基于大數(shù)據(jù)的輔機設(shè)備振動噪聲監(jiān)測分析平臺

劉肅平，譚志平

廣東科技學(xué)院 計算機系，廣東 東莞 523083

1 引言

機組由主機和輔機設(shè)備組成，目前在機組的運行過程中，由于重大設(shè)備故障而導(dǎo)致機組計劃外停機已經(jīng)達(dá)到平均兩年一次的頻率[1]。輔機設(shè)備作為機組的重要組成部分，往往是機組狀態(tài)檢測的薄弱環(huán)節(jié)。因此，輔機設(shè)備能否安全運行的關(guān)鍵問題在于是否能做好輔機設(shè)備的狀態(tài)監(jiān)測工作。做好輔機設(shè)備狀態(tài)監(jiān)測能保證電廠機組正常運行，減少電廠因停機而帶來的經(jīng)濟(jì)損失，而且也能通過對輔機設(shè)備的狀態(tài)監(jiān)測保證工作人員的人身安全。因此，加強對輔機設(shè)備的狀態(tài)監(jiān)測成為電廠迫切需要解決的問題。

輔機設(shè)備在運行過程中，噪音和振動現(xiàn)象十分普遍，隨著設(shè)備運行時間的延長，噪音振動呈全面加劇之勢。國網(wǎng)、南方和香港電網(wǎng)近一兩年發(fā)生的幾起機組輔機設(shè)備故障，其故障原因尚未確準(zhǔn)，但運行人員反映其最明顯的特征是運行中噪音振動明顯變大。目前既無此方面的數(shù)據(jù)記錄和積累，也無具體可執(zhí)行的技術(shù)措施、標(biāo)準(zhǔn)或手段進(jìn)行定量化的評測和管理，故有必要展開對輔機設(shè)備振動、噪音等特征量的研究。

目前，國內(nèi)外在該領(lǐng)域做了一些有益的嘗試。文獻(xiàn)[2-3]中，開發(fā)了輔機設(shè)備預(yù)警系統(tǒng)，但具有很大的技術(shù)局限性。系統(tǒng)只能監(jiān)測少量輔機設(shè)備，隨著對輔機設(shè)備狀態(tài)監(jiān)測的廣度和深度的不斷加強，數(shù)據(jù)成指數(shù)級增長，該系統(tǒng)將無法實時處理數(shù)據(jù)流，更不能對海量數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘和建模，對海量數(shù)據(jù)的集成管理、實時處理、分析、展現(xiàn)成為技術(shù)難題。隨著大數(shù)據(jù)技術(shù)的不斷發(fā)展，實時大數(shù)據(jù)分析技術(shù)在商業(yè)互聯(lián)網(wǎng)領(lǐng)域應(yīng)用廣泛，但是大數(shù)據(jù)在狀態(tài)監(jiān)測領(lǐng)域的應(yīng)用研究還處于探索起步階段，只有一些理論研究。文獻(xiàn)[4]提出了大數(shù)據(jù)要求下在線監(jiān)測系統(tǒng)建設(shè)要點，包括數(shù)據(jù)采集、傳輸、存儲、調(diào)用、挖掘分析；文獻(xiàn)[5]提出了復(fù)雜裝備的狀態(tài)監(jiān)測實時流數(shù)據(jù)處理框架；文獻(xiàn)[6]探討了在輸變電設(shè)備狀態(tài)監(jiān)測領(lǐng)域的實時流數(shù)據(jù)處理框架，全面提高了數(shù)據(jù)處理的實時性；文獻(xiàn)[7]提出了如何有效存儲和分析輸變電狀態(tài)監(jiān)測大數(shù)據(jù)的研究方法。分析可知，雖然未形成真正能應(yīng)用于輔機設(shè)備狀態(tài)監(jiān)測領(lǐng)域的實時大數(shù)據(jù)分析技術(shù)，但提供了一些技術(shù)參考。

本文在此基礎(chǔ)上，探討了在輔機設(shè)備狀態(tài)監(jiān)測分析與研究領(lǐng)域的實時大數(shù)據(jù)處理技術(shù)，解決了在這一應(yīng)用領(lǐng)域的大數(shù)據(jù)技術(shù)難題，研發(fā)了一個輔機設(shè)備噪音振動大數(shù)據(jù)研究平臺，滿足了對輔機設(shè)備大范圍狀態(tài)監(jiān)測與研究的需求，為大數(shù)據(jù)技術(shù)在輔機設(shè)備領(lǐng)域的應(yīng)用進(jìn)行有益的嘗試。

2 狀態(tài)監(jiān)測流數(shù)據(jù)

本文監(jiān)測的對象為某電廠#5、#6兩個機組的41臺輔機設(shè)備。采集#5、#6發(fā)電機組的12臺風(fēng)機、10臺磨煤機、10臺水泵、6臺氣泵噪音振動數(shù)據(jù)以及2臺升壓變、1臺啟備變的噪音振動、中性點電流、高壓側(cè)電流、電壓、諧波數(shù)據(jù)，共計208個數(shù)據(jù)采集點。按1 s間隔，以48 kHz/24 bit采集噪音數(shù)據(jù)，以25.6 kHz/16 bit采集振動、電流、電壓數(shù)據(jù)，每分鐘數(shù)據(jù)總量為982.88 MB，每天數(shù)據(jù)總量為1 382.17 GB，每月數(shù)據(jù)總量為40.49 TB。如此大規(guī)模的流數(shù)據(jù)要求在線實時處理，及時評估設(shè)備狀態(tài)，這對在線監(jiān)測系統(tǒng)的實時性、吞吐量和可靠性等方面提出了很高的要求。

3 狀態(tài)監(jiān)測實時數(shù)據(jù)處理框架

通常實時大數(shù)據(jù)計算模式分為兩類：流式計算（Stream Computing）和批量計算（Batch Computing）。它們分別適用于不同的應(yīng)用場景：對于先存儲后計算，實時性要求不高，同時數(shù)據(jù)的準(zhǔn)確性、全面性更為重要的應(yīng)用場景，批量計算模式更加適合；對于無需先存儲，可以直接進(jìn)行數(shù)據(jù)計算，實時性要求很嚴(yán)格，但數(shù)據(jù)的精確度要求稍微放寬的應(yīng)用場景，流式計算具有明顯優(yōu)勢[8]。大數(shù)據(jù)計算模式如圖1所示。

圖1 大數(shù)據(jù)計算模式

結(jié)合本文的需求來看，一方面需要實時處理采集到的噪音、振動、電流、電壓、諧波原始數(shù)據(jù)，計算得到噪音的A、C、Z值和振動速度v、加速度g、位移s值以及全頻譜數(shù)據(jù)，實現(xiàn)對輔機設(shè)備運行狀態(tài)的實時監(jiān)測；另一方面，將所有原始數(shù)據(jù)集中存儲至大數(shù)據(jù)服務(wù)器中，建立輔機設(shè)備的噪音振動大數(shù)據(jù)庫，可對歷史數(shù)據(jù)進(jìn)行全面的分析，包括FFT全頻譜分析、趨勢分析等，且能作為對輔機設(shè)備故障診斷、故障定位等深層次研究的一個平臺。因此，本文采用流式數(shù)據(jù)實時分析技術(shù)和實時批處理技術(shù)相結(jié)合的方式，對應(yīng)目前的主流開源框架技術(shù)，采用Storm+Hadoop架構(gòu)，如圖2所示。

圖2 狀態(tài)監(jiān)測數(shù)據(jù)實時處理體系結(jié)構(gòu)

監(jiān)測數(shù)據(jù)以數(shù)據(jù)流的方式進(jìn)入系統(tǒng)，首先利用Storm以流計算的方式，對流式監(jiān)測數(shù)據(jù)進(jìn)行快速計算和處理，形成針對特定運齡、工況、環(huán)境條件下輔機設(shè)備運行特征參數(shù)的判斷、預(yù)測和預(yù)警處理，處理后的數(shù)據(jù)傳輸至實時監(jiān)測中心，通過大數(shù)據(jù)的數(shù)據(jù)展現(xiàn)技術(shù)，管理人員可直觀、準(zhǔn)確地看到各個輔機設(shè)備的運行狀態(tài)；然后，采用批計算技術(shù)，將海量原始數(shù)據(jù)存儲到基于Hadoop的分布式文件系統(tǒng)（Hadoop Distributed File System，HDFS）中，建立大數(shù)據(jù)庫，再采用基于MapReduce的大數(shù)據(jù)分析技術(shù)對海量數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘和建模，從而發(fā)現(xiàn)隱藏在海量數(shù)據(jù)中豐富、有價值的信息，為輔機設(shè)備的更深層次的研究建立一個研究平臺。

3.1 狀態(tài)監(jiān)測實時流數(shù)據(jù)處理技術(shù)

目前，大數(shù)據(jù)流式計算系統(tǒng)實例有很多，其中比較典型的、應(yīng)用比較廣泛的、具有代表性的是Storm系統(tǒng)[9]、S4系統(tǒng)、Puma系統(tǒng)、Kafka系統(tǒng)、TimeStream系統(tǒng)，各有優(yōu)勢。其中，Storm是一款分布式、開源的、實時的、主從式大數(shù)據(jù)流式系統(tǒng)，在電力行業(yè)狀態(tài)監(jiān)測領(lǐng)域應(yīng)用較多。

Storm采用主從系統(tǒng)架構(gòu)，在輔機設(shè)備狀態(tài)監(jiān)測中，使用Storm處理流數(shù)據(jù)時，首先要設(shè)計流數(shù)據(jù)處理過程中的任務(wù)拓?fù)洌═opology）結(jié)構(gòu)，即Storm的邏輯單元，對狀態(tài)監(jiān)測流數(shù)據(jù)的處理順序依次為獲取數(shù)據(jù)、去噪（多種）、計算特征量、狀態(tài)評價等。任務(wù)拓?fù)浣Y(jié)構(gòu)如圖3所示。

圖3 Topology結(jié)構(gòu)

一個任務(wù)拓?fù)涫怯梢幌盗蠸pout和Bolt構(gòu)成的有向無環(huán)圖，通過數(shù)據(jù)流（Stream）實現(xiàn)Spout和Bolt之間的關(guān)聯(lián)。在圖3中，Spout負(fù)責(zé)從外部數(shù)據(jù)源不斷地讀取數(shù)據(jù)，并以Tuple元組的形式發(fā)送給相應(yīng)的Bolt；Bolt負(fù)責(zé)對接收到的數(shù)據(jù)流進(jìn)行計算，表示數(shù)據(jù)處理的一個過程，比如去噪、計算特征量、評價等；不同的特征量計算方式和不同的評價方式表示不同的Bolt，一個Bolt的輸出，可以作為另一個Bolt的輸入。在對各個特征量的評價中，不同的設(shè)備、不同的運行時間段，標(biāo)準(zhǔn)值會有所不同。將計算后的特征量與標(biāo)準(zhǔn)值相比較，評估出各個設(shè)備在相應(yīng)時間段的運行狀態(tài)，若超出閾值，立刻預(yù)警。

3.2 狀態(tài)監(jiān)測數(shù)據(jù)批處理技術(shù)

在狀態(tài)監(jiān)測中，除了對流式監(jiān)測數(shù)據(jù)進(jìn)行快速處理，對設(shè)備狀態(tài)進(jìn)行分析外，隨著輔機設(shè)備運行時間的累積，形成了海量的歷史數(shù)據(jù)，有必要對海量歷史數(shù)據(jù)進(jìn)行存儲，并通過對歷史數(shù)據(jù)的數(shù)據(jù)挖掘，找到隱藏在大數(shù)據(jù)中的有價值的信息。

Hadoop分布式文件系統(tǒng)采用主從架構(gòu)，Hadoop集群可采用廉價PC。MapReduce是一種處理海量數(shù)據(jù)的并行編程模型和計算框架，用于對大規(guī)模數(shù)據(jù)集的并行查詢和計算，該計算模式在Hadoop上得到了實現(xiàn)。通過這兩項技術(shù)的結(jié)合，可搭建分布式、高性能、可伸縮的數(shù)據(jù)存儲系統(tǒng)，實現(xiàn)對狀態(tài)監(jiān)測動態(tài)信息的存儲和并行查詢，構(gòu)建低成本、高效率的輔機設(shè)備大數(shù)據(jù)挖掘與分析研究平臺[10-12]。

4 系統(tǒng)實現(xiàn)

4.1 方案設(shè)計

系統(tǒng)采用分布型網(wǎng)絡(luò)體系架構(gòu)，由2臺大數(shù)據(jù)服務(wù)器、100 Mb/s光纖以太網(wǎng)和按輔機設(shè)備配置的41臺S930智能噪音振動傳感器三部分構(gòu)成。1臺S930監(jiān)測1臺輔機設(shè)備。S930負(fù)責(zé)采集流數(shù)據(jù)并進(jìn)行流式計算，形成針對特定運齡、工況、環(huán)境條件下輔機設(shè)備運行特征參數(shù)的判斷和預(yù)警處理；大數(shù)據(jù)服務(wù)器主要負(fù)責(zé)將輔機設(shè)備的狀態(tài)監(jiān)測數(shù)據(jù)存儲到HDFS中，建立大數(shù)據(jù)庫，以及利用MapReduce并行編程模型和計算框架，對大規(guī)模數(shù)據(jù)集進(jìn)行并行查詢和計算。此外，大數(shù)據(jù)服務(wù)器中的高級應(yīng)用軟件可利用大數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行分析和研究。系統(tǒng)結(jié)構(gòu)如圖4所示。

圖4 系統(tǒng)結(jié)構(gòu)圖

在圖4中，S930按照實時1 s間隔，以48 kHz/24 bit采集噪音數(shù)據(jù)，以25.6 kHz/16 bit采集振動、電流、電壓數(shù)據(jù)。然后，S930利用Storm以流計算的方式，對流式監(jiān)測數(shù)據(jù)進(jìn)行快速計算和處理，得到噪音A、C、Z值和振動速度v、加速度g、位移s值，按頻點計算實時頻譜值，再與標(biāo)準(zhǔn)值相比較，作出評價。通過以太網(wǎng)，將處理后的數(shù)據(jù)傳輸至監(jiān)測中心并實時顯示，實現(xiàn)了對該位置的輔機設(shè)備的狀態(tài)監(jiān)測以及預(yù)警；同時，S930將狀態(tài)監(jiān)測流數(shù)據(jù)壓縮，通過IEC61850/ModBus/DNP通信協(xié)議傳輸至大數(shù)據(jù)服務(wù)器的HDFS中進(jìn)行存儲，建立輔機設(shè)備振動噪音大數(shù)據(jù)庫；當(dāng)監(jiān)測人員發(fā)現(xiàn)某個輔機設(shè)備出現(xiàn)預(yù)警信息時，監(jiān)測人員可通過Web網(wǎng)頁登錄大數(shù)據(jù)服務(wù)器中的高級應(yīng)用軟件FFT分析儀，分析儀通過MapReduce查詢到待分析數(shù)據(jù)在HDFS中的具體位置，并讀取。分析儀利用讀取的原始數(shù)據(jù)進(jìn)行FFT全頻譜分析、趨勢分析，并在界面中顯示分析結(jié)果。

4.2 硬件設(shè)計

4.2.1 S930

硬件選型如下：

（1）噪音傳感器，采用AWA14423的電容傳聲器，1級聲級精度標(biāo)準(zhǔn)，靈敏度50 mV/Pa，頻帶范圍10 Hz～20 kHz，動態(tài)范圍15～140 dB。

（2）振動傳感器，采用YD9200的振動速度傳感器，靈敏度20 V/(m?s)，頻帶范圍10～1 000 Hz。

（3）前置放大器，采用型號為AWA14604的前置放大器，1級聲級精度標(biāo)準(zhǔn)，與聲音傳感器和振動傳感器相連，頻帶范圍10 Hz～100 kHz，動態(tài)范圍15～134 dB。

（4）模擬數(shù)字轉(zhuǎn)換器（ADC），采用AD7606，這是一款16位，8通道同步采樣模數(shù)數(shù)據(jù)采樣系統(tǒng)（DAS），工作電壓是5 V，提供SPI接口，方便與MCU之間進(jìn)行參數(shù)的傳遞。

（5）CPU，采用恩智浦公司推出的LPC1788芯片，以Cortex-M3為內(nèi)核的微控制器，主頻高達(dá)120 MHz，具有8通道的DMA控制器，片上有EEPROM，其掉電保存，方便保存一些固定參數(shù)，支持SDRAM外設(shè)，SDRAM的大容量有利于保存大量的采樣數(shù)據(jù)，同時還具有豐富的接口功能。

以上硬件組裝非常方便，整機完全滿足測量范圍30～130 dB和實時監(jiān)測的要求。

硬件設(shè)計結(jié)構(gòu)如圖5所示。

圖5 S930硬件設(shè)計框圖

4.2.2 大數(shù)據(jù)服務(wù)器

硬件選型如下：

（1）服務(wù)器，采用型號為ThinkServerTD340 S2407v2 4/1 THO的服務(wù)器，主頻為2 400 MHz，硬盤擴展至16TB，支持多個千兆網(wǎng)口，操作系統(tǒng)是Windows Server 2012 R2版本，數(shù)據(jù)庫管理系統(tǒng)采用SQL Server2012版本。

（2）液晶顯示屏，采用聯(lián)想的LI2032WD十九寸液晶屏，實時顯示每個設(shè)備的預(yù)警信息。

（3）快速以太網(wǎng)收發(fā)器，采用型號為STV-D8110-MC-2KM，與光纜相連，接收光纜傳遞的信號。

（4）光電轉(zhuǎn)換器，采用型號為T651的智能終端，將電纜輸入的電信號轉(zhuǎn)化為光信號。

（5）交換機，采用中興的ZX210-2950，接收快速以太網(wǎng)收發(fā)器和光電轉(zhuǎn)換器T651終端的信號，與服務(wù)器相連，將數(shù)據(jù)存儲至服務(wù)器中。

硬件設(shè)計結(jié)構(gòu)如圖6所示。

4.3 系統(tǒng)軟件設(shè)計及核心算法實現(xiàn)

4.3.1 S60軟件

S60是S930智能噪音振動傳感器的軟件部分，它采用基于內(nèi)核的嵌入式實時操作系統(tǒng)。在CPU的軟件設(shè)計過程中，主要采用模塊化的設(shè)計方法，優(yōu)點是降低模塊間的耦合度，提高軟件復(fù)用性。整體的軟件架構(gòu)包括驅(qū)動層、系統(tǒng)層和應(yīng)用層三部分。

圖6 硬件設(shè)計框圖

在本系統(tǒng)中主要實現(xiàn)對噪聲信號和振動信號的采集、計算和傳輸任務(wù)，應(yīng)用任務(wù)工作流程如圖7所示。

圖7 S60軟件流程圖

在噪音處理中，采用無限脈沖響應(yīng)（Infinite Impulse Response，IIR）數(shù)字濾波器算法計算Z、C、A頻率計權(quán)的連續(xù)等效聲壓級，使用實序列快速傅氏變換（Fast Fourier Transformation，F(xiàn)FT）算法分析噪聲頻譜[13]。

根據(jù)國家標(biāo)準(zhǔn)《JJG 188—2002，聲級計檢定規(guī)程》可知，C計權(quán)C(f)可用如下公式計算：

任何頻率上的A計權(quán)A(f)可用如下公式計算：

在以上公式中，C1000和A1000表示常數(shù)，C1000=-0.062 dB，A1000=-2.000 dB。 f1到 f4取近似值為：f1=20.6 Hz,f2=107.7 Hz,f3=737.9 Hz,f4=12 194 Hz。

由式（1）推導(dǎo)出C頻率計權(quán)的傳遞函數(shù)為：

表1 計算誤差

由式（2）推導(dǎo)出A頻率計權(quán)的傳遞函數(shù)為：

雙線性變換公式和預(yù)畸變公式為：

以上i=1,2,3,4，fs表示采樣頻率，fs=48 kHz。

將式（5）和式（6）代入式（3）、（4）中推導(dǎo)可得C、A、Z計權(quán)等效連續(xù)聲級公式。

在振動處理中，本文采用基于最小均方差思想的有限長單位沖擊響應(yīng)（Finite Impulse Response，F(xiàn)IR）濾波器的方法設(shè)計了一種新型的微分器；在設(shè)計積分器時，首先采用維納濾波器進(jìn)行濾波處理，以提高信號的信噪比，再采用梯形積分法進(jìn)行積分，但積分后的信號中原始信號中直流量所引起的趨勢項，采用最小二乘法消除了一次趨勢項，其積分算法原理如下：

設(shè)加速度連續(xù)周期信號為x(n)，它的頻譜為X(k)，根據(jù)傅里葉變換定義的諧波信號時域和頻域的對應(yīng)關(guān)系，設(shè) x(n)、v(n)、d(n)為加速度信號 x(t)、速度信號 v(t)、位移信號d(t)的離散化表示，每條譜線對應(yīng)時域中的一個正弦波，表達(dá)式為：

進(jìn)而有：

在式（7）～（11）中，wk=2πkΔf,Δf=Fs/N。由式（10）、（11）計算出速度離散信號v(n)、位移離散信號d(n)后，再根據(jù)均方根值即可計算出相應(yīng)的有效值[14]。

與其他算法相比，以上算法精度相對較高[15]，計算誤差如表1所示。

表1中的誤差為不同頻率信號下的最大誤差，由表可知，噪音和振動的測量精度完全滿足國家一級標(biāo)準(zhǔn)，已經(jīng)在中國賽寶實驗室（工業(yè)和信息化部電子第五研究所）計量檢測中心取得了檢定認(rèn)證。

4.3.2 FFT分析儀

FFT分析儀安裝于大數(shù)據(jù)服務(wù)器中，它基于LabView軟件平臺。首先，依次讀取待分析的機組號、設(shè)備號、測試單元、數(shù)據(jù)源，如#6機組6B風(fēng)機第1路振動，加載相應(yīng)的界面；然后，選擇起始日期和采樣頻率，判斷是否按下載入鍵，若是，連接數(shù)據(jù)庫，讀取相應(yīng)設(shè)備在那個時間段的數(shù)據(jù)，若不是，則繼續(xù)等待；數(shù)據(jù)載入后，對數(shù)據(jù)進(jìn)行解析，解析后對數(shù)據(jù)再進(jìn)行FFT分析；最后，界面上顯示出原始波形以及分析處理后的波形、頻譜圖、功率譜、3D瀑布圖。軟件流程圖如圖8所示。

圖8 FFT分析儀軟件流程圖

5 應(yīng)用成效

2015年9月，該系統(tǒng)已經(jīng)在某電廠安裝實施，由于輔機設(shè)備分布廣，結(jié)構(gòu)復(fù)雜，數(shù)量多，種類多，相應(yīng)的監(jiān)測點非常多，現(xiàn)列出部分具有代表性的應(yīng)用現(xiàn)場，如圖9所示。

系統(tǒng)安裝運行以來，取得了以下應(yīng)用成效。

（1）實現(xiàn)了對電廠輔機設(shè)備的#5、#6機組的41臺輔機設(shè)備狀態(tài)監(jiān)測流數(shù)據(jù)的采集。共計208個數(shù)據(jù)采集點，每分鐘數(shù)據(jù)總量為982.88 MB，每天數(shù)據(jù)總量為1 382.17 GB，每月數(shù)據(jù)總量為40.49 TB。

（2）實現(xiàn)了對輔機設(shè)備狀態(tài)監(jiān)測海量數(shù)據(jù)的實時處理，以1 s為計算周期，計算得到噪音的A、C、Z值和振動速度v、加速度g、位移s值，以及全頻譜數(shù)據(jù)，形成針對特定運齡、工況、環(huán)境條件下輔機設(shè)備運行特征參數(shù)的判斷、預(yù)測和預(yù)警處理。

（3）實現(xiàn)了海量流數(shù)據(jù)的通信傳輸。兼容ModBus、DNP和IEC870-5-104、IEC61850協(xié)議，提供100 Mb/s雙光纖/電網(wǎng)絡(luò)、CAN、RS485和WiFi、GPRS接口，解決了丟包問題，保證了數(shù)據(jù)的完整性。

圖9 應(yīng)用現(xiàn)場

（4）實現(xiàn)了海量數(shù)據(jù)的存儲和并行查詢。研制了大數(shù)據(jù)服務(wù)器，搭建分布式、高性能、可伸縮的數(shù)據(jù)存儲系統(tǒng)，實現(xiàn)對狀態(tài)監(jiān)測動態(tài)信息的存儲和并行查詢，構(gòu)建低成本、高效率的輔機設(shè)備大數(shù)據(jù)挖掘與分析研究平臺。在該平臺上，可對海量數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘和建模，從而發(fā)現(xiàn)隱藏在海量數(shù)據(jù)中的豐富、有價值的信息，滿足對輔機設(shè)備進(jìn)行更深層次研究的需求。

（5）建立了輔機設(shè)備大數(shù)據(jù)分析模型。研制了一套基于大數(shù)據(jù)全頻譜FFT和2D、3D趨勢分析軟件，建立了輔機設(shè)備振動噪音的檢測標(biāo)準(zhǔn)、實測的大數(shù)據(jù)記錄庫和事故隱患的診斷預(yù)警、壽命預(yù)測的大數(shù)據(jù)分析模型。

（6）實現(xiàn)了在線遠(yuǎn)程監(jiān)測?；诨ヂ?lián)網(wǎng)Web應(yīng)用體系架構(gòu)，電廠監(jiān)測中心可通過互聯(lián)網(wǎng)或移動互聯(lián)網(wǎng)登錄在線監(jiān)測系統(tǒng)，從而可在線實時查看輔機設(shè)備#5、#6機組運行狀態(tài)和預(yù)警信息，如圖10所示。

該系統(tǒng)大大提高了機組的安全可靠性。在系統(tǒng)的長期運行過程中，系統(tǒng)多次發(fā)現(xiàn)輔機設(shè)備存在的潛伏性故障，電廠電氣工程師根據(jù)預(yù)警信息到現(xiàn)場進(jìn)行診斷，發(fā)現(xiàn)確實存在相應(yīng)的潛在性故障，對機組采取果斷、及時、正確的操作，并對該機組采取相應(yīng)的跟進(jìn)措施，避免事故的發(fā)生；同時，該系統(tǒng)建立的輔機設(shè)備振動噪音的研究平臺，存儲了輔機設(shè)備運行過程中的海量原始數(shù)據(jù)，提供了大數(shù)據(jù)分析工具，可作為輔機設(shè)備的故障診斷、故障定位等深入研究的基礎(chǔ)，供電力行業(yè)相關(guān)研究人員使用。該系統(tǒng)大大降低了研究人員研究過程中獲取實驗數(shù)據(jù)的成本，提高了研究人員的研究效率，促進(jìn)了對輔機設(shè)備的深入研究。

圖10 基于Web的在線監(jiān)測系統(tǒng)

輔機設(shè)備振動噪音的研究平臺之所以能夠開發(fā)成功并快速實現(xiàn)規(guī)模化應(yīng)用，主要得益于以下幾方面：第一，目標(biāo)明確，建立可應(yīng)用于輔機設(shè)備的噪音振動大數(shù)據(jù)研究平臺，滿足發(fā)電廠對輔機設(shè)備進(jìn)行狀態(tài)監(jiān)測以及研究分析的業(yè)務(wù)需求；第二，勇于創(chuàng)新，在技術(shù)層面取得重大突破，將大數(shù)據(jù)技術(shù)應(yīng)用于系統(tǒng)中；第三，團(tuán)結(jié)協(xié)作，技術(shù)骨干聯(lián)合攻關(guān)。

6 結(jié)束語

本文通過對目前輔機設(shè)備狀態(tài)監(jiān)測研究現(xiàn)狀的分析，發(fā)現(xiàn)主要存在以下三方面的技術(shù)難題。第一，如何實時地處理監(jiān)測過程中采集到的海量數(shù)據(jù)流，快速生成分析結(jié)果；第二，如何存儲、查詢海量數(shù)據(jù)，從中挖掘出有價值的信息；第三，如何解決各廠家在線監(jiān)測裝置通信規(guī)約不統(tǒng)一、不透明，造成數(shù)據(jù)資源不能共享的問題，提高系統(tǒng)的開發(fā)性、通用性、易擴展性、易維護(hù)性，促進(jìn)系統(tǒng)在電力行業(yè)的應(yīng)用與推廣，促進(jìn)該領(lǐng)域的智能化、數(shù)字化建設(shè)。為了滿足以上需求，本文創(chuàng)新地提出流式數(shù)據(jù)實時分析技術(shù)和實時批處理技術(shù)相結(jié)合的方式，以Storm+Hadoop大數(shù)據(jù)處理架構(gòu)很好地解決了前兩個關(guān)鍵問題。為了解決第三個問題，本系統(tǒng)里的S930智能終端按照智能電網(wǎng)技術(shù)標(biāo)準(zhǔn)體系中的大機組設(shè)備狀態(tài)監(jiān)測與故障分析系統(tǒng)技術(shù)標(biāo)準(zhǔn)進(jìn)行設(shè)計，支持智能電網(wǎng)統(tǒng)一通信規(guī)約，通過IEC61850協(xié)議進(jìn)行通信傳輸，實現(xiàn)數(shù)據(jù)資源共享，促進(jìn)智能電網(wǎng)大機組設(shè)備狀態(tài)監(jiān)測與故障分析領(lǐng)域的數(shù)字化、智能化建設(shè)。系統(tǒng)中的智能終端不僅可以應(yīng)用于機組輔機設(shè)備，還可以應(yīng)用于各種振動噪聲監(jiān)測場合，根據(jù)監(jiān)測場合的不同，可以很方便地對系統(tǒng)進(jìn)行剪裁，增加或減少智能終端的數(shù)量來適應(yīng)現(xiàn)場需求。這使得系統(tǒng)的開發(fā)性、通用性、易擴展性、易維護(hù)性大大提高，非常易于應(yīng)用與推廣。目前，該系統(tǒng)已經(jīng)成功應(yīng)用于某電廠，取得了預(yù)期的應(yīng)用效果，證明了該系統(tǒng)是可靠的。接下來，將在此基礎(chǔ)上開展更深層次的研究工作，具體內(nèi)容如下：

（1）提出在大數(shù)據(jù)環(huán)境下的數(shù)據(jù)壓縮技術(shù)方案，提高傳輸海量數(shù)據(jù)的速度，降低海量數(shù)據(jù)對存儲容量的需求，緩解海量數(shù)據(jù)增長速度，在滿足數(shù)據(jù)處理分析速度的前提下，優(yōu)化大數(shù)據(jù)平臺對系統(tǒng)擴容的需求，降低大數(shù)據(jù)平臺的軟硬件投入成本。

（2）設(shè)計一種適應(yīng)同時接入不同類型的數(shù)據(jù)信號的同步采樣方法，避免相位和幅值隨著時間的積累產(chǎn)生嚴(yán)重誤差，保證大數(shù)據(jù)的數(shù)據(jù)質(zhì)量，為輔機設(shè)備和變壓器的異常噪聲源識別定位研究提供可靠的數(shù)據(jù)基礎(chǔ)。

（3）開展對輔機設(shè)備中的風(fēng)機和變壓器的異常噪聲源識別定位研究工作，建立異常噪聲源識別定位分析系統(tǒng)。該系統(tǒng)對空間中的一個觀察平面上的不同點的聲音強度進(jìn)行掃描，繪制出一幅聲強的分布圖，將異常噪聲實時動態(tài)地呈現(xiàn)給觀測人員。

（4）對大數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，根據(jù)機組輔機設(shè)備類型、型號、狀態(tài)的不同，相應(yīng)地提取出準(zhǔn)確、有價值的數(shù)據(jù)進(jìn)行分析，為設(shè)備檢修工作提供可靠、準(zhǔn)確的數(shù)據(jù)支持，提高檢修效率，減少檢修成本，提高設(shè)備利用率，保證設(shè)備的安全性，總體上提升設(shè)備運行管理水平。

（5）將此系統(tǒng)應(yīng)用于更多電廠的大機組輔機設(shè)備，根據(jù)各個電廠設(shè)備的不同，建立不同類別、不同型號、不同狀態(tài)的大數(shù)據(jù)庫，通過智能電網(wǎng)統(tǒng)一通信規(guī)約實現(xiàn)不同電廠的數(shù)據(jù)共享。

（6）完善大數(shù)據(jù)共享平臺，包括改進(jìn)通信信息建設(shè)和數(shù)據(jù)安全性、隱私保護(hù)相關(guān)研究。

（7）國內(nèi)外智能電網(wǎng)大數(shù)據(jù)的研究和工程應(yīng)用剛剛起步，尚處于探索階段，如何將此領(lǐng)域的大數(shù)據(jù)接入智能電網(wǎng)，需要多方努力溝通，達(dá)成共識，共同消除存在的障礙，制定各方面的發(fā)展戰(zhàn)略。