CN110927537B - 一种基于物联网边缘计算的局部放电监测装置及方法 - Google Patents
一种基于物联网边缘计算的局部放电监测装置及方法 Download PDFInfo
- Publication number
- CN110927537B CN110927537B CN201911179206.4A CN201911179206A CN110927537B CN 110927537 B CN110927537 B CN 110927537B CN 201911179206 A CN201911179206 A CN 201911179206A CN 110927537 B CN110927537 B CN 110927537B
- Authority
- CN
- China
- Prior art keywords
- ultrasonic
- partial discharge
- data
- edge node
- intelligent sensor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004364 calculation method Methods 0.000 title claims abstract description 23
- 238000012806 monitoring device Methods 0.000 title claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims abstract description 22
- 238000003745 diagnosis Methods 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 230000005540 biological transmission Effects 0.000 claims abstract description 9
- 238000012216 screening Methods 0.000 claims abstract description 8
- 230000002159 abnormal effect Effects 0.000 claims description 42
- 238000004891 communication Methods 0.000 claims description 38
- 238000012545 processing Methods 0.000 claims description 22
- 230000003750 conditioning effect Effects 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000007547 defect Effects 0.000 claims description 6
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 claims description 5
- 230000003321 amplification Effects 0.000 claims description 4
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 4
- 230000035945 sensitivity Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000006731 degradation reaction Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000009413 insulation Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 239000012774 insulation material Substances 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 238000009421 internal insulation Methods 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1209—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing using acoustic measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明公开了一种基于物联网边缘计算的局部放电监测装置，所述监测装置包括超声智能传感器和边缘节点，超声智能传感器与边缘节点连接，超声智能传感器用于采集电气设备局部放电时产生的超声波信号，并将采集的数据传输至边缘节点；边缘节点，用于收集超声智能传感器采集的数据，并对数据进行筛选和分析，根据分析结果调整超声智能传感器的采集策略，将筛选后的数据上传至云端主站。本装置采用承载边缘计算技术的边缘节点在感知端就近提供边缘智能服务，降低功耗、减少数据传输和诊断的网络时延；本发明还公开了一种基于物联网边缘计算的局部放电监测方法，提高图谱诊断的准确性。
Description
技术领域
本发明属于局部放电检测技术，具体涉及一种基于物联网边缘计算的局部放电监测装置及方法。
背景技术
局部放电是造成绝缘劣化的主要原因，也是绝缘劣化的重要征兆，与绝缘材料的劣化和绝缘体的击穿过程密切相关。通过对电气设备进行局部放电监测，能有效地反映设备内部绝缘的潜伏性缺陷和故障，是检测电气设备绝缘缺陷的有效手段。而随着新一代电力系统和能源互联网的演进，传统的运维检修手段已经无法满足电网发展的需求，近年来以物联网为代表的新一代技术的发展和渗透为运检模式的转变带来了新思路，将物联网应用到局部放电监测等运检体系中是推进智能运检管理模式变革的战略之一。
物联网是感应通信技术、智能采集技术、容器技术、移动通信技术、窄带物联网等信息技术的高度集成和综合运用，它将各种信息传感设备与互联网结合起来形成了一个巨大网络，使更多的设备实现广覆盖的采集、低成本的接入以及更深入的智能控制，实现资源的智能化识别、跟踪、监测和管理。随着物联网的发展，信息采集呈爆发式增长，集中式的云端处理能力已经无法适应大规模物联网设备爆炸性增长的传输需求。随着物联网、传感技术的不断发展和深入推广，即插即用的低功耗无源传感器成为一大发展趋势，超声智能传感器作为局部放电监测的技术手段之一得到了广泛应用，但在基于物联网的体系应用中还存在以下问题：
(1)超声智能传感器采集图谱类数据时消耗功率较大，为满足低功耗要求减少了采集图谱的种类，降低了图谱诊断的准确率；
(2)超声智能传感器的采集频次及时间通过云端主站进行设置，无法通过采集数据的异常情况进行调整，异常数据跟踪能力差；
(3)由于局部放电产生的超声波信号范围较大，对于小信号传感器的测量精度低，对于大信号传感器采集的波形会失真，传感器测量的准确度较低；采用多级放大电路可以解决这一问题，但同时对几种放大信号进行处理和传输会消耗一部分功率，降低传感器的功耗性能。
发明内容
发明目的：本发明的第一目的在于提供一种基于物联网边缘计算的局部放电监测装置，采用承载边缘计算技术的边缘节点在感知端就近提供边缘智能服务，减少数据传输和诊断的网络时延；本发明的另一目的在于提供一种能够降低超声智能传感器在物联网体系应用中的功耗以及提高超声图谱诊断准确性的基于物联网边缘计算的局部放电监测方法。
技术方案：本发明的基于物联网边缘计算的局部放电监测装置，包括超声智能传感器和边缘节点，所述边缘节点与云端主站连接：超声智能传感器与边缘节点连接，超声智能传感器用于采集电气设备局部放电时产生的局部放电超声波信号，并将采集的局部放电超声波信号转换成局部放电超声波数据后传输至边缘节点；边缘节点，用于收集超声智能传感器采集的局部放电超声波数据，并对局部放电超声波数据进行筛选和分析，根据分析结果调整超声智能传感器的采集策略，将筛选后的局部放电超声波数据上传至云端主站。
所述超声智能传感器包括传感单元、调理单元、MCU单元、通信单元和供电单元；其中，
传感单元，检测电气设备内部发生局部放电时的局部放电超声波信号；
调理单元，将采集的局部放电超声波信号放大、模数转换，得到局部放电超声波数据；
MCU单元，接收调理单元转换的局部放电超声波数据，根据边缘节点的指令对超声智能传感器的采集策略进行调整；
通信单元，将调整后的局部放电超声波数据传输至边缘节点，接收边缘节点下达的指令，实现局部放电超声波数据的传输和指令的接收；
供电单元，为传感单元、调理单元、MCU单元、通信单元提供电能。
所述边缘节点包括通讯单元、处理单元、存储单元和电源单元；
通讯单元，接收超声智能传感器采集的局部放电超声波数据，将超声智能传感器采集的原始局部放电超声波数据传给存储单元，进行本地保存；将经过处理单元处理后的异常局部放电超声波数据上传至云端主站；向超声智能传感器下达调节采集策略的指令；接收云端主站的指令；
处理单元，对局部放电超声波数据进行初步诊断，筛选出异常的局部放电超声波数据，将筛选出的异常局部放电超声波数据通过通讯单元上传至云端主站；对局部放电超声波数据进行分析，根据分析结果对超声智能传感器下达调节采集策略的指令；
存储单元，对通讯单元接收的原始局部放电超声波数据进行保存，并可通过通讯单元将保存的数据上传至远端主站；
电源单元，为通讯单元、处理单元和存储单元提供电能。
所述调理单元包含三级放大电路，对局部放电超声波信号进行放大得到X1、X10、X100三种增益，其中，默认增益为X100以保持最高灵敏度。
所述X1、X10、X100三种增益对应的最大量程分别为70dB、50dB、30dB。
所述超声智能传感器通过LoRa无线通信方式将调整后的局部放电超声波数据传输至边缘节点，实现基于物联网超声局部放电检测的无线化和智能化。
一种基于物联网边缘计算的局部放电监测方法，包括以下步骤：
(a)数据采集，超声智能传感器按照预先设置的采集时间对局部放电超声信号进行幅值图谱的采集；
(b)增益调节，边缘节点对采集的幅值图谱数据的幅值和增益量程进行对比，按照自动调节增益的方法调节超声智能传感器的增益使局部放电超声波信号达到最佳的检测精度；
(c)异常诊断，增益调节完成后，边缘节点对超声图谱数据的幅值和设定的阈值进行对比，判断局部放电超声波数据是否异常；
(d)图谱类型调节，若边缘节点判断局部放电超声波数据异常，则向超声智能传感器下发多图谱采集指令，采集幅值图谱、波形图谱、相位图谱和飞行图谱；若边缘节点判断局部放电超声波数据无异常，则不调节采集图谱类型；
(e)数据存储与上传，边缘节点对原始局部放电超声波数据进行本地保存，不上传至云端主站；边缘节点将异常局部放电超声波数据上传至云端主站，云端主站根据局部放电超声波信号的幅值图谱、波形图谱、相位图谱和飞行图谱对电气设备的缺陷进行综合诊断和趋势跟踪。
所述边缘节点调节超声智能传感器的采集策略还包括自动调节采集频次，若边缘节点通过阈值比较方法判断出局部放电超声波数据异常，则向超声智能传感器下发调节采集频次指令，缩短采集时间间隔，增加采集次数；若边缘节点判断局部放电超声波数据无异常，则不调节采集频次；通过增加超声智能传感器的采集频次，以收集更多的异常数据进行精确分析和趋势跟踪。
所述自动调节增益的方法包括以下步骤：
(a)采集默认X100增益下的超声幅值图谱数据，将将超声幅值图谱数据上传至边缘节点；
(b)边缘节点判断超声幅值图谱数据的幅值是否达到X100增益下最大量程的90％，如果幅值超过了X100增益下最大量程的90％，则对超声智能传感器下达调节增益指令，将增益调至X10，如果没有超过，则保持X100增益不变；
(c)超声智能传感器接收到调节增益指令后，采集X10增益下的超声幅值图谱数据，并将将超声幅值图谱数据上传至边缘节点进行判断，如果超声幅值图谱数据幅值超过了X10增益下最大量程的90％，则对超声智能传感器下达调节增益指令，将增益调至X1，如果没有超过，则保持X10增益不变；
(d)超声智能传感器接收到调节增益指令后，采集X1增益下的超声幅值图谱数据，并将采集的超声幅值图谱数据上传至边缘节点。
所述边缘节点根据局部放电超声波数据的分析结果自动调节超声智能传感器的采集策略，或者根据云端主站的指令调节超声智能传感器的采集策略。
步骤(d)中，所述多图谱采集指令为除了采集超声幅值图谱数据外，还采集波形图谱、相位图谱和飞行图谱数据；为云端主站进行局部放电信号类型的诊断提供多样的数据基础。
所述边缘节点将异常局部放电超声波数据上传至云端主站之后，云端主站根据局部放电超声波信号的幅值图谱、波形图谱、相位图谱和飞行图谱对电气设备的缺陷进行综合诊断和趋势跟踪，提高局部放电类型识别的准确性。
有益效果：本发明与现有技术相比，其有益效果在于：(1)通过边缘节点对局部放电超声波数据进行分析，根据分析结果调节超声智能传感器的增益、采集图谱类型，降低了超声智能传感器在物联网体系应用中的功耗，提高了传感器的检测精度和超声图谱诊断的准确性；(2)通过边缘节点对局部放电超声波数据进行异常诊断，筛选出异常的局部放电超声波数据上传至云端主站，减少了上传的数据量，降低了网络的传输压力和诊断的网络时延，提高了业务处理的实时性；(3)通过在超声智能传感器调理电路中设计三级放大电路，扩大传感器的测量范围，提高传感器在不同量程下的检测精度；(4)本方法通过边缘节点调节超声智能传感器的采集频次，对于出现异常数据的设备提高局部放电超声波数据采集频次，密切关注异常数据的变化趋势，为设备故障诊断提供更多的数据支撑，提高电气设备运行的安全性。
附图说明
图1为局部放电监测装置与外部设备连接示意图；
图2为局部放电监测装置的结构示意图；
图3为局部放电监测装置和云端主站的网络连接图；
图4为基于物联网边缘计算的局部放电监测方法；
图5为边缘节点调节超声智能传感器增益的方法。
具体实施方式
下面将结合具体实施方式和说明书附图对本发明作进一步详细说明。
如图1和图2所示，本发明的监测装置包括超声智能传感器和边缘节点，边缘节点与云端主站连接，超声智能传感器与边缘节点连接，超声智能传感器用于采集电气设备局部放电时产生的局部放电超声波信号，通过LoRa无线通信方式将调整后的局部放电超声波数据传输至边缘节点；超声智能传感器还用于接收边缘节点的采集策略调节指令，根据指令调节自身的采集策略；
边缘节点，用于收集超声智能传感器采集的局部放电超声波数据，并对收集的局部放电超声波数据进行筛选和分析，根据分析结果调整超声智能传感器的采集策略，通过无线通信方式将筛选后的异常局部放电超声波数据上传至云端主站。
超声智能传感器包括传感单元、调理单元、MCU单元、通信单元和供电单元；其中，传感单元，用于检测电气设备内部发生局部放电时的局部放电超声波信号，实现局部放电信号的采集；调理单元，将采集的局部放电超声波信号进行放大、模数转换等处理，实现超声波信号的放大、模拟信号与数字信号的转换；MCU单元，接收调理单元转换的局部放电超声波数据，根据边缘节点的指令对超声智能传感器的采集策略进行调整，实现超声波信号的低功耗采集；通信单元，通过LoRa无线通信方式将调理后的局部放电超声波数据传输至边缘节点，以及接收边缘节点下达的指令，实现局部放电超声波数据的传输和指令的接收；供电单元，采用锂电池为传感单元、调理单元、MCU单元、通信单元提供电能。传感单元连接接调理单元和MCU单元，调理单元连接MCU单元，MCU单元连接通信单元，供电单元连接传感单元、调理单元、MCU单元和通信单元。
边缘节点包括通讯单元、处理单元、存储单元和电源单元；通讯单元，用于接收超声智能传感器采集的局部放电超声波数据，将超声智能传感器采集的原始局部放电超声波数据传给存储单元进行本地保存，并将经过处理单元处理后的异常局部放电超声波数据上传至云端主站，实现数据的传输；通讯单元向超声智能传感器下达调节采集策略的指令，接收云端主站的指令，实现指令的传输；处理单元，用于对局部放电超声波数据进行初步诊断，筛选出异常的局部放电超声波数据，剔除重复的、无效的数据，将筛选后的异常局部放电超声波数据通过通讯单元上传至云端主站；处理单元对局部放电超声波数据进行分析，根据分析结果自动对超声智能传感器下达调节采集策略的指令；存储单元，对通讯单元接收的原始局部放电超声波数据进行保存，并可通过通讯单元将保存的原始局部放电超声波数据上传至云端主站；电源单元，采用有源供电方式为通讯单元、处理单元和存储单元提供电能；其中，通讯单元连接处理单元和存储单元，电源单元连接通讯单元、处理单元和存储单元。
如图2所示，本装置分为超声智能传感器和边缘节点两部分，超声智能传感器由自身的电池供电，边缘节点通过外接电源供电；超声智能传感器安装在电气设备上采集局部放电产生的局部放电超声波信号，并对信号进行放大、模数转换后将数字信号传输至边缘节点；边缘节点对局部放电超声波数据进行分析诊断，根据分析结果调节超声传感器的增益、采集策略及采集频次，最后将异常的局部放电超声波数据上传至云端主站进行精确分析。
如图3所示，超声智能传感器通过LoRa方式连接至边缘节点，且一个边缘节点可以连接多个超声智能传感器；边缘节点通过4G方式连接至云端主站，一个云端主站也可以连接多个边缘节点。
超声智能传感器如果仅设计了一级放大电路，当局部放电超声波信号较小时测量精度低、当局部放电超声波信号较大时超出了检测范围、当信号幅值与传感器测量量程接近时监测结果会失真，这些情况都会增大传感器的测量偏差。因此，通过在调理单元中设计三级放大电路可以扩大超声智能传感器的测量范围，并增加传感器的精度。调理单元包含三级放大电路，对局部放电超声波信号进行放大得到X1、X10、X100三种增益，默认增益为X100以保持最高灵敏度，X1、X10、X100三种增益对应的最大量程分别是70dB、50dB、30dB。
如图4所示，本发明的基于物联网边缘计算的局部放电监测方法，包括以下步骤：
(a)数据采集，超声智能传感器按照预先设置的采集时间对局部放电超声信号进行幅值图谱的采集；
(b)增益调节，边缘节点对采集的幅值图谱数据的幅值和增益量程进行对比，按照自动调节增益的方法调节超声智能传感器的增益使局部放电超声波信号达到最佳的检测精度；
(c)异常诊断，增益调节完成后，边缘节点对超声图谱数据的幅值和设定的阈值进行对比，判断局部放电超声波数据是否异常；
(d)图谱类型调节，若边缘节点判断局部放电超声波数据异常，则向超声智能传感器下发多图谱采集指令，除采集幅值图谱外，还采集波形图谱、相位图谱和飞行图谱；若边缘节点判断局部放电超声波数据无异常，则不调节采集图谱类型；
(e)数据存储与上传，边缘节点对原始局部放电超声波数据进行本地保存，不上传至云端主站；边缘节点将异常局部放电超声波数据上传至云端主站，云端主站根据局部放电超声波信号的幅值图谱、波形图谱、相位图谱和飞行图谱对电气设备的缺陷进行综合诊断和趋势跟踪。
超声智能传感器如果同时对不同放大倍数下的局部放电超声波信号进行调理及传输，虽然保证了信号的检测精度却也消耗的一部分功率。因此，本发明通过边缘节点自动调节超声智能传感器的增益，可以降低超声智能传感器消耗的功率，提高低功耗性能。
如图5所示，边缘节点自动调节超声智能传感器增益的方法，包括以下步骤：
(a)采集默认X100增益下的超声幅值图谱数据，将超声幅值图谱数据上传至边缘节点；
(b)边缘节点判断超声幅值图谱数据的幅值是否达到X100增益下最大量程的90％，如果幅值超过了X100增益下最大量程的90％，则对超声智能传感器下达调节增益指令，将增益调至X10，如果没有超过，则保持X100增益不变；
(c)超声智能传感器接收到调节增益指令后，采集X10增益下的超声幅值图谱数据，并将超声幅值图谱数据上传至边缘节点进行判断，如果超声幅值图谱数据幅值超过了X10增益下最大量程的90％，则对超声智能传感器下达调节增益指令，将增益调至X1，如果没有超过，则保持X10增益不变；
(d)超声智能传感器接收到调节增益指令后，采集X1增益下的超声幅值图谱数据，并将超声幅值图谱数据上传至边缘节点。
以下用一个算例来说明上述增益调节，设定X1、X10、X100三种增益对应的最大量程分别是70dB、50dB、30dB，例如：超声智能传感器以默认X100增益采集的超声图谱数据幅值为29dB大于27dB，边缘节点对比完成后调节超声智能传感器的增益至X10，超声图谱数据幅值为28dB小于35dB，说明X10是合适的增益。边缘节点通过阈值对比得到X10增益下的超声幅值图谱数据异常后，边缘节点向超声智能传感器下发多图谱采集指令，除采集超声幅值图谱数据外，还采集波形图谱、相位图谱和飞行图谱数据。
本发明的边缘节点调节超声智能传感器的采集策略还包括自动调节采集频次，若边缘节点通过阈值比较方法判断出局部放电超声波数据异常，则向超声智能传感器下发调节采集频次指令，缩短采集时间间隔，增加采集次数；若边缘节点判断局部放电超声波数据无异常，则不调节采集频次。通过增加超声智能传感器的采集频次，以收集更多的异常局部放电超声波数据进行精确分析和趋势跟踪。边缘节点可以根据局部放电超声波数据的分析结果自动调节超声智能传感器的采集策略，或者根据云端主站的指令调节超声智能传感器的采集策略。
超声智能传感器进行超声局放信号感知时仅对超声幅值图谱进行采集，因为采集超声幅值图谱所消耗功率低且超声幅值图谱可通过阈值比较方法判断出局部放电超声波数据是否异常。运用边缘节点对超声智能传感器采集的超声幅值图谱进行简单的阈值诊断，当判断出局部放电超声波数据有异常时调节超声智能传感器的图谱采集类型，为云端主站进行局部放电信号类型的诊断提供多样的数据基础，提高局部放电类型识别的准确性。本发明仅在超声幅值图谱数据异常后才进行多图谱采集也保证了超声智能传感器的低功耗性能。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (11)
1.一种基于物联网边缘计算的局部放电监测方法，其特征在于：包括监测装置，所述监测装置包括超声智能传感器和边缘节点，所述边缘节点与云端主站连接：超声智能传感器与边缘节点连接，超声智能传感器用于采集电气设备局部放电时产生的局部放电超声波信号，并将采集的局部放电超声波信号转换成局部放电超声波数据后传输至边缘节点；
边缘节点，用于收集超声智能传感器采集的局部放电超声波数据，并对局部放电超声波数据进行筛选和分析，根据分析结果调整超声智能传感器的采集策略，将筛选后的局部放电超声波数据上传至云端主站；
局部放电监测方法包括以下步骤：
(a)数据采集，超声智能传感器按照预先设置的采集时间对局部放电超声信号进行幅值图谱的采集；
(b)增益调节，边缘节点对采集的幅值图谱数据的幅值和增益量程进行对比，按照自动调节增益的方法调节超声智能传感器的增益使局部放电超声波信号达到最佳的检测精度；
(c)异常诊断，增益调节完成后，边缘节点对超声图谱数据的幅值和设定的阈值进行对比，判断局部放电超声波数据是否异常；
(d)图谱类型调节，若边缘节点判断局部放电超声波数据异常，则向超声智能传感器下发多图谱采集指令；若边缘节点判断局部放电超声波数据无异常，则不调节采集图谱类型；
(e)数据存储与上传，边缘节点对原始局部放电超声波数据进行本地保存，不上传至云端主站；边缘节点将异常局部放电超声波数据上传至云端主站。
2.根据权利要求1所述的基于物联网边缘计算的局部放电监测方法，其特征在于，所述超声智能传感器包括传感单元、调理单元、MCU单元、通信单元和供电单元；其中，
传感单元，检测电气设备内部发生局部放电时的局部放电超声波信号；
调理单元，将采集的局部放电超声波信号放大、模数转换，得到局部放电超声波数据；
MCU单元，接收调理单元转换的局部放电超声波数据，根据边缘节点的指令对超声智能传感器的采集策略进行调整；
通信单元，将调整后的局部放电超声波数据传输至边缘节点，接收边缘节点下达的指令，实现局部放电超声波数据的传输和指令的接收；
供电单元，为传感单元、调理单元、MCU单元、通信单元提供电能。
3.根据权利要求1所述的基于物联网边缘计算的局部放电监测方法，其特征在于：所述边缘节点包括通讯单元、处理单元、存储单元和电源单元；
通讯单元，接收超声智能传感器采集的局部放电超声波数据，将超声智能传感器采集的原始局部放电超声波数据传给存储单元，进行本地保存；将经过处理单元处理后的异常局部放电超声波数据上传至云端主站；向超声智能传感器下达调节采集策略的指令；接收云端主站的指令；
处理单元，对局部放电超声波数据进行初步诊断，筛选出异常的局部放电超声波数据，将筛选出的异常局部放电超声波数据通过通讯单元上传至云端主站；对局部放电超声波数据进行分析，根据分析结果对超声智能传感器下达调节采集策略的指令；
存储单元，对通讯单元接收的原始局部放电超声波数据进行保存，并通过通讯单元将保存的原始局部放电超声波数据上传至远端主站；
电源单元，为通讯单元、处理单元和存储单元提供电能。
4.根据权利要求2所述的基于物联网边缘计算的局部放电监测方法，其特征在于：所述调理单元包含三级放大电路，对局部放电超声波信号进行放大得到X1、X10、X100三种增益，其中，默认增益为X100以保持最高灵敏度。
5.根据权利要求4所述的基于物联网边缘计算的局部放电监测方法，其特征在于：所述X1、X10、X100三种增益对应的最大量程分别为70dB、50dB、30dB。
6.根据权利要求2所述的基于物联网边缘计算的局部放电监测方法，其特征在于：所述超声智能传感器通过LoRa无线通信方式将调整后的局部放电超声波数据传输至边缘节点。
7.根据权利要求1所述的基于物联网边缘计算的局部放电监测方法，其特征在于：所述边缘节点调节超声智能传感器的采集策略还包括自动调节采集频次，若边缘节点通过阈值比较方法判断出局部放电超声波数据异常，则向超声智能传感器下发调节采集频次指令，缩短采集时间间隔，增加采集次数；若边缘节点判断局部放电超声波数据无异常，则不调节采集频次。
8.根据权利要求1所述的基于物联网边缘计算的局部放电监测方法，其特征在于，所述自动调节增益的方法包括以下步骤：
(a)采集默认X100增益下的超声幅值图谱数据，将超声幅值图谱数据上传至边缘节点；
(b)边缘节点判断超声幅值图谱数据的幅值是否达到X100增益下最大量程的90％，如果幅值超过了X100增益下最大量程的90％，则对超声智能传感器下达调节增益指令，将增益调至X10，如果没有超过，则保持X100增益不变；
(c)超声智能传感器接收到调节增益指令后，采集X10增益下的超声幅值图谱数据，并将超声幅值图谱数据上传至边缘节点进行判断，如果超声幅值图谱数据幅值超过了X10增益下最大量程的90％，则对超声智能传感器下达调节增益指令，将增益调至X1，如果没有超过，则保持X10增益不变；
(d)超声智能传感器接收到调节增益指令后，采集X1增益下的超声幅值图谱数据，并将采集的超声幅值图谱数据上传至边缘节点。
9.根据权利要求1所述的基于物联网边缘计算的局部放电监测方法，其特征在于：所述边缘节点根据局部放电超声波数据的分析结果自动调节超声智能传感器的采集策略，或者根据云端主站的指令调节超声智能传感器的采集策略。
10.根据权利要求1所述的基于物联网边缘计算的局部放电监测方法，其特征在于：步骤(d)中，所述多图谱采集指令为除了采集超声幅值图谱数据外，还采集波形图谱、相位图谱和飞行图谱数据。
11.根据权利要求10所述的基于物联网边缘计算的局部放电监测方法，其特征在于：所述边缘节点将异常局部放电超声波数据上传至云端主站之后，云端主站根据局部放电超声波信号的幅值图谱、波形图谱、相位图谱和飞行图谱对电气设备的缺陷进行综合诊断和趋势跟踪。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911179206.4A CN110927537B (zh) | 2019-11-27 | 2019-11-27 | 一种基于物联网边缘计算的局部放电监测装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911179206.4A CN110927537B (zh) | 2019-11-27 | 2019-11-27 | 一种基于物联网边缘计算的局部放电监测装置及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110927537A CN110927537A (zh) | 2020-03-27 |
| CN110927537B true CN110927537B (zh) | 2022-04-05 |
Family
ID=69852171
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911179206.4A Active CN110927537B (zh) | 2019-11-27 | 2019-11-27 | 一种基于物联网边缘计算的局部放电监测装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110927537B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111862569B (zh) * | 2020-08-12 | 2021-07-06 | 国网河南省电力公司邓州市供电公司 | 一种智能局放监测数据传输的算法 |
| CN112688422A (zh) * | 2020-11-13 | 2021-04-20 | 广西电网有限责任公司电力科学研究院 | 一种基于云边端协同的智能低压分支监测的方法 |
| CN112672298B (zh) * | 2020-12-03 | 2023-08-08 | 赛特斯信息科技股份有限公司 | 一种基于分布式边缘网络结构的农业数据采集方法 |
| CN113391172A (zh) * | 2021-05-31 | 2021-09-14 | 国网山东省电力公司电力科学研究院 | 一种基于时序集成的多源超声检测的局放诊断方法及系统 |
| CN113746905A (zh) * | 2021-08-12 | 2021-12-03 | 国网河南省电力公司电力科学研究院 | 一种分布式智能传感系统及其控制方法 |
| CN114325257A (zh) * | 2021-11-29 | 2022-04-12 | 国网河北省电力有限公司电力科学研究院 | 变压器局部放电传感器数据采集自适应调节方法及监测系统 |
| CN115754416B (zh) * | 2022-11-16 | 2023-06-27 | 国能大渡河瀑布沟发电有限公司 | 基于边缘计算的水轮发电机局部放电分析系统及方法 |
| CN117235559B (zh) * | 2023-11-14 | 2024-02-06 | 四川万物纵横科技股份有限公司 | 一种基于边缘计算的物联网数据采集方法及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102298107A (zh) * | 2011-05-20 | 2011-12-28 | 华南理工大学 | 便携式局部放电超声波云检测装置 |
| CN103698669A (zh) * | 2013-12-12 | 2014-04-02 | 广东电网公司东莞供电局 | 一种高压电力设备局部放电脉冲分离方法 |
| CN104375064A (zh) * | 2014-11-07 | 2015-02-25 | 深圳供电局有限公司 | 一种局部放电在线监测告警置信度分析方法、装置 |
| CN104502821A (zh) * | 2014-12-29 | 2015-04-08 | 河海大学常州校区 | 基于电容传感器式开关柜局放在线监测系统及方法 |
| CN105911435A (zh) * | 2016-04-11 | 2016-08-31 | 国网上海市电力公司 | 一种超声波无线传感器 |
| CN208013359U (zh) * | 2018-04-11 | 2018-10-26 | 广东电网有限责任公司 | 一种开关柜局部放电远程在线监控装置 |
| CN110138870A (zh) * | 2019-05-21 | 2019-08-16 | 国网湖北省电力有限公司电力科学研究院 | 一种泛在电力物联网电力设备的感知层检测系统及其检测方法 |
| CN110365753A (zh) * | 2019-06-27 | 2019-10-22 | 北京邮电大学 | 基于边缘计算的物联网服务低时延负载分配方法及装置 |
| CN110388964A (zh) * | 2019-08-16 | 2019-10-29 | 深圳江行联加智能科技有限公司 | 一种隧道电缆数据采集的方法、装置和系统 |
| CN110401262A (zh) * | 2019-06-17 | 2019-11-01 | 北京许继电气有限公司 | 基于边缘计算技术的gis设备状态智能监控系统及方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7636642B2 (en) * | 2003-06-19 | 2009-12-22 | Teradyne, Inc. | Direct jitter analysis of binary sampled data |
| US10748702B2 (en) * | 2017-04-28 | 2020-08-18 | Abb Power Grids Switzerland Ag | Transformer system and system for measuring pressure in a transformer tank |
-
2019
- 2019-11-27 CN CN201911179206.4A patent/CN110927537B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102298107A (zh) * | 2011-05-20 | 2011-12-28 | 华南理工大学 | 便携式局部放电超声波云检测装置 |
| CN103698669A (zh) * | 2013-12-12 | 2014-04-02 | 广东电网公司东莞供电局 | 一种高压电力设备局部放电脉冲分离方法 |
| CN104375064A (zh) * | 2014-11-07 | 2015-02-25 | 深圳供电局有限公司 | 一种局部放电在线监测告警置信度分析方法、装置 |
| CN104502821A (zh) * | 2014-12-29 | 2015-04-08 | 河海大学常州校区 | 基于电容传感器式开关柜局放在线监测系统及方法 |
| CN105911435A (zh) * | 2016-04-11 | 2016-08-31 | 国网上海市电力公司 | 一种超声波无线传感器 |
| CN208013359U (zh) * | 2018-04-11 | 2018-10-26 | 广东电网有限责任公司 | 一种开关柜局部放电远程在线监控装置 |
| CN110138870A (zh) * | 2019-05-21 | 2019-08-16 | 国网湖北省电力有限公司电力科学研究院 | 一种泛在电力物联网电力设备的感知层检测系统及其检测方法 |
| CN110401262A (zh) * | 2019-06-17 | 2019-11-01 | 北京许继电气有限公司 | 基于边缘计算技术的gis设备状态智能监控系统及方法 |
| CN110365753A (zh) * | 2019-06-27 | 2019-10-22 | 北京邮电大学 | 基于边缘计算的物联网服务低时延负载分配方法及装置 |
| CN110388964A (zh) * | 2019-08-16 | 2019-10-29 | 深圳江行联加智能科技有限公司 | 一种隧道电缆数据采集的方法、装置和系统 |
Non-Patent Citations (2)
| Title |
|---|
| Design of Intelligent Ultraviolet Pulse Detector for GIS Partial Discharge;Quan Wen;《2018 2nd IEEE Conference on Energy Internet and Energy System Integration》;20181230;第1-5页 * |
| 基于物联网应用的变压器智能运检模式;刘璋玮;《农村电气化》;20190831(第8期);第30-34页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110927537A (zh) | 2020-03-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110927537B (zh) | 一种基于物联网边缘计算的局部放电监测装置及方法 | |
| CN107968850A (zh) | 电力线载波的台区识别系统及方法 | |
| CN105467949A (zh) | 基于物联网和dsp的起重机远程监控与智能维护系统 | |
| CN109874148B (zh) | 天馈异常检测方法、装置、系统及计算机设备 | |
| CN113985474B (zh) | 一种基于物联网的微地震监测多节点协同感知方法 | |
| CN115328063B (zh) | 基于人工智能的设备优化系统及方法 | |
| CN110736893A (zh) | 一种输电线路行波监测终端的数据上传方法及系统 | |
| CN202711012U (zh) | 用于堆肥的远程监控装置 | |
| CN117148070A (zh) | 一种基于MCU-Apriori-LoRa的空间电磁波UHF局放定向传感方法及系统 | |
| CN203964992U (zh) | 一种分布式水库水位监测系统 | |
| CN219715703U (zh) | 一种基于负载动态管理的高压电缆接地电流在线监测装置 | |
| CN111866907B (zh) | 基于ZigBee技术的传感器组网错时唤醒控制方法及系统 | |
| CN116205631A (zh) | 基于蜻蜓算法的vmd-ceemd风电机组齿轮箱振动故障解析方法 | |
| CN213392511U (zh) | 一种风电场电气设备状态监测与智能决策系统 | |
| CN212622889U (zh) | 一种配网肘型电缆接头状态的在线监测装置 | |
| CN204989416U (zh) | 一种基于dsp的潜水电动机在线故障监控系统 | |
| WO2021109820A1 (zh) | 时间同步的混合模拟、数字传感器数据采集系统及方法 | |
| CN106872869A (zh) | 基于脉冲电流法的内嵌式局部放电在线监测智能仪表 | |
| Dai et al. | Design of Intelligent Partial Discharge Inspection System for Distribution Equipment Based on Internet of Things | |
| CN204730880U (zh) | 基于Zigbee智能网络数字型环境检测装置 | |
| CN214067255U (zh) | 一种电容式电压互感器二次信号采集装置 | |
| CN114295944B (zh) | 一种智能寻式变压器故障监测定位装置及优化算法 | |
| CN104132732A (zh) | 基于屏柜温度实时采集变电站汇控柜温度监测系统及方法 | |
| CN110596526A (zh) | 一种基于零序电流的配电线路故障检测定位系统及方法 | |
| CN210015512U (zh) | 一种线损统计分析装置和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |