CN106527153B - 一种变电站巡检机器人集群管控*** - Google Patents

Abstract

本发明提供了一种变电站巡检机器人集群管控***，包括巡检机器人、设备转运车、后台监控中心和远程集控后台，所述后台监控中心设置在设备转运车上，该巡检机器人可通过设备转运车在变电站之间转运，所述巡检机器人和负责转运的后台监控中心之间通过无线局域网进行信息交互，所述后台监控中心和所述远程集控后台之间通过专网进行信息交互。本发明能够实现实时监控变电站，而后台监控中心和远程集控后台之间则通过专网连接起来，总体的网络环境更为安全，同时可以实现多个变电站的集中管控，且一机多站式巡检提高了资源利用率。

Description

一种变电站巡检机器人集群管控***

技术领域

本发明涉及变电站巡检领域，具体涉及一种变电站巡检机器人集群管控***。

背景技术

变电站的设备需要日常的巡检与维护，相关技术中通过巡检机器人来实现自动化的变电站巡检，但是上述方式存在不足，巡检机器人的活动范围有限，只能巡检一个地区的变电站，造成机器人资源的不充分利用或者说是浪费，相应的监控模式也只限于一对一的监控，一个监控后台一般用来通过在设定范围内活动的巡检机器人来监控一个变电站现场，通常没有对于这些监控现场的集中管控后台，因若集中管控后台向监控后台开设的网口越多，传输数据的对象越多，网络安全越无法保障。

发明内容

针对上述问题，本发明提供一种变电站巡检机器人集群管控***。

本发明的目的采用以下技术方案来实现：

一种变电站巡检机器人集群管控***，包括巡检机器人、设备转运车、后台监控中心和远程集控后台，所述后台监控中心设置在设备转运车上，该巡检机器人可通过设备转运车在变电站之间转运，所述巡检机器人和负责转运的后台监控中心之间通过无线局域网进行信息交互，所述后台监控中心和所述远程集控后台之间通过专网进行信息交互。

本发明的有益效果为：巡检机器人和后台监控中心通过无线局域网连接起来，巡检调配车监控后台可实时接收巡检数据以监控变电站的即时状态，且该无线局域网可随设备转运车的转移而转移，因而可使用于多个变电站中，无需在各变电站内重新建网，局域网的网络延时较小，能够实现实时监控变电站，而后台监控中心和远程集控后台之间则通过专网连接起来，总体的网络环境更为安全，同时可以实现多个变电站的集中管控，且一机多站式巡检提高了资源利用率。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的结构框图；

图2是故障检测装置的结构框图。

附图标记：

巡检机器人1、设备转运车2、后台监控中心3、远程集控后台4、故障检测装置5、历史数据采集模块11、数据预处理模块12、特征提取模块13、实时故障诊断特征向量采集模块14、故障诊断模型建立模块15、故障诊断识别模块16。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本实施例提供了一种变电站巡检机器人集群管控***，包括巡检机器人1、设备转运车2、后台监控中心3和远程集控后台4，所述后台监控中心3设置在设备转运车2上，该巡检机器人1可通过设备转运车2在变电站之间转运，所述巡检机器人1和负责转运的后台监控中心3之间通过无线局域网进行信息交互，所述后台监控中心3和所述远程集控后台4之间通过专网进行信息交互。

优选地，所述巡检机器人1上设置有标识唯一的二维码，在变电站的检测点处均设置有用于识别二维码的设备，每个用于识别二维码的设备识别巡检机器人1上的二维码后，将标识通过无线网络上传至所述后台监控中心3，从而后台监控中心3根据接收到的标识监控所述巡检机器人1的动作。

优选地，所述变电站巡检机器人1集群管控***还包括用于对巡检机器人1进行故障检测的故障检测装置5。

本发明上述实施例中，巡检机器人1和后台监控中心3通过无线局域网连接起来，巡检调配车监控后台可实时接收巡检数据以监控变电站的即时状态，且该无线局域网可随设备转运车2的转移而转移，因而可使用于多个变电站中，无需在各变电站内重新建网，局域网的网络延时较小，能够实现实时监控变电站，而后台监控中心3和远程集控后台4之间则通过专网连接起来，总体的网络环境更为安全，同时可以实现多个变电站的集中管控，且一机多站式巡检提高了资源利用率。

优选地，所述故障检测装置5包括依次连接的历史数据采集模块11、数据预处理模块12、特征提取模块13、实时故障诊断特征向量采集模块14、故障诊断模型建立模块15和故障诊断识别模块16。

优选地，所述历史数据采集模块11用于通过传感器采集巡检机器人1在正常状态下及各种故障状态下运行时多个测点的历史振动信号数据；所述数据预处理模块12用于对采集到的原始历史振动信号数据进行预处理；所述特征提取模块13用于从过滤后的历史振动信号数据中提取小波包奇异值特征，并将提取的小波包奇异值特征作为故障诊断特征向量样本；所述实时故障诊断特征向量采集模块14用于获取巡检机器人1的实时故障诊断特征向量；所述故障诊断模型建立模块15用于建立基于改进的支持向量机的故障诊断模型，并使用故障诊断特征向量样本对故障诊断模型进行训练，计算出故障诊断模型参数的最优解，得到训练完成的故障诊断模型；所述故障诊断识别模块16用于将该巡检机器人1的实时故障诊断特征向量输入到训练完成的故障诊断模型中，完成巡检机器人1故障的诊断识别。

优选地，所述数据预处理模块12对采集到的原始历史振动信号数据进行预处理，包括利用数字滤波器按下式滤除采集到的原始历史振动信号数据的带外分量：

其中，Ψ为滤波后得到的历史振动信号数据，Ψ′为采集到的原始历史振动信号数据，W为测点的个数，χ＝1，2，3…W-1；τ为由数字滤波器自身特性决定的常数，为所用传感器的固有采集频率。

本优选实施例对数据进行预处理时一方面能够自适应不同的振动信号，另一方面能消除原始历史振动信号数据中的时域波形畸变，因此，本优选实施例具有较高的对采集到的原始历史振动信号数据进行预处理的精度，从而能够保障对巡检机器人1进行故障识别的准确性。

优选地，所述特征提取模块13具体按照下述方式提取小波包奇异值特征：

(1)设巡检机器人1处于状态M时从测点Φ测量到的一个时刻的历史振动信号为M_Φ(Ψ)，Φ＝1,…,W，W为测点的个数，对M_Φ(Ψ)进行η层离散小波包分解，提取第η层中的2^η个分解系数，对所有的分解系数进行重构，以X_j(j＝0,1,…,2^η-1)表示第η层各节点的重构信号，构建特征矩阵其中η的值根据历史经验和实际情况结合确定，对特征矩阵T[M_Φ(Ψ)]进行奇异值分解，获得该特征矩阵T[M_Φ(Ψ)]的特征向量：

其中Q₁,Q₂,…,Q_v为由特征矩阵T[M_Φ(Ψ)]分解的奇异值，v为由特征矩阵T[M_Φ(Ψ)]分解的奇异值的个数；

(2)设表示特征向量中的最大奇异值，表示特征向量中的最小奇异值，定义M_Φ(Ψ)对应的故障诊断特征向量为：

(3)对计算得到的故障诊断特征向量进行筛选，排除不合格的故障诊断特征向量，则该巡检机器人1处于状态M时在该固定时刻的故障诊断特征向量样本为：

式中，W′为排除的不合格的故障诊断特征向量的数量。

本优选实施例中，提取小波包奇异值特征作为故障诊断特征向量，具有准确率高且计算时间短的优势，能够有效降低数据噪音的影响，从而能够提高对巡检机器人1进行诊断的容错性。

优选地，采用下述方式对计算得到的故障诊断特征向量进行筛选：

将巡检机器人1处于状态M时在该时刻的所有计算得到的故障诊断特征向量作为该时刻的特征向量筛选样本集，计算该特征向量筛选样本集的标准差σ_M和期望值μ_M，若计算得到的故障诊断特征向量不满足下列公式，则剔除该故障诊断特征向量：

式中，为期望值μ_M的最大似然估计，为标准差σ_M的最大似然估计

本优选实施例对计算得到的故障诊断特征向量进行筛选，从而排除不合格的故障诊断特征向量，客观科学，提高了对变电站巡检机器人集群管控***中的各个巡检机器人1进行故障诊断的精确度。

优选地，所述特征提取模块13还将剔除的不合格的故障诊断特征向量储存到一个临时数据储存器中，并对特征提取模块13中的η值进行进一步修正，具体如下：

(1)若满足下式，则η的值在根据原有历史经验和实际情况结合确定的基础上修改为η+1：

(2)若满足下式，则η的值在根据原有历史经验和实际情况结合确定的基础上修改为η+2：

其中，W为测点的个数，W′为不合格的故障诊断特征向量的数量，Δ为人为设定的整数阀值。

本优选实施例根据不合格的故障诊断特征向量占测点个数的比例，自动调节η值，进一步降低了不合格的故障诊断特征向量对巡检机器人1进行故障诊断的影响，提高了故障诊断的精确度，从而能够及时精确地识别出变电站巡检机器人集群管控***中发生故障的设备，使得工作人员能够对变电站巡检机器人集群管控***中发生故障的巡检机器人进行及时维修。

优选地，故障诊断模型建立模块15采用下述方式建立基于改进的支持向量机的故障诊断模型：

(1)采用径向基函数作为核函数，利用该核函数将该故障诊断特征向量样本从原空间映射到高维空间，在高维空间构造最优决策函数实现故障诊断特征向量样本分类，构造最优决策函数为：

式中，x为输入的故障诊断特征向量样本，ρ(x)为输入的故障诊断特征向量样本对应的输出，J(x)表示径向基函数，Ω为权重向量，p为偏差；此外，为引入的优化因子，其中W为测点的个数，W′为不合格的故障诊断特征向量的数量；

(2)定义支持向量机的目标函数为：

支持向量机的约束条件为：

y_i(Ωx_i+p)≥1-ε_i,ε_i≥0,i＝1,…,M

式中，minX(Ω,p,η_i)为支持向量机的目标函数，为优化后的惩罚因子，ε_i为引入的误差变量；M为故障诊断特征向量样本的数量；x_i为输入的第i个故障诊断特征向量样本，y_i(Ωx_i+p)为输入的第i个故障诊断特征向量样本对应的输出，Ω为权重向量，p为偏差；

其中，惩罚因子和所述核函数的半径参数的值的优化方式为：将所有故障诊断特征向量样本平均分成互不包含的子集，设定惩罚因子和所述核函数的半径参数的值的取值范围，对每个粒子的位置向量进行二维编码，产生初始粒子群；对各粒子对应的参数选定训练集进行交叉验证，得到的预测模型分类准确率作为粒子对应的目标函数值，对粒子群中的粒子进行迭代；用目标函数值评价所有粒子，当某个粒子的当前评价值优于其历史评价值时，将其作为该粒子的最优历史评价，记录当前粒子最优位置向量；寻找全局最优解，如果其值优于当前历史最优解，则更新，达到设定的终止准则时，则停止搜索，输出最优的惩罚因子和所述核函数的半径参数的值，否则返回去重新搜索。

(3)求解该支持向量机的目标函数，计算出权重向量和偏差；

(4)将计算得到的权重向量和偏差代入最优决策函数即为所建立的故障诊断模型。

本优选实施例通过引入优化因子，减小了不合格的故障诊断特征向量对巡检机器人1进行故障诊断的影响，进一步提高了该最优决策函数的实际精确度，为故障诊断模型的建立提供良好的函数基础，从而构建更为精确的故障诊断模型，提高对巡检机器人1进行故障诊断的精度，此外，本实施例采用上述方式对惩罚因子和所述核函数的半径参数的值进行优化，优化时间相对较短，优化效果好，从而能够得到性能较好的支持向量机，进一步提高对巡检机器人1进行故障诊断的精度。

根据上述实施例，发明人进行了一系列测试，以下是进行测试得到的实验数据，其中实验数据表明，本发明能够高效地完成变电站的巡检，且能够节省资源，在对巡检机器人1进行故障检测时，检测精度高，因此，本发明变电站巡检机器人1集群管控***在应用于变电站巡检方面产生了非常显著的有益效果：

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，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，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，而不脱离本发明技术方案的实质和范围。

Claims (1)

1.一种变电站巡检机器人集群管控***，其特征是，包括巡检机器人、设备转运车、后台监控中心和远程集控后台，所述后台监控中心设置在设备转运车上，该巡检机器人可通过设备转运车在变电站之间转运，所述巡检机器人和负责转运的后台监控中心之间通过无线局域网进行信息交互，所述后台监控中心和所述远程集控后台之间通过专网进行信息交互；所述巡检机器人上设置有标识唯一的二维码，在变电站的检测点处均设置有用于识别二维码的设备，每个用于识别二维码的设备识别巡检机器人上的二维码后，将标识通过无线网络上传至所述后台监控中心，从而后台监控中心根据接收到的标识监控所述巡检机器人的动作；还包括用于对巡检机器人进行故障检测的故障检测装置；所述故障检测装置包括依次连接的历史数据采集模块、数据预处理模块、特征提取模块、实时故障诊断特征向量采集模块、故障诊断模型建立模块和故障诊断识别模块；所述故障诊断模型建立模块用于建立基于改进的支持向量机的故障诊断模型，并使用故障诊断特征向量样本对故障诊断模型进行训练，计算出故障诊断模型参数的最优解，得到训练完成的故障诊断模型，具体为：

(1)采用径向基函数作为核函数，利用该核函数将该故障诊断特征向量样本从原空间映射到高维空间，在高维空间构造最优决策函数实现故障诊断特征向量样本分类，构造最优决策函数为：

式中，x为输入的故障诊断特征向量样本，ρ(x)为输入的故障诊断特征向量样本对应的输出，J(x)表示径向基函数，Ω为权重向量，p为偏差；此外，为引入的优化因子，其中W为测点的个数，W′为不合格的故障诊断特征向量的数量；

(2)定义支持向量机的目标函数为：

支持向量机的约束条件为：

y_i(Ωx_i+p)≥1-ε_i,ε_i≥0,i＝1,…,M

式中，minX(Ω,p,η_i)为支持向量机的目标函数，为优化后的惩罚因子,ε_i为引入的误差变量；M为故障诊断特征向量样本的数量；x_i为输入的第i个故障诊断特征向量样本，y_i为输入的第i个故障诊断特征向量样本对应的输出，Ω为权重向量，p为偏差；

(3)求解该支持向量机的目标函数，计算出权重向量和偏差；

(4)将计算得到的权重向量和偏差代入最优决策函数即为所建立的故障诊断模型。