式距離公式，即式(14)進行匹配。

(14)

和傳統(tǒng)FFT相比，該方法不僅可以更加及時地對狀態(tài)進行匹配，而且在有突變發(fā)生的時候，可以準(zhǔn)確得到突變發(fā)生時間點，從而對用電設(shè)備的在線狀態(tài)監(jiān)測提供更好的幫助。

4 用電設(shè)備在線狀態(tài)監(jiān)測系統(tǒng)的設(shè)計與實現(xiàn)

基于上述的用電設(shè)備狀態(tài)模型和彈性滑窗FFT算法，實現(xiàn)了一個用電設(shè)備在線狀態(tài)監(jiān)測系統(tǒng)原型，該系統(tǒng)包括前端在線狀態(tài)監(jiān)測裝置和后臺軟件系統(tǒng)兩部分。整體結(jié)構(gòu)如圖5所示。

圖5 在線狀態(tài)監(jiān)測系統(tǒng)圖

前端是以TI公司C674x系列中的一款TMS320C6748處理器為核心，輔以外圍電路的在線狀態(tài)監(jiān)測系統(tǒng)。DSP主要負(fù)責(zé)對采集到的數(shù)據(jù)進行處理，經(jīng)過和預(yù)先存儲的模型匹配得到被測用電設(shè)備的狀態(tài)；外圍電路包括數(shù)據(jù)采集部分、電源部分以及外圍接口部分。對采集到的數(shù)據(jù)處理首先需要外圍電路中的數(shù)據(jù)采集部分通過高速AD不斷地采集用電設(shè)備的電信息并傳給DSP，DSP通過計算有效值和利用彈性滑窗FFT算法計算頻域特征量，然后根據(jù)計算結(jié)果配合用電設(shè)備行為模型進行突變捕捉和狀態(tài)匹配，確定用電設(shè)備當(dāng)前處于何種狀態(tài)或者何種突變中，以及判斷是否需要發(fā)出預(yù)警信號。將測試狀態(tài)監(jiān)測結(jié)果傳遞給后臺軟件系統(tǒng)。

后端則為基于Qt的后臺軟件系統(tǒng)。包括數(shù)據(jù)庫、界面等部分?？梢詫⑶岸瞬杉嬎愫团袛嗟玫降臄?shù)據(jù)和結(jié)果在后臺進行統(tǒng)計分析，利用分析結(jié)果對狀態(tài)行為模型進行調(diào)整。并提供界面交互和數(shù)據(jù)存儲等功能。

為了驗證該系統(tǒng)的可行性，利用電吹風(fēng)進行實驗。首先建立了電吹風(fēng)一檔、二檔、關(guān)閉等各個狀態(tài)的狀態(tài)模型。根據(jù)實驗數(shù)據(jù)，分別得到電吹風(fēng)處于這些狀態(tài)的特征向量。一檔狀態(tài)為S1={rms1,spec1}，其中電流頻譜的特征向量spec1={0.5,0,0}；二檔狀態(tài)為S2={rms2,spec2}，其中電流頻譜的特征向量為spec2={1.2,0,0}。關(guān)閉狀態(tài)向量為S0={rms0,spec0}，其電流頻譜的特征向量為spec0={0,0,0}。這些狀態(tài)構(gòu)成了狀態(tài)集；關(guān)閉狀態(tài)到一檔狀態(tài)的突變?yōu)棣?={spec0,spec1}；一檔狀態(tài)到關(guān)閉狀態(tài)的突變?yōu)棣?={spec1,spec0}；關(guān)閉狀態(tài)到二檔狀態(tài)的突變?yōu)棣?={spec0,spec2}；二檔狀態(tài)到關(guān)閉狀態(tài)的突變?yōu)棣?={spec2,spec0}；一檔狀態(tài)到二檔狀態(tài)的突變?yōu)棣?={spec1,spec2}；二檔狀態(tài)到一檔狀態(tài)的突變?yōu)棣?={spec2,spec1}；這些突變構(gòu)成突變集Σ。上述狀態(tài)集合突變集構(gòu)成了電吹風(fēng)的狀態(tài)行為模型M電吹風(fēng)={S,Σ,δ}，其關(guān)系結(jié)構(gòu)如圖6所示。

圖6 電吹風(fēng)狀態(tài)行為模型

然后利用該系統(tǒng)采集了電吹風(fēng)的實時數(shù)據(jù)進行實驗。采集頻率為5000Hz。對采集到的電流數(shù)據(jù)進行處理。

圖7(a)為S1狀態(tài)的頻譜圖。利用彈性滑窗FFT算法進行頻譜的計算，當(dāng)滑動到第0.033s時，頻譜圖如圖7(b)所示，可以看到此時頻譜發(fā)生了較大變化，因此認(rèn)為此時可能是突變點，由于已知此前狀態(tài)處于S1，因此和突變Σ2和Σ5匹配。該點的狀態(tài)特征向量spec={0.8,0.2,0}，匹配失敗，因此繼續(xù)滑動，直到滑動至距開始計算后0.053s的點，頻譜圖如圖7(c)所示，計算此時該點的特征向量spec={1.2,0,0}，和Σ5的特征向量匹配成功，認(rèn)為此時已經(jīng)完成了突變，吹風(fēng)機已經(jīng)進入了S2狀態(tài)。圖7(d)為S2狀態(tài)的頻譜圖，可以看到和圖7(c)基本一致，因此可以認(rèn)為此時的狀態(tài)監(jiān)測結(jié)果是正確的。

此外，從開始匹配到結(jié)束匹配滑動了0.02s，則突變點時刻為距算法啟動計算0.013s，因此認(rèn)為在開始計算后0.013s時發(fā)生了該突變。

圖7 電吹風(fēng)各狀態(tài)頻域圖

圖8為實時數(shù)據(jù)所畫的電流實時波形圖，可以看到，在第二個周波的第0.013s時間，即距離開始為0.033s時發(fā)生了突變，這和通過彈性滑窗FFT算法計算出來的結(jié)果是相吻合的。從而證明了該方法的準(zhǔn)確性和可靠性。

圖8 電流實時數(shù)據(jù)波形圖

由上述實驗可以看到，利用彈性滑窗FFT進行突變捕捉和匹配的算法，不僅可以利用頻域特征向量對突變進行捕捉，在用電設(shè)備狀態(tài)行為模型的配合下進行狀態(tài)匹配，同時也可以在此基礎(chǔ)上對突變點的發(fā)生時間加以判斷。該方法簡單方便，較為準(zhǔn)確，為用電設(shè)備的在線狀態(tài)監(jiān)測的準(zhǔn)確性提供了良好的保證。

5 結(jié) 語

針對用電設(shè)備在線狀態(tài)監(jiān)測系統(tǒng)實時性要求較高的要求，本文首先設(shè)計了一種基于有限狀態(tài)自動機的狀態(tài)行為模型來描述一個用電設(shè)備運行時的負(fù)荷特征。然后提出采用彈性滑窗FFT對傳統(tǒng)滑窗FFT算法進行改進，從而消除了頻率漂移對計算結(jié)果帶來了影響。將模型和算法用于對用電設(shè)備的突變進行捕捉和狀態(tài)匹配，提高了用電設(shè)備在線狀態(tài)監(jiān)測系統(tǒng)的可靠性。最后設(shè)計了基于DSP和Qt的用電設(shè)備在線監(jiān)測系統(tǒng)原型。

本文主要是對單一設(shè)備進行基于彈性滑窗FFT的在線狀態(tài)監(jiān)測、突變捕捉和匹配。但是在實際使用中，往往會有多個設(shè)備同時出現(xiàn)狀態(tài)變化或突變發(fā)生。在這種情況下，對用電設(shè)備的狀態(tài)監(jiān)測和突變捕捉將會變得更加復(fù)雜。因此，針對多個設(shè)備的突變捕捉情況，如何對本文算法進行改進，將是下一步要做的工作。

[1] 萬元. 大型發(fā)電機局部放電在線監(jiān)測與分析方法研究[D]. 武漢：華中科技大學(xué), 2009.

[2] 陳志輝, 夏虹, 鄔芝勝, 等. 小波變換在突變信號識別中的應(yīng)用[J]. 核動力工程, 2013, 34(2): 62-67.

[3] 趙云，錢斌，王科，等. 基于特征相似度的非侵入式用電負(fù)荷識別模型研究[J]. 電氣應(yīng)用, 2015(S1): 199-203.

[4] 牛東曉, 李媛媛, 乞建勛, 等. 基于經(jīng)驗?zāi)Ｊ椒纸馀c因素影響的負(fù)荷分析方法[J]. 中國電機工程學(xué)報, 2008, 28(16): 96-102.

[5] 鄭連清, 鄭艷秋. 基于經(jīng)驗?zāi)Ｊ椒纸馀c人工神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測[J]. 電力系統(tǒng)保護與控制, 2009, 37(23): 66-69,74.

[6] 孫麗玲, 許伯強, 李和明, 等. 基于小波分析的負(fù)荷突變在線監(jiān)測方法[J]. 華北電力大學(xué)學(xué)報, 2001, 28(3): 14-17.

[7] 牛盧璐, 賈宏杰. 一種適用于非侵入式負(fù)荷監(jiān)測的暫態(tài)事件檢測算法[J]. 電力系統(tǒng)自動化, 2011, 35(9): 30-35.

[8] 黃寒華. 滑動DFT算法研究[D]. 南京：東南大學(xué), 2006.

[9] 趙忠文, 曾巒. 滑動FFT在實時頻譜計算中的應(yīng)用[J]. 指揮技術(shù)學(xué)院學(xué)報, 1999, 10(2): 81-85.

[10] Proakis J G, Manolakis D K. Digital signal processing: principles, algorithms, and applications[M]. 4rd edition. New Jersey: Prentice Hall, 2013.

[11] Chang H H, Chen K L, Tsai Y P, et al. A new measurement method for power signatures of non-intrusive demand monitoring and load identification[C]//Proceedings of the 46th IEEE Industry Applications Society Annual Meeting (IAS), 2011: 1-7.

[12] 黃寒華. 實時譜分析的優(yōu)化算法——滑動DFT[J]. 金陵科技學(xué)院學(xué)報, 2006, 22(2): 36-39.

[13] 中華人民共和國質(zhì)量監(jiān)督檢驗檢疫總局. GB/T 15945-2008 電能質(zhì)量 電力系統(tǒng)頻率偏差[S]. 北京：中國標(biāo)準(zhǔn)出版社, 2008.

[14] 閆常友, 張濤, 楊奇遜. 基于DFT的非同步采樣情況下相量測量誤差研究綜述[J]. 繼電器, 2004, 32(10): 80-84.

[15] 黃云志, 徐科軍. 一種提高相角計算精度的方法[J]. 合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版), 2000, 23(3): 314-317.

[16] Swanson D C. Precision spectral peak frequency measurement using a window leakage ratio function[J]. Mechanical Systems and Signal Processing, 2015, 54-55:1-15.

[17] Harris F J. On the Use of Windows for Harmonic Analysis with the Discrete Fourier Transform[J]. Proceedings of the IEEE , 1978, 66(1):51-83.

[18] Martin K E, Benmouyal G, Adamiak M G, et al. IEEE Standard for Synchrophasors for Power Systems[J]. IEEE Transactions on Power Delivery, 1998, 13(1): 73-77.

RESEARCH AND APPLICATION OF ELECTRICAL EQUIPMENT ONLINE CONDITION MONITORING BASED ON ELASTIC SLIDING WINDOW FFT

Xu Li1Zhang Jingzhou2Zhao Yaoqiang3Wu Guowen1

1(SchoolofComputerScienceandTechnology,DonghuaUniversity,Shanghai201620,China)2(ShanghaiShangkeInformationTechnologyResearchInstitute,Shanghai201206,China)3(ShanghaiShenkaiPetroleumEquipmentCo.,LTD,Shanghai201114,China)

The research and application of electrical equipment online condition monitoring based on load feature is a hotspot. First, a model about the condition behavior of the electrical equipment based on FSA is built, which can describe the steady characteristics and transient characteristics effectively when the electrical equipment is running. Then, an elastic sliding FFT algorithm is raised, which solves the problem that traditional sliding FFT can only calculate the frequency spectrum under fixed frequency. Finally, the system prototype aimed at frequency spectrum feature real-time calculation according to this model which uses online monitor conditions of an electrical equipment is built and the result verify that the model and algorithm above-mentioned is effective.

Elastic sliding FFT Condition monitoring Mutation capture Electrical equipment

2015-12-24。國家重大科學(xué)儀器設(shè)備開發(fā)專項項目子課題(2012YQ50001)。許立，碩士生，主研領(lǐng)域：圖像處理與模式識別。張敬周，研究員。趙要強，高工。吳國文，副教授。

TP3

A

10.3969/j.issn.1000-386x.2017.01.016