气体绝缘金属封闭开关设备运输振动风险评估算法设计与系统实现

方 舟 刘 辉 张 伟 张冰冰

（西安西电开关电气有限公司，西安 710016）

0 引言

气体绝缘金属封闭开关设备（gas insulated switchgear, GIS）是电网关键设备，其运输质量是影响后期运行可靠性的重要因素。由于高电压工程往往地处偏远、路况恶劣，一旦在装卸、运输过程中受到超标冲击，很可能发生部件错位、密封性能下降或机械特性偏移，增加运营成本与安全隐患[1]。

为了及时反馈运输质量并提供相关证据，在变电站工程项目中的大型设备发运阶段配备三维运输冲击记录仪，配合可视化系统软件进行状态监测与分析[2-4]。由于缺乏面向GIS 的公认行标，制造商与承接单位通常参考变压器标准，以各向3g加速度作为安全阈值进行判断[5]。GIS 运输振动监测不仅需要针对性的参考标准与采集仪器，也需要高质量的评估算法及配套系统软件。

硬件电路受无线信号、白噪声等影响，可能误将偶发干扰波形上送并生成冲击事件[6]；某些并未产生足够冲击破坏能量的振动由于波形中个别节点超出3g阈值而被判定为冲击事件，则可能造成不必要的返厂检修；对运输与装卸引发的振动予以区分也有助于明确责任的归属。基于以上三点，本文针对不同的振动波形样本进行特征提取与来源分析，设计出一套运输振动识别与风险评估算法，并在此基础上开发出完整的监测系统软件，实现GIS 运输振动事件的实时监控、准确记录与客观分析，增强对运输过程的监督，为责任界定提供具有说服力的依据，通过积极预防提高运输质量[7]。

1 评估算法构建

超出允许范围的机械冲击事件会对电力设备造成可见或潜在的损害，其严重程度可以通过加速度峰值与持续时间来表征。电力变压器动辄百吨，平板拖车车身长、轮胎多、运输时速较低、转向平缓，一旦检测到3g以上振动，几乎可以认定释放了较高的能量，误诊或自恢复概率较低。相比而言，GIS作为包含断路器、隔离开关、接地开关、避雷器、互感器等设备的模块化组合体，通常采用按间隔拆分、运输至现场安装的模式[8-9]，诸如对接面三维轴线偏差等考察参数可复现，应结合电压等级、安装单元类型、内部链接复杂度等要素综合衡量。

在实际运输过程中，由于环境的复杂性，采集到的波形都属于宽频带随机振动。分析一次振动事件的性质与危害，不仅需要单纯的幅值、阈值比较，还应进行振动波形的特征挖掘与样本匹配，为不同来源的事件给出针对性的结论与处理建议。GIS 设备的运输振动波形可分为幅值特征与形态特征两部分来描述，其中，幅值特征包括加速度a、速度变化Δv；形态特征包括时域统计特征与频域分布特征。

剧烈的机械振动伴随着能量的快速转移，被认为是设备受损的主要来源。在正常的行驶速度区间内，冲击能量与速度变化近似呈正相关（见式（1）），可以由主方向上冲击脉冲最大振幅的半正弦部分，即两个过零点之间所经历的域来评估。事实上，当Δv低于耐受值时，由于材料屈服强度随应变速率升高，即使a较高，也不足以造成设备损坏；当a数值很低时，如果Δv是以物体能接受的程度发展，短时间内也不会导致损害。然而，当a与Δv同时超标时，动能的吸收量就有可能超出材料的最大应变能，从而出现损害[10]。

电子式加速度传感器捕捉的振动事件，主要包括下列类型：

1）运输冲击。由于运输载具突然加速、急停、转向或碰撞颠簸而出现的水平和竖直方向的机械振动。公路运输中，发生频率位于3～100Hz，由于路面对垂直振动的纵波传递集中在15～20Hz 区间，Z轴的幅值会整体向较低频率一侧略微偏移[11]。运输冲击加速度的时域、频域典型波形分别如图1 和图2 所示。其中，时域波形谱图展示1s 内振动加速度相对值，横坐标每个采样点对应0.005s，下同。

图1 GIS 运输冲击时域波形

图2 GIS 运输冲击频域波形

2）装卸冲击。如起重设备故障或误操作导致的GIS 急坠或撞击，发生概率较低，但后果较为严重，能量主要集中在2～20Hz 频带内。装卸冲击加速度的时域、频域典型波形分别如图3 和图4 所示。

3）短时无损振动。加速度波形中个别数据点接近或达到阈值，但速度变化较小，未积蓄至设备损坏级别能量的低损害概率振动。这类振动的发生频率与运输冲击接近，但衰减较快，幅值通常在100ms以内回落到平稳行驶时的数值，如图5 和图6 所示。

图4 GIS 装卸冲击频域波形

图5 GIS 短时无损振动时域波形

4）偶发干扰。由于噪声信号、供电不稳定等因素导致的干扰事件，其波形随机性较强，主要为直流、低频分量，集中在0～2Hz 区间内，呈现显著异于常规振动事件的形态学特征，如图7 和图8 所示。

图6 GIS 短时无损振动频域波形

图7 偶发干扰时域波形

图8 偶发干扰频域波形

明确一次冲击事件的类型对风险评估有重要意义，而进行准确匹配分类的主要依据是振动波形特征。经过对大量不同类型样本的归纳与量化，本文算法在时域统计特征部分，选取正负均衡测度、幅值平均变化率、幅值前20%临界值、过零点数目，而在频域统计特征部分，选取离散傅里叶变换（discrete Fourier transform, DFT）频谱的分布特征，包括2～25Hz、25～50Hz、50～100Hz 峰均值以及直流分量，上述参数均采用相对值。将一次加速度峰值超过设定门限的冲击事件的波形特征向量输入分类器，经过反复的已知样本集训练并通过一致性验证后，即可用于未知冲击事件的评估，输出向量即为上述4 个类型，包括运输冲击、装卸冲击、短时无损振动、偶发干扰。

本文选择的分类器算法为粒子群算法（particle swarm optimization, PSO）-反向前馈（back propagation, BP）人工神经网络（artificial neural networks, ANN）算法。首先进行粒子群算法迭代，不断更新历史最优位置与全局最优位置使输出向量位于近似全局最优点附近；再经过反向前馈算法迭代，利用梯度下降法达到迅速收敛[12-13]。当方均误差与分类误差同时低于预期允许值时，终止该阶段迭代。训练与泛化过程中，通过不断调整网络参数，可使识别准确率趋于理想水平。保存此时的权值、阈值矩阵可用于对未知类型的运输冲击事件进行分析识别。神经网络采用Sigmod 型激励函数，见式（2），算法流程如图9 所示。

式中：net 为求和节点数值；x1,x2,… ,xn为输入向量各成员，即各项振动特征参数；w1,w2, …,wn为二维权值矩阵对应某一输出类别的列向量成员；b为一维阈值矩阵对应某一输出类别的数值；y为神经元输出，即某一输出类别的概率。

图9 振动风险评估算法流程

为了形成高可信度、高可复用度的权值阈值矩阵文件，算法构建阶段整合来源于试验获取、客户提供等途径的已知运输冲击事件数据样本共65 组，其中45 组数据用于训练，20 组用于泛化，两部分数据皆涵盖了上述四种输出类型，比例分布均衡。最终，训练环节正确率为100%，泛化环节正确率为95%，模式识别效果理想，具有较高的应用价值。学习与识别运行界面如图10 所示。

图10 振动信号神经网络学习与识别运行界面

对于一次完整运输任务的日志报告，若无触发超阈值事件或仅含有偶发干扰信号，则标记为“良好”；若触发事件另含有短时无损振动，则标记为“容许”；若触发少于3 次的运输冲击，振幅超出阈值均不足50%，且未触发装卸冲击事件，则标记为“参数复检”；否则标记为“建议返修”。

2 软件功能设计

系统功能主要分为通用技术模块、通信解析模块、节点监控模块与分析评估模块四部分。

通用技术模块用于保障系统稳定运行。工作人员可管理传感器设备、车辆、地图及运输任务等信息，并根据实际情况对各项运行参数进行统一配置。

通信解析模块主要负责完成与下位机的通信。在运输任务执行前，向记录仪发出存储体擦除及时钟对时指令，完成初始化操作；运输途中或抵达后接收并解析来自串口缓存的通信报文，将三维冲击事件时间、地图坐标、原始波形信号整合至数据库。

节点监控模块支持目录索引模式与地图索引模式，使用OpenStreetMap 在线地图模块，在线节点以不同指示图标直观地呈现在地图的相应坐标处，方便运维人员快速了解节点的当前状态及是否按预期路线、运输进度执行。

分析评估模块的主要任务是对运输任务全程设备所受冲击情况进行诊断与评估。目标任务的振动事件信息以统计图表、时域波形图、频谱等形式直观呈现，并根据用户需求进行特征提取、自定义条件过滤、事件类型与风险评估等后处理操作。当存在符合高危运输振动幅值、冲击能量、波形特征等指标的事件时，系统认定本次运输存在安全隐患，并作出告警指示。用户还可查阅历史数据，并将监测信息导出生成报表进行归档存储或打印。

GIS 运输振动监测系统功能结构与流程如图11所示。

图11 GIS 运输振动监测系统功能结构与流程

3 系统实现

振动监测分为主动模式与被动模式。休眠状态下，节点每5min 一次主动采集并存储三维加速度峰值与位置信息。当发生超出阈值的振动事件时，节点从休眠状态下被唤醒，采集后续1～4s 的加速度波形，并通过通用分组无线服务技术（general packet radio service, GPRS）同步至远程端。

考虑到产品用户与使用条件的差异，状态监测系统分为在线与离线两种工作模式，采用面向Windows 操作系统的客户端模式，基于WPF 框架开发。为保证软件的易用性、可移植性与访问质量，采用规格化XML 存储事件数据与目录。

远程端上位机软件根据振动事件波形，分析判断冲击类型，并结合加速度趋势、实时位置路况，向司机或运维人员发出降速、下车检查等指令。离线数据为偏远、出境任务无信号、长途海运集装箱金属屏蔽等情况提供了备份保障，可就地通过串口上传至便携计算机，与远程端数据互为验证。

实时与离线报文格式均采用Modbus 通信协议，系统将尽可能多的后处理工作交给上位机完成，一方面降低了记录仪的功耗，另一方面确保一旦需要未经修正的原始数据，可以由通信报文准确还原。离线模式下，状态监测系统通过串口线与冲击记录仪直接交互；在线模式下，系统软件对GPRS 转发设备进行指令与数据的收发。转发设备与记录仪的通信逻辑类似于手机短信，所以系统运行不依赖互联网接入。

4 应用验证

现场应用时的在线监测模块运行界面如图12所示，数据段起点为陕西省西安市，终点为青海省格尔木市，行程约1 600km，历时22 天。三维运输冲击记录仪以不同朝向安装于设备底座或包装箱内壁，全程实时监测显示，未发生高危或超标运输冲击事件。GIS 机身的贴壁式一次性冲击记录标签指示未超标，为本次监测结果提供了有效参照与验证。

图12 在线监测模块运行界面

为进一步验证算法有效性，驾驶轿车搭载冲击记录仪进行模拟振动测试。就近选取单次行程约1km、途中设有数个减速带的环线区域，小型轿车以正常速度驶过时会产生较明显的振动。经过20 次连续环绕行驶以及出发前固定装置时人为施加的外力振动，离线数据显示，减速带附近路段产生多次事件记录，多数为短时无损冲击，个别次数为存在隐患的超标运输振动，而位于出发点的人为施加振动被识别为装卸振动。离线监测模块运行界面如图13 所示。

图13 离线监测模块运行界面

5 结论

通过设计与应用高压开关运输振动风险评估算法与系统软件，以信息化手段实现了GIS 运输的全过程实时监控与风险预测。含有大容量样本数据支撑的智能分析，能有效弥补GIS 参照变压器运输标准带来的不确定性，其客观性与准确程度较单纯的阈值对比法有显著提升。该系统出具的评估报告与处理建议，能够清晰呈现振动的时间、方位、性质、详细参数与损毁风险，为制造商与用户提供具有说服力的凭据，便于做出责任界定，避免因敏感诊断导致的不必要的返厂检修，增强了对运输过程的监督，进而通过积极预防以提高运输质量。