殷守斌 田克強(qiáng) 李明 李中原 谷棟

摘 要： 為了使無(wú)人值守變電站獨(dú)立高效地運(yùn)行，介紹了基于音頻識(shí)別的實(shí)時(shí)監(jiān)控系統(tǒng)的理論和結(jié)構(gòu)。該架構(gòu)側(cè)重于音頻數(shù)據(jù)的監(jiān)控和識(shí)別過(guò)程。首先，通過(guò)使用傳感器的系統(tǒng)獲取變電站的音頻信號(hào);然后將多音頻數(shù)據(jù)傳輸?shù)奖O(jiān)控主機(jī)，在頻譜分析和處理之后，提取MFCC特征參數(shù)作為信號(hào)特征;最后將特征參數(shù)輸入正弦神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別，可以有效、準(zhǔn)確地識(shí)別故障的運(yùn)行狀態(tài)和類型。實(shí)現(xiàn)結(jié)果表明，該方法改進(jìn)了傳統(tǒng)的手動(dòng)監(jiān)測(cè)方法，大大提高了設(shè)備檢測(cè)的效率。

關(guān)鍵詞： 無(wú)人值守變電站; 音頻識(shí)別; MFCC特征參數(shù); 神經(jīng)網(wǎng)絡(luò)

中圖分類號(hào)： TP393 ? ? ?文獻(xiàn)標(biāo)志碼： A

On-line Monitoring and Troubleshooting of Unattended Substation

Equipment Based on Audio Recognition Analysis

YIN Shoubin， TIAN Keqiang， LI Ming， LI Zhongyuan， GU Dong

（State Grid Heze Power Supply Co. Ltd.， Heze 274000）

Abstract： In order to make the unattended substation operate independently and efficiently， this paper introduces the theory and structure of real-time monitoring system based on audio recognition. The architecture focuses on monitoring and identifying the process of audio data. First， the audio signal of the substation is obtained through the system using sensors; then the multi-audio data are transmitted to the monitoring host. After the spectrum analysis and processing， the MFCC characteristic parameter is extracted as a signal feature. Finally， the characteristic parameter is input into the sinusoidal neural network for identification. It can effectively and accurately identify the operational status and type of fault. The implementation results show that the method improves the traditional manual monitoring method and greatly improves the efficiency of equipment detection.

Key words： Unattended substation; Audio recognition; MFCC characteristic parameters; Neural network

0 引言

隨著電網(wǎng)的發(fā)展和安全性要求的提升，變電站的建設(shè)正朝著無(wú)人值守的方向發(fā)展。目前無(wú)人值守的主要趨勢(shì)為“五遠(yuǎn)”（遠(yuǎn)程測(cè)量，遠(yuǎn)程通信，遠(yuǎn)程控制，遠(yuǎn)程調(diào)整和遠(yuǎn)程觀看），即通過(guò)遠(yuǎn)程視頻監(jiān)控的方式對(duì)站設(shè)備運(yùn)行情況進(jìn)行查看以及操作，然而設(shè)備在運(yùn)行過(guò)程中的聲音也能間接判斷出該設(shè)備運(yùn)轉(zhuǎn)是否正常，由于電氣設(shè)備在運(yùn)行期間會(huì)產(chǎn)生不同類型的噪音，工程師可以根據(jù)聲音強(qiáng)度的變化識(shí)別設(shè)備的運(yùn)行狀態(tài)，甚至是故障類別。例如當(dāng)10 kV配電變壓器正常工作時(shí)，會(huì)發(fā)出輕微均勻的“嗡嗡”聲，這是核心振動(dòng)的正常現(xiàn)象;如果發(fā)生配電變壓器的異常聲音，原因可能很復(fù)雜，可能存在以下幾個(gè)方面[1-4]：

如果聲音比平時(shí)重，則表明配電變壓器過(guò)載;

如果聲音比平常高，則表明電源電壓過(guò)高;

那么，根據(jù)以上的故障分析，造成的原因可能如下：

當(dāng)配電變壓器的內(nèi)芯結(jié)構(gòu)松動(dòng)時(shí)，會(huì)發(fā)出混亂和嘈雜的聲音;

當(dāng)配電變壓器中存在裂紋聲時(shí)，表明存在線圈或芯絕緣擊穿;

當(dāng)?shù)浔ｋU(xiǎn)絲或開(kāi)關(guān)水龍頭接觸不良或其他外部電路發(fā)生故障時(shí)，也會(huì)引起配電變壓器的聲音變化。

為了判斷配電變壓器故障的具體類型，變電站值班人員通常將一側(cè)絕緣桿放在配電變壓器的油箱上，另一側(cè)靠近耳朵進(jìn)行仔細(xì)收聽(tīng)，該傳統(tǒng)方法操作容易，但是不能實(shí)現(xiàn)與開(kāi)發(fā)線程不匹配的遠(yuǎn)程在線檢測(cè)。那么對(duì)于無(wú)人值守電站的建設(shè)需要通過(guò)經(jīng)驗(yàn)分析獲取檢測(cè)模型。為了實(shí)現(xiàn)無(wú)人值守變電站設(shè)備運(yùn)行狀態(tài)的全面運(yùn)行情況的掌握，及時(shí)發(fā)現(xiàn)故障設(shè)備并做出科學(xué)的決策和處理，通過(guò)音頻識(shí)別的手段提升檢測(cè)精度，實(shí)現(xiàn)設(shè)備運(yùn)行狀態(tài)的實(shí)時(shí)檢測(cè)。

1 語(yǔ)音頻率監(jiān)測(cè)原理和系統(tǒng)結(jié)構(gòu)

1.1 語(yǔ)音頻率監(jiān)測(cè)原理

無(wú)人值守變電站語(yǔ)音頻率監(jiān)測(cè)系統(tǒng)主要用于在運(yùn)行過(guò)程中檢測(cè)變壓器，容量，電抗，GIS等主要設(shè)備的聲音信號(hào)。系統(tǒng)組成架構(gòu)，如圖1所示。

在傳感器數(shù)據(jù)采集、濾波、放大和AD轉(zhuǎn)換之后，多聲道音頻信號(hào)被傳輸?shù)轿⒖刂破魈幚砥?經(jīng)過(guò)處理后，音頻數(shù)據(jù)傳輸?shù)阶冸娬竟I(yè)個(gè)人計(jì)算機(jī)，音頻頻譜分析后提取音頻特征參數(shù)，然后利用神經(jīng)網(wǎng)絡(luò)識(shí)別音頻特征，為監(jiān)控人員輸出設(shè)備狀態(tài)和故障類型[5-6]。

1.2 語(yǔ)音頻率監(jiān)測(cè)系統(tǒng)結(jié)構(gòu)

無(wú)人值守設(shè)備語(yǔ)音監(jiān)控系統(tǒng)的結(jié)構(gòu)如圖2所示。

系統(tǒng)硬件由聲音信號(hào)采集模塊（包括聲音傳感器，現(xiàn)場(chǎng)總線和數(shù)據(jù)采集器），故障類型識(shí)別模塊（變電站主機(jī)）和人機(jī)交互組成。

首先，許多聲音傳感器安裝在需要在變電站中監(jiān)控的電氣設(shè)備中（如圖1所示）。數(shù)據(jù)收集器負(fù)責(zé)多通道音頻數(shù)據(jù)收集，數(shù)據(jù)采集器負(fù)責(zé)從特定變電站收集多收集器的音頻數(shù)據(jù)，并將其上傳到變電站監(jiān)控主機(jī)。然后，變電站監(jiān)控主機(jī)根據(jù)設(shè)備故障類型和設(shè)備優(yōu)先級(jí)共享過(guò)程多通道音頻數(shù)據(jù)，對(duì)音頻數(shù)據(jù)進(jìn)行轉(zhuǎn)換和頻譜分析，從音頻數(shù)據(jù)中分散特征向量，然后將特征向量輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別，識(shí)別運(yùn)行狀態(tài)和發(fā)出此聲音的設(shè)備的故障類型。

2 系統(tǒng)關(guān)鍵技術(shù)

2.1 音頻數(shù)據(jù)采集器

數(shù)據(jù)采集器是實(shí)現(xiàn)變電站無(wú)人值守音頻監(jiān)控的重要組成部分，該設(shè)備負(fù)責(zé)電氣設(shè)備的音頻數(shù)據(jù)處理和初級(jí)識(shí)別，其內(nèi)部硬件結(jié)構(gòu)，如圖3所示。

來(lái)自音頻傳感器的音頻信號(hào)由數(shù)據(jù)采集器按以下程序流程處理，如圖4所示。

信號(hào)處理器采用單片機(jī)的IOB7和IOB10端口通過(guò)通用IO端口設(shè)置為UART，為RS422通信提供硬件條件。UART的波特率范圍為1500bps至51200bps（51.2Kbps），通信速率可以滿足狀態(tài)監(jiān)測(cè)的要求。為了實(shí)現(xiàn)多機(jī)通信，每個(gè)音頻數(shù)據(jù)收集器都有自己的地址，收集器的地址編碼是通過(guò)單片機(jī)讀取七個(gè)IO二進(jìn)制碼來(lái)實(shí)現(xiàn)的，根據(jù)該地址，數(shù)據(jù)采集器通過(guò)輪詢每個(gè)數(shù)據(jù)收集器使每個(gè)子站的多機(jī)通信成為可能。

為了提升識(shí)別的效率，通過(guò)降低上層服務(wù)器對(duì)音頻數(shù)據(jù)的計(jì)算和處理，采用底層底層數(shù)據(jù)處理器對(duì)收集的音頻數(shù)據(jù)進(jìn)行本地化預(yù)判，從而達(dá)到故障研判的實(shí)時(shí)性需求。其實(shí)現(xiàn)基本原則是：首先，對(duì)典型故障音頻進(jìn)行特征統(tǒng)計(jì)，并將統(tǒng)計(jì)結(jié)果存儲(chǔ)在本地?cái)?shù)據(jù)庫(kù)中;然后快速比較當(dāng)前音頻數(shù)據(jù)的特征與故障音頻數(shù)據(jù)的特征，例如，當(dāng)音頻信號(hào)的幅度相比噪聲信號(hào)過(guò)高、過(guò)低時(shí)，可快速判斷其屬于故障音頻。對(duì)于這些異常情況，數(shù)據(jù)采集器立即通過(guò)RS485總線將判斷結(jié)果發(fā)送給數(shù)據(jù)接收器，然后通過(guò)數(shù)據(jù)采集器通知監(jiān)控主機(jī)。

2.2 設(shè)備運(yùn)行狀態(tài)識(shí)別

設(shè)備運(yùn)行狀態(tài)識(shí)別作為變電站音頻監(jiān)控系統(tǒng)的核心單元，其基本識(shí)別過(guò)程如圖5所示。

監(jiān)控主機(jī)對(duì)上傳的音頻數(shù)據(jù)進(jìn)行頻域變換和頻譜分析，然后提取音頻信號(hào)的特征參數(shù)。采用MFCC（Mel Frequency Cepstrum Coefficient）[7]算法，通過(guò)下一個(gè)輸入特征向量到訓(xùn)練的基于正弦的神經(jīng)網(wǎng)絡(luò)進(jìn)行計(jì)算，識(shí)別由該音頻數(shù)據(jù)表征的設(shè)備運(yùn)行狀態(tài)。

識(shí)別過(guò)程的關(guān)鍵即是Mel系數(shù)的提取，實(shí)現(xiàn)過(guò)程描述如下：

（1） 預(yù)處理

通過(guò)高通濾波器采樣后，計(jì)算數(shù)字音頻信號(hào)s（n）：H（z）=1-az-10.9 ? ? （2） 取樣

通常將10-20 ms作為語(yǔ)音處理信號(hào)的一幀，為了避免窗口邊界頻譜信號(hào)泄漏，在轉(zhuǎn)換到幀時(shí)，需要進(jìn)行幀選擇（幀之間的重疊部分進(jìn)行去重處理）。通常將半幀作為幀移位，即移動(dòng)半幀然后拍攝下一幀，可以避免不同幀之間過(guò)多的特征轉(zhuǎn)換。

（3） 計(jì)算短時(shí)能量

短時(shí)能量定義為音量的幅度，即聲音幅度的大小?？梢愿鶕?jù)這個(gè)能量值濾除語(yǔ)音信號(hào)的微小噪聲，當(dāng)幀的能量值低于設(shè)定閾值時(shí)，則可以將該幀設(shè)置為靜音段。

（4） 窗口化處理

語(yǔ)語(yǔ)音在很長(zhǎng)的范圍內(nèi)不斷變化，沒(méi)有固定的特性就無(wú)法處理。因此，為了消除每幀兩側(cè)引起的信號(hào)不一致，將每個(gè)幀替換為窗口函數(shù)，并將窗口值設(shè)置為0。根據(jù)窗口函數(shù)的頻率特性，本文采用采用漢明窗口，定義如下公式所示：w（n）=0.54-0.46cos（2πn/（n-1）） ?（5） 快速傅里葉變換（FFT）

由于時(shí)域中語(yǔ)音信號(hào)的變化是快速且不穩(wěn)定的，因此通常將其轉(zhuǎn)換為用于觀察的頻域。此時(shí)，其頻譜將隨時(shí)間緩慢變化，因此，窗口后的幀通常通過(guò)FFT轉(zhuǎn)換計(jì)算頻率參數(shù)。

（6） 三角帶通濾波器

每幀的頻譜參數(shù)通過(guò)由一組N三角帶通濾波器（N通常為20至30）組成的Mel標(biāo)度濾波器。每個(gè)三角形窗口的覆蓋范圍匯集了人耳的臨界帶寬，以模擬人耳的掩蔽效應(yīng)。取每個(gè)輸出頻帶的對(duì)數(shù)并計(jì)算每個(gè)輸出的對(duì)數(shù)能量，k=1，2，…，N，然后對(duì)這N個(gè)參數(shù)進(jìn)行余弦變換，得到L階Mel頻率倒譜系數(shù)。

通過(guò)以上獲取了Mel的參數(shù)，下一步進(jìn)行音頻數(shù)據(jù)的識(shí)別處理，本文采用基于正弦基函數(shù)的神經(jīng)網(wǎng)絡(luò)模型對(duì)預(yù)處理過(guò)的語(yǔ)音信號(hào)進(jìn)行識(shí)別，識(shí)別原理如圖6所示。

其中，C1（ω1），C2（ω2），…，CN（ωN）是正弦函數(shù)，分別定義如下C1（ω1）=sin（12ω1），C2（ω2）=sin（32ω2），…，Cn（ωn）=sin[（n-12）ωn）]，以MFCC提取的N個(gè)參數(shù)[ω1，ω2，…，ωN]作為神經(jīng)網(wǎng)絡(luò)的輸入，并定義為向量Ω=[ω1，ω2，…，ωN]，ωi∈（0，1），由于輸入向量具有16個(gè)元素，因此所選輸入層和隱藏層神經(jīng)元的數(shù)量為N=16。由于變壓器運(yùn)行狀態(tài)的評(píng)估結(jié)果是確定值，輸出神經(jīng)元的數(shù)量選擇為1，假設(shè)變壓器運(yùn)行狀態(tài)水平大致分為10個(gè)等級(jí)，那么預(yù)期的神經(jīng)輸出是D（Ω）=[1， 0.9， 0.8， …， 0.1]，神經(jīng)網(wǎng)絡(luò)輸出定義如下：Y（Ω）=∑Nn=1wnsin[（n-12）wn] ?根據(jù)神經(jīng)網(wǎng)絡(luò)輸出作為變電站故障識(shí)別的分析結(jié)果。

4 實(shí)驗(yàn)及結(jié)果分析

無(wú)人值守變電站音頻監(jiān)控系統(tǒng)的實(shí)驗(yàn)驗(yàn)證在XXX220 kV控制中心及50公里外的110 kV工業(yè)變電站進(jìn)行，系統(tǒng)設(shè)備包括：2個(gè)集中站主機(jī)，4個(gè)變電站主機(jī)，16個(gè)數(shù)據(jù)采集器，接線盒，配電箱，開(kāi)關(guān)機(jī)和通信電纜?？刂浦行闹饕惭b集中站主機(jī)，其余主要設(shè)備安裝在工業(yè)變電站。

變電站進(jìn)行通過(guò)音頻數(shù)據(jù)采集器進(jìn)行錄音，其中包含時(shí)域和頻域音頻信號(hào)，使用MATLAB讀取音頻文件以計(jì)算時(shí)域特征，運(yùn)算結(jié)果如圖7所示。

使用MATLAB計(jì)算主變壓器音頻數(shù)據(jù)的MFCC特征參數(shù)，結(jié)果如圖8所示。

當(dāng)變壓器處于相同的運(yùn)行狀態(tài)時(shí)，其音頻具有穩(wěn)定的一致性，不同時(shí)期相同狀態(tài)的MFCC特征圖也表現(xiàn)出相似性，如圖9所示。

4 總結(jié)

在變電站設(shè)備運(yùn)行過(guò)程中，可以通過(guò)對(duì)設(shè)備運(yùn)轉(zhuǎn)聲音進(jìn)行音頻信號(hào)分析處理，通過(guò)這種方法，進(jìn)行及時(shí)有效的處理，達(dá)到故障的實(shí)時(shí)性處理。本文提出了一種精確識(shí)別音頻特征的方法，并利用神經(jīng)網(wǎng)絡(luò)判斷設(shè)備的故障類型，從根本上改進(jìn)了傳統(tǒng)的手工方法和電氣設(shè)備故障檢測(cè)水平。并且通過(guò)實(shí)驗(yàn) 驗(yàn)證了該方法在變電站故障檢測(cè)過(guò)程中有較高的識(shí)別率。

參考文獻(xiàn)

[1] 蔡利忠. 無(wú)人值班變電站電氣設(shè)備智能監(jiān)控系統(tǒng)[D]. 長(zhǎng)春：吉林大學(xué)，2015.

[2] 賈鑫. 基于雙監(jiān)督信號(hào)卷積神經(jīng)網(wǎng)絡(luò)的電氣設(shè)備紅外故障識(shí)別研究[D].天津：天津理工大學(xué)，2018.

[3] 王麗娜. 機(jī)組電氣設(shè)備在線安全評(píng)價(jià)及故障預(yù)測(cè)[D].石家莊：華北電力大學(xué)，2014.

[4] 曹文明，王耀南.基于音頻識(shí)別的無(wú)人值守變電站設(shè)備在線監(jiān)測(cè)[J].湖南大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，40（9）：48-55.

[5] 張明. 變電站主設(shè)備工況音頻監(jiān)控系統(tǒng)[D].長(zhǎng)沙：長(zhǎng)沙理工大學(xué)，2014.

[6] 溫錢明. 500KV監(jiān)控中心微機(jī)防誤操作系統(tǒng)關(guān)鍵技術(shù)研究[D].南昌：南昌大學(xué)，2014.

[7] Ngodrup， Zhao D C， Droma D Q. Research on Tibetan Lhasa Dialect phonetic feature extraction technology based on LDA-MFCC[C]// International Conference on Information Science and Technology. Hangzhou， China， IEEE， 2011：369-372.

（收稿日期： 2018.12.28）

基金項(xiàng)目：國(guó)網(wǎng)山東省電力公司科技項(xiàng)目（SGSDHZ00JXJS1800334）

作者簡(jiǎn)介：殷守斌（1979-），男，菏澤，高級(jí)工程師，研究方向：電氣工程及其自動(dòng)化。

田克強(qiáng)（1981-），男，菏澤，高級(jí)工程師，研究方向：電子信息與科學(xué)技術(shù)。

李明（1990-），男，菏澤，工程師，研究方向：電氣工程及其自動(dòng)化。

李中原（1992-），男，菏澤，助理工程師，研究方向：電氣工程及其自動(dòng)化。

谷棟（1990-），男，菏澤，工程師，研究方向：電氣工程及其自動(dòng)化。文章編號(hào)：1007-757X（2020）02-0031-04