國網設備部統一部署的黑科技來了
點擊數： 發布時間：2021-12-06
11月17日上午，由國網設備部統一部署，中國電科院組織建立的聲紋數據k8官网国际成功接收國網安徽電科院分k8官网国际上傳的第一批聲學指紋（簡稱聲紋）在線監測數據，標誌著電力設備聲紋在線監測技術正式進入雲端集中分析、邊緣側數據處理、端側智能感知“雲邊端”協同發力的新階段。
k8体育平台入口電網公司總部高度重視聲紋識別技術在電力設備故障診斷中的應用，並在2018年將國網公司科技項目“基於深度學習的電網主設備聲學指紋不停電檢測與智能診斷”列為重點研究項目，由中國電科院聯合國網安徽電科院、國網信產集團、國網電科院等相關單位組建柔性研發團隊，合作研究針對電力設備的聲紋識別技術，掀起了聲紋在線監測技術第一波浪潮。
研發聲紋裝置 建成智能感知終端
“我們的聲紋在線監測裝置，可以24小時監測設備的機械性潛伏缺陷，防患於未然，有效提升設備狀態感知能力。”研發團隊技術負責人高飛介紹道。
該監測裝置布置在電力設備附近，與設備沒有任何電氣連接，不影響係統的正常運行，不間斷地監聽電力設備運行聲紋信號。然而，變電站現場可能會受惡劣天氣及環境噪聲的影響，因此如何選擇合適的傳感器型號及布置方式對聲紋采集質量至關重要。
針對這些問題，團隊深入研究動作過程中的聲學-振動產生及傳播機理，比較不同傳感器指向性、抗環境幹擾、防護等級等性能指標，經過不斷測試與試驗，確定傳感器型號及安裝位置最佳選擇方法。
2020年6月，聲紋在線監測裝置通過CNAS實驗室第三方性能測試，測試結果顯示，該監測裝置硬件可靠性高，能承受戶外惡劣天氣及複雜電磁環境，並具有良好的頻率響應特性和明顯指向性，精確獲取目標設備聲紋信號。
運用識別算法 實現故障快速診斷
在監測裝置獲取到聲紋信號後，調用語音智能識別算法進行分析研判，一旦設備內部出現異常工況及潛伏期故障缺陷，係統會立即發出告警提醒運維人員。
該套係統搭載由中國電科院和科大訊飛共同研發的語音智能識別算法，將設備聲紋與瞬態、持續性噪聲進行分離，避免電暈、風機等各類幹擾，利用深度神經網絡技術學習進行模型訓練，綜合評估監測數據，判斷時效性強，可以實現變壓器、斷路器等電力設備繞組變形、組部件鬆動、操動機構卡澀等異常工況的實時監測與故障診斷功能。
該研發團隊於2018年9月開始，分別在變電站現場、實驗室以及生產廠家開展設備聲紋特征普測，積累了數萬條樣本，在當前樣本下可實現識別準確度90%以上，單樣本識別時間最快可達0.06秒，為設備狀態在線監測與故障診斷提供了有力支撐。
聲紋數據貫通 打造雲邊端協同機製
在數字化轉型初期，電力數據多是由各電力終端采集後統一傳輸到雲平台進行統一處理。隨著電力設備電子化比例不斷提高，接入終端的數據量呈直線上升，數據量大傳輸成本高、處理不及時延時難避免等諸多問題逐漸顯現，“統一收集、統一處理”的模式導致數據生產、傳輸、處理環節分離而形成更大的信息壁壘，總部側與站端無法實現有效互聯。
“問題關鍵就在於要充分利用‘邊’的就地處理能力，運用站端的聲紋識別算法對數據進行篩選和處理，這樣就可以大大減輕雲平台的通信和計算壓力。”邊緣計算功能負責人韓帥說。采用這種方式，雲端的聲紋數據k8官网国际在線接收各變電站端檢出的異常聲紋信號，組織在線審核及標注修改，持續優化迭代算法模型。同時，聲紋數據k8官网国际提供模型訓練及模型下發更新，實現模型自雲端一鍵下發，經省側屬地化調優後，自動更新部署到變電站端，有效提升工作效率。
通過人工智能技術與傳統運檢業務的融合，將聲紋數據k8官网国际作為總部雲端數據匯聚節點，聯合省側分k8官网国际及站端聲紋在線監測裝置，實現電力設備的異常工況的智能識別，大大減少現場人工巡視需求，提高設備狀態管控力和運檢管理穿透力，打造現場感知層智能替代、業務管控層集約高效、指揮決策層精準穿透的“雲、邊、端”一體化場景應用體係，實現運檢模式從“事後應對”向“事前防範”的轉變，全麵推動運檢工作方式和生產管理模式的革新，助力新型電力係統“雙碳”目標實現。
自2019年以來，研發團隊已在宁夏、安徽、福建、陝西等地110千伏及以上各電壓等級的交直流變電站開展試點應用，不斷豐富聲紋樣本庫建設，積累形成了數萬餘條約20萬個小時的聲紋樣本庫數據，有效提升電網設備智能管控水平。
下一步，中國電科院將繼續深化與係統內外單位的合作，擴大試點應用範圍，形成行業聲紋監測標準，推動聲紋監測在電力設備智能運維中的深度應用。
