GIS/GIL设备机械振动状态在线监测及机械故障云诊断系统

摘要

本发明涉及一种GIS/GIL设备机械振动状态在线监测及机械故障云诊断系统，属于设备监测领域。GIS/GIL设备机械振动状态在线监测及机械故障云诊断系统，该系统包括GIS/GIL设备不同气室及构件的振动分布式感知层、GIS/GIL设备云诊断系统运行信息的网络通信层和GIS/GIL设备云诊断系统应用层。本发明建立了分布式的振动模态监测网络，开展了全方位的实时振动信号采集。基于振动智能检测终端，对分布式网络开展采集、通信和分析，引入边缘计算技术并基于现场数据开展GIS/GIL设备运行模态监测操作。通过GIS/GIL设备云诊断平台对多变电站交互数据的接入、处理等功能，实现电力设备的智能运维。

说明书

技术领域

本发明属于设备监测领域，涉及GIS/GIL设备机械振动状态在线监测及机械故障云诊断系统。

背景技术

气体绝缘开关设备(Gas insulated switchgear，GIS)和气体绝缘输电线路(Gasinsulated transmission line,GIL)具有占地面积小、输送容量大、可靠性高、环境兼容性好等独特优势而得到广泛推广。然而，近年来运行中的GIS/GIL设备由潜伏性机械性缺陷引起的异响振动现象频发，如操作机构卡涩、导电回路接触异常、壳体对接不平衡、零部件疲劳松动或螺栓松动等。长期的GIS/GIL设备的异响振动会导致设备气体泄漏、回路温升提高、盆式绝缘子或绝缘支柱损伤、外壳接地点悬浮等现象的发生，严重时将造成绝缘事故。

振动信号分析和监测可以反映GIS/GIL设备内部机构的机械状态特征变化、且易于实现设备的带电监测。因此，开展GIS/GIL设备振动状态的实时监测和缺陷诊断，有利于及早排除安全隐患，保障设备的安全稳定运行。发明专利《一种GIS母线振动情况监测装置及监测方法》提供了GIS母线在运行过程中的异常振动的监控终端，可根据振动阈值做出预警操作。发明专利《一种GIS异常振动分析及机械故障诊断装置及方法》提供了一种本地数据异常振动分析和故障诊断服务器和远程监控结合的GIS异常振动分析和诊断装置，其系统运算和诊断功能集中于本地，远程监控主要对本地运算结果进行实时显示。发明专利《GIS振动缺陷辨识的细节特征量提取及智能分析方法》提供了一种集合GIS设备振动信号采集、特征提取和缺陷诊断为一体的系统和方法，主要针对被试GIS设备整体开展机械缺陷诊断。归纳起来，目前已有的GIS/GIL设备机械振动在线监测装置和诊断系统方面仍存在以下问题：

1)在GIS/GIL设备信号采集和方面，传统的振动测量终端多针对单一气室或设备整体开展振动检测或监测，没有考虑设备GIS/GIL设备的不同气室的结构性差异和负荷大小的影响。另一方面，已有的GIS/GIL设备振动检测终端仅针对振动信号进行诊断分析，然而设备振动与电能质量、局部放电、机构操作等因素也存在一定关联，因此有必要针对GIS/GIL设备多类数据开展信息交互和融合的智能诊断。

2)在GIS/GIL设备机械缺陷诊断方面，传统GIS/GIL设备振动分析系统多基于在地的检测终端的诊断分析模块，分析功能单一，然而GIS/GIL设备数量多，缺陷类型和工况复杂，在地终端的数据库数据量小，计算能力有限，以致诊断系统难以开展在运GIS/GIL设备的深层次分析。

3)在GIS/GIL设备云服务系统方面，传统的物联网平台数据采用云端统一处理、统一管理的集中化处理和管理方式，且GIS/GIL设备运行过程中大部分是有效信息水平比较低的数据，集中化处理会产生处理效率低、数据传输量大、延时性强等问题。

针对上述技术和不足，本发明提供了一种基于物联网平台的GIS/GIL设备机械状态在线监测及故障智能云诊断系统。与已有的GIS/GIL设备机械状态辨识和诊断技术相比，本发明主要由三方面的技术内容组成：首先在GIS/GIL设备感知层，本系统建立了分布式的振动模态监测网络，对GIS/GIL设备不同间隔和气室的主要功能构件开展了全方位的实时振动信号采集。同时，对GIS/GIL设备局放、超声、电压、电流等多信号进行接入。然后，在网络层，本系统基于振动智能检测终端，对分布式网络开展采集、通信和分析，引入边缘计算技术并基于现场数据开展GIS/GIL设备运行模态监测、在地智能分析、功能远程维护、设备安全管控、数据上载通信等操作。最后，在应用层，通过GIS/GIL设备云诊断平台对多变电站交互数据的接入、处理、维护、诊断、数据挖掘和事故维护等功能，实现电力设备的智能运维。

发明内容

有鉴于此，本发明的目的在于提供一种GIS/GIL设备机械振动状态在线监测及机械故障云诊断系统。该系统通过分布式振动信号感知、多终端数据融合、边缘智能分析、云端维护诊断等方式实现变电站GIS/GIL设备机械状态的智能运维，具有交互性、全局性和可视性的特点，具有重要的工程实际意义。

为达到上述目的，本发明提供如下技术方案：

GIS/GIL设备机械振动状态在线监测及机械故障云诊断系统，该系统包括GIS/GIL设备不同气室及构件的振动分布式感知层、GIS/GIL设备云诊断系统运行信息的网络通信层和GIS/GIL设备云诊断系统应用层。

可选的，所述GIS/GIL设备不同气室及构件的振动分布式感知层由信号监测网络组成，包括振动分布式模态监测网络和设备其他运行信息感知网络，进而由信号调理终端、数据采集终端、数据分析处理终端和数据通信终端开展进一步的数据接入和分析。

可选的，所述振动分布式模态监测网络的监测对象为站内不同GIS/GIL设备间隔的隔离和接地开关、电流电压互感器、断路器、避雷器以及母线气室，监测网络的传感器根据内部导电回路、异响结构的几何分布和功能部件进行布置，在工作面和关键连接结构处进行加密布置；

传感器选择压电加速度传感器，并根据机构类型、响应水平、振动形式的不同匹配不同的带宽和灵敏度；

设备其他运行信息感知网络对GIS/GIL设备的局放特高频信号、超声信号、运行的电压电流信息、现场噪声水平、红外测温信息、断路器操作状态、泄露或接地电流信息进行接入和分析，实现对GIS/GIL设备绝缘状态、温度水平、负荷水平和电能质量状态进行充分掌握。

可选的，所述GIS/GIL设备云诊断系统运行信息的网络通信层包括硬件系统和软件系统；硬件系统用于数据高速采集汇总、数据解析存储、数据交互通信和设备运行状态显示，软件系统基于智能终端硬件资源，利用边缘计算和人工智能技术开展设备运行模态监测、在地智能分析、功能远程维护、设备安全管控和数据上载通信操作；

所述硬件系统由机械振动状态智能数据采集、通信和处理终端、站内其他物理信息在线监测终端和云诊断服务单元组成；

智能数据采集、通信和处理终端是对振动分布式模态网络数据进行高速采集、在地存储、通信和分析的作用，包括以下单元：

信号调理单元：将振动分布式模态监测网络的多路传感器输出的小信号进行放大并定标为适合于模/数转换的模拟信号；

高速AD和滤波单元：将信号调理单元的输出信号进行高速的A/D采集，将多路振动模拟信号并行转化为数字信号；同时对信号的环境噪声进行滤波处理；

数据通信单元：实现站内设备的局域网通信和与云服务器的远程通信功能；站内设备通过有线、Wi-Fi和ZigBee通信方式与振动智能终端进行局域信息连接和交互，智能终端将数据上载、运维服务和软件更新请求与云服务单元建立即时通信，通信方式包括VPN有限和GPRS无线；

信号接入单元：对站内GIS/GIL设备局放、温度、电压/电流在线监测设备提供数据结构API，实现不同类型测量信号的接入和汇总；

数据存储单元：实现在线实时监测数据、GIS/GIL设备机械缺陷图谱数据库、软件系统资源、设备资料信息的批量存储和管理功能；

数据处理单元：基于SIMD架构配置多核加强型MCU处理器，采用加速器IP升级计算功能；数据处理单元为系统运算、数据筛选和边缘诊断提供高效的数据处理能力；

界面显示单元：界面显示单元实现对系统主控界面、GIS/GIL设备振动频谱、电力设备运行结构模态、设备机械状态评估结果的实时显示；

输入控制单元：实现运维人员的系统操作、请求命令和外部信息的录入功能；

所述软件系统包括数据管理、界面交互、机械状态诊断、软件维护更新和云端深度分析部分；软件系统为将终端数据开展信息筛选、在地处理分析和边缘计算功能，减少云端的计算压力。

可选的，所述软件系统的架构包括：

数据管理系统：实现对数据库资源、在线监测数据和云端数据的统一管理，实现数据查询、存储和上载功能；数据库资源涵盖GIS/GIL设备的隔离和接地开关、电流电压互感器、断路器、避雷器以及母线气室发生老化变形、疲劳、松动、卡涩、接触不良的机械缺陷的不同运行工况下的异常振动指纹图谱库；在线监测数据包括振动分布模态监测网络和局放、超声、电压和电流实时监测数据；数据管理系统对该类数据实行短周期缓存和异常数据上载操作；数据管理系统根据操作指令对云端数据开展资源更新操作；

数据分析系统：实现对动态信号的频谱分析、运行模态测试分析、振动波形畸变率分析、设备局放、温度、负荷的运行工况分析；工作人员可根据动态信号的振动幅值、频谱成份、波形畸变情况、GIS/GIL设备典型构件的结构模态参数，包括模态频率、振型、阻尼以及设备运行信息对振动异常状态进行结构锁定、全局对比、细节查因，实现异常位置和异常信号的初步分析；

机械状态诊断系统：集成深度卷积神经网络、人工智能算法，并基于数据管理系统的异常振动指纹图谱库进行特征学习和模型训练，进而实现对异常振动信号的状态诊断，并结合设备运行年限、电能质量、检测记录、操作状态、绝缘状态进行全面原因分析；

软件更新维护系统：根据实际需求开展软件更新和维护功能，实现对数据库资源、软件工具箱、算法模型开展维护更新；

界面交互系统：实现界面显示和人机交互功能，包括对动态监测信号的实时频谱、GIS/GIL设备开关、导杆、传动轴和弹簧构件的运行结构模态、工作温度、负荷水平、评估诊断结果、检修建议信息的显示功能，同时提供人机交互的界面窗口；

云端深度分析系统：针对边缘智能终端提取的异常振动信号，根据在地工作人员的请求与云端建立数据和服务通信，进行云端的深度分析和结果显示。

可选的，所述GIS/GIL设备云诊断系统应用层包括以下部分：

监控：通过对多变电站的接入和汇总，云平台开展电力设备机械状态和振动水平开展全面的实时监控，实现对GIS/GIL设备机械健康状态的实时掌握；

统计：通过对GIS/GIL设备的历史运行数据进行统计分析，按运行时间、构件类型、负荷水平的不同维度变化下分析出不同的振动测试报告，并利用图表和屏幕对振动幅值、波形畸变率进行实时展示；

数据挖掘和深度诊断功能：一方面，受限于边缘终端的计算能力和数据资源，云端中心诊断服务系统为对接变电站的各终端的运行工况提供深度的数据挖掘和深度故障诊断功能，从而进行同类GIS/GIL设备或功能部件复杂振动工况的深层次分析，实现对缺陷的准确预测、准确判别、准确评估和准确定位，进而采取事故预案和运维措施；另一方面，通过对边缘终端大数据的接入和信息交互，实现云端数据库不断扩充和算法模型的学习改进，进而优化专家系统的诊断能力；

远程服务：边缘智能终端通过远程通信向云平台提供服务请求，云诊断系统利用平台资源和计算能力进行深度服务和结果反馈，同时响应边缘终端的数据资源、软件系统和算法模型的更新需求；

运维管理：云诊断平台通过多变电站终端的设备的机械响应情况和健康水平开展运维管理，根据其健康程度做出相应的巡检安排，对缺陷程度严重和影响范围广的关键设备坐紧急检修处理，对缺陷程度一般的设备做事故预案和检修规划，对发生事故的设备做后期评估和原因分析。

本发明的有益效果在于：

第一，本系统基于高灵敏度、多带宽的振动加速度传感器针对GIS/GIL设备不同间隔和气室的主要功能构件建立分布式振动模态监测网络，同时对电力设备局放、超声、电压、电流等多信号进行接入，从而实现电力设备全景式、多参量融合式的实时在线监测分析。

第二，本发明基于自主设计的振动智能检测终端，开展信号高速采集、在地存储、通信和分析，利用边缘计算技术基于现场数据开展设备运行模态监测、在地智能分析、功能远程维护、设备安全管控、数据上载通信等操作。

第三，针对复杂运行工况和远程维护需要，引入云诊断平台的高速计算和数据算法库根据多变点站的振动数据实现信息交互、深度诊断分析、系统更新维护等功能。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1为GIS/GIL设备机械状态在线监测及故障智能云诊断系统结构图；

图2为GIS/GIL设备机械状态监测终端硬件系统结构图；

图3为GIS/GIL设备机械状态监测终端软件系统功能结构图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

本发明GIS/GIL设备机械状态在线监测及故障智能云诊断系统的结构组成如图1所示，系统主要包括GIS/GIL设备不同气室及构件的振动分布式感知层、GIS/GIL设备云诊断系统运行信息的网络通信层和GIS/GIL设备云诊断系统应用层三个主要功能结构。

1 GIS/GIL设备分布式振动感知层

GIS/GIL设备分布式振动感知层主要由信号监测网络组成，主要包括振动分布式模态监测网络和设备其他运行信息感知网络，进而由信号调理终端、数据采集终端、数据分析处理终端和数据通信终端开展进一步的数据接入和分析。

(1)GIS/GIL设备振动分布式模态监测网络

GIS/GIL设备振动分布式模态监测网络主要监测对象为站内不同GIS/GIL设备间隔的隔离和接地开关、电流电压互感器、断路器、避雷器以及母线气室等，监测网络的传感器根据内部导电回路、异响结构的几何分布和主要功能部件进行布置，在主要工作面和关键连接结构处进行加密布置。

传感器选择压电加速度传感器，并根据机构类型、响应水平、振动形式的不同匹配不同的带宽和灵敏度。

(2)GIS/GIL设备其他运行信息感知网络

系统感知层同时对GIS/GIL设备的局放特高频信号、超声信号、运行的电压电流信息、现场噪声水平、红外测温信息、断路器操作状态、泄露或接地电流等信息进行接入和分析，从而实现对GIS/GIL设备绝缘状态、温度水平、负荷水平、电能质量等状态进行充分掌握。

2 GIS/GIL设备机械振动状态云诊断系统网络层

GIS/GIL设备云诊断系统网络层网络层的核心组成单元为智能数据采集、通信和处理终端，其主要构成为硬件系统和软件系统，其中硬件系统主要起数据高速采集汇总、数据解析存储、数据交互通信和设备运行状态显示等功能，而软件系统基于智能终端硬件资源，利用边缘计算和人工智能技术开展设备运行模态监测、在地智能分析、功能远程维护、设备安全管控、数据上载通信等操作。具体结构如下：

(1)GIS/GIL设备机械状态监测终端硬件系统：

GIS/GIL设备机械状态监测终端硬件系统主要由机械振动状态智能数据采集、通信和处理终端、站内其他物理信息在线监测终端和云诊断服务单元组成，其中机械振动状态智能数据采集、通信和处理终端是诊断系统的核心，系统主要组成框架如图2所示。

智能数据采集、通信和处理终端是对振动分布式模态网络数据进行高速采集、在地存储、通信和分析的作用，每个部分的功能如下：

信号调理单元：该单元主要将振动分布式模态监测网络的多路传感器输出的小信号进行放大并定标为适合于模/数转换的模拟信号。

高速AD和滤波单元：该单元主要将信号调理单元的输出信号进行高速的A/D采集，将多路振动模拟信号并行转化为数字信号。同时对信号的环境噪声进行滤波处理。

数据通信单元：该单元主要实现站内设备的局域网通信和与云服务器的远程通信功能。站内设备可通过有线、Wi-Fi、ZigBee等通信方式与振动智能终端进行局域信息连接和交互，智能终端可将数据上载、运维服务、软件更新等请求与云服务单元建立即时通信，通信方式包括VPN有限和GPRS无线等。

信号接入单元：该单元主要对站内GIS/GIL设备局放、温度、电压/电流等在线监测设备提供数据结构API,实现不同类型测量信号的接入和汇总。

数据存储单元：该单元主要实现在线实时监测数据、GIS/GIL设备机械缺陷图谱数据库、软件系统资源、设备资料等信息的批量存储和管理功能。

数据处理单元：该单元基于SIMD架构配置多核加强型MCU处理器，同时采用加速器IP升级计算功能。数据处理单元为系统运算、数据筛选、边缘诊断等提供高效的数据处理能力。

界面显示单元：界面显示单元实现对系统主控界面、GIS/GIL设备振动频谱、电力设备运行结构模态、设备机械状态评估结果的实时显示。

输入控制单元：该单元实现运维人员的系统操作、请求命令、外部信息的录入功能。

(2)GIS/GIL设备机械状态监测终端软件系统：

GIS/GIL设备机械状态监测终端软件系统是运行电力设备机械状态在线监测及故障智能云诊断系统边缘人工智能的主要组成部分，其主要包括数据管理、界面交互、机械状态诊断、软件维护更新和云端深度分析功能。软件系统为将终端数据开展信息筛选、在地处理分析和边缘计算功能，从而减少云端的计算压力，提高系统运行效率。

GIS/GIL设备机械状态监测终端软件系统主要组成框架如图3所示。

数据管理系统：该系统实现对数据库资源、在线监测数据和云端数据的统一管理，可以实现数据查询、存储和上载功能。数据库资源涵盖GIS/GIL设备的隔离和接地开关、电流电压互感器、断路器、避雷器以及母线气室发生老化变形、疲劳、松动、卡涩、接触不良等机械缺陷的不同运行工况下的异常振动指纹图谱库。在线监测数据包括振动分布模态监测网络和局放、超声、电压、电流等实时监测数据。数据管理系统对该类数据实行短周期缓存和异常数据上载操作。数据管理系统根据操作指令对云端数据开展资源更新操作，从而丰富边缘终端的知识图谱。

数据分析系统：该系统实现对动态信号的频谱分析、运行模态测试分析、振动波形畸变率分析、设备局放、温度、负荷等运行工况分析等。工作人员可根据动态信号的振动幅值、频谱成份、波形畸变情况、GIS/GIL设备典型构件的结构模态参数，包括模态频率、振型、阻尼等以及设备运行信息对振动异常状态进行结构锁定、全局对比、细节查因，实现异常位置和异常信号的初步分析。

机械状态诊断系统：该系统集成了深度卷积神经网络、专家诊断等人工智能算法，并基于数据管理系统的异常振动指纹图谱库进行特征学习和模型训练，进而实现对异常振动信号的状态诊断，并结合设备运行年限、电能质量、检测记录、操作状态、绝缘状态等进行全面原因分析。

软件更新维护系统：该系统根据实际需求开展软件更新和维护功能，实现对数据库资源、软件工具箱、算法模型开展维护更新。

界面交互系统：该系统主要实现界面显示和人机交互功能，包括对动态监测信号的实时频谱、GIS/GIL设备开关、导杆、传动轴、弹簧等构件的运行结构模态、工作温度、负荷水平、评估诊断结果、检修建议等信息的显示功能，同时提供人机交互的界面窗口。

云端深度分析系统：该系统针对边缘智能终端提取的异常振动信号，根据在地工作人员的请求与云端建立数据和服务通信，进行云端的深度分析和结果显示。

3 GIS/GIL设备机械振动状态云诊断系统应用层

GIS/GIL设备机械振动状态云诊断系统应用层的核心为云端中心诊断服务系统，该平台对多变电站交互数据的接入、处理、维护、诊断、数据挖掘和事故预案等功能，主要可划分为以下五个方面：

监控功能：通过对多变电站的接入和汇总，云平台可以开展电力设备机械状态和振动水平开展全面的实时监控，实现对GIS/GIL设备机械健康状态的实时掌握。

统计功能：通过对GIS/GIL设备的历史运行数据进行统计分析，可以按运行时间、构件类型、负荷水平等不同维度变化下分析出不同的振动测试报告，并利用图表和屏幕对振动幅值、波形畸变率等进行实时展示，从而快速直观的了解到整个平台GIS/GIL设备机械状态的运行状况。

数据挖掘和深度诊断功能：一方面，受限于边缘终端的计算能力和数据资源，云端中心诊断服务系统可以为对接变电站的各终端的运行工况提供深度的数据挖掘和深度故障诊断功能，从而进行同类GIS/GIL设备或功能部件复杂振动工况的深层次分析，实现对缺陷的准确预测、准确判别、准确评估和准确定位，进而采取事故预案和合理的运维措施。另一方面，通过对边缘终端大数据的接入和信息交互，可以实现云端数据库不断扩充和算法模型的学习改进，进而优化专家系统的诊断能力，提升边缘智能终端的评估效果。

远程服务：边缘智能终端通过远程通信向云平台提供服务请求，云诊断系统可利用平台资源和计算能力进行深度服务和结果反馈，同时响应边缘终端的数据资源、软件系统和算法模型的更新需求。

运维管理：云诊断平台通过多变电站终端的设备的机械响应情况和健康水平开展运维管理，根据其健康程度做出相应的巡检安排，对缺陷程度严重和影响范围广的关键设备坐紧急检修处理，对缺陷程度一般的设备做事故预案和检修规划，对发生事故的设备做后期评估和原因分析。

GIS/GIL设备机械振动状态在线监测及机械故障智能云诊断系统基于多终端、多类型数据开展信息融合和GIS/GIL设备机械缺陷的智能诊断，充分利用系统云端的深度分析、数据挖掘和远程维护功能，可实现GIS/GIL设备机械健康状态细节化、全局化和可视化分析，不仅可用于电力系统不同电压等级变电站GIS/GIL设备的状态监测，也可应用于GIS/GIL设备相关的科研院所、设备制造企业等相关的研发、出厂检测等环节，及早排除安全隐患，具有重要的工程实际意义。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。