基于深度信念網(wǎng)絡(luò)的電能表檢驗(yàn)質(zhì)量評(píng)估方法

楊 晨，劉銘洋

(國(guó)網(wǎng)新疆營(yíng)銷服務(wù)中心,新疆 烏魯木齊 830000)

0 引言

國(guó)內(nèi)許多學(xué)者對(duì)電能表的檢驗(yàn)質(zhì)量評(píng)估作研究。文獻(xiàn)[9]提出了一種基于以可靠性為中心的維修(reliability centered maintenance,RCM)的電能表狀態(tài)檢測(cè)評(píng)價(jià)方法，通過狀態(tài)矩陣實(shí)現(xiàn)電能表檢驗(yàn)質(zhì)量評(píng)估。文獻(xiàn)[10]提出了一種基于決策樹群的電能表狀態(tài)檢測(cè)評(píng)價(jià)方法，通過對(duì)電能表的多維異常診斷，實(shí)現(xiàn)對(duì)電能表檢驗(yàn)質(zhì)量評(píng)估。文獻(xiàn)[11]提出了一種基于數(shù)據(jù)挖掘的電能表狀態(tài)檢測(cè)評(píng)價(jià)方法，通過對(duì)電能表計(jì)量誤差、客戶用電負(fù)荷等數(shù)據(jù)進(jìn)行挖掘，實(shí)現(xiàn)電能表檢驗(yàn)質(zhì)量評(píng)估。文獻(xiàn)[12]提出了一種基于層次結(jié)構(gòu)分析的電能表檢驗(yàn)狀態(tài)評(píng)價(jià)方法，通過改進(jìn)熵權(quán)法計(jì)算電能表檢驗(yàn)狀態(tài)中的權(quán)重，實(shí)現(xiàn)電能表檢驗(yàn)質(zhì)量評(píng)估。文獻(xiàn)[13]提出了一種基于綜合評(píng)估的電能表檢驗(yàn)狀態(tài)評(píng)價(jià)方法，通過基礎(chǔ)狀態(tài)、家族缺陷等指標(biāo)實(shí)現(xiàn)電能表檢驗(yàn)質(zhì)量評(píng)估。由此可見，電能表的檢驗(yàn)質(zhì)量評(píng)估方法多樣，且其研究取得了一定的成果。但上述研究采用離線的現(xiàn)場(chǎng)電能表檢測(cè)狀態(tài)進(jìn)行評(píng)估，數(shù)據(jù)分析實(shí)時(shí)性低、準(zhǔn)確性差。

為解決電能表現(xiàn)場(chǎng)檢驗(yàn)中存在的數(shù)據(jù)采集困難、狀態(tài)評(píng)價(jià)質(zhì)量不足的問題，本文提出了一種基于深度信念網(wǎng)絡(luò)的電能表檢驗(yàn)質(zhì)量評(píng)估方法。

1 電能表檢驗(yàn)質(zhì)量評(píng)估框架

本文提出了基于深度信念網(wǎng)絡(luò)的電能表檢驗(yàn)質(zhì)量評(píng)估方法。電能表檢驗(yàn)質(zhì)量評(píng)估框架如圖1所示。

圖1 電能表檢驗(yàn)質(zhì)量評(píng)估框架

該框架主要包括電能表檢驗(yàn)數(shù)據(jù)物聯(lián)采集、電能表檢驗(yàn)數(shù)據(jù)清洗和電能表檢驗(yàn)質(zhì)量評(píng)估3個(gè)環(huán)節(jié)。

①在電能表檢驗(yàn)數(shù)據(jù)的物聯(lián)采集環(huán)節(jié)，通過電力物聯(lián)網(wǎng)終端的邊緣物聯(lián)代理方法，實(shí)現(xiàn)跨地域的電能表現(xiàn)場(chǎng)檢驗(yàn)設(shè)備數(shù)據(jù)的泛在感知，以及電能表校驗(yàn)、試驗(yàn)等數(shù)據(jù)的有效匯聚和物聯(lián)智能傳輸。

②在電能表檢驗(yàn)數(shù)據(jù)清洗環(huán)節(jié)，采用拉格朗日差值法對(duì)物聯(lián)感知的電能表校驗(yàn)、試驗(yàn)等數(shù)據(jù)進(jìn)行清洗，對(duì)缺失數(shù)據(jù)進(jìn)行插值補(bǔ)正，以消除電能表校驗(yàn)噪聲數(shù)據(jù)和缺失數(shù)據(jù)對(duì)電能表質(zhì)量評(píng)估帶來的影響。

③在電能表檢驗(yàn)質(zhì)量評(píng)估環(huán)節(jié)，根據(jù)電能表檢驗(yàn)質(zhì)量的關(guān)鍵要素建立電能表檢驗(yàn)質(zhì)量評(píng)估矩陣。在此基礎(chǔ)上，通過深度信念網(wǎng)絡(luò)對(duì)電能表檢驗(yàn)數(shù)據(jù)進(jìn)行評(píng)估，以實(shí)現(xiàn)對(duì)電能表檢驗(yàn)質(zhì)量的精準(zhǔn)評(píng)估。

本文設(shè)計(jì)一種用于可流動(dòng)狀態(tài)下細(xì)胞電阻抗成像檢測(cè)的多電極陣列微流控芯片。該芯片可以對(duì)靜止?fàn)顟B(tài)下的細(xì)胞和流動(dòng)狀態(tài)下的細(xì)胞進(jìn)行電阻抗成像檢測(cè)。仿真軟件模擬結(jié)果顯示,電極對(duì)內(nèi)部細(xì)胞的位置變化比較敏感,可以通過電極所測(cè)量的電壓變化計(jì)算出細(xì)胞的空間分布。

2 電能表檢驗(yàn)質(zhì)量評(píng)估模型

基于深度信念網(wǎng)絡(luò)的電能表檢驗(yàn)質(zhì)量評(píng)估方法充分考慮電能表檢驗(yàn)質(zhì)量數(shù)據(jù)的特性，并采用深度信念網(wǎng)絡(luò)進(jìn)行電能表檢驗(yàn)質(zhì)量評(píng)估，可提高電能表檢驗(yàn)質(zhì)量評(píng)估的準(zhǔn)確性。

2.1 電能表檢驗(yàn)數(shù)據(jù)物聯(lián)采集

傳統(tǒng)的電能表現(xiàn)場(chǎng)校驗(yàn)儀不具備通信功能，無法實(shí)現(xiàn)在線監(jiān)測(cè)。國(guó)家電網(wǎng)公司計(jì)量中心于2018年開展了新型電能表現(xiàn)場(chǎng)校驗(yàn)儀研究[14]，在現(xiàn)場(chǎng)校驗(yàn)儀上加裝了物聯(lián)感知設(shè)備，實(shí)現(xiàn)了異地的分布式電能表現(xiàn)場(chǎng)校驗(yàn)儀的物聯(lián)感知，進(jìn)而實(shí)現(xiàn)電能表檢驗(yàn)數(shù)據(jù)的有效匯聚和物聯(lián)智能傳輸。

在物聯(lián)代理感知的模型中，本文采用霍夫曼編碼進(jìn)行多個(gè)電能表現(xiàn)場(chǎng)校驗(yàn)儀建模。電能表現(xiàn)場(chǎng)校驗(yàn)儀采集的資源H為：

(1)

式中：n為電能表現(xiàn)場(chǎng)校驗(yàn)儀個(gè)數(shù)；g()為采集函數(shù)；ai為第i個(gè)電能表現(xiàn)場(chǎng)校驗(yàn)儀的特征數(shù)據(jù)；bi為特征數(shù)據(jù)ai的維度。

區(qū)域內(nèi)的電能表現(xiàn)場(chǎng)校驗(yàn)儀時(shí)間T為：

(2)

式中：ti為第i個(gè)電能表現(xiàn)場(chǎng)校驗(yàn)儀的采集時(shí)間。

通過電能表現(xiàn)場(chǎng)校驗(yàn)儀數(shù)據(jù)的泛在感知，可實(shí)現(xiàn)電能表檢驗(yàn)數(shù)據(jù)的匯聚和傳輸。

2.2 電能表檢驗(yàn)數(shù)據(jù)清洗

由于電能表現(xiàn)場(chǎng)校驗(yàn)儀數(shù)據(jù)在檢測(cè)、存儲(chǔ)、傳輸?shù)倪^程中易受到噪聲影響，將導(dǎo)致電能表檢驗(yàn)數(shù)據(jù)的錯(cuò)誤和缺失，從而影響電能表檢驗(yàn)質(zhì)量評(píng)估的準(zhǔn)確性[15]。本文采用拉格朗日差值法對(duì)物聯(lián)感知的電能表校驗(yàn)、試驗(yàn)等數(shù)據(jù)進(jìn)行清洗，對(duì)缺失數(shù)據(jù)進(jìn)行插值補(bǔ)正。計(jì)算出的缺失數(shù)據(jù)L為：

(3)

式中：s為電能表檢驗(yàn)數(shù)據(jù)采集點(diǎn)；c為缺失點(diǎn)或錯(cuò)誤點(diǎn)前的數(shù)據(jù)；d為缺失點(diǎn)或錯(cuò)誤點(diǎn)后的數(shù)據(jù)；y為缺失或錯(cuò)誤數(shù)據(jù)前后點(diǎn)的距離。

2.3 電能表檢驗(yàn)質(zhì)量評(píng)估

電能表檢驗(yàn)質(zhì)量評(píng)估涉及運(yùn)行誤差、誤差波動(dòng)性等方面。本文根據(jù)電能表檢驗(yàn)質(zhì)量評(píng)估的關(guān)鍵要素建立電能表檢驗(yàn)質(zhì)量評(píng)估矩陣。電能表檢驗(yàn)質(zhì)量評(píng)估矩陣指標(biāo)如表1所示。

表1 電能表檢驗(yàn)質(zhì)量評(píng)估矩陣指標(biāo)

在電能表檢驗(yàn)質(zhì)量指估矩陣的基礎(chǔ)上，采用深度信念網(wǎng)絡(luò)對(duì)電能表檢驗(yàn)數(shù)據(jù)進(jìn)行評(píng)估。電能表檢驗(yàn)質(zhì)量評(píng)估聯(lián)合分布概率P為：

P=(z1w1|z2w2,...,|zmwm)

(4)

式中：m為指標(biāo)個(gè)數(shù)；zi為指標(biāo)，i=1,2,...,m；wi為指標(biāo)的權(quán)重。

通過深度信念網(wǎng)絡(luò)評(píng)估后，電能表檢驗(yàn)質(zhì)量F為：

F=log2P+Q

(5)

式中：Q為電能表檢驗(yàn)偏置函數(shù)。

由式(5)可知，通過深度信念網(wǎng)絡(luò)，可實(shí)現(xiàn)對(duì)電能表檢驗(yàn)質(zhì)量的精準(zhǔn)評(píng)估。

3 電能表檢驗(yàn)質(zhì)量評(píng)估流程

基于深度信念網(wǎng)絡(luò)的電能表檢驗(yàn)質(zhì)量評(píng)估方法的操作步驟如下。①采用物聯(lián)代理感知模型，對(duì)電能表現(xiàn)場(chǎng)檢驗(yàn)儀器的數(shù)據(jù)進(jìn)行物聯(lián)采集。②采用拉格朗日差值法對(duì)物聯(lián)感知的電能表檢驗(yàn)等數(shù)據(jù)進(jìn)行清洗，對(duì)缺失數(shù)據(jù)進(jìn)行插值補(bǔ)正。③通過深度信念網(wǎng)絡(luò)，對(duì)電能表檢驗(yàn)質(zhì)量進(jìn)行精準(zhǔn)評(píng)估。④根據(jù)評(píng)估結(jié)果，生成電能表檢驗(yàn)質(zhì)量評(píng)估清單。

4 算例分析

在某省電力公司計(jì)量中心應(yīng)用基于深度信念網(wǎng)絡(luò)的電能表檢驗(yàn)質(zhì)量評(píng)估方法，使用的操作系統(tǒng)環(huán)境為Windows 10，中央處理器為因特爾酷睿i5,2.5 GHz，內(nèi)存為16 GB。

4.1 電能表檢驗(yàn)質(zhì)量評(píng)估運(yùn)行性能分析

分別采用基于深度信念網(wǎng)絡(luò)與基于大數(shù)據(jù)挖掘的電能表檢驗(yàn)質(zhì)量評(píng)估方法進(jìn)行電能表檢驗(yàn)質(zhì)量評(píng)估的運(yùn)行性能測(cè)試。選擇的電能表個(gè)數(shù)分別為5、10、20、50、80、100。電能表檢驗(yàn)質(zhì)量評(píng)估運(yùn)行性能分析如表2所示。由表2可知，基于深度信念網(wǎng)絡(luò)的電能表檢驗(yàn)質(zhì)量評(píng)估方法的運(yùn)行性能優(yōu)于基于大數(shù)據(jù)挖掘電能表檢驗(yàn)質(zhì)量評(píng)估方法。

表2 電能表檢驗(yàn)質(zhì)量評(píng)估運(yùn)行性能分析表

4.2 電能表檢驗(yàn)質(zhì)量評(píng)估準(zhǔn)確性分析

分別采用基于深度信念網(wǎng)絡(luò)與基于大數(shù)據(jù)挖掘的電能表檢驗(yàn)質(zhì)量評(píng)估方法進(jìn)行電能表檢驗(yàn)質(zhì)量評(píng)估準(zhǔn)確性測(cè)試。訓(xùn)練數(shù)據(jù)為某省電力公司計(jì)量中心的100 000個(gè)電能表檢驗(yàn)的樣本數(shù)據(jù)，驗(yàn)證數(shù)據(jù)為2020年的100、500、1 000、2 000、5 000、10 000個(gè)電能表的檢驗(yàn)質(zhì)量評(píng)估數(shù)據(jù)。2種方法的電能表檢驗(yàn)質(zhì)量評(píng)估準(zhǔn)確性分析如圖2所示。由圖2可知，基于深度信念網(wǎng)絡(luò)的電能表檢驗(yàn)質(zhì)量評(píng)估方法的電能表檢驗(yàn)質(zhì)量評(píng)估準(zhǔn)確性優(yōu)于基于大數(shù)據(jù)挖掘的電能表檢驗(yàn)質(zhì)量評(píng)估方法。

圖2 電能表檢驗(yàn)質(zhì)量評(píng)估準(zhǔn)確性分析圖

5 結(jié)論

為解決電能表現(xiàn)場(chǎng)檢驗(yàn)中存在的數(shù)據(jù)采集困難、狀態(tài)評(píng)價(jià)質(zhì)量不足的問題，本文提出了一種基于深度信念網(wǎng)絡(luò)的電能表檢驗(yàn)質(zhì)量評(píng)估方法。首先，在新型電能表現(xiàn)場(chǎng)校驗(yàn)儀上加裝物聯(lián)感知設(shè)備，實(shí)現(xiàn)電能表現(xiàn)場(chǎng)檢驗(yàn)設(shè)備數(shù)據(jù)的泛在感知。其次，采用拉格朗日差值法對(duì)物聯(lián)感知的電能表檢驗(yàn)數(shù)據(jù)進(jìn)行清洗，對(duì)缺失數(shù)據(jù)進(jìn)行補(bǔ)正。然后，建立電能表檢驗(yàn)質(zhì)量評(píng)估矩陣，通過深度信念網(wǎng)絡(luò)對(duì)電能表檢驗(yàn)質(zhì)量數(shù)據(jù)進(jìn)行評(píng)估。最后，在某地區(qū)公司中應(yīng)用本方法。其運(yùn)行結(jié)果表明，本方法優(yōu)于基于大數(shù)據(jù)挖掘的電能表檢驗(yàn)質(zhì)量評(píng)估方法，可對(duì)電能表檢驗(yàn)質(zhì)量進(jìn)行精準(zhǔn)評(píng)估。下一步將結(jié)合深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，進(jìn)一步提高檢驗(yàn)質(zhì)量評(píng)估的準(zhǔn)確性。