基于無線傳感器的防觸電預警模型設計

孫暄，周年榮，唐立軍

（云南電網有限責任公司電力科學研究院，昆明 650217）

0 前言

在實際應用過程中，經常會出工作觸電現象，給人們的生命帶來危險，為了減少觸電現象發生的概率，需要建立防觸電預警機制[1-3]。防觸電預警模型是一種重要機制，可以根據防觸電預警結果啟動相關裝置進行報警，因此防觸電預警模型的研究具有重要意義，成為當前一個重要的研究課題[4-6]。

針對防觸電預警模型的設計問題，當前國內外有大量的研究文獻，對相關文獻進行分析和總結，發現當前防觸電預警模型存在預警正確率低、虛警率高等缺陷，難以獲得理想的防觸電預警結果[7-9]。

為了解決當前防觸電預警模型存在的一些難題，提出了基于無線傳感器的防觸電預警模型。并在Matlab平臺對防觸電預警模型的性能進行了驗證性測試。

1 基于無線傳感器的防觸電預警模型

1.1 無線傳感器采集信號及預處理和提取特征

無傳感器信號的采集十分重要，直接影響防觸電預警正確率，由于無線傳感器的抗干擾能力，可以實時、在線對防觸電信號進行采集，因此本文選擇其采集防觸電信號。在防觸電信號采集過程，由于其它不利因素的干擾，采集了許多無用的信號，這些無用信號以噪聲的形式表現出來[10]，因此本文選擇小波分析對防觸電原始信號進行預處理，改善防觸電信號的質量，然后從去噪后的防觸電信號中提取防觸電預警特征。

1.2 機器學習算法

設防觸電預警的學習樣本組合一個集合，它們共有k個，具體采用{(xi,yi),i=1,2,…,k}進行描述，xi表示防觸電預警的特征向量，yi表示防觸電預警的輸出。支持向量機是一種專門針對復雜、非線性分類問題，防觸電預警實際就是一種多分類問題，引入支持向量機建立防觸電預警模型。支持向量機對學習樣本集合：{(xi,yi),i=1,2,…,k}進行映射，則有[11]：

要建立防觸電預警模型就要確定式(1)的ω和b的值，而直接ω和b進行求解，實現過程十分復雜，有時難以找到其準確的解，因此需要采用結構風險最小化原則對其進行轉換，則有：

式中，ε表示不敏感損失函數。

由于支持向量機在學習過程，會產生一些誤差，為了對誤差進行適當的懲罰，引入懲罰參數C，那么式(2)的等價形式為：

式中，ξi、ξ*i為松弛變量。

式(3)的約束條件為：

引入拉格朗日乘子加快防觸電預警模型建立的速度，建立如下拉格朗日函數：

式中，αi和αi*為拉格朗日乘子。

式(6)應該滿足如下條件為：

由于防觸電預警的特征向量和防觸電預警的輸出之間存在比較強的非線性變化關系，采用核函數k(xi,x)代替對偶操作(φ(xi),φ(x))得到防觸電預警模型描述形式為：

本文選擇核函數具體如下：

1.3 無線傳感器的防觸電預警模型的工作步驟

1）采用無線傳感器對防觸電預警信號進行采集，去除最初和最后一段時間的信號，采用中間一段時間信號進行后續處理。

2）采用小波分析對無線傳感器采集原始防觸電預警信號進行處理，去除其中一些噪聲，防止噪聲對防觸電預警特征提取的干擾。

3）提取預處理后防觸電預警信號中特征，并對特征向量作如下縮放操作，使它們值處于[01]的范圍內，加快防觸電預警模型工作效率。

4）將防觸電預警信號中特征作為輸入，防觸電預警信號類型作為輸出，建立防觸電預警學習樣本。

5）采用機器學習算法對防觸電預警學習樣本進行訓練，建立防觸電預警模型。

6）采用一些驗證樣本數據對防觸電預警模型進行測試，并對測試結果進行分析。

基于上述描述，基于無線傳感器的防觸電預警流程如圖1所示。

圖1 基于無線傳感器的防觸電預警流程

2 防觸電預警模型的性能測試

2.1 實驗環境

為了測試本文設計的基于無線傳感器的防觸電預警模型的有效性，對其進行仿真測試，測試實驗的環境如表1所示。防觸電預警模型實現的程序采用Matlab 2018編寫。RBF神經網絡的防觸電預警模型進行對比測試。

表1 防觸電預警性能測試的環境參數

2.2 實驗數據

選擇一個防觸電裝置作為實驗對象，對其信號數據進行采集，信號數據分為兩種，一種是安全的，一種是危險信號，當處于危險狀態時，就要啟動防觸電報警系統，兩種類型的數據數量分別200和50個，分別提取特征。

2.3 結果與分析

兩種模型進行防觸電預警仿真實驗，每一種模型進行5次仿真實驗，以體現實驗結果的公平性，增加說服力，統計防觸電預警正確率，結果如圖2所示。從圖2的防觸電預警正確率看出，基于無線傳感器的防觸電預警正確率均超過了95%，而對比模型的防觸電預警正確率均低于90%，本文模型可以很準確描述防觸電預警變化規律，建立了更優的防觸電預警模型。

圖2 兩種模型的防觸電預警正確率對比

統計兩種模型的防觸電虛警率，結果如圖3所示。從圖3可以看出，基于無線傳感器的防觸電虛警率低于5%，而對比模型的防觸電虛警率大約為10%，對比模型出現了許多誤警現象，而本文模型降低了出現防觸電誤警概率，提高了防觸電預警成功率。

圖3 兩種模型的防觸電虛警率對比

在實際應用中，防觸電預警實時性十分重要，本文選擇防觸電預警時間(秒)描述實時性，結果如表2所示。從表2的防觸電預警時間可以看出，基于無線傳感器的防觸電預警時間明顯少于對比模型，說明基于無線傳感器的防觸電預警速度快，具有更優的防觸電預警實時性。

表2 兩種模型的防觸電預警時間對比

3 結束語

為了提高防觸電預警正確率，設計了基于無線傳感器的防觸電預警模型，并與當前其它防觸電預警模型進行了仿真對比測試，可以知道：

1）通過無線傳感器對防觸電預警信號進行采集，可以當前防觸電預警信號采集的不足，同時引入去噪技術，獲得高質量的防觸電預警信號。

2）引入機器學習算法建立防觸電預警模型，可以高精度刻畫防觸電預警變化特點，防觸電預警正確率完全可以滿足防觸電預警的實際應用要求。

3）相對于其它防觸電預警模型，本文模型的防觸電預警效果更佳，有效解決了當前防觸電預警過程中存在的一些不足，具有廣泛的應用前景。