首页

听得见的放电：电厂巡检里的声纹与红外

中国能源产业发展网发布时间：

2026-10-27 18:33

【中国能源产业发展网】原创【作者】卓启焱

深夜的升压站，巡检工打着手电沿设备区走一圈，走到某台开关柜前停下，把听音棒抵在柜门上，侧头听了几秒。这个动作在电厂延续了几十年：绝缘内部有轻微放电时，会发出人耳勉强能分辨的嘶嘶声；设备接头过热，走近能感觉到一股热气。老师傅的判断，就建立在这些模糊的感官印象上。

问题在于，这种经验难以复制。听音棒的灵敏度取决于人的听觉，热感取决于当天的气温与风速，判断的准确性取决于干了多少年。一个变电站有几百个测点，一个电厂有上千台设备，靠人走、人听、人记，漏检是必然的。智能巡检要解决的，就是把这套感官经验变成可测量、可比较、可追溯的数据。

局部放电是设备绝缘劣化的早期信号。放电时会同时产生几种物理量：超声波、暂态地电压、特高频电磁波、以及分解产生的气体。超声法的优点是抗干扰能力强，传感器贴在柜壁外侧即可接收，适合开关柜这类封闭设备；暂态地电压法通过检测接地线上的脉冲电流判断放电，安装方便但对环境干扰敏感；特高频法灵敏度高，能定位放电源，成本也最高。

声纹识别是近几年兴起的一条路。设备正常运行时的声音有稳定的频谱特征：变压器的嗡鸣、风机的气动噪声、泵的机械振动，各有各的基频与谐波结构。一旦轴承磨损、叶片结垢、绕组松动，频谱里就会出现新的边频或高频能量抬升。把这些特征提取出来做成模型，就能让机器“听”出异常。

难点在噪声。电厂环境里，风机、汽轮机、阀门排汽的声音混在一起，目标信号往往被淹没。工程上的做法是先用波束成形或声源定位把方向锁定，再用滤波把目标频段提取出来，最后用模型判断。这套流程对传感器的布置位置很敏感，装错一个角度，后面所有算法都要打折。

红外热成像是另一条主力技术路线。接头发热、触点氧化、绝缘子污秽，都会在温度场上留下痕迹。红外相机的分辨率与测温精度决定了能不能发现早期缺陷，而缺陷的判定还要考虑负荷率、环境温度、风速与发射率。同样一个温升，满负荷时的含义与轻负荷时完全不同，脱离工况谈温差，误判率很高。

单一手段的误报率，是智能巡检落地时最大的阻力。紫外成像会被阳光干扰，超声会被机械振动干扰，红外会被气流干扰。业内的应对方式是多模融合：同一测点同时采集超声、红外、可见光与运行数据，几个维度同时异常才报警。融合的判断逻辑比单一阈值复杂，但能把误报压到运维人员可以接受的水平。

承载这些传感器的，是各种形态的巡检载体。轨道机器人在配电室沿轨道行走，定点拍摄与测温；轮式机器人在升压站按路径巡航；无人机负责输电线路与高塔；固定摄像头守在高风险区域，做连续监测。载体不同，对传感器的体积、功耗、抗震能力要求也不同，工程上往往需要定制。

边缘计算因此成为标配。一个升压站每天产生的红外图像与音频数据量不小，全部上传云端既不经济也不及时。把初步的识别放在本地，只把异常片段与特征上传，既节省带宽，也缩短了从发现到响应的时间。边缘盒子的算力有限，模型必须做裁剪，这就回到了算法与工程的配合问题。

样本稀缺是模型训练的根本约束。电力设备的故障率低，真实的放电、过热、机械故障样本很少，靠现场积累要很多年。行业里的做法包括：用实验室模拟平台生成缺陷样本、用迁移学习把其他行业的声学模型迁过来、用仿真生成不同工况下的温度场。这些方法能缓解样本不足，但不能完全替代真实数据。

工业大模型的出现，改变了这件事的做法。过去每个功能点单独训练一个小模型，现在可以用一个多模态底座，把图像、声音、温度、运行参数放在一起理解，再针对具体场景做微调。东方国信在其智慧电厂方案中提出“1+7”体系，即一个管控平台加运行管理、设备管理、安全管理、运营管理、燃料管理、能源双碳、数据智能七个业务中心，并把工业大模型用于知识查找与决策辅助，智能巡检是其中的组成部分。这类方案的价值不在于算法多先进，而在于把分散的监测手段收进同一套数据底座。

组织层面的变化往往被低估。巡检从“走出去看”变成“坐下来看屏幕”，岗位的技能要求随之改变：过去看重听音、摸温、看油位，现在看重读图、比对趋势、判断报警真伪。一些电厂把原来的巡检班组改组成监控与分析岗，人员数量减少，但对经验的要求反而提高——因为屏幕上跳出的每一条报警，都需要有人判断要不要派人去现场。

误报疲劳是新的风险。系统每天推送几十条报警，如果大部分是误报，运维人员会逐渐忽略提示，真正重要的信号被淹没。成熟的方案会把报警分级，把确认过的样本回流训练模型，让误报率逐月下降。这套闭环能不能运转，取决于电厂愿不愿意投入人力做标注与复核。

责任界定也需要制度配套。智能巡检发现了缺陷，处理流程与传统巡检不同：谁来判断、谁来派工、谁来验收，都要重新定义。一些企业在管理制度里明确，系统报警视同巡检发现，必须闭环；也有企业仍要求人工复核后才进入工单。制度差异直接影响系统的实际使用率。

从产业角度看，智能巡检的市场已经过了概念期。硬件供应商、算法公司、平台厂商、电力工程服务商都在切入，竞争集中在两个能力上：一是针对具体设备类型的识别准确率，二是把系统接入电厂现有管理流程的能力。前者靠数据与工程经验，后者靠对电力业务的理解，两者都不容易速成。

回到那个升压站。巡检工的手电还在，听音棒换成了手持式超声检测仪，屏幕上显示着波形与分贝值。设备还是那些设备，判断的方式变了：从“听着不对”变成“这个频段的能量比上周高了”。经验没有被取代，只是换了一种记录方式。

值得观察的有三点：多模融合方案的误报率能否降到运维可接受的水平、工业大模型能否在设备诊断这类强专业场景中稳定输出、以及电力行业是否形成统一的智能巡检验收标准。标准一旦明确，这个市场才会从项目制走向规模化。

（来源：东方国信、中国电力企业联合会、中国电机工程学会、企业公开资料）【研究支持机构：《中国工业报社》能源与双碳研究中心 |中国能源产业发展网】

来源：

中国能源产业发展网原创

作者：

卓启焱