基于多傳感信息融合的高速公路機電設備智能運維監(jiān)控方法

牛朋超

(中南勘察設計院集團有限公司, 武漢 430073)

0 引言

我國的土地面積非常寬廣,因此電力基礎設備的分布范圍也相對較廣. 目前,電力行業(yè)中的基礎設備與設施在行業(yè)中基本上實現(xiàn)了全覆蓋,要想實現(xiàn)對其進行遠程監(jiān)控、統(tǒng)一管理,就需要大量的人力、物力與財力. 在對電力系統(tǒng)進行建設的過程中,機電設備的智能化、信息化已經(jīng)成為電力系統(tǒng)在未來發(fā)展的必然結果. 針對機電設備進行智能運維監(jiān)控是保證電力網(wǎng)絡正常運行的基本環(huán)節(jié). 因此,國內有相關專業(yè)領域的學者針對機電設備設計了對應的監(jiān)控方法.

郭東明[1]提出基于CAN總線的變電所過程層設備運行狀態(tài)智能監(jiān)控方法. 利用CAN信息采集卡采集設備運行數(shù)據(jù),計算CAN總線通信波特率,引入BP神經(jīng)網(wǎng)絡模型對運行數(shù)據(jù)進行深入挖掘,實現(xiàn)對變電所過程層設備運行狀態(tài)的智能監(jiān)控. 雖然該方法能對機電設備進行有效監(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)技術的高速公路機電設備用電異常監(jiān)測方法,構建參數(shù)共享模型,通過用電數(shù)據(jù)質量分析方法分析傳感器采集數(shù)據(jù),通過物聯(lián)網(wǎng)技術建立監(jiān)測中心對機電設備用電異常變化記性監(jiān)測. 雖然該方法的監(jiān)測結果較為準確,但是由于算法復雜,增加了整體的監(jiān)控的時延,在監(jiān)控的實時性上還有一定的進步空間.

智能的運行維護監(jiān)控系統(tǒng),不僅能提升整個系統(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擔的同時,也減少了管理成本. 為了能讓高速公路機電設備運行維護監(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上,實現(xiàn)對機電設備的智能運維監(jiān)控. 為此,本文提出基于多傳感信息融合的高速公路機電設備智能運維監(jiān)控方法. 對現(xiàn)場機電設備產(chǎn)生的數(shù)據(jù)進行實時地傳輸感應,將所得到的數(shù)據(jù)信息進行有效融合,及時并準確地發(fā)現(xiàn)機電設備存在的問題與隱患,掌握現(xiàn)場狀況,并及時通知運維部門進行處理,保障高速公路機電設備運行安全.

1 挖掘機電設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,對高速公路機電設備運行過程中的狀態(tài)信息進行采集,其中包括光纖測溫傳感器、電流傳感器、SF6氣體傳感器、振動傳感器.

光纖測溫傳感器型號為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 ℃. 電流傳感器型號為ACS712ELCTR-30A-T,靈敏度66 mV/A,精度±1.5%,線性度±1.5%,響應時間5 μs,電源電壓5 V. SF6氣體傳感器型號為SC-10,精度SF6≤5%FS,電源電壓9～24 V,工作電流≤50 mA,濃度報警點≥1 000ppm,波特率2 400 bit/s,抗電強度>2 000 V. 振動傳感器型號為TX9,靈敏度50 mV/mm/s±5%,頻率響應(0～25)kHz,測量間距0～4.0 mm,電源電壓5～24 V.

為了提高機電設備運行數(shù)據(jù)傳輸?shù)膶崟r性,本文選取BC-S5單向光纖光柵應變計作為無線傳感裝置,實現(xiàn)傳感數(shù)據(jù)的實時傳輸. 該傳感器量程能達到±5 000με,在對高速公路機電設備運行狀態(tài)進行監(jiān)控的過程中,能實現(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.

在實現(xiàn)多傳感器聯(lián)網(wǎng)監(jiān)控與實時反饋的工作流程中,網(wǎng)站的建設和維護工作一般是由VPN服務來承擔的,其內部的管理程序則是先使用經(jīng)過審計的數(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,然后再使用WebUI對其進行激活、修改和后續(xù)管理,對多個傳感器產(chǎn)生的信號做出精確分類. 系統(tǒng)內所有傳感器的信息數(shù)據(jù),都可通過多維度數(shù)據(jù)來實現(xiàn)收集,并通過CACTI的周期性實現(xiàn)對歷史數(shù)據(jù)和當前信息的監(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,就可觸發(fā)報警系統(tǒng),把不在閾值內的數(shù)據(jù)及時傳遞給系統(tǒng)管理者.

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

將K2(E)、Ch和Qh設置為機電設備進行運維監(jiān)控過程中,實時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之后對其進行數(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理論,再通過小波分解以及快速構成算法,對所采集的多傳感數(shù)據(jù)進行重新構成[5].d(r)代表所有輸入信息的函數(shù)關系,Lh代表尺度空間Chj中內部權重的系數(shù),如果符合了Lhd(r)∈Ch相應關系時,就能得出如下關系：

(1)

式中,xn(h)為尺度空間內部的最大權重系數(shù);φhn(r)為進在進行了尺度與位移變換之后的最大函數(shù)關系,并且當h=0時,則就會滿足：

(2)

式中,L0d(r)為逼近尺度函數(shù)方向上產(chǎn)生的最大信號;xn(0)為在線性組合過程中產(chǎn)生的最大權重,這樣就一定會使xn(0)=〈L0d(r),φ0n(r)〉.通過上面的關系說明,在尺度空間中h=0時,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為小波空間內部權重的系數(shù).

當滿足h→0時,可得到關于尺度空間的平滑信息以及關于小波空間的離散信息[6-7].利用多傳感器的網(wǎng)絡學習方式對已有多傳感數(shù)據(jù)信息進行挖掘的過程中,因為存在Ch-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h→∞時,就可獲取挖掘后的多傳感數(shù)據(jù)信息,實現(xiàn)高速公路機電設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電設備運行數(shù)據(jù)后,對傳感器中所輸出的數(shù)值進行特征提取和轉換,實現(xiàn)多傳感數(shù)據(jù)信息融合.首先根據(jù)相同的數(shù)據(jù)信息進行分類并形成關聯(lián),然后計算多傳感數(shù)據(jù)校正因子和修正后的權重,最后通過加權融合算法對所有機電設備的傳感器信息進行融合.

對數(shù)據(jù)類型進行分組,根據(jù)每組數(shù)據(jù)的平均值p1、標準差p2,計算融合權值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)融合權值,計算各組數(shù)據(jù)的校正因子和修正權重：

(6)

(7)

式中,g1為校正因子;gp為修正權重;go為相對方差;gy為特征矢量.

采用修正后的權重gp,結合校正因子g1,對多傳感數(shù)據(jù)進行二次加權融合,得到最終的融合結果po：

(8)

至此,通過加權算法實現(xiàn)了高速公路機電設備多傳感數(shù)據(jù)的融合.

在多傳感信息融合對數(shù)據(jù)進行處理的過程中,會存在非常多不同的層次,通過多傳感數(shù)據(jù)整合的每個階段都可看出,每個局部數(shù)據(jù)整合空間內,都可通過任務自定義的啟動來確認不同的管理信息,其中在任務協(xié)調的子系統(tǒng)中,可對整合實施階段前的信息和整合后的信息實現(xiàn)有效管理;在實施具體任務的階段流程中,實現(xiàn)具體任務協(xié)同功能的子系統(tǒng)也能實現(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,通過對局部信息與空間資源進行集成后得到結果,主要體現(xiàn)的層次就是在信息發(fā)布的層級中,但在實際操作的實踐中,管理與決策都是由整個網(wǎng)絡的管理者來完成的[8]. 因此將多傳感信息融合后,可提高管理者對高速公路機電設備運行狀態(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)化運維監(jiān)控

在完成多傳感器數(shù)據(jù)信息融合后可開展進行對應的運維工作. 實施集中地監(jiān)測并實現(xiàn)方案性的解決,如此才可更準確和有效地掌握設備的實際工作狀況,并找出運行中的機電設備存在哪些問題,及時進行檢修,保障機電設備的安全運行[9].

可結合云計算技術,構建以多傳感數(shù)據(jù)為基礎的,集設備運行狀態(tài)管理、控制、診斷、告警、分析等功能于一體化智能運維監(jiān)控平臺,能監(jiān)控外接設備的實時電壓、流量、功率狀態(tài)、通訊情況,一旦發(fā)生運行異常或故障等情況,可實現(xiàn)及時告警[10]. 通過獲取的多傳感數(shù)據(jù),快速獲取高速公路各個機電設備的運行狀態(tài),從中識別出異常狀態(tài)信息,發(fā)出檢修告警,通知維修部門快速到達告警點位的設備處,檢查設備運行情況和異常情況,實現(xiàn)快速搶修.

一體化智能運維監(jiān)控平臺能實現(xiàn)對高速公路各隧道、收費站、線路的機電設備運行的實時監(jiān)控,通過集中監(jiān)測、事故預報、問題分析、及時排障,保證高速公路機電設備運行安全,提升運維工作質量,減少管理運維時間. 提高機電設備的在線率、安全性的同時,減少因設備損壞帶來的經(jīng)濟損失,避免受設備故障影響而出現(xiàn)交通擁堵、高速公路滯留等情況. 智能運維箱能準確判斷故障原因并通過后備電源和后備無線傳輸及時上傳監(jiān)控中心通知運維人員處理,可降低整體運維成本,提高維護工作效率,有利于維護工作的系統(tǒng)化和規(guī)范化管理[11].

4 應用測試與分析

為了測試此次提出高速公路機電設備智能運維監(jiān)控方法的可靠程度和實際使用效果,選擇某高速公路的機電設備作為測試對象,代替實際高速公路機電設備,降低應用測試風險. 使用Intel P6 8G處理器,將MATLAB 2020a作為此次測試的模擬平臺,本次測試將本文的方法與兩種傳統(tǒng)方法(CAN總線技術與物聯(lián)網(wǎng)技術)進行對比測試,對不同方法下監(jiān)控實時反饋的及時性與能耗進行比較,具體變化曲線如圖1和圖2所示.

圖1 不同方法下監(jiān)控實時反饋時延對比結果

圖2 不同方法下監(jiān)控實時反饋能耗對比結果

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

因此將本文設計方法應用至武陽高速金山段中,應用時間為2022-04-01—06-30. 在此期間,用設計的方法對高速公路機電設備進行監(jiān)控,監(jiān)測出2次機電設備的異常運行,分別為設備高溫運行和設備電流異常,兩次實時反饋的時延都在6 s左右,并及時發(fā)出故障預警,通知維修人員迅速到場處理. 從發(fā)出預警至維修結束僅用時1.2 h,實際應用效果較好.

5 結束語

針對傳統(tǒng)機電設備智能運維監(jiān)控方法在進行日常運維時,存在人力消耗大,遇到突發(fā)事件無法及時處理,造成財產(chǎn)損失的問題,提出采用多傳感信息融合的基礎優(yōu)化高速公路機電設備智能運維監(jiān)控方法. 實驗結果表明,本文方法在對高速公路機電設備進行智能運維監(jiān)控時,當測試次數(shù)在0～600次時,時延范圍只維持在5～12 s,平均時延只有8 s;當運行時間為5 h時,其能耗只有45 J,而當運行時間為60 h時,其能耗達到最高卻只有180 J,比較適用于當今時代下機電設備的智能運維監(jiān)控.