基于泛在电力物联网的电缆信息综合处理系统

这是一篇关于物联网,微服务框架,局部放电,在线监测,支持向量机的论文, 主要内容为电力电缆是电力输配电系统中不可缺少的一部分,其运行的安全性和可靠性受到电力运维人员和研究者的重视。2019年国家电网提出“三型两网、世界一流”战略目标,泛在电力物联网是“两网”之一,其建设的重点在于电力系统中海量数据的采集和综合处理。为给泛在电力物联网体系的完备构建提供解决方案,本文在电缆信息综合处理系统需求的基础上,结合微服务架构技术,设计了电缆信息综合处理系统的总体方案,研究了运行电缆局部放电信号处理方法,并实现了系统的功能。本文主要开展了以下几个方面的工作:首先,基于Spring Cloud框架设计了面向泛在电力物联网的电缆信息综合处理系统,并完成了泛在电力物联网中专用网关的设计。为了解决单体式架构开发泛在电力物联网系统带来的系统耦合度高、开发效率低和可扩展性差的问题,本文设计了基于Spring Cloud微服务框架的电缆信息综合处理系统。根据泛在电力物联网的需求,以及微服务的划分原则,将电缆信息综合处理系统垂直划分为7个独立的微服务,实现了各微服务的独立设计、独立开发与独立部署。为了解决终端设备接入协议和数据格式不同的问题,应用MQTT协议完成了对物联网中专用网关的设计,实现了系统中数据的统一管理。其次,本文设计了基于分布式的运行电缆局部放电信号在线监测系统,构建了电缆信息综合处理系统中各个微服务。为了实现运行电缆的实时在线监测,在研究局部放电信号采集原理的基础上,设计了基于分布式的运行电缆局部放电信号采集系统。为了更好的构建电缆信息综合处理系统中的各个微服务,采用了My SQL关系型数据库存储数据,详细设计了电缆信息综合处理系统的数据库和时序图等。然后,本文研究了基于DE-PSO的二叉树多分类支持向量机算法以识别电树枝及其放电的四个阶段,实现了泛在电力物联网中对运行电缆绝缘性能的评估。该算法采用主成分分析法提取累计贡献率高的特征参数组成支持向量机分类器的输入数据集,应用二叉树多分类理论构建分类器,使用DE-PSO算法求解分类器的最优参数,并训练分类器使其达到最优识别性能。通过数据仿真验证,结果表明所应用的算法能够识别电树枝及其发展的四个阶段,提高了运行电缆绝缘性能评估的准确性。最后,本文阐述了电缆信息综合处理系统的运行实例,且已成功部署运行在合作企业中,实践证明,系统满足了泛在电力物联网数据量大、请求量多和在线分析准确性高的需求,提高了电缆运维的自动化水平。

高压电缆局部放电智能监测中枢系统设计与工程应用

这是一篇关于局部放电,模式识别,状态评估,软件开发,工业应用的论文, 主要内容为高压电缆在城市输电网络中占有越来越大的比重,其运行状态直接影响电力系统供电网络的可靠性。高压电缆在外力破坏、出厂潜在缺陷、长期大电流运行等因素下易发生电缆击穿事故。而局部放电(简称局放)在线监测可在事故发生前检测到电缆的潜在故障。同时高压电缆的局放模式识别和状态评估是在线监测系统的重点研究内容。本文主要针对这两个内容开展研究工作,研究内容及取得的主要成果如下:(1)提出了一种基于进化学习的高压电缆局部放电模式识别方法。该方法使工业现场的识别模型通过样本库的进化机制和模型自训练流程不断自主学习,提高识别率。当实验室模拟新的缺陷类型时,未进化的模型无法将新的放电类型识别成同一种放电,其中有36.8%的样本被识别成类型2,63.2%的样本被识别成类型4。而进化后模型的识别率为98.7%。这证明进化学习的有效性。(2)提出了基于模糊层次的高压电缆多参数状态评估方法。建立考虑电缆多参数的一级、二级评价参数集合,通过多参数评价流程与模糊综合评估方法得到电缆绝缘状态等级,合理安排检修顺序。重点研究包括局放类型、局放发展趋势、局放监测过电压的局放在线监测综合预警方法,并将该方法应用于工业现场,利用振荡波局放定位试验验证预警方法的正确性。(3)开发了基于Web的高压电缆局部放电智能监测中枢系统软件。通过多线程通信技术接收数据,利用MySQL数据库管理数据,基于Vue和Flask框架开发中枢系统可视化软件,采用Ajax局部刷新技术实现数据可视化与后台之间的数据交互。中枢软件集成了模式识别、状态评估、局放在线定位、生成报告、趋势分析等功能。(4)开展了高压电缆局部放电智能监测中枢系统的工程应用。系统应用于某热电厂,负责实时监测67条电缆,共134个监测点。截至2022年4月,系统完成软件升级3次,记录数据超700万条,自主学习2类局放信号,共发现6起局放案例,并通过定位实验、解剖分析、振荡波实验等多种手段验证了系统预警的正确性。

局部放电超声检测系统研制

这是一篇关于局部放电,超声检测,滤波电路,STM32的论文, 主要内容为局部放电对GIS(Gas Insulation Switchgear)设备的损害极大,虽然局部放电很微弱,但如果长期存在会降低设备的绝缘特性,引发一系列的安全事故,所以检测设备的局部放电是非常有必要的。本文针对GIS电气设备的放电特性,在对超声检测方法研究的基础上,完成了一种简易检测系统的设计。本文以GIS电力系统设备局部放电检测为背景,描述了局部放电相关危害以及局部放电的信号特征,分析了局部放电检测的原理与技术,并在此基础上提出了基于超声波原理的局部放电检测系统设计方案。硬件设计部分基于STM32 F103控制器,搭建超声波传感器、放大电路、滤波电路、整流电路以及通信电路等外围硬件电路,构建成本次设计的局部放电超声检测系统。放大电路用于放大传感器采集到的超声波信号,电路基于INA128芯片,放大倍数可调;滤波电路为有源带通滤波电路,上限截止频率80k Hz,下限截止频率20k Hz,用于滤除信号中的噪声;设计的整流电路将交流信号转换成直流信号,再由单片机读取其数值。软件设计部分依据各单元所要实现的功能,设计了看门狗和实时时钟软件模块、ADC采集软件模块、SD卡驱动软件模块、文件管理系统软件模块、RS485通信协议以及上位机软件模块,共同构成了系统的整个软件系统;设计的整流电路将交流信号转换成直流信号,再由单片机读取其数值。本设计还包括RS485通信电路用于传输数据,外置存储器用于存储采集到的放电数据。编写并调试了检测系统下位机的信号采集与处理、数据传输等程序以及检测系统上位机的放电检测和定位程序。通过系统实验测试证明:所设计的GIS局部放电超声检测系统性能达到了设计要求。

基于DSP的GIS局部放电信号采集系统研究

这是一篇关于局部放电,GIS,DSP,脉冲提取算法的论文, 主要内容为气体绝缘组合开关(GIS)是广泛运用于电力系统中的一种设备,在系统中起着至关重要的作用,一旦出现故障将对系统稳定运行造成严重影响。为保证电力系统安全运行,对GIS进行在线监测就显得很有必要,可以及时发现GIS内部绝缘缺陷并进行处理,提高电力系统稳定性。 由于常规离线检测需要先对GIS所辖区域停电,会影响地区经济和居民生活。所以本文介绍一种带外置传感器的基于DSP的GIS局部放电信号采集系统,通过采集超高频和超声两种信号实现对运行中的GIS进行在线监测。 本文重点分析了GIS局部放电信号采集系统的功能及其实现。首先介绍硬件设计,硬件架构分为三个模块,分别为DSP板模块、AD子板模块和主板模块。其中DSP板模块为系统的主控模块,负责系统控制、算法运算以及与后台服务器的通讯;AD子板模块使用CPLD控制采样,并使用I2C总线与DSP通讯;主板为信号采集系统提供电源和总线连接,以及各种辅助功能。随后介绍了信号采集前端涉及到的软件开发,以太网通讯指令,并通过现场对GIS进行实测,验证了系统的有效性。论文最后对整个系统的实现和研究进行了总结,并提出了未来改进的方向。

基于DSP的GIS局部放电信号采集系统研究

这是一篇关于局部放电,GIS,DSP,脉冲提取算法的论文, 主要内容为气体绝缘组合开关(GIS)是广泛运用于电力系统中的一种设备,在系统中起着至关重要的作用,一旦出现故障将对系统稳定运行造成严重影响。为保证电力系统安全运行,对GIS进行在线监测就显得很有必要,可以及时发现GIS内部绝缘缺陷并进行处理,提高电力系统稳定性。 由于常规离线检测需要先对GIS所辖区域停电,会影响地区经济和居民生活。所以本文介绍一种带外置传感器的基于DSP的GIS局部放电信号采集系统,通过采集超高频和超声两种信号实现对运行中的GIS进行在线监测。 本文重点分析了GIS局部放电信号采集系统的功能及其实现。首先介绍硬件设计,硬件架构分为三个模块,分别为DSP板模块、AD子板模块和主板模块。其中DSP板模块为系统的主控模块,负责系统控制、算法运算以及与后台服务器的通讯;AD子板模块使用CPLD控制采样,并使用I2C总线与DSP通讯;主板为信号采集系统提供电源和总线连接,以及各种辅助功能。随后介绍了信号采集前端涉及到的软件开发,以太网通讯指令,并通过现场对GIS进行实测,验证了系统的有效性。论文最后对整个系统的实现和研究进行了总结,并提出了未来改进的方向。

基于泛在电力物联网的电缆信息综合处理系统

这是一篇关于物联网,微服务框架,局部放电,在线监测,支持向量机的论文, 主要内容为电力电缆是电力输配电系统中不可缺少的一部分,其运行的安全性和可靠性受到电力运维人员和研究者的重视。2019年国家电网提出“三型两网、世界一流”战略目标,泛在电力物联网是“两网”之一,其建设的重点在于电力系统中海量数据的采集和综合处理。为给泛在电力物联网体系的完备构建提供解决方案,本文在电缆信息综合处理系统需求的基础上,结合微服务架构技术,设计了电缆信息综合处理系统的总体方案,研究了运行电缆局部放电信号处理方法,并实现了系统的功能。本文主要开展了以下几个方面的工作:首先,基于Spring Cloud框架设计了面向泛在电力物联网的电缆信息综合处理系统,并完成了泛在电力物联网中专用网关的设计。为了解决单体式架构开发泛在电力物联网系统带来的系统耦合度高、开发效率低和可扩展性差的问题,本文设计了基于Spring Cloud微服务框架的电缆信息综合处理系统。根据泛在电力物联网的需求,以及微服务的划分原则,将电缆信息综合处理系统垂直划分为7个独立的微服务,实现了各微服务的独立设计、独立开发与独立部署。为了解决终端设备接入协议和数据格式不同的问题,应用MQTT协议完成了对物联网中专用网关的设计,实现了系统中数据的统一管理。其次,本文设计了基于分布式的运行电缆局部放电信号在线监测系统,构建了电缆信息综合处理系统中各个微服务。为了实现运行电缆的实时在线监测,在研究局部放电信号采集原理的基础上,设计了基于分布式的运行电缆局部放电信号采集系统。为了更好的构建电缆信息综合处理系统中的各个微服务,采用了My SQL关系型数据库存储数据,详细设计了电缆信息综合处理系统的数据库和时序图等。然后,本文研究了基于DE-PSO的二叉树多分类支持向量机算法以识别电树枝及其放电的四个阶段,实现了泛在电力物联网中对运行电缆绝缘性能的评估。该算法采用主成分分析法提取累计贡献率高的特征参数组成支持向量机分类器的输入数据集,应用二叉树多分类理论构建分类器,使用DE-PSO算法求解分类器的最优参数,并训练分类器使其达到最优识别性能。通过数据仿真验证,结果表明所应用的算法能够识别电树枝及其发展的四个阶段,提高了运行电缆绝缘性能评估的准确性。最后,本文阐述了电缆信息综合处理系统的运行实例,且已成功部署运行在合作企业中,实践证明,系统满足了泛在电力物联网数据量大、请求量多和在线分析准确性高的需求,提高了电缆运维的自动化水平。

基于局部放电信号检测的高压电气设备监控系统研究

这是一篇关于局部放电,音频识别,深度学习,语音分离,远程监控的论文, 主要内容为高压脉冲设备作为一种新型的高压电气设备,已广泛应用于工业场合。然而,超高压脉冲的产生会导致高压脉冲设备局部放电的频发,影响设备效率,甚至导致设备损坏。目前,传统的基于局部放电信号检测的高压电气设备监控系统存在成本高、实时性能差等缺点,无法直接应用于高压脉冲设备的监控。因此,本文提出了一种新的基于音频信号的局部放电检测方法,从成本和实时性监控的角度出发,对传统的高压电气设备局部放电监控系统进行了研究与改进,主要研究工作和创新点如下:(1)本文提出基于音频信号的局部放电检测。为了构建音频数据,本文采集了高压脉冲设备工作过程中发生火花放电、局部放电时的两种设备故障声音信号,然后在公开环境噪声数据集以及机械噪声数据集中收集了56种噪声信号,以两种设备故障放电声音信号以及噪声数据集,构建了含有58种声音信号的声音数据集,为后续的分析提供数据保障。(2)本文提出了一种改进的融合特征频谱提取方法。利用局部放电声音数据集,对局部放电声音信号的时频特性进行研究,并将局部放电声音时频特性与其他声音信号进行了对比,结果表明频谱图可以更好地表征局部放电声音信号。为保留更为完整的短时频谱特征,本文使用了梅尔刻度,并通过梅尔滤波器获得梅尔频谱。考虑到梅尔滤波器无法完全捕捉局部放电声音信号的高频特征,本文引入逆梅尔刻度,通过逆梅尔滤波器获得逆梅尔频谱。最后本文采用了特征融合的方法,将梅尔频谱、逆梅尔频谱进行特征融合,得到三通道的融合特征频谱,该融合特征频谱可以表征局部放电声音信号的完整特性。(3)本文采用轻量化深度学习模型对局部放电信号进行检测。分别采用了传统的机器学习算法、传统的深度学习模型、改进的轻量化深度学习模型以及神经网络架构搜索得到的轻量化模型在本文构建的梅尔频谱、逆梅尔频谱以及融合频谱特征数据集上进行局部放电声音的识别,并使用Top-1准确率以及Top-5准确率作为模型的评价指标。实验结果表明:所有的方法识别融合频谱特征时,具有更好的识别效果,在识别逆梅尔频谱特征时,表现效果最差;本文改进的深度学习轻量化模型以及神经网络架构搜索得到的轻量化模型在裁剪了大量模型参数的情况下,依旧保持着较高的识别效果,Top-1准确率相较于传统的深度学习模型仅仅降低了0.2%左右,最高准确率可以达到99.53%,但是模型的训练速度以及推理速度却得到了极大的提升,改进后的模型综合性能更佳。(4)本文针对工业环境采集到的声音数据中混杂多种信号的问题,提出了一种基于Transformer的语音分离模型。该模型引入了新型的Conformer模型,将卷积神经网络(Convolutional Neural Network,CNN)模块融合到Transformer中以提升局部信息提取能力,同时采用分段处理方案解决语音信号重叠问题,使用三个子窗口对声音帧数据进行滑窗处理。相比传统的基线模型,在Libir Css数据集、WSJ0数据集以及本文构建的数据集上,本文提出的模型都展现出较好的性能表现,即使在高信号重叠率的情况下也具有更好的语音分离效果,全局信号失真比以及全局信号干扰比分别为14.7db和19.2db,相较于BLSTM性能提升了接近50%左右,相较于传统Transformer,性能提升了接近12%左右。(5)本文提出了一种针对高压电气设备的局部放电监控系统硬件设计方案。首先,基于实际需求、成本和安全等因素进行分析,选择了Zynq-7010芯片作为主控模块FPGA控制器主控芯片,并自主设计了基于FPGA控制器的电源电路、脉冲电压驱动模块、局部放电音频检测模块、联网通讯电路以及RS232串口通信电路等模块。此外,采用S7-1200西门子PLC进行辅助控制和数据采集。最终,构建了高压电气设备局部放电监控系统的实验平台,并将其成功应用于实际的工业生产中。(6)本文设计了高压电气设备局部放电监控系统的软件,通过对主控模块中FPGA控制器各个硬件电路的软件设计,实现了局部放电跟踪控制软件,以降低局部放电对高压电气设备工作效率的影响。为了满足现场控制与远程控制的需求,在本地机房中搭建了LNMP服务器以及深度学习服务器,并成功配置了相应的环境。在工业现场,利用工控屏实现了人机交互界面;在远程控制端,设计了后台监控网页,两种客户端为用户提供了简单快捷的操作界面以及数据查询等功能;最后根据不同权限的用户,提供对应的多样化控制功能。本文设计的高压电气设备局部放电监控系统具有局部放电声音检测、跟踪控制和远程监控等多种功能。该系统具有智能化程度高、自适应能力强、人机界面友好等多个优点,并且能够有效减少局部放电对高压脉冲设备的影响,能够促进新型高压电气设备在工业领域的广泛应用。

基于局部放电信号检测的高压电气设备监控系统研究

这是一篇关于局部放电,音频识别,深度学习,语音分离,远程监控的论文, 主要内容为高压脉冲设备作为一种新型的高压电气设备,已广泛应用于工业场合。然而,超高压脉冲的产生会导致高压脉冲设备局部放电的频发,影响设备效率,甚至导致设备损坏。目前,传统的基于局部放电信号检测的高压电气设备监控系统存在成本高、实时性能差等缺点,无法直接应用于高压脉冲设备的监控。因此,本文提出了一种新的基于音频信号的局部放电检测方法,从成本和实时性监控的角度出发,对传统的高压电气设备局部放电监控系统进行了研究与改进,主要研究工作和创新点如下:(1)本文提出基于音频信号的局部放电检测。为了构建音频数据,本文采集了高压脉冲设备工作过程中发生火花放电、局部放电时的两种设备故障声音信号,然后在公开环境噪声数据集以及机械噪声数据集中收集了56种噪声信号,以两种设备故障放电声音信号以及噪声数据集,构建了含有58种声音信号的声音数据集,为后续的分析提供数据保障。(2)本文提出了一种改进的融合特征频谱提取方法。利用局部放电声音数据集,对局部放电声音信号的时频特性进行研究,并将局部放电声音时频特性与其他声音信号进行了对比,结果表明频谱图可以更好地表征局部放电声音信号。为保留更为完整的短时频谱特征,本文使用了梅尔刻度,并通过梅尔滤波器获得梅尔频谱。考虑到梅尔滤波器无法完全捕捉局部放电声音信号的高频特征,本文引入逆梅尔刻度,通过逆梅尔滤波器获得逆梅尔频谱。最后本文采用了特征融合的方法,将梅尔频谱、逆梅尔频谱进行特征融合,得到三通道的融合特征频谱,该融合特征频谱可以表征局部放电声音信号的完整特性。(3)本文采用轻量化深度学习模型对局部放电信号进行检测。分别采用了传统的机器学习算法、传统的深度学习模型、改进的轻量化深度学习模型以及神经网络架构搜索得到的轻量化模型在本文构建的梅尔频谱、逆梅尔频谱以及融合频谱特征数据集上进行局部放电声音的识别,并使用Top-1准确率以及Top-5准确率作为模型的评价指标。实验结果表明:所有的方法识别融合频谱特征时,具有更好的识别效果,在识别逆梅尔频谱特征时,表现效果最差;本文改进的深度学习轻量化模型以及神经网络架构搜索得到的轻量化模型在裁剪了大量模型参数的情况下,依旧保持着较高的识别效果,Top-1准确率相较于传统的深度学习模型仅仅降低了0.2%左右,最高准确率可以达到99.53%,但是模型的训练速度以及推理速度却得到了极大的提升,改进后的模型综合性能更佳。(4)本文针对工业环境采集到的声音数据中混杂多种信号的问题,提出了一种基于Transformer的语音分离模型。该模型引入了新型的Conformer模型,将卷积神经网络(Convolutional Neural Network,CNN)模块融合到Transformer中以提升局部信息提取能力,同时采用分段处理方案解决语音信号重叠问题,使用三个子窗口对声音帧数据进行滑窗处理。相比传统的基线模型,在Libir Css数据集、WSJ0数据集以及本文构建的数据集上,本文提出的模型都展现出较好的性能表现,即使在高信号重叠率的情况下也具有更好的语音分离效果,全局信号失真比以及全局信号干扰比分别为14.7db和19.2db,相较于BLSTM性能提升了接近50%左右,相较于传统Transformer,性能提升了接近12%左右。(5)本文提出了一种针对高压电气设备的局部放电监控系统硬件设计方案。首先,基于实际需求、成本和安全等因素进行分析,选择了Zynq-7010芯片作为主控模块FPGA控制器主控芯片,并自主设计了基于FPGA控制器的电源电路、脉冲电压驱动模块、局部放电音频检测模块、联网通讯电路以及RS232串口通信电路等模块。此外,采用S7-1200西门子PLC进行辅助控制和数据采集。最终,构建了高压电气设备局部放电监控系统的实验平台,并将其成功应用于实际的工业生产中。(6)本文设计了高压电气设备局部放电监控系统的软件,通过对主控模块中FPGA控制器各个硬件电路的软件设计,实现了局部放电跟踪控制软件,以降低局部放电对高压电气设备工作效率的影响。为了满足现场控制与远程控制的需求,在本地机房中搭建了LNMP服务器以及深度学习服务器,并成功配置了相应的环境。在工业现场,利用工控屏实现了人机交互界面;在远程控制端,设计了后台监控网页,两种客户端为用户提供了简单快捷的操作界面以及数据查询等功能;最后根据不同权限的用户,提供对应的多样化控制功能。本文设计的高压电气设备局部放电监控系统具有局部放电声音检测、跟踪控制和远程监控等多种功能。该系统具有智能化程度高、自适应能力强、人机界面友好等多个优点,并且能够有效减少局部放电对高压脉冲设备的影响,能够促进新型高压电气设备在工业领域的广泛应用。

高压开关柜局部放电与温度监测系统设计与实现

这是一篇关于高压开关柜,局部放电,温度,物联网,Web的论文, 主要内容为高压开关柜在发电、配电、用电等电能转换和使用中起到通断、控制和保护的作用,是确保输电网络可靠运行的必需设备。随着电网容量增大,电网供电稳定性的要求提高,高压开关柜的正常运行对保证电网可靠与稳定运行有着重要意义。局部放电和热点温度则是表征开关柜绝缘与运行状态的两大重要信号,然而目前开关柜监测中多数采取人工巡检的方式,人力和时间成本高、检测效率较低,同时少数应用的在线监测系统也多数采取局部放电或温度单独检测的方式,这样难以全面掌握开关柜的绝缘与运行状态。论文针对开关柜运行状态监测基于物联网架构研制了一套开关柜局部放电和温度复合监测系统,用于监测开关柜绝缘状态,及时发现故障,实现开关柜远程状态自动巡检。在分析对比各种局部放电检测技术和测温技术的基础上,针对开关柜的结构特点,论文选用暂态地电压法和红外在线测温分别作为开关柜局部放电检测和温度检测技术,分别设计了局部放电暂态地电压检测模块和红外热电堆温度检测模块,并结合安装形式,专门设计了局部放电和温度的集成传感结构,同时获取局部放电信息和温度信息。系统基于物联网架构,通过Modbus的通信实现了传感器与本地网关的数据通讯,采用GPRS实现本地数据的云端上传,在云服务器上基于Web技术设计开发开关柜局部放电和温度监测平台,实现了监测平台数据后台、可视化前端界面和数据接口的开发。论文最后对传感器局部放电和温度检测模块、传感器与网关的通信以及监测平台数据接口进行测试,测试结果显示了系统监测的有效性。