基于智能信息處理技術(shù)的變電站光纖標(biāo)識(shí)方法研究

紀(jì)鵬，李迎華

（國(guó)網(wǎng)陜西銅川供電公司，陜西銅川 727031）

智能變電站采用智能集成設(shè)備，以全站信息數(shù)字化、通信平臺(tái)網(wǎng)絡(luò)化等為基本要求，自動(dòng)完成信息采集、測(cè)量、控制與保護(hù)等基本功能[1]。與傳統(tǒng)變電站相比，智能變電站最大的改變?cè)谟谝砸欢〝?shù)量的光纖替代大量電纜，但也因此帶來(lái)了諸多問題。如因光纖回路無(wú)標(biāo)識(shí)，導(dǎo)致無(wú)法確認(rèn)光纖鏈路的物理路徑；因光纖回路標(biāo)識(shí)不規(guī)范，造成檢修光纖鏈路信息不完整，并耗費(fèi)大量時(shí)間等[2-3]。因此，智能化管理變電站內(nèi)數(shù)量眾多的零散光纖標(biāo)簽成為當(dāng)前工作的迫切需求[4-5]。

目前，國(guó)外還沒有針對(duì)智能變電站光纖標(biāo)識(shí)的研究，而國(guó)內(nèi)大部分的研究則更注重虛回路模型文件與數(shù)據(jù)信息流向的表達(dá)方式，且對(duì)光纖的物理回路及光纖回路唯一性編碼等方面的研究仍有一定欠缺[6-7]。因此，該文提出了一種基于智能信息處理技術(shù)的變電站光纖標(biāo)識(shí)方法。在光纖智能標(biāo)識(shí)系統(tǒng)中，首先利用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(Radial Basis Function Neural Network,RBFNN)識(shí)別光纖節(jié)點(diǎn)類型，然后采用深度優(yōu)先遍歷(Depth First Search，DFS)算法完整檢索出變電站內(nèi)光纖虛實(shí)回路全路徑，從而實(shí)現(xiàn)光纖智能管理。

1 光纖智能標(biāo)識(shí)系統(tǒng)設(shè)計(jì)

變電站光纖智能標(biāo)識(shí)系統(tǒng)分為智能標(biāo)簽生成模塊和移動(dòng)解析展示模塊，其總體架構(gòu)如圖1 所示。

圖1 系統(tǒng)總體架構(gòu)

智能標(biāo)簽生成模塊包含二次系統(tǒng)設(shè)計(jì)、標(biāo)簽數(shù)據(jù)生成以及打印等功能。其中，二次系統(tǒng)設(shè)計(jì)功能的作用是設(shè)置整個(gè)變電站二次系統(tǒng)數(shù)據(jù)信號(hào)的連接模式，形成移動(dòng)終端數(shù)據(jù)庫(kù)及光纖標(biāo)簽文件；標(biāo)簽數(shù)據(jù)生成功能的作用是由數(shù)據(jù)庫(kù)得到變電站相關(guān)的物理設(shè)置與虛回路設(shè)置信息，并處理成所需的數(shù)據(jù)信息格式，從而形成文件[8-9]；智能標(biāo)簽解析模塊主要包括數(shù)據(jù)解析與標(biāo)簽掃描等功能，兩者均在移動(dòng)智能終端中執(zhí)行[10]。

1.1 智能標(biāo)簽的生成

智能變電站中光纖智能標(biāo)簽的生成過程需要兩個(gè)前提，即建模配置與虛實(shí)回路映射。其生成過程，如圖2 所示。

圖2 智能標(biāo)簽的生成過程

首先在建模配置階段，物理信息建模用于構(gòu)建二次系統(tǒng)設(shè)備配置庫(kù)，并根據(jù)國(guó)家電網(wǎng)的系統(tǒng)設(shè)計(jì)規(guī)定對(duì)光纜、尾纜的編號(hào)和規(guī)格進(jìn)行計(jì)算分配；然后在虛實(shí)回路映射階段，利用ICD 文件將虛端子配置與裝置進(jìn)行綁定，同時(shí)生成標(biāo)簽數(shù)據(jù)庫(kù)文件；最后，在標(biāo)簽生成階段，關(guān)聯(lián)標(biāo)簽數(shù)據(jù)庫(kù)文件，便可自動(dòng)生成標(biāo)簽文件。

1.2 智能標(biāo)簽的解析

智能標(biāo)簽的解析過程大致包含以下幾個(gè)步驟：掃描光纖標(biāo)簽的二維碼、下載數(shù)據(jù)庫(kù)文件以及將其進(jìn)行圖形化呈現(xiàn)。

1）掃描光纖智能標(biāo)簽。通過掃描光纖標(biāo)簽上的二維碼便可明確光纖類型。若二維碼對(duì)應(yīng)的是光纜或尾纜，則可以直接從物理文件中獲取整個(gè)變電站的配置圖、屏柜光纜連接圖等。若二維碼是纖芯，則可從虛端子設(shè)置文件中獲取端口與設(shè)備的虛端子圖。

2）圖形化呈現(xiàn)標(biāo)簽信息。若二維碼對(duì)應(yīng)的是光纜或尾纜，則呈現(xiàn)其物理連接關(guān)系；若二維碼對(duì)應(yīng)的是纖芯，則呈現(xiàn)的是虛端子信息。且能夠?qū)⑽锢磉B接與虛端子信息智能關(guān)聯(lián)，逐一對(duì)應(yīng)呈現(xiàn)。

2 基于RBFNN-DFS的智能信息處理技術(shù)

智能信息處理技術(shù)主要是指將計(jì)算機(jī)、通信等多項(xiàng)技術(shù)結(jié)合，從而實(shí)現(xiàn)信息的自動(dòng)獲取與處理。該技術(shù)主要面對(duì)的是不確定性系統(tǒng)與不確定性現(xiàn)象的信息處理問題。神經(jīng)網(wǎng)絡(luò)、遺傳算法等信息處理方式均屬于智能信息處理的范疇[11]。其中，人工神經(jīng)網(wǎng)絡(luò)模型具備大規(guī)模并行處理與分布式信息存儲(chǔ)的能力，其識(shí)別率高且抗干擾能力強(qiáng)，還能模擬人類思維對(duì)需要處理和解決的問題進(jìn)行記憶、聯(lián)想及推理。因此，所提方法采用人工神經(jīng)網(wǎng)絡(luò)識(shí)別智能標(biāo)簽的節(jié)點(diǎn)與二維碼的類型，并結(jié)合圖論DFS 算法，完整檢索出智能變電站光纖虛實(shí)回路全路徑。

2.1 人工神經(jīng)網(wǎng)絡(luò)

該文采用RBFNN 用于光纖標(biāo)識(shí)[12-13]。一個(gè)典型的RBFNN 僅包含3 層，即輸入層、隱藏層和輸出層，相較于多層感知器網(wǎng)絡(luò)，其結(jié)構(gòu)相對(duì)簡(jiǎn)單[14]。RBFNN的激活函數(shù)由輸入量與原始量之間的差值決定，因此其具有較好的逼近能力、分類能力和訓(xùn)練速度。RBFNN 的結(jié)構(gòu)，如圖3 所示。

圖3 RBFNN的結(jié)構(gòu)

隱藏層hj(x)與輸出層Yk的數(shù)學(xué)計(jì)算公式如下：

式中，x是輸入量，α是一個(gè)控制奇函數(shù)寬度的參數(shù)，?i是神經(jīng)元的中心量和，‖· ‖ 表示歐氏距離，ωij為各層之間的權(quán)重。

2.2 深度優(yōu)先遍歷算法

DFS 是一種掃描有限無(wú)向圖的方法，其被廣泛應(yīng)用于解決各種圖的問題[15]。該方法隨機(jī)選擇圖中的某一頂點(diǎn)Q，由其開始訪問，然后按照順序從Q 沒有被訪問的相鄰點(diǎn)發(fā)出深度優(yōu)先遍歷圖，直至圖內(nèi)全部與Q 存在相通路徑的節(jié)點(diǎn)均被訪問[16]。DFS 算法的具體流程如下：

1）讀取初始智能變電站的光纖數(shù)據(jù)、總線數(shù)據(jù)，并轉(zhuǎn)換成圖形G。

2）確定需要使用DFS 與源隔離的標(biāo)簽節(jié)點(diǎn)。

3）使用DFS 從第一次迭代開始搜索候選網(wǎng)絡(luò)拓?fù)洹Ｆ渲校谝淮蔚鷱牟襟E2）開始，通過連接一個(gè)光纖配線架端口可以找到生成樹T′；第二次迭代同樣從步驟2）開始，可能的生成樹由同時(shí)操作的兩個(gè)光纖配線架端口的組合生成。在下一次迭代中，所有可能的生成樹的生成與第二次迭代相同，但會(huì)增加光纖配線架端口操作的數(shù)量。

4）若在步驟3）獲得了候選網(wǎng)絡(luò)拓?fù)洌瑒t能夠獲得新路徑，且在每個(gè)可能的拓?fù)渲袌?zhí)行光纖邏輯回路與物理回路；否則，返回步驟3）。

3 提出的變電站光纖標(biāo)識(shí)方法

在變電站光纖標(biāo)識(shí)中，通過移動(dòng)終端掃描光纖二維碼，可獲得相應(yīng)的數(shù)據(jù)信息。然后，利用智能信息處理技術(shù)對(duì)變電站整站光纖的物理和虛端子回路的全路徑進(jìn)行分析。

3.1 光纖標(biāo)簽設(shè)計(jì)

光纖標(biāo)簽用于標(biāo)示裝置端口處所連接的纖芯信息，其內(nèi)容格式如圖4 所示。

圖4 光纖標(biāo)簽樣式

光纖標(biāo)簽上的文字內(nèi)容囊括了光纖的起止端口、隸屬光纖編號(hào)及其序號(hào)等相關(guān)信息。而二維碼則是光纖數(shù)據(jù)庫(kù)的入口，通過掃描標(biāo)簽二維碼便可獲得光纖物理回路與虛端子回路之間的聯(lián)系，并在較短的時(shí)間內(nèi)呈現(xiàn)此光纖傳送的虛回路數(shù)據(jù)信息。

3.2 光纖標(biāo)識(shí)方法

對(duì)于智能變電站中智能電子設(shè)備(Intelligent Electronic Device,IED)、交換機(jī)(Switch)和光配架(Optical Distribution Frame,ODF)等設(shè)備的接收與發(fā)送端口，均為變電站的具體節(jié)點(diǎn)。不同于理論節(jié)點(diǎn)拓?fù)浣Y(jié)構(gòu)，實(shí)際智能變電站中存在IED、Switch 和ODF 的網(wǎng)絡(luò)拓?fù)洹；谥悄苄畔⑻幚砑夹g(shù)的光纖標(biāo)識(shí)流程，如圖5 所示。

圖5 智能光纖標(biāo)識(shí)流程

將變電站內(nèi)裝置劃分成發(fā)送與接收裝置。通常而言，選擇接收裝置作為初始節(jié)點(diǎn)，且信息的流向是存在方向的。先通過移動(dòng)設(shè)備掃描光纖二維碼，然后根據(jù)RBFNN 確定節(jié)點(diǎn)類型。最后對(duì)于不同的節(jié)點(diǎn)，采用DFS 策略進(jìn)行全路徑的搜索，以完成對(duì)變電站光纖的智能標(biāo)識(shí)。

4 實(shí)驗(yàn)結(jié)果與分析

選取某城市的一個(gè)220 kV 智能變電站，其配備3 臺(tái)主變壓器。智能終端、合并單元和交換機(jī)、繼電保護(hù)設(shè)備間均采用光纖連接，中間設(shè)有ODF，其中一臺(tái)變壓器的光纖連接節(jié)點(diǎn)有164 個(gè)。

RBFNN 的網(wǎng)絡(luò)參數(shù)設(shè)為：輸入量的長(zhǎng)度為248，輸出量的長(zhǎng)度等于有限元的元素?cái)?shù)，數(shù)值規(guī)格化為0～1；隱藏層有512 個(gè)單位。該網(wǎng)絡(luò)采用自適應(yīng)矩估計(jì)優(yōu)化器與均方誤差損失函數(shù)來(lái)進(jìn)行訓(xùn)練。

4.1 光纖標(biāo)識(shí)準(zhǔn)確率對(duì)比

光纖標(biāo)識(shí)準(zhǔn)確率是所提方法性能的一個(gè)重要指標(biāo)，變電站SCD 文件的大小以及節(jié)點(diǎn)數(shù)量的規(guī)模均對(duì)其有一定的影響。其與文獻(xiàn)[4]、文獻(xiàn)[6]、文獻(xiàn)[7]中所提方法的標(biāo)識(shí)準(zhǔn)確率對(duì)比結(jié)果如圖6 所示。

圖6 光纖標(biāo)識(shí)準(zhǔn)確率對(duì)比

從圖6 中可以看出，隨著光纖數(shù)量的增多，各方法的識(shí)別準(zhǔn)確率持續(xù)下降。由于光纖類型繁雜，且光纖數(shù)增多意味著二次回路數(shù)呈指數(shù)增長(zhǎng)，因此對(duì)光纖標(biāo)識(shí)及二次全回路的構(gòu)建提出了更高的要求。但相比于其他方法，所提方法的識(shí)別準(zhǔn)確率下降幅度較小，且在同一光纖數(shù)量下，其準(zhǔn)確率最高，不低于70%。主要是由于該算法結(jié)合了RBFNN 和DFS算法，其能夠較好地識(shí)別光纖回路。而文獻(xiàn)[4]應(yīng)用數(shù)據(jù)挖掘技術(shù)，文獻(xiàn)[6]通過采用跳纖標(biāo)簽、光纖熔接表、光纜牌三大措施，以及文獻(xiàn)[7]利用區(qū)域識(shí)別技術(shù)，以上3 種方法的信息處理技術(shù)均較為單一，且整體標(biāo)識(shí)性能不佳。

4.2 光纖標(biāo)識(shí)效率對(duì)比

光纖數(shù)量的增加導(dǎo)致標(biāo)識(shí)復(fù)雜性提高，其對(duì)所提方法的運(yùn)行效率有較大影響。為此，將所提方法與文獻(xiàn)[4]、文獻(xiàn)[6]以及文獻(xiàn)[7]中的方法進(jìn)行標(biāo)識(shí)時(shí)間測(cè)算對(duì)比，結(jié)果如圖7 所示。

圖7 光纖標(biāo)識(shí)耗時(shí)對(duì)比

從圖7中可以看出，相比于其他方法，在同一光纖數(shù)量下，所提方法的標(biāo)識(shí)耗時(shí)最短，且不超過85 ms。文獻(xiàn)[4]應(yīng)用數(shù)據(jù)挖掘技術(shù)處理變電站數(shù)據(jù)信息，計(jì)算過程較為繁瑣，因此耗時(shí)較長(zhǎng)；文獻(xiàn)[6]采用跳纖標(biāo)簽、光纖熔接表、光纜牌三大措施實(shí)現(xiàn)光纖標(biāo)識(shí)的方法較為傳統(tǒng)且依賴于人工，從而導(dǎo)致整體運(yùn)行效率較低；文獻(xiàn)[7]基于區(qū)域識(shí)別光纖，分區(qū)識(shí)別有利于縮短耗時(shí)，但由于缺乏智能算法予以支撐，故運(yùn)行效率有所欠缺。

5 結(jié)束語(yǔ)

智能變電站內(nèi)光纖數(shù)量眾多，且相對(duì)零散，因此難以高效管理。為此，提出了一種基于智能信息處理技術(shù)的變電站光纖標(biāo)識(shí)方法。首先利用RBFNN識(shí)別光纖類型，然后采用DFS 算法檢索每種光纖類型，從而得到智能變電站的虛實(shí)回路全路徑。實(shí)驗(yàn)結(jié)果表明，所提方法的綜合性能優(yōu)于其他對(duì)比方法。其為光纖管理的模型化、標(biāo)準(zhǔn)化、智能化與可視化提供了理論支撐。由于僅論證了所提方法在理論階段的有效性，所以在接下來(lái)的工作中，還將結(jié)合實(shí)際運(yùn)行的變電站展開研究，以提高該方法的普適性。