国网设备部统一部署的黑科技来了
点击数： 发布时间：2021-12-06
11月17日上午，由国网设备部统一部署，中国电科院组织建立的声纹数据中心成功接收国网安徽电科院分中心上传的第一批声学指纹（简称声纹）在线监测数据，标志着电力设备声纹在线监测技术正式进入云端集中分析、边缘侧数据处理、端侧智能感知“云边端”协同发力的新阶段。
国家电网公司总部高度重视声纹识别技术在电力设备故障诊断中的应用，并在2018年将国网公司科技项目“基于深度学习的电网主设备声学指纹不停电检测与智能诊断”列为重点研究项目，由中国电科院联合国网安徽电科院、国网信产集团、国网电科院等相关单位组建柔性研发团队，合作研究针对电力设备的声纹识别技术，掀起了声纹在线监测技术第一波浪潮。
研发声纹装置 建成智能感知终端
“我们的声纹在线监测装置，可以24小时监测设备的机械性潜伏缺陷，防患于未然，有效提升设备状态感知能力。”研发团队技术负责人高飞介绍道。
该监测装置布置在电力设备附近，与设备没有任何电气连接，不影响系统的正常运行，不间断地监听电力设备运行声纹信号。然而，变电站现场可能会受恶劣天气及环境噪声的影响，因此如何选择合适的传感器型号及布置方式对声纹采集质量至关重要。
针对这些问题，团队深入研究动作过程中的声学-振动产生及传播机理，比较不同传感器指向性、抗环境干扰、防护等级等性能指标，经过不断测试与试验，确定传感器型号及安装位置最佳选择方法。
2020年6月，声纹在线监测装置通过CNAS实验室第三方性能测试，测试结果显示，该监测装置硬件可靠性高，能承受户外恶劣天气及复杂电磁环境，并具有良好的频率响应特性和明显指向性，精确获取目标设备声纹信号。
运用识别算法 实现故障快速诊断
在监测装置获取到声纹信号后，调用语音智能识别算法进行分析研判，一旦设备内部出现异常工况及潜伏期故障缺陷，系统会立即发出告警提醒运维人员。
该套系统搭载由中国电科院和科大讯飞共同研发的语音智能识别算法，将设备声纹与瞬态、持续性噪声进行分离，避免电晕、风机等各类干扰，利用深度神经网络技术学习进行模型训练，综合评估监测数据，判断时效性强，可以实现变压器、断路器等电力设备绕组变形、组部件松动、操动机构卡涩等异常工况的实时监测与故障诊断功能。
该研发团队于2018年9月开始，分别在变电站现场、实验室以及生产厂家开展设备声纹特征普测，积累了数万条样本，在当前样本下可实现识别准确度90%以上，单样本识别时间最快可达0.06秒，为设备状态在线监测与故障诊断提供了有力支撑。
声纹数据贯通 打造云边端协同机制
在数字化转型初期，电力数据多是由各电力终端采集后统一传输到云平台进行统一处理。随着电力设备电子化比例不断提高，接入终端的数据量呈直线上升，数据量大传输成本高、处理不及时延时难避免等诸多问题逐渐显现，“统一收集、统一处理”的模式导致数据生产、传输、处理环节分离而形成更大的信息壁垒，总部侧与站端无法实现有效互联。
“问题关键就在于要充分利用‘边’的就地处理能力，运用站端的声纹识别算法对数据进行筛选和处理，这样就可以大大减轻云平台的通信和计算压力。”边缘计算功能负责人韩帅说。采用这种方式，云端的声纹数据中心在线接收各变电站端检出的异常声纹信号，组织在线审核及标注修改，持续优化迭代算法模型。同时，声纹数据中心提供模型训练及模型下发更新，实现模型自云端一键下发，经省侧属地化调优后，自动更新部署到变电站端，有效提升工作效率。
通过人工智能技术与传统运检业务的融合，将声纹数据中心作为总部云端数据汇聚节点，联合省侧分中心及站端声纹在线监测装置，实现电力设备的异常工况的智能识别，大大减少现场人工巡视需求，提高设备状态管控力和运检管理穿透力，打造现场感知层智能替代、业务管控层集约高效、指挥决策层精准穿透的“云、边、端”一体化场景应用体系，实现运检模式从“事后应对”向“事前防范”的转变，全面推动运检工作方式和生产管理模式的革新，助力新型电力系统“双碳”目标实现。
自2019年以来，研发团队已在浙江、安徽、福建、陕西等地110千伏及以上各电压等级的交直流变电站开展试点应用，不断丰富声纹样本库建设，积累形成了数万余条约20万个小时的声纹样本库数据，有效提升电网设备智能管控水平。
下一步，中国电科院将继续深化与系统内外单位的合作，扩大试点应用范围，形成行业声纹监测标准，推动声纹监测在电力设备智能运维中的深度应用。
