變壓器、斷路器等電力設備在運行時產生的聲學和振動信號包含大量的狀態(tài)信息，且像人的指紋一樣具有辨識特征。設備產生缺陷或發(fā)生故障后，其聲紋會隨之改變。準確識別聲紋信息，有助于運維人員診斷設備缺陷，鎖定故障原因。
12月8日，在±1100千伏古泉換流站主控室內，運維人員高懷正登錄聲學指紋智能識別系統(tǒng)（以下簡稱“聲紋智能識別系統(tǒng)”），為站內設備“聽診把脈”。系統(tǒng)將采集到的異常聲紋上傳至中國電力科學研究院有限公司組織建立的聲紋數據中心。這些異常聲紋數據可以支撐聲紋智能識別系統(tǒng)持續(xù)優(yōu)化，促進聲紋識別技術不斷升級，提升設備運維管控水平。
2018年，在國網設備部指導下，中國電科院牽頭，與安徽電科院、國網信通產業(yè)集團、南瑞繼遠電網等共10家單位組建起研發(fā)團隊，開展聲紋識別技術研究。團隊經過多年攻關，研發(fā)了聲紋在線監(jiān)測裝置及智能識別系統(tǒng)，打造了云邊端協(xié)同巡檢模式，實現了電力設備狀態(tài)實時監(jiān)測和故障快速診斷。目前，該技術已在浙江、安徽、福建、陜西等地的18座變電站、換流站試點應用。
研發(fā)在線監(jiān)測裝置
精準獲取設備聲紋
在試點變電站內，每一臺變電主設備都配備了一套聲紋在線監(jiān)測裝置。這些能夠實時感知設備狀態(tài)的智能終端可以替代“人工聽診”，24小時不間斷采集對應設備的聲紋信號。所有裝置都布置在電力設備附近，與設備沒有任何電氣連接，所以完全不會影響設備的正常運行。
以前，少數有經驗的運檢人員可以憑借設備運行時的聲音判斷其是否出現異常。然而，電網發(fā)展日新月異，隨著電力設備不斷增多，傳統(tǒng)的“人工聽診”方式遠不能滿足智能管控的實際需求。2018年，聲紋識別技術展現出良好的應用前景。然而當時電力行業(yè)內還沒有可供借鑒的成功經驗，研發(fā)團隊只能自主研發(fā)。
研發(fā)團隊在采集聲紋樣本的過程中發(fā)現，惡劣天氣及環(huán)境噪聲會嚴重影響聲紋采集質量，甚至損傷傳感器。因此，選擇合適的傳感器、確定合理的布置方式成為研發(fā)團隊的重點攻關方向。2019年，團隊歷經4個多月的時間，先后嘗試了數碼錄音筆和電容式、壓電式工業(yè)拾音器等多種聲音傳感器，通過上千次的頻率響應特性、靈敏度、磁屏蔽試驗，才最終確定了適用于電力設備監(jiān)測的傳感器技術參數。同時，研發(fā)團隊通過深入研究聲紋產生及傳播機理，確定了傳感器最佳安裝位置。
2020年6月，聲紋在線監(jiān)測裝置通過中國合格評定國家認可委員會（CNAS）認證實驗室的第三方性能測試。測試結果表明，該裝置能夠經受戶外的惡劣天氣以及站內的復雜電磁環(huán)境，對于各頻段信號都有良好的采集效果，可以精確獲取目標設備聲紋。
運用智能識別算法
實現故障快速診斷
10月17日，來自安徽電科院的研發(fā)團隊成員張晨晨對古泉換流站內已經穩(wěn)定運行兩年多的聲紋智能識別系統(tǒng)進行了新一輪升級。升級后，該系統(tǒng)的聲紋識別準確率可達90%以上，單次識別最快僅用0.06秒。
時間回溯到2019年2月，研發(fā)團隊在古泉換流站現場收集到了第一條音頻信號。但由于站內環(huán)境復雜，信號里夾雜電暈、風機、開關動作以及鳥鳴、人聲等噪聲，難以提取有效的聲紋特征。當年4月，中國電科院、華北電力大學等單位共同研發(fā)了語音智能識別算法。研發(fā)團隊利用該算法將設備聲紋與瞬態(tài)、持續(xù)性噪聲進行分離處理，成功去除了各類干擾。
“語音智能識別算法訓練最關鍵的要素是異常樣本。在研發(fā)初期，這些異常狀態(tài)音頻數據稀少且難以獲取，給模型驗證及迭代優(yōu)化帶來不小的挑戰(zhàn)。”研發(fā)團隊技術專家韓帥說。團隊在多個實驗室搭建了缺陷故障模擬平臺，模擬變壓器、有載分接開關、斷路器的15類缺陷故障，快速獲得有效異常樣本，為算法的優(yōu)化奠定了堅實基礎。
經過對算法的持續(xù)優(yōu)化，聲紋智能識別系統(tǒng)實現了對變壓器、斷路器等設備繞組變形、組部件松動、操動機構卡澀等異常工況的實時監(jiān)測與故障診斷，為設備狀態(tài)在線監(jiān)測與故障診斷提供了有力支撐。
貫通聲紋數據渠道
打造云邊端協(xié)同機制
今年10月，聲紋數據中心和安徽電科院分中心相繼成立，聲紋數據統(tǒng)一管理體系初步形成。11月17日，聲紋數據中心成功接收安徽電科院分中心上傳的第一批聲紋在線監(jiān)測數據。這標志著電力設備聲紋在線監(jiān)測技術正式進入云端集中分析、邊緣側數據處理、端側智能感知的“云邊端”協(xié)同發(fā)力新階段。
終端數據通常是統(tǒng)一傳輸到云平臺后再統(tǒng)一處理。然而隨著設備數量增加，上傳數據量直線上升，云平臺的通信和計算壓力過大，存在傳輸成本高、處理不及時等問題。
“要充分利用‘邊’的就地處理能力。我們團隊研發(fā)的聲紋智能識別系統(tǒng)在變電站就可以對數據進行篩選和處理，這樣就可以減輕聲紋數據中心作為云平臺的壓力?！眮碜試W信通產業(yè)集團的研發(fā)團隊成員王維佳說。變電站聲紋智能識別系統(tǒng)識別出異常聲紋信號并上傳至云端的聲紋數據中心，能夠支撐算法模型持續(xù)優(yōu)化迭代。目前，聲紋數據中心已積累了總時長約20萬個小時的聲紋數據。
聲紋數據中心聯(lián)合省側分中心及試點變電站、換流站，實現模型自動下發(fā)更新，無需人工手動更新，能提高工作效率，打造現場感知層智能替代、業(yè)務管控層集約高效、指揮決策層精準穿透的“云、邊、端”一體化場景應用體系，推動電網運檢工作方式和生產管理模式的革新。
隨著聲紋識別技術逐步推廣應用，開展電力行業(yè)聲紋在線監(jiān)測裝置的標準化工作迫在眉睫。目前，團隊已完成了適用于電力設備的聲紋在線監(jiān)測裝置技術標準編制。作為牽頭單位，中國電科院正繼續(xù)深化與系統(tǒng)內外單位的合作，將推動擴大試點應用范圍，形成行業(yè)聲紋監(jiān)測標準，實現聲紋識別技術在電力設備智能運維領域的深度應用。（中國電科院供圖）
評論