考慮噪聲影響的柴油發(fā)電機(jī)組并聯(lián)運(yùn)行自動化監(jiān)控系統(tǒng)

呂良

（陜西柴油機(jī)重工有限公司西安電站工程分公司，西安 710000）

柴油發(fā)電機(jī)組作為諸多工作領(lǐng)域后備供電系統(tǒng)中的主要后備電源，其在并聯(lián)運(yùn)行時(shí)的穩(wěn)定性直接關(guān)系到在出現(xiàn)長時(shí)間停電狀況后，各領(lǐng)域相關(guān)工作能否得以有效完成[1-2]，因此需要設(shè)計(jì)一種合適的柴油發(fā)電機(jī)組并聯(lián)運(yùn)行自動化監(jiān)控系統(tǒng)，實(shí)時(shí)監(jiān)控柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)，運(yùn)行狀況出現(xiàn)異常時(shí)，及時(shí)給予干預(yù)，保障其運(yùn)行穩(wěn)定性。

針對上述問題，文獻(xiàn)[3]提出基于SOM 神經(jīng)網(wǎng)絡(luò)的柴油發(fā)電機(jī)組并聯(lián)運(yùn)行自動化監(jiān)控技術(shù)，文獻(xiàn)[4]提出基于優(yōu)化NRS 和復(fù)雜網(wǎng)絡(luò)的柴油發(fā)電機(jī)組并聯(lián)運(yùn)行自動化監(jiān)控技術(shù)。前者在對柴油發(fā)電機(jī)組并聯(lián)運(yùn)行故障類型實(shí)施合理分析基礎(chǔ)上，合理整合柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)特征數(shù)據(jù)，并通過Matlab 軟件中的網(wǎng)絡(luò)工具箱執(zhí)行SOM 神經(jīng)網(wǎng)絡(luò)構(gòu)建操作，最終在將柴油發(fā)電機(jī)組并聯(lián)運(yùn)行特征數(shù)據(jù)輸入到所構(gòu)神經(jīng)網(wǎng)絡(luò)后，通過合理的神經(jīng)網(wǎng)絡(luò)訓(xùn)練輸出相應(yīng)故障診斷結(jié)果，完成柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)監(jiān)測；后者使用變分模態(tài)分解算法對采集到的柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)數(shù)據(jù)執(zhí)行合理分解，形成柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)特征數(shù)據(jù)集，并使用優(yōu)化鄰域粗糙集實(shí)施合理特征篩選，之后使用復(fù)雜神經(jīng)網(wǎng)絡(luò)中存在的社團(tuán)結(jié)構(gòu)構(gòu)建柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)監(jiān)測網(wǎng)絡(luò)，最終充分利用網(wǎng)絡(luò)的超強(qiáng)分類性能完成柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)監(jiān)測。二者均可有效監(jiān)測柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)，但并未在實(shí)際工作中考慮噪聲環(huán)境對柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)監(jiān)測效果的影響。

在采集到有效的柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)數(shù)據(jù)后，應(yīng)用基于廣義S 變換時(shí)頻濾波算法對采集到的柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)數(shù)據(jù)執(zhí)行合理去噪操作，可顯著抑制噪聲元素對柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)監(jiān)測效果產(chǎn)生的不利影響。為此，本文設(shè)計(jì)考慮噪聲影響的柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)監(jiān)控系統(tǒng)，更好滿足實(shí)際工作需要。

1 柴油發(fā)電機(jī)組并聯(lián)運(yùn)行自動化監(jiān)控系統(tǒng)

1.1 柴油發(fā)電機(jī)組并聯(lián)運(yùn)行自動化監(jiān)控系統(tǒng)總體架構(gòu)設(shè)計(jì)

本文設(shè)計(jì)考慮噪聲影響的柴油發(fā)電機(jī)組并聯(lián)運(yùn)行自動化監(jiān)控系統(tǒng)，并將其總體架構(gòu)通過圖1 展示。該系統(tǒng)架構(gòu)以數(shù)據(jù)感知層、數(shù)據(jù)處理層、網(wǎng)絡(luò)通信層以及遠(yuǎn)程監(jiān)控中心4 個部分為主要構(gòu)成。在實(shí)際工作中由數(shù)據(jù)感知層的數(shù)據(jù)采集模塊采集柴油發(fā)電機(jī)組并聯(lián)運(yùn)行時(shí)的圖像、電流、溫度以及振動信號，以下統(tǒng)稱為柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)數(shù)據(jù)，并由網(wǎng)絡(luò)終端將其發(fā)送給數(shù)據(jù)處理層執(zhí)行數(shù)據(jù)去噪、數(shù)據(jù)壓縮與歸類等操作，然后將壓縮后的數(shù)據(jù)交由網(wǎng)絡(luò)通信層使用工業(yè)以太網(wǎng)或無線網(wǎng)絡(luò)傳輸給遠(yuǎn)程監(jiān)控中心，遠(yuǎn)程監(jiān)控中心在接收到相關(guān)數(shù)據(jù)后，由故障感知與預(yù)測模塊對柴油發(fā)電機(jī)進(jìn)行有效的故障感知與預(yù)測，并最終將感知預(yù)測結(jié)果以及柴油發(fā)電機(jī)組實(shí)時(shí)監(jiān)控畫面呈現(xiàn)于監(jiān)控終端。

圖1 系統(tǒng)總體架構(gòu)Fig.1 Overall architecture of the system

1.2 柴油發(fā)電機(jī)組并聯(lián)運(yùn)行自動化監(jiān)控系統(tǒng)硬件設(shè)計(jì)

1.2.1 數(shù)據(jù)采集模塊以及控制與處理電路設(shè)計(jì)

將FPGA 芯片與ARM 芯片結(jié)合起來對數(shù)據(jù)感知層的數(shù)據(jù)采集模塊進(jìn)行合理設(shè)計(jì)，可顯著提升數(shù)據(jù)采集模塊的數(shù)據(jù)控制與處理能力，獲得更為精準(zhǔn)的數(shù)據(jù)[5-6]。在本文中為獲取到更為精準(zhǔn)的柴油發(fā)電機(jī)并聯(lián)運(yùn)行狀態(tài)數(shù)據(jù)，基于2 種芯片對數(shù)據(jù)采集模塊實(shí)施合理設(shè)計(jì)。設(shè)計(jì)出的數(shù)據(jù)采集模塊架構(gòu)如圖2 所示。

圖2 數(shù)據(jù)采集模塊架構(gòu)Fig.2 Data acquisition module architecture

因經(jīng)AD 芯片完成模數(shù)轉(zhuǎn)換后的數(shù)據(jù)依次要經(jīng)過合理的數(shù)據(jù)轉(zhuǎn)換、濾波以及校準(zhǔn)等操作，才能獲得較為理想的柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)數(shù)據(jù)，因而在整個數(shù)據(jù)采集模塊的設(shè)計(jì)中，控制處理電路的設(shè)計(jì)必須能夠滿足數(shù)據(jù)采集模塊在數(shù)據(jù)控制與處理方面的需求。針對該需求，本文對控制與處理電路實(shí)施了合理設(shè)計(jì)，設(shè)計(jì)的電路框圖如圖3 所示。

1.2.2 無線網(wǎng)絡(luò)供電模塊設(shè)計(jì)

在使用無線網(wǎng)絡(luò)傳遞數(shù)據(jù)時(shí)，為有效保障數(shù)據(jù)傳輸?shù)膶?shí)時(shí)性以及準(zhǔn)確性，要求設(shè)計(jì)的供電模塊必須具有超強(qiáng)的供電能力[7-8]。在本文中為更好滿足無線網(wǎng)絡(luò)數(shù)據(jù)傳輸工作需要，采用雙電源模式對無線網(wǎng)絡(luò)供電模塊實(shí)施合理設(shè)計(jì)，設(shè)計(jì)的無線網(wǎng)絡(luò)供電模塊電路框圖如圖4 所示。

圖4 無線網(wǎng)絡(luò)供電模塊電路框圖Fig.4 Circuit block diagram of wireless network power supply module

1.3 柴油發(fā)電機(jī)組并聯(lián)運(yùn)行自動化監(jiān)控系統(tǒng)軟件設(shè)計(jì)

1.3.1 柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)數(shù)據(jù)去噪

柴油發(fā)電機(jī)組在并聯(lián)運(yùn)行過程會受到各種噪聲因素的影響，若不對其實(shí)施有效濾除，必然會使監(jiān)控的效果受到一定程度的影響，為此，應(yīng)用合理算法或技術(shù)對所獲狀態(tài)數(shù)據(jù)實(shí)施有效去噪。廣義S變換具有強(qiáng)大的時(shí)頻展開以及可重構(gòu)性能，將其應(yīng)用于數(shù)據(jù)信號去噪過程中，可收獲較為理想的數(shù)據(jù)去噪效果[9-10]。本文使用廣義S 變換時(shí)頻濾波算法對柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)數(shù)據(jù)執(zhí)行合理去噪操作，具體去噪流程如圖5 所示。

圖5 廣義S 變換數(shù)據(jù)去噪流程Fig.5 Denoising flow chart of generalized S-transform data

用公式可將濾波過程簡單描述為

式中：GST 與IGST 為S變換以及S 反變換；x（e）與y（e）為去噪前后的柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)數(shù)據(jù)；U（e，f）為時(shí)頻濾波算子，對于U（e，f）有：

式中：F（e，f ）為x（e）經(jīng)廣義S 變換操作后獲得的時(shí)頻譜；λn為可調(diào)節(jié)參數(shù)，滿足：

式中：σ 為F（e，f ）除以后獲得的數(shù)值；D 為數(shù)據(jù)信號的長度。

1.3.2 柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)監(jiān)測

隨機(jī)森林算法具有超級強(qiáng)大的數(shù)據(jù)挖掘與分類能力，且在執(zhí)行數(shù)據(jù)分類工作時(shí)，不需設(shè)置過多的參數(shù)，可顯著降低運(yùn)算的復(fù)雜度。其基本原理是輸入待分類數(shù)據(jù)樣本后，以輸入樣本為可靠依據(jù)，經(jīng)隨機(jī)采樣等操作形成決策樹，并將形成的決策樹當(dāng)作基本單元，構(gòu)建隨機(jī)森林，最終經(jīng)合理的模型訓(xùn)練，輸出理想的分類結(jié)果。鑒于隨機(jī)森林算法強(qiáng)大的數(shù)據(jù)挖掘與分類能力，本文在故障感知與預(yù)測模塊使用基于隨機(jī)森林算法的故障感知與預(yù)測方法對柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)實(shí)施有效監(jiān)測。

首先采用基于EEMD 的數(shù)據(jù)特征提取方法提取柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)數(shù)據(jù)特征，具體的特征提取流程可簡單歸結(jié)如下：①使用EEMD 方法對采集到的柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)數(shù)據(jù)執(zhí)行有效的分解操作，獲取若干柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)數(shù)據(jù)IMF 分量；②挑選前n 個含有柴油發(fā)電機(jī)組并聯(lián)運(yùn)行故障信息比重較大的IMF 分量，并求解各柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)數(shù)據(jù)IMF 分量與原柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)數(shù)據(jù)的相關(guān)性系數(shù)；③挑選相關(guān)性系數(shù)相對較大的某些柴油發(fā)電機(jī)組IMF分量實(shí)施有效重構(gòu)，構(gòu)成將要輸入到?jīng)Q策樹當(dāng)中的柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)特征數(shù)據(jù)。

N 為柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)特征數(shù)據(jù)集，M、R 為柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)數(shù)據(jù)樣本數(shù)量、特征屬性數(shù)量，使用Bootstrap 算法隨機(jī)采樣柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)特征數(shù)據(jù)集N，生成相應(yīng)的訓(xùn)練子集，值得注意的是生成的訓(xùn)練子集數(shù)量必須要低于M。從特征屬性中任意挑選出若干屬性，將生成的訓(xùn)練子集執(zhí)行相應(yīng)輸入，生成相應(yīng)決策樹，最終經(jīng)不間斷的數(shù)據(jù)抽樣，決策樹生成操作，生成m 棵決策樹，構(gòu)建成相應(yīng)的隨機(jī)森林。用生成的眾多決策樹對輸入的隨機(jī)森林模型中的柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)特征數(shù)據(jù)集實(shí)施合理診斷，待所有決策樹診斷結(jié)果輸出后，采用投票的方式獲取最終的故障診斷結(jié)果。

2 實(shí)驗(yàn)與分析

以我國某省D 市政府規(guī)劃出的某山地旅游區(qū)引進(jìn)的柴油發(fā)電機(jī)組為實(shí)驗(yàn)對象，應(yīng)用本文系統(tǒng)對其實(shí)施合理并聯(lián)運(yùn)行自動化監(jiān)控，驗(yàn)證本文系統(tǒng)有效性。該山地旅游區(qū)占地面積約5.32 平方公里，海拔158 m，距離市區(qū)約60 km，水陸交通較為便利，是一個集古典韻味以及現(xiàn)代秀美于一身的風(fēng)景名勝區(qū)，被國家旅游局評定為AAAA 級別旅游區(qū)，但是受自然條件以及某些不可抗力因素影響，秋冬時(shí)節(jié)常出現(xiàn)停電現(xiàn)象，為不影響景區(qū)內(nèi)各個設(shè)施以及設(shè)備的安全運(yùn)營與運(yùn)行，先后在景區(qū)內(nèi)引入了多臺柴油發(fā)電機(jī)組用作備用電源，以便在景區(qū)停電時(shí)，由多臺柴油發(fā)電機(jī)組并聯(lián)運(yùn)行為景區(qū)供電。

表1 是應(yīng)用本文系統(tǒng)對該景區(qū)柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)實(shí)施有效監(jiān)測后，在該景區(qū)柴油發(fā)電機(jī)組并聯(lián)運(yùn)行自動化監(jiān)控系統(tǒng)中，顯示的2022 年全年柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)監(jiān)測結(jié)果記錄。從表1 可以看出，本文系統(tǒng)可以實(shí)現(xiàn)柴油發(fā)電機(jī)組并聯(lián)運(yùn)行自動化監(jiān)控，有效感知與預(yù)測柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)，能夠滿足實(shí)際工作需要。

表1 柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)監(jiān)測結(jié)果Tab.1 Monitoring results of parallel operation of diesel generator sets

為進(jìn)一步驗(yàn)證本文系統(tǒng)有效性，繪制2022 年全年應(yīng)用本文系統(tǒng)對該景區(qū)引進(jìn)柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)實(shí)施有效感知與預(yù)測所獲結(jié)果與真實(shí)運(yùn)行狀態(tài)的對比圖，具體如圖6 所示。從圖6 可以看出，應(yīng)用本文系統(tǒng)不僅可以實(shí)現(xiàn)柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)監(jiān)測，且狀態(tài)監(jiān)測效果良好，在2022 年的柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)感知與預(yù)測工作中，感知與預(yù)測結(jié)果中僅有1 次狀態(tài)誤判，感知與預(yù)測的準(zhǔn)確性較高。

圖6 測試結(jié)果與真實(shí)結(jié)果對比Fig.6 Comparison between test results and real results

以采集到的柴油發(fā)電機(jī)組并聯(lián)運(yùn)行電流信號為例，應(yīng)用本文系統(tǒng)對其實(shí)施有效的數(shù)據(jù)去噪操作，驗(yàn)證本文系統(tǒng)在數(shù)據(jù)去噪方面的優(yōu)勢，獲得的數(shù)據(jù)去噪效果圖如圖7 所示。從圖7 可以看出，應(yīng)用本文系統(tǒng)對采集到的柴油發(fā)電機(jī)組并聯(lián)運(yùn)行電流信號實(shí)施有效去噪后，電流信號中的噪聲元素已基本被去除，將去噪后的信號應(yīng)用于柴油發(fā)電機(jī)組并聯(lián)運(yùn)行自動化監(jiān)控工作中，可顯著提升柴油發(fā)電機(jī)組并聯(lián)運(yùn)行自動化監(jiān)控工作的準(zhǔn)確性，降低噪聲的影響，收獲較為理想的柴油發(fā)電機(jī)組并聯(lián)運(yùn)行自動化監(jiān)控效果。

圖7 數(shù)據(jù)去噪效果Fig.7 Data denoising effect

3 結(jié)語

本文系統(tǒng)充分考慮了噪聲對柴油發(fā)電機(jī)組并聯(lián)運(yùn)行自動化監(jiān)控工作的影響，即便在所獲柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)數(shù)據(jù)中含有較多噪聲元素時(shí)，也可有效去除所采柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)數(shù)據(jù)中的噪聲元素，為柴油發(fā)電機(jī)組并聯(lián)運(yùn)行自動化監(jiān)控工作提供高質(zhì)量的狀態(tài)數(shù)據(jù)，使柴油發(fā)電機(jī)組并聯(lián)運(yùn)行自動化監(jiān)控工作能夠更好完成。

但是本文系統(tǒng)在利用隨機(jī)森林模型完成對柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)的有效感知與預(yù)測工作時(shí)，為提高其感知與預(yù)測工作的準(zhǔn)確性，僅對隨機(jī)森林模型實(shí)施了加權(quán)改進(jìn)，在如何優(yōu)化隨機(jī)森林模型參數(shù)，提高柴油發(fā)電機(jī)組并聯(lián)運(yùn)行狀態(tài)感知與預(yù)測工作效率方面卻未加考慮，下一階段將以此為切入點(diǎn)對本文系統(tǒng)做進(jìn)一步優(yōu)化設(shè)計(jì)。