基于B/S分层技术的智慧实验室测试数据状态监测系统

张宝全，马雅丽，崔超，高文涛，马捷

（国网河北省电力有限公司检修分公司，河北石家庄 050000）

监测系统可以对实验室仪器数据的状况进行有效诊断，若监测系统在联机运行中出现故障，会影响智慧实验室测试装置状态的判断，从而造成判断失误，甚至引发安全事故[1]。目前出现了各种先进的状态监测技术，使用相空间重构方法设计的监测系统，利用系统状态变量及对时间导数分析，提高了系统监测异常数据的速度；使用数据驱动传感器作为监测系统核心模块，可通过驱动器采集特征数据，并将异常值分布、连续值分布作为判据，可对监测数据的有效性进行评估[2]。但使用上述两种系统，容易受到噪声影响，导致数据频繁失真，误报率较高。为此，提出基于B/S 分层技术的智慧实验室测试数据状态监测系统。在B/S 分层技术支持下，只需安装浏览器就能对实验室测试数据的状态进行监测，并且系统结构具备良好的扩展性，可以从单台服务器扩展成多台服务器，增强系统的抗干扰能力。

1 系统硬件结构设计

监测系统硬件结构主要包括3 个层次，分别是表示层、服务层和数据层，其结构如图1 所示。

图1 系统硬件结构

由图1 可知，系统硬件采用三层结构，核心功能集中在服务器端，简化了系统开发过程。当客户端中仅安装浏览器时，服务器才安装数据库，浏览器与网络服务器上的数据库才可以进行交互[3-5]。该结构既简化了客户机的工作，又支持信息分布处理，从而有效降低了资源消耗。

1.1 气敏传感器

气敏传感器按峰值顺序逐个检测油中分离出的特征气体，并将气体浓度信息转换成电子信号，通过信息采集装置采集电信号后，经过加载处理传递给控制装置，再由控制装置对各种气体浓度进行分析[6-7]。图2 为气敏传感器的结构。

图2 气敏传感器结构

如图2 所示，大部分气体分子的振动和旋转光谱都是在红外波段。在入射场中，当红外辐射的频率与分子的振动、旋转等特征频率相同时，红外辐射被气体分子吸收，辐射强度减弱[8-9]。用红外线光源产生的红外线光入射到测量槽时，由于气体种类的不同，对不同波长的红外线光具有不同的吸收特性，同一种气体在不同浓度下的吸收量不同。通过测量该感光元件红外光的强度，根据红外光源的波长和感光元件输出电信号，就可以确定待测气体种类和浓度[10-12]。

1.2 数据采集器

选用AD_TCP-01 型号A/D 数据采集器采集原始数据，其实物示意图如图3 所示。

图3 数据采集器实物示意图

A/D 数据采集器的局域网采用IP 协议控制PC主机进行通信。传送距离长，稳定可靠，可以实现300 m 以内的超远距离控制和网络传输[13]。每一个A/D 转换的采集板都有一个唯一的IP 地址，数据通过该地址进行传输。集电控制器采用6 通道10位高速变换通道[14]。在此基础上，将外部输入进行模数转换，通过以太网将转换结果快速输出到主机[15]。

1.3 主控计算机

主控计算机故障诊断模块采用智能控制方法对油色谱实验仪器的数据进行分析、诊断，并对油色谱实验仪器的运行状态进行评估，对异常数据发出报警信号，以此为基础，维护油色谱实验仪器设备，实现油色谱实验仪器设备的在线监测与分析。

1.4 LCD显示器

主控计算机分析的结果需要存储到LCD 存储器中，存储器再将数据发送给LCD 驱动接口，通过接口显示监测结果，LCD 显示器如图4 所示。

图4 LCD显示器

2 系统软件设计

基于B/S 分层技术监测系统解决了油体层析间隔时间长的问题，通过分析在线油色谱监测数据，将其变化分为4 种类型：慢速、快速渐变、轻度和严重跃变[16]。通过建立状态预警模型，提出了相应状态检修策略，实现了对智慧实验室测试设备状态的实时监控，及时发现可能出现的故障，提高了实验室测试设备运行的可靠性。基于B/S 分层技术系统的实验室油色谱实验仪器设备运维数据状态监测流程如图5 所示。

图5 运维数据状态监测流程

由图5 可知详细的监测流程：

层1：通过ETL 处理线对在线油层析监测数据进行处理，实现在线油层析监测数据的实时监测；

层2：如油色谱已被发现为逐步变化的监测数据(数据提取处理)，则油色谱的逐步变化现象包括慢速、快速渐变。详细内容为：

通过对实验室测试设备中气体监测数据的斜率进行分析，发现有拐点时，气体从拐点处产生；无拐点时，气体从开始计算，由此得到的监测数据平均斜率为：

式（1）中，λ表示监测数据平均斜率；C1表示初始油色谱内监测气体浓度数据；C2表示当前油色谱内监测气体浓度数据；t表示监测天数。

参考油色谱内气体监测3 个月的平均斜率数据，如果超过了设定的平均斜率阈值，实验室测试设备失效率迅速上升后呈渐变趋势，按斜率的平均值可区分快速渐变和慢速渐变。

油色谱实验时产生气体的快速和慢速渐变平均斜率临界值，如表1 所示。

表1 气体快速和慢速渐变平均斜率临界值

根据实验室测试设备内气体监测数据的渐变拐点建立指数函数模型，计算气体浓度达到注意值需要的天数t，构建的指数函数模型，如下式所示：

式（2）中，a表示油色谱气体监测数据渐变值。

层3：如果发现油色谱监测数据存在跃变现象，即轻度跃变和严重跃变，则排除油色谱中的假跃变，根据气体浓度的跃变程度可区分轻度跃变和严重跃变：

上述公式中，Cn表示n测量点的油色谱监测气体浓度数据；Cn-1表示n-1 测量点的油色谱监测气体浓度数据；Cn+1表示n+1 测量点的油色谱监测气体浓度数据；g表示跃变设定阈值。

假跃变出现的情况是公式（3）成立，公式（4）不成立，此时可将该公式作为依据，剔除假跃变；跃变出现的情况是公式（3）成立，公式（4）也成立。如果Cn大于规定的浓度值，那么说明实验油色谱产生了严重跃变；如果Cn小于规定的浓度值，那么说明实验油色谱产生了轻度跃变。

层4：根据上述步骤可确定系统在线监测装置数据状态种类，确定装置运行情况，从而提出运维措施。

3 实 验

以某学院的智慧实验室油色谱测试装置为例，截至2019 年底共安装了30 台监测装置，油色谱在使用过程中出现的监测系统维护情况如表2 所示。

表2 油色谱监测系统维护情况

分别使用相空间重构监测系统、数据驱动传感器监测系统和基于B/S 分层技术监测系统，在数据慢速变化、快速变化、轻度跃变、严重跃变4 种情况下，对监测故障次数与实际故障次数进行对比分析，结果如图6 所示。

由图6 可知，在4 种情况下使用基于B/S 分层技术监测的故障次数与实际故障次数一致，基本不受到影响；而使用其余两种系统受到影响较大，监测故障次数与实际故障次数存在较大误差。

图6 4种情况下不同系统故障次数监测结果对比分析

4 结束语

基于B/S 分层技术的智慧实验室测试数据状态监测系统，通过分析在线油色谱监测数据，将油色谱在线监测数据的变化分为慢速变化、快速变化、轻度和严重跃变4 种类型，通过建立状态预警模型，制定维修策略及相应条件，对实验室测试设备状态进行实时监测，可发现潜在的故障时机，提高变压器运行可靠性，具有很好的应用前景。