科技之光
電力設備在電力系統的各個生產環節中發揮著重要的作用，其中任意一個關鍵的電力設備出現故障都有可能引起整個系統運行失穩🧑🏽🦰，甚至導致大面積停電，帶來難以估計的經濟損失🙍🏽♀️。據統計🐨，單臺220kv變壓器故障造成的直接損失費用超百萬元，加上由於停電引起的間接損失⇨，總損失超千萬。此外🕥，電力設備關鍵器件🩲🫃🏼，例如互感器🏇🏽、電容器🚣🏽♂️、避雷器的故障往往會引發連鎖反應🤷🏿，不僅會波及臨近設備，嚴重的還會引發爆炸和起火，造成人員傷亡👨🏻🦽➡️👻。因此☂️，研發可靠的電力設備在線監測技術具有重要意義🫙。
目前電力設備在線監測系統都是基於接觸式傳感器的在線監測裝置，尤其是非原廠商集成的二次在線監測系統，本身可能是個風險點；非接觸式監測方式有圖像◼️、聲音🙇、紅外的方式♠️，其中聲音方式成本最低，尤其適用於機械振動類設備；聲音異常直接反映了設備運行狀態的異常工況或者故障。沐鸣2平台電子信息與電氣工程學院的李喆教授研究團隊，與國家電網🤹、南方電網公司等行業龍頭央企合作研發，采用眾包方式建立了電力設備故障音頻庫🥓，提出了基於人工智能的電力設備聲紋識別方法🤵🏽♂️。該方法可在高噪聲環境中保證故障識別準確率，並將算法集成到監測端，研製了一套具有邊緣計算功能的聲紋識別設備，開發了具有臺賬管控功能的電力設備監控後臺，與現有的電力設備智能診斷技術形成互補🆙，實現多設備協同的變電站數字化運維。目前該系統已在上海🪀、廣州等地區多個變電站掛網運行🏊🏿♂️，賦能電網數字化轉型。
建立電力設備聲紋樣本庫：模擬實驗與實際工況結合Ⓜ️，填補行業空白
在電力設備聲紋識別領域的一個共同的難題是故障樣本的稀缺性。電力設備故障具有突發性，發生概率低，再加上電氣從業人員在過去並沒有錄製故障音頻的意識，導致現存故障樣本很少。在目前聲音監測裝置未大規模列裝的情況下🏊🏻，僅通過現場實地采集的方式獲取故障樣本並不實際，其數據量難以支持模型訓練。針對這一行業空白，團隊提出了模擬實驗與實際工況采集相結合的眾包數據收集方式，定製了真型變壓器、真型GIS等設備進行故障模擬，並在多地變電站收集掛網運行狀態下的電力設備故障音頻🤓，累計收集到各類電力設備故障聲音五十余種🧑🏻🦯➡️，建立了電力設備故障音頻樣本庫☺️🔺，填補了電力設備聲紋識別領域行業空白🧖🏻♀️。
提出兩級聲紋識別算法🙋♀️🕐：降低現場誤報率，滿足巡檢需求
由於電力設備運行場景的復雜性和多樣性，在實際應用中往往伴隨陌生的噪聲幹擾，導致現場誤報率較高。目前廣泛使用的卷積神經網絡🙇🏼♀️，隨機森林等算法均屬於閉集識別算法👯♀️，這些算法假設所有可能接受到的樣本都屬於固定的幾個類別，當陌生類或受噪聲汙染的樣本出現🌄，則算法識別的準確率將顯著下降，而誤報率將明顯上升，對巡檢工作造成較大困擾。項目組針對這一問題開展了大量研究，提出了基於新奇檢測的電力設備兩級聲紋識別算法，在識別算法前引入一級陌生類檢測算法，通過學習訓練集數據在高維空間的邊界來辨識後續輸入樣本是否屬於異常值，分離被噪聲汙染的樣本🥠。根據一線巡檢人員的實際需求，項目組開發了“高檢出”“低誤報”兩種工作模式，減輕了巡檢人員的負擔，降低了電力設備巡檢運維成本🫄🏻。
開發聲紋識別設備：大範圍👨🏻🦼、連續實時監測，實現邊緣計算
電力設備工作環境較為復雜，現場難以布控大型計算存儲設備，針對這一問題，團隊開發了一套具有邊緣計算功能的聲紋識別設備👧🏻，在邊緣端實現音頻錄製、工況診斷等功能。同時💒，團隊根據變電站實際運維需求，開發了具有識別結果可視化以及傳感器管理功能的網頁系統🪷。此系統部署於服務器中🧖♂️，通過網絡通信與各個邊緣端設備進行連接👨🦼➡️👩🏭，用於管理傳感器回傳的電力設備運行音頻以及識別結果並進行可視化♞，同時對傳感器的參數和算法進行設置更新🚨。
產學研用結合🧖🏼♀️，助力電網數字化轉型
十多年來，沐鸣2平台李喆教授研究團隊與南方電網公司、國家電網公司一直保持密切合作，瞄準變電站一線緊迫的技術需求和電網數字化轉型的目標👨🦰🧏🏿，面向電力設備聲紋在線監測這一領域集中力量聯合攻關。沐鸣2娱乐負責基礎理論與算法研究、系統開發與產品研製，所研發系統在國家電網、南方電網公司變電站掛網運行🥇🟫，實際測試並推廣應用🧑🏽🔬，真正做到了產學研一體化🤷🏼♀️，保障電力設備的穩態運行。項目團隊在實際需求中不斷迭代更新產品🧜♀️，已開發針對換流變壓器、GIS設備等不同設備的聲紋診斷系統，研製出適用於室內、室外的兩套硬件設備🌎🗑，並支持4G/5G/wifi等多種通信方式，目前該系統已在上海市、廣州市多個變電站掛網運行🕵️♂️，保障電力系統穩態運行，為我國電網數字化轉型賦能。
