基于以太网的船舶电力系统动态电能质量监测与故障诊断系统设计

胡红钱，施伟锋，兰莹，卓金宝

上海海事大学物流工程学院，上海201306

0 引 言

船舶电力系统是船舶的生命线，它的稳定运行是电力推进、甲板机械、控制与通信等设备正常工作的保障［1］。由于船舶运行工况复杂、环境恶劣，发生故障的可能性极大，因此及时掌握船舶电力系统的运行状态和故障情况，加强对船舶电力系统动态电能质量的监测与故障诊断具有重要意义。

近年来，在互联网网络公司（如百度、阿里巴巴、腾讯）的努力下，大数据分析成为潜在客户与消费需求挖掘、互联网+、人工智能、故障诊断等的重要手段［2］。在船舶上，从船舶电站、船舶电网到船舶电力推进，以及各种用电负荷和控制系统，每时每刻都会产生海量的状态数据，因此借助大数据分析可及时了解船舶电力系统的动态质量，预判船舶可能发生的异常变化或运行故障。

传统船舶基于现场总线的网络互连已不能适应现代船舶电力系统动态电能质量监测与故障诊断的大数据信息交换的要求［3］。比如，将大型和超大型船舶的不同区域电能参数实时联网监测时，传统的CAN，Profibus等现场总线传输速率低、传输距离短、数据传输成本高的弊端会凸显［4］；在拓扑结构越来越复杂的电力系统中，分散独立的异构总线网络难以满足由多区域电网检测数据构建的共享数据库，并基此实现自动控制及故障诊断对数据综合分析的需要［5］；在进行实时、动态、多样的电网动态参数的实时电能质量检测系统中，依靠高速工业以太网及计算机对电能质量实时数据和历史存储数据进行过去、现在、未来的多元综合分析成为必然［6-8］。

本文将利用以太网长距离、高速率、稳定性的优点，改进实验室船舶电力自动化系统的传统局域互连网，将船舶电力自动化系统中固有的测量数据与现场监测设备的在线测量数据联合共享，建立全电力船舶综合电力系统数据中心，进行基于神经网络的大数据分析，完成船舶电力系统电能质量监测与故障诊断系统的LabVIEW实现。

1 监测与诊断系统的以太网实现

本电能质量监测与故障诊断系统是以上海海事大学与施耐德联合实验室模拟的船舶电力自动化系统为对象。由3台380 V/90 kW康明斯6BTA5.9-G2型柴油机和3台马拉松MP-104-4型发电机组成的柴油发电机组DG1～DG3组成船舶电站；整个电站控制系统由1个施耐德MODICON M430 PLC、3个丹佛并行与保护单元控制单元（PPU）及有关电气控制仪器和仪表构成；电网与负载通过配电屏管理；主负载包括由施耐德变频器ATV303、推进电机和模拟螺旋桨构成的左右各一套推进系统。系统中，PPU和变频器、断路器、测量仪表等关键设备通过Modbus现场总线互连，接入M430 PLC（图1）。

船舶电力系统拥有丰富的电能参数信息，包括发电机组的启/停、机组并车与解列、负荷转移、配电与保护、拖动电机变频、螺旋桨运转等，需要从“发电机—输配电—推进电机—螺旋桨”的完整系统设备在正常运行和异常运行时的电压、电流、频率、功率、谐波、不平衡度、波动、闪变等电力系统相关的大量数据。这些船舶电力系统固有数据由现场总线（如图1中Modbus总线）互连传输，有较好的封闭性，构成了内部通信［9］。

为了充分利用这些封闭的船舶电力系统的固有数据，本文由M430 PLC扩展为Modbus/TCP交换机，改进现场总线的缺点［9］，桥接内外部通信，实现船舶电力系统固有数据长距离、高速率、高稳定的传输，然后再联合现场检测设备在线测量数据构建数据中心进行大数据分析，实现存储、查询、监测、分析、预测与诊断、优化、管理的全电力系统动态电能质量实时监测和故障诊断系统，整个过程如图2所示。

2 监测与诊断系统的软件实现

2.1 系统软件结构

船舶电力系统电能质量监测与故障诊断系统上位机采用LabVIEW实现，其软件系统结构如图3所示。分为数据接口层、数据库层、数据处理层和用户界面层。

数据接口层是协议解析层，包括解析Modbus/TCP采集的船舶电力系统固有数据，以及读取在线检测设备测量的数据。电力系统具有固有数据吞吐量大、通信时间长和传输速率高的特点，因此，对系统通信的及时性和稳定性提出了很高的要求，所以编程时采用接收、拆分数据包、波形处理和存储四线程并行运行，以避免拆分和处理造成的时间延时影响接收波形的完整性和稳定性。

数据库层采用Access数据库，设置采集参数数据库与输入知识数据库。Access数据库通过LabSQL工具包以Microsoft ADO技术以及SQL语言访问数据库。采集参数数据库包括数据接口层实时数据和历史存放数据；输入知识数据库包含了监测系统中柴油机、发电机、电网、负载等常规的报警极限参数、示功图特征判据、故障诊断专家数据、用户设定参数，以及可能出现的故障映射关系。2个数据库一起构成大数据分析的数据库基础，运行时根据需要，由专人在权限允许的条件下增加、修改和删除知识。

数据处理层包括状态监测、故障诊断、数据查询和用户接口4个模块，主要完成数据的高速处理、综合分析、历史数据检索和知识输入等。其中状态检测完成电力系统常规检测数据的提取，并向状态参数显示、趋势图显示提供数据；数据的综合分析利用智能专家库算法（神经网络），完成系统故障的诊断。

用户界面完成人机交互，为用户提供友善、方便且直观的界面。

2.2 Modbus TCP/IP工业以太网的LabVIEW实现

Modbus由施耐德MODICON于1979年提出，是目前应用最广的工业控制网络协议之一。它是一个全数字、开放式的现场总线协议，有众多的PLC和智能仪表厂家的设备采用该协议与主系统总线互通。Modbus/TCP协议是适合大流量、长距离、能在以太网上数据传输的应用层协议，实现支持Modbus的自动化设备以太网互联。其上层为Modbus协议，下层为TCP协议。本文电力系统的主要设备由施耐德电气赞助，遵循Modbus/TCP协议。根据系统软件结构，在上位机LabVIEW中实现Modbus/TCP协议解析并完成下位机数据读取。图4所示为Modbus/TCP数据传输程序。图5所示为LabSQL工具包连接数据库程序。

2.3 船舶电力系统检测与故障诊断大数据分析LabVIEW实现

大数据分析就是对数目庞大的各种数据实施综合分析的过程［10］，大数据分析可使分析结果解析更完整、更精确、更可信。由于船舶信息化、自动化、智能化和安全运行的需要，船舶电力系统设备内外的数据存储及数据交互呈爆发式增长，构成了一个超级大数据库。这些数据数量大、类型复杂、价值密度低、非线性强的特征明显，不便于故障特征提取和故障诊断。而神经网络具有非线性、知识分布存储和泛化能力强等特点，因此非常适合在数据意义模糊、数据模型表示困难的大数据中进行分析。BP神经网络是目前应用比较广泛的一种故障识别技术，其神经元与网络模型如图6所示。图中，p1,…,pR为输入层节点xj及隐层输出节点yi。

BP神经网络是一种误差逆向传播修正算法，其基本思想是通过对网络权值wij，Tli和阈值bi和bl的修正，使得误差函数E沿梯度方向下降。BP网络模型的计算公式为：

误差：

式中：xj为输入层节点；yi为隐层输出节点；ol为输出层节点；tl为输出期望；f为神经元输出函数；neti，netl为函数f的输入。

再通过误差反传梯度算法，可以得到各层的误差与修正公式。

输出层：

式中：η为学习效率；k为数量。

隐层：

由于存储数据过于巨大，不便于直接用神经网络进行故障识别，因此有必要对数据进行预处理。由于左右舷推进系统处在同一水域场中、多台船舶电站机组处在同一机房里、传输电网间处在同一网络内，而同环境下同类设备（系统）的对应参量表现出极强的相关性，因此当同环境下的同种性质的一个设备（系统）发生故障时，可方便地利用其与正常设备（系统）对应参量的相关性进行故障判断（如果同种设备同一时间全部参量发生故障则较难判断，需采用更好的方法，但是这样的概率很小，本文忽略该类型故障识别），其互相关公式为

式中：x,y为同性质数据源互相关变量；xˉ,yˉ为x,y的平均值；互相关系数|r|≤1。

同一故障设备（系统）在相邻时间段内通常表现为时间相关性，因此可利用自相关性，补充互相关诊断的不足。比如对于左右舷某个螺旋桨因水域场突变引起的突变，如果只是进行螺旋桨的互相关则可能误判，因此还需要分别判断螺旋桨和水域场的自相关以排除环境影响，并对其自相关和自相关差值进行判别：

式中：xi,xk为相邻时间段的内的同种数据源；α为自相关差值，差值越小相关性越强。表1是左螺旋桨异物缠绕（右螺旋桨正常）的推进电机A相电压互相关；表2是水域突变时螺旋桨相关和水域自相关及其差值表。表中，Data1～Data6表示6组采集数据，采样时间3 min。

表1 左螺旋桨异物缠绕（右螺旋桨正常）互相关Table 1 The cross-correlation number of the left propeller winded by foreign body（right propeller is normal）

表2 螺旋桨正常相关（水域突变）Table 2 Thecorrelation numberofpropeller（A mutation occurred in the water field）

通过对海量数据进行互相关、自相关以及自相关差值，然后将符合要求的数据输入神经网络做故障诊断，从而简化数据处理，加快诊断速度，提高实时性，实时监测、早期预测船舶电力系统的电能质量。

BP网络由Matlab神经网络工具箱提供，在LabVIEW下调用Matlab script节点实现。图7为运用神经网络进行船舶电力系统主机大数据分析的LabVIEW实现。

2.4 监测与诊断系统界面的LabVIEW实现

结合上位机计算机的优异性能和LabVIEW强大的数据处理能力，设计一款多任务的虚拟仪表，实现对船舶电力系统的动态电能质量监测与故障诊断，方便用户进行必要参数的显示、相关数据的查询、有关参数与专家数据的输入等。图8为船舶电力系统电能质量实时监测与故障诊断系统LabVIEW界面。

3 监测与诊断平台

本文采用的是上海海事大学与施耐德联合实验室的监测与诊断系统（图9）。系统采用研华科技工控机，LabVIEW为2014版本。通过以太网读入船舶电力系统固有数据和在线直接测量设备NI数据采集卡采集的船舶电力系统补充数据。

4 结 语

通过建立基于Modbus/TCP工业以太网的船舶电力监测与诊断系统，打破了系统同一地点进行数据采集、分析和显示的传统模式的限制，将以太网共享大数据与相关性理论、神经网络智能算法相结合，完成了故障诊断。

［1］杨云益，钟琮玮，张一山，等.多供电模式舰船电力系统保护策 略［J］.中国舰船研 究，2016，11（5）：113-119.YANG Y Y，ZHONG C W，ZHANG Y S.Protection technology for marine electric power systems with multiple power supply modes［J］.Chinese Journal of Ship Research，2016，11（5）：113-119（in Chinese）.

［2］钟福磊.工业大数据环境下的混合故障诊断模型研究［D］.西安：西安电子科技大学，2015：1-2.ZHONG F L.A study of hybrid modeling technique for fault detection based industrial big data［D］.Xi'an：Xidian University，2015：1-2（in Chinese）.

［3］柳晨光，初秀民，谢朔，等.船舶智能化研究现状与展望［J］.船舶工程，2016，38（3）：77-84，92.LIU C G，CHU X M，XIE S，et al.Review and prospect of ship intelligence［J］.Ship Engineering，2016，38（3）：77-84，92（in Chinese）.

［4］张建平，庹艾莉，辛宇.大型船舶燃油输送监控系统设计［J］.中国舰船研究，2014，9（2）：111-116.ZHANG J P，TUO A L，XIN Y.Research and design of the fuel transfer monitoring system on ships［J］.Chinese Journal of Ship Research，2014，9（2）：111-116（in Chinese）.

［5］金石，施伟锋，张威，等.Modbus/TCP协议在远程数据处理中的应用［J］.通信电源技术，2014，31（4）：105-107，157.JIN S，SHI W F，ZHANG W，et al.Application of Modbus/TCP in remote data processing［J］.Telecom Power Technology，2014，31（4）：105-107，157（in Chinese）.

［6］焦东升，陆冬良，应俊豪，等.动态电能质量实时监测系统的设计与实现［J］.电网技术，2011，35（5）：110-114.JIAO D S，LU D L，YING J H，et al.Design and implementation of dynamic power quality real-time monitorting system［J］.Power System Technology，2011，35（5）：110-114（in Chinese）.

［7］皱正华，刘永强，王强.基于DSP和LabVIEW的分布式电能质量监测装置设计［J］.电力自动化设备，2010，30（1）：122-126.ZOU Z H，LIU Y Q，WANG Q.Power quality monitoring instrument based on DSP and LabVIEW［J］.Electric Power Automation Equipment，2010，30（1）：122-126（in Chinese）.

［8］魏胜杰，秦克，谭显春.舰载双冗余以太网系统数据监测技术及实现［J］.中国舰船研究，2010，5（3）：59-66.WEI S J，QIN K，TAN X C.Technology and implementation of data monitoring system for shipboard dual redundant Ethernet network［J］.Chinese Journal of Ship Research，2010，5（3）：59-66（in Chinese）.

［9］曲全福，石励，王奕.分组传送网技术在舰船网络系统 中 的 应 用［J］.中 国 舰 船 研 究 ，2013，8（4）：109-115.QU Q F，SHI L，WANG Y.Application of PTN technologies to ship network systems［J］.Chinese Journal of Ship Research，2013，8（4）：109-115（in Chinese）.

［10］李子龙.基于大数据的设备状态在线监测与预警诊断系统研究［D］.北京：华北电力大学，2016.LI Z L.Research on equipment condition monitoring and early warning system based on big data technique［D］.Beijing：North China Electric Power University，2016（in Chinese）.