基于深度學(xué)習(xí)的電廠電力設(shè)備運(yùn)行狀態(tài)研究

福建華電福瑞能源發(fā)展有限公司池潭水力發(fā)電廠 楊勝儀 肖毓增 陳文清 林東彪

隨著電廠電力設(shè)備運(yùn)行優(yōu)化要求逐漸提高，但由于內(nèi)部結(jié)構(gòu)具有復(fù)雜性，應(yīng)對(duì)電力設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)有效采集，分析其實(shí)際情況，為設(shè)備的管理提供相應(yīng)的參考依據(jù)。在電力設(shè)備運(yùn)行狀態(tài)分析中，使用傳統(tǒng)方法會(huì)受到外部環(huán)境因素的影響，無(wú)法保證分析結(jié)果的準(zhǔn)確性，對(duì)電廠的控制管理產(chǎn)生了影響。為加強(qiáng)電廠電力設(shè)備的運(yùn)行控制效果，可借助深度學(xué)習(xí)來(lái)優(yōu)化，利用人工網(wǎng)絡(luò)智能算法優(yōu)勢(shì)來(lái)提升精確性，可使電力設(shè)備運(yùn)行的數(shù)據(jù)獲取更加可靠，進(jìn)而促進(jìn)電廠電力設(shè)備的穩(wěn)定運(yùn)行。

1 深度學(xué)習(xí)涵義

深度學(xué)習(xí)在較早時(shí)期被提出，可通過(guò)多層感知器來(lái)學(xué)習(xí)數(shù)據(jù)中的特征參數(shù)，將其作為特征來(lái)表示，可使數(shù)據(jù)分析能力得到提高。深度學(xué)習(xí)作為一種算法，可對(duì)數(shù)據(jù)及圖像進(jìn)行有效的處理，在不同領(lǐng)域中得到了有效的應(yīng)用，因此可將其應(yīng)用在電廠電力設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)分析方面，以獲取到更加可靠完善的數(shù)據(jù)[1]。

2 系統(tǒng)架構(gòu)及功能

從深度學(xué)習(xí)角度出發(fā)，電廠電力設(shè)備運(yùn)行過(guò)程中涉及的系統(tǒng)架構(gòu)相對(duì)復(fù)雜，主要包括數(shù)據(jù)采集層、數(shù)據(jù)接入層、服務(wù)支撐層、應(yīng)用展現(xiàn)層等方面。因此，在保證各個(gè)層次協(xié)調(diào)配合力度和實(shí)際管控效果達(dá)到合理狀態(tài)，保證各個(gè)層次數(shù)據(jù)信息管控效果，為電廠電力設(shè)備運(yùn)行管理提供準(zhǔn)確信息支持，有效提升電廠電力設(shè)備運(yùn)行安全防護(hù)效果，在保證電廠電力設(shè)備運(yùn)行過(guò)程中基礎(chǔ)信息傳輸力度和實(shí)際管控水平的情況下，將深度學(xué)習(xí)目標(biāo)落到實(shí)處。對(duì)于數(shù)據(jù)采集層來(lái)說(shuō)，需要在各項(xiàng)基礎(chǔ)裝置協(xié)調(diào)配合狀況下，實(shí)現(xiàn)電廠電力設(shè)備運(yùn)行調(diào)度和基礎(chǔ)數(shù)據(jù)信息采集工作，并從數(shù)據(jù)接入層入手，增強(qiáng)電廠電力設(shè)備運(yùn)行過(guò)程中數(shù)據(jù)信息傳輸力度和實(shí)際管控效果，為深度學(xué)習(xí)背景下的電廠電力設(shè)備運(yùn)行管理提供便利支持。協(xié)調(diào)電廠電力設(shè)備應(yīng)用客戶端和操作端之間關(guān)系，確保廣大用戶對(duì)電廠電力設(shè)備運(yùn)行，以及綜合管理提出的要求得以落實(shí)。

對(duì)于電廠電力設(shè)備運(yùn)行管理系統(tǒng)來(lái)說(shuō)，涉及的功能也比較多，包括前端應(yīng)用功能、數(shù)據(jù)接入功能和服務(wù)支撐功能等，這些功能可以保證各項(xiàng)基礎(chǔ)信息傳輸和綜合分析效果的情況下，滿足電廠電力設(shè)備運(yùn)行管理及其深度學(xué)習(xí)工作良性開(kāi)展要求。大數(shù)據(jù)分析功能，可為電力設(shè)備運(yùn)行情況的監(jiān)測(cè)提供所需的條件[2]。將深度學(xué)習(xí)模式在電廠電力設(shè)備運(yùn)行管理中的實(shí)際作用表現(xiàn)出來(lái)，從而滿足電廠電力設(shè)備良性穩(wěn)定運(yùn)行要求。

3 深度學(xué)習(xí)中多特征融合的對(duì)象分類(lèi)模型建立

根據(jù)各項(xiàng)特征表現(xiàn)和關(guān)聯(lián)信息通過(guò)樣本庫(kù)的方式表現(xiàn)出來(lái)，方便電廠電力設(shè)備運(yùn)行管理人員可以對(duì)各項(xiàng)基礎(chǔ)信息進(jìn)行有效分析，從而保證關(guān)聯(lián)模型和準(zhǔn)確信息在權(quán)重矩陣分析和綜合管控中的作用，對(duì)電廠電力設(shè)備運(yùn)行過(guò)程中表現(xiàn)出來(lái)的多層神經(jīng)元網(wǎng)絡(luò)進(jìn)行有效提取，做好屬性分類(lèi)和網(wǎng)絡(luò)模型規(guī)劃等工作，將電廠電力設(shè)備運(yùn)行及其關(guān)聯(lián)數(shù)據(jù)信息的輸入，以及輸出的非線性關(guān)系表現(xiàn)出來(lái)，突出非線性關(guān)系與低層特征之間協(xié)調(diào)配合力度，可在電廠電力設(shè)備運(yùn)行過(guò)程中獲得視頻、圖像和數(shù)據(jù)等結(jié)構(gòu)化信息，然后根據(jù)各項(xiàng)信息建立電廠電力設(shè)備視頻圖像分類(lèi)模型，為基于深度學(xué)習(xí)的電廠電力設(shè)備運(yùn)行狀態(tài)分析提供便利支持。

在該過(guò)程中，還需要借助圖像融合技術(shù)來(lái)實(shí)現(xiàn)融合處理目標(biāo)，主要分成三部分，分別為像素圖像融合、特征圖像融合、決策圖像融合。像素圖像方面的融合的對(duì)象為原始數(shù)據(jù)，可通過(guò)信息互補(bǔ)最大限度利用原始數(shù)據(jù)；特征圖像融合是進(jìn)行特征信息的處理，比如邊緣及紋理等特征數(shù)據(jù)，并且進(jìn)行關(guān)聯(lián)及識(shí)別，該方式在應(yīng)用中可使信息得到實(shí)時(shí)化處理，并且將多余的信息去除，可滿足單一特征信息之間互補(bǔ)的需求；在特征融合中可將對(duì)分類(lèi)決策沒(méi)有意義的信息去除，有效地保證各特征的有效判別信息，并且使分類(lèi)決策獲得相應(yīng)的參考依據(jù)。

從深度學(xué)習(xí)角度出發(fā)，對(duì)電廠電力設(shè)備運(yùn)行狀態(tài)進(jìn)行分析，也需要考慮單體特征處理和多提特征融合等情況，將電廠電力設(shè)備運(yùn)行的不同特征清楚詳細(xì)表現(xiàn)出來(lái)，據(jù)此做好有效的圖像劃分和數(shù)據(jù)信息處理工作，并對(duì)基于深度學(xué)習(xí)的電廠電力設(shè)備運(yùn)行分析及其綜合管理優(yōu)化調(diào)控提供標(biāo)準(zhǔn)化參考依據(jù)。圖像分類(lèi)精確性受到了特征提取的影響，而底層特征描述圖形能力比較差，分類(lèi)效果也不理想。因此，可借助多特征融合來(lái)進(jìn)行圖像描述，以實(shí)現(xiàn)對(duì)信息的互補(bǔ)，為圖像的分類(lèi)效果帶來(lái)保障，通過(guò)并行融合和串行融合方式來(lái)實(shí)現(xiàn)處理目標(biāo)。此外，在算法中需要將三個(gè)特征向量以一定的運(yùn)算法則來(lái)合并，可獲得新的特征向量[3]。

圖1 特征及圖像融合

4 以異構(gòu)硬件平臺(tái)為基礎(chǔ)的電力設(shè)備狀態(tài)檢測(cè)技術(shù)應(yīng)用

4.1 電力傳輸線檢測(cè)

可利用圖像灰度化、圖像增強(qiáng)、去噪以及銳化等方式來(lái)實(shí)現(xiàn)處理目的，對(duì)絕緣子串的形狀特征進(jìn)行提取，并且以像素點(diǎn)分類(lèi)方法為基礎(chǔ)，對(duì)同類(lèi)像素點(diǎn)進(jìn)行擬合，可實(shí)現(xiàn)對(duì)傳輸線的監(jiān)測(cè)。在電力傳輸線檢測(cè)中，可借助該方式來(lái)實(shí)現(xiàn)高效地識(shí)別，以確定電力設(shè)備運(yùn)行情況，并且采用電網(wǎng)傳輸線檢測(cè)方法：

第一，需要將各類(lèi)設(shè)備巡檢過(guò)程中產(chǎn)生的圖像信息輸入到相關(guān)系統(tǒng)當(dāng)中；第二，應(yīng)根據(jù)圖像信息表現(xiàn)情況對(duì)輸入的圖片進(jìn)行灰度化處理，為圖像轉(zhuǎn)化成彩色圖像提供便利支持。保證相應(yīng)處理的實(shí)際管控效果和綜合處理力度，站使得電廠電力設(shè)備運(yùn)行狀態(tài)檢測(cè)的準(zhǔn)確性得到保障；第三，應(yīng)利用高斯算子來(lái)對(duì)灰度化圖像實(shí)時(shí)模糊去噪處理工作，獲取有效高斯分布權(quán)值矩陣，方便相關(guān)人員可以從深度學(xué)習(xí)模式入手，對(duì)電廠電力設(shè)備運(yùn)行狀況過(guò)程中產(chǎn)生的灰度化圖像進(jìn)行有效處理，將圖像的噪聲減少。第四，對(duì)處理后的圖像開(kāi)展運(yùn)算，使圖像的像素值降低，可為之后的線性變換提供準(zhǔn)備。第五，對(duì)電廠電力設(shè)備運(yùn)行狀態(tài)圖像進(jìn)行線性變換處理過(guò)程中，需要圖像的對(duì)比度實(shí)施優(yōu)化調(diào)整，盡可能擴(kuò)大傳輸線及其背景差值，這就可以實(shí)現(xiàn)邊緣檢測(cè)效果加強(qiáng)的目標(biāo)[4]。

4.2 安全管理檢測(cè)

在基建條件下，安全人員負(fù)責(zé)對(duì)現(xiàn)場(chǎng)進(jìn)行管理，為設(shè)備的安全運(yùn)行提供支持。為使設(shè)備運(yùn)行得到安全保障，要求安全人員穿紅色馬甲并佩戴安全帽，同時(shí)使用計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)來(lái)進(jìn)行檢測(cè)，準(zhǔn)確判斷人員是否在現(xiàn)場(chǎng)，可為安全管理提供相應(yīng)的條件。對(duì)采集到的圖像進(jìn)行處理時(shí)，首先需要通過(guò)攝像頭對(duì)不同場(chǎng)景的安全人員進(jìn)行采集，將圖像中受到環(huán)境影響比較大的部分篩除，將安全人員的紅馬甲作為特征，以實(shí)現(xiàn)對(duì)其識(shí)別。

其次可在一定的區(qū)域中將紅馬甲位置確定，同時(shí)將其做好標(biāo)簽，增強(qiáng)深度學(xué)習(xí)在神經(jīng)網(wǎng)絡(luò)卷積層處理和關(guān)聯(lián)數(shù)據(jù)信息采集中的作用，從而得到電廠電力設(shè)備運(yùn)行卷積層間的權(quán)重?cái)?shù)據(jù)信息，從而將具體工作提取圖片特征信息中的作用表現(xiàn)出來(lái)。此外，也應(yīng)將電廠電力設(shè)備運(yùn)行，以及深度學(xué)習(xí)訓(xùn)練過(guò)程中產(chǎn)生的圖片信息輸入到神經(jīng)網(wǎng)絡(luò)中，做好全連接層分類(lèi)和損失函數(shù)綜合處理工作，保證電廠電力設(shè)備運(yùn)行圖像綜合處理和關(guān)聯(lián)信息收集的及時(shí)性和有效性，對(duì)關(guān)聯(lián)神經(jīng)網(wǎng)絡(luò)的權(quán)重展開(kāi)有效調(diào)整，在降低電廠電力設(shè)備運(yùn)行損失值狀況下獲得符合深度學(xué)習(xí)要求的神經(jīng)網(wǎng)絡(luò)。

一是從神經(jīng)網(wǎng)絡(luò)中得出人員的位置，確定紅馬甲的位置，之后選擇出紅馬甲位置在監(jiān)測(cè)區(qū)域中的情況。二是將閾值合理設(shè)置后，做好現(xiàn)有設(shè)備運(yùn)行圖像空間和顏色轉(zhuǎn)換工作。三是將獲得圖像進(jìn)行二值化處理，之后再進(jìn)行閉運(yùn)算。

4.3 大型運(yùn)輸設(shè)備檢測(cè)

在檢測(cè)車(chē)輛船只設(shè)備時(shí)，可借助深度神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行，對(duì)傳輸電線周?chē)能?chē)輛、船只圖片信息進(jìn)行采集，并且完成標(biāo)注，建立車(chē)輛、船只以及輸電線路等特征庫(kù)。進(jìn)行訓(xùn)練圖像的預(yù)處理過(guò)程中需要先使用攝像頭來(lái)采集不同場(chǎng)景中的大型車(chē)輛、船只設(shè)備，將圖像中受到環(huán)境因素較大影響的部分去除，并且保留特征比較明顯的圖片。之后，應(yīng)采用人工方式將大型的船只及車(chē)輛設(shè)備標(biāo)注出來(lái)，并且對(duì)其進(jìn)行打標(biāo)簽處理。可使神經(jīng)網(wǎng)絡(luò)的卷積層在電廠數(shù)據(jù)集預(yù)訓(xùn)練模型中獲得卷積層的權(quán)重，可進(jìn)行圖片特征的提取。

在將訓(xùn)練圖片輸入到神經(jīng)網(wǎng)絡(luò)，經(jīng)過(guò)了卷積層提取特征后可進(jìn)行全連接層分類(lèi)，結(jié)合損失函數(shù)來(lái)算出預(yù)測(cè)值、真實(shí)值之間的損失，最后利用反向傳播算法來(lái)調(diào)整神經(jīng)網(wǎng)絡(luò)隱層的權(quán)重，與上述步驟相同，當(dāng)損失降低到了一定程度后停止訓(xùn)練。經(jīng)過(guò)訓(xùn)練可獲得神經(jīng)網(wǎng)絡(luò)，檢測(cè)出畫(huà)面中的大型運(yùn)輸設(shè)備情況，還可在檢測(cè)中將圖片輸入網(wǎng)絡(luò)，網(wǎng)絡(luò)輸出被檢測(cè)物體的位置、類(lèi)別信息。可檢測(cè)出物體的大小情況，預(yù)估大型車(chē)輛、船只數(shù)據(jù)傳輸電線之間的距離，并且設(shè)置相應(yīng)的閾值。當(dāng)?shù)玫降木嚯x結(jié)果小于閾值時(shí)，系統(tǒng)會(huì)發(fā)出報(bào)警，有效避免其與傳輸電線之間發(fā)生刮擦，進(jìn)而避免安全問(wèn)題的產(chǎn)生[5]。

5 以嵌入式平臺(tái)為基礎(chǔ)的電力設(shè)備檢測(cè)

電力設(shè)備作為一種以深度學(xué)習(xí)的經(jīng)典目標(biāo)檢測(cè)算法，相比R-CNN系列目標(biāo)檢測(cè)算法，電力設(shè)備將中間候選項(xiàng)及像素特征重新采樣的過(guò)程取消，保證了速度，可使檢測(cè)精度達(dá)到要求。電力設(shè)備輸出了一系列離散候選箱，之后生成的字符模式會(huì)產(chǎn)生一系列固定大小的方塊，借助小型回旋篩來(lái)進(jìn)行目標(biāo)類(lèi)別、候選方塊位置偏移的預(yù)測(cè)，并且利用移除值的方式來(lái)得到預(yù)測(cè)的結(jié)果。而使用特征提取網(wǎng)絡(luò)需要較多的計(jì)算資源，然而這種方式一般部署在圖形處理器上，這需要大量的硬件的支持，在集成平臺(tái)上執(zhí)行網(wǎng)絡(luò)模型的難度比較大，同時(shí)會(huì)對(duì)電力設(shè)備及內(nèi)置設(shè)備的運(yùn)用產(chǎn)生影響?？山柚鶰obileNet來(lái)替換電力設(shè)備中的VGG-16網(wǎng)絡(luò)，并且通過(guò)mobiliet使用深度來(lái)分隔卷，在該條件下可使整個(gè)標(biāo)準(zhǔn)卷轉(zhuǎn)換為深卷，并且使每個(gè)點(diǎn)一個(gè)卷?？墒馆斎敕譃樯铙w積：16×3×3，以得到16通道特征輪廓，總體積為16×1×1×32。當(dāng)使用標(biāo)準(zhǔn)體積，計(jì)算體積經(jīng)過(guò)計(jì)算后可獲得相應(yīng)的結(jié)果，并且在深度分解體積后獲得體積，為應(yīng)用提供相應(yīng)的參考依據(jù)，使其符合運(yùn)行的要求。

6 電廠電力設(shè)備深度學(xué)習(xí)檢測(cè)實(shí)際應(yīng)用

為了使電廠電力設(shè)備運(yùn)行效率得到提升，可借助深度學(xué)習(xí)算法來(lái)實(shí)現(xiàn)。以汽輪機(jī)為例，可將優(yōu)化手段與深度學(xué)習(xí)之間結(jié)合起來(lái)，使深度神經(jīng)網(wǎng)絡(luò)應(yīng)用到水泵運(yùn)行中，對(duì)運(yùn)行模式進(jìn)行優(yōu)化，可使變動(dòng)速率及平移泵的曲線得到有效調(diào)整，獲得有效的運(yùn)行模式。借助深度神經(jīng)網(wǎng)絡(luò)可對(duì)給水方式進(jìn)行改善，加強(qiáng)了水泵的運(yùn)行效果。要想使給水方式得到改善，應(yīng)控制好水流的速度，根據(jù)電廠的實(shí)際情況來(lái)調(diào)整水泵的水流量，可使低負(fù)荷的運(yùn)行的質(zhì)量得到提高，也可使機(jī)械的故障問(wèn)題得到有效解決。

通過(guò)對(duì)該方式的應(yīng)用，可達(dá)到對(duì)給水方式的優(yōu)化目的，并且使運(yùn)行中的能耗問(wèn)題得到改善，為水泵運(yùn)行效果帶來(lái)保障，進(jìn)而使設(shè)備的運(yùn)行發(fā)揮出有效的作用。要想使設(shè)備的運(yùn)行效果達(dá)到要求，以汽輪機(jī)為例，應(yīng)將其啟停操作優(yōu)化，使汽輪機(jī)的運(yùn)行效果得到保障，使其使用效果加強(qiáng)。在啟停運(yùn)行及停止操作中需考慮到能耗問(wèn)題帶來(lái)的影響，在進(jìn)行啟動(dòng)時(shí)要求工作人員對(duì)高壓缸、壓缸聯(lián)動(dòng)運(yùn)行方式綜合，并且在該過(guò)程中將轉(zhuǎn)子參數(shù)變化控制好，使汽輪機(jī)暖機(jī)的運(yùn)行速度得到優(yōu)化，避免電力損耗問(wèn)題產(chǎn)生，保證了啟動(dòng)運(yùn)行的效果。在啟動(dòng)優(yōu)化中可將汽輪機(jī)的潤(rùn)滑油、循環(huán)水管理工作落實(shí)，使其運(yùn)行具備良好的條件。

同時(shí)，應(yīng)將系統(tǒng)轉(zhuǎn)子參數(shù)有效調(diào)整，可使汽輪機(jī)及其他的運(yùn)行設(shè)施的溫度得到控制，并且提升運(yùn)行的速度。在汽輪機(jī)減速及降溫的過(guò)程中能損耗會(huì)出現(xiàn)一定的差異，在系統(tǒng)參數(shù)改變的情況下，可對(duì)電能消耗進(jìn)行有效控制，并且使其在停止過(guò)程中的效果加強(qiáng)，可實(shí)現(xiàn)對(duì)汽輪機(jī)設(shè)備管理的優(yōu)化，使其在運(yùn)行中保持良好狀態(tài)。通過(guò)對(duì)電廠運(yùn)行的特點(diǎn)的分析，為了使汽輪機(jī)的運(yùn)行效果加強(qiáng)，應(yīng)將汽輪機(jī)配汽形式改善。要求人員運(yùn)用深度學(xué)習(xí)算法，借助深度神經(jīng)網(wǎng)絡(luò)來(lái)開(kāi)展管理，可使用三閥式配汽的方式來(lái)實(shí)現(xiàn)優(yōu)化。

在實(shí)際優(yōu)化過(guò)程中可使用集中精致運(yùn)行中產(chǎn)生的負(fù)荷強(qiáng)度來(lái)進(jìn)行，保證設(shè)備的運(yùn)行效果。在調(diào)控三閥式的過(guò)程中，要求技術(shù)人員根據(jù)流程要求進(jìn)行操作，同時(shí)需要對(duì)閥門(mén)開(kāi)展定期維修及保護(hù)工作，可使其封閉型負(fù)荷電廠的運(yùn)行要求。在封閉性出現(xiàn)了故障問(wèn)題，應(yīng)及時(shí)進(jìn)行應(yīng)對(duì)，可避免對(duì)設(shè)備的運(yùn)行產(chǎn)生不良的影響。三閥式汽配方式相比傳統(tǒng)的配汽方式有著更多的優(yōu)勢(shì)，可使整體的壓力得到有效調(diào)整，避免了能源損耗問(wèn)題的產(chǎn)生，還可使運(yùn)行的質(zhì)量得到有效提升。

隨著我國(guó)的電廠建設(shè)運(yùn)行的發(fā)展，電力設(shè)備運(yùn)行管理水平提高，在智能化技術(shù)應(yīng)用中深度學(xué)習(xí)算法體現(xiàn)出了較大的優(yōu)勢(shì)，將其與電力設(shè)備運(yùn)行管理結(jié)合起來(lái)可發(fā)揮出有效的作用。可借助深度學(xué)習(xí)算法來(lái)進(jìn)行電力設(shè)備運(yùn)行狀態(tài)檢測(cè)，比如借助異構(gòu)硬件平臺(tái)為基礎(chǔ)的技術(shù)來(lái)進(jìn)行電力傳輸線檢測(cè)、安全管理檢測(cè)以及大型運(yùn)輸設(shè)備檢測(cè)等，還可應(yīng)用嵌入式平臺(tái)來(lái)實(shí)現(xiàn)目標(biāo)。通過(guò)對(duì)深度學(xué)習(xí)算法的有效應(yīng)用，可使電廠的電力設(shè)備運(yùn)行得到全面的保障。