基于tesseract 訓練的電力告警信號特征識別方法

陳東海，王 猛，吳昱浩，楊 淇

（國網寧波供電公司，浙江寧波 315000）

tesseract 訓練引擎碼源由C#、C++兩種語言混編而成，在編譯過程中，所有接口函數直接存儲于baseapi.h 文件中。一般來說，一個tesseract 訓練引擎碼只能處理一類Image 信息，且隨著應用時間的延長，已被讀取數據指標會占據原信息文件的傳輸位置，不但會避免傳輸數據文件出現過量堆積情況，也可建立一個信息參量與另一個信息參量之間的函數連接，加強數據與數據之間的聯系緊密性[1-2]。在智能電網、電力體系等應用環境中，電壓信號、電流信號等特征指標可作為tesseract 訓練引擎的傳輸對象，且隨著數據讀取指令的執行，這些文件信息可直接存儲于既定數據庫主機中，以供其他編譯碼源的調取與利用。

電力告警信號是指能夠描述錯誤電信號傳輸行為的指標參量，在智能配網環境中，電網主機對于告警信號特征的識別準確性直接決定電網體系的應用穩定性。傳統多特征組合識別方法通過電力告警信號特征逐級分析的方式，建立核心信號標記節點與下級信號標記節點之間的物理連接關系，再借助已知編碼原則，確定特征信號參量的位數識別結果[3]。然而，與該方法匹配的電力告警信號峭度指標極值差水平較高，不利于增強電網主機對于告警信號特征的識別準確性。為解決上述問題，設計基于tesseract 訓練的新型電力告警信號特征識別方法。

1 信號字符標記

在tesseract 引擎支持下，電力告警信號的字符標記主要由tesseract 訓練環境布局、字符行區域識別、字符列區域識別三部分組成。

1.1 tesseract訓練環境布局

訓練環境布局是tesseract 引擎碼源設計的關鍵環節，可將既定電力告警信號特征聚集在同一數據信息存儲環節中，并可按照既定調用函數，將信息參量分割為多個應用模式，一部分可供電力主機體系直接調?。涣硪徊糠謩t能夠為行、列區域提供可識別的備選字符信息[4-5]。

規定第一個tesseract 引擎碼源的定義系數項為u1，第n個tesseract 引擎碼源的定義系數項為un，且標記節點n的取值結果始終大于1。規定由式（1）決定的tesseract 引擎標記行為恒成立，則認為電力告警信號特征的訓練環境布局原則始終滿足式（2）：

式中，e表示tesseract 引擎碼源標記系數，β表示電力告警信號的訓練特征值，w1表示第一個tesseract 引擎碼篩查系數，wn表示第n個tesseract 引擎碼篩查系數，p表示tesseract 引擎中的數據信息行為項。環境布局形式決定了tesseract 訓練引擎的應用能力，一般來說，待識別的電力告警信號特征量越多，tesseract 訓練環境對于數據信息參量的容納能力也越強。

1.2 字符行區域識別

字符行區域是以行分布系數為基礎劃分的電力告警信號特征識別區域，在識別取樣過程中，行區域覆蓋面積越大，則表示tesseract 訓練引擎的橫向布局能力越強，反之則越弱[6]。字符行區域識別可以理解為對電力告警信號特征行區域環境的規劃，在配電網環境中，由于信號傳輸特征的不同，與之匹配的數據訓練方式也有所不同，這也是導致電網主機對于告警信號特征識別結果出現明顯差異性的主要原因[7-8]。

設ΔS表示tesseract 訓練環境的行區域跨度量，r表示電力告警信號特征的行區域跨度系數，qr表示行區域跨度系數取值為r時的告警信號特征值，m、d表示兩個不同的行區域字符節點標記系數，聯立式（2），可將字符行區域識別結果SR表示為：

若以tesseract 訓練布局環境為背景，則可認為行區域識別結果直接決定了電力告警信號特征的橫向傳輸能力。

1.3 字符列區域識別

字符列區域是以列分布系數為基礎劃分的電力告警信號特征識別區域，在識別取樣過程中，列區域覆蓋面積越大，則表示tesseract 訓練引擎的縱向布局能力越強，反之則越弱。字符列區域識別可以理解為是對電力告警信號特征列區域環境的規劃，在配電網環境中，與每一列電力告警信號特征所匹配的實時傳輸行為有所不同，此時為充分激發tesseract訓練引擎的應用能力，應對電力告警信號特征所屬的列區域環境進行嚴格規劃與部署[9-10]。

設ΔD表示tesseract 訓練環境的列區域跨度量，i表示電力告警信號特征的列區域跨度系數，qi表示列區域跨度系數取值為i時的告警信號特征值，c表示列區域字符節點標記系數，可將字符列區域識別結果DR表示為：

若以tesseract 訓練布局環境為背景，則可認為列區域識別結果直接決定電力告警信號特征的縱向傳輸能力。

2 電力告警信號的特征識別

2.1 信號特征提取

在tesseract 訓練布局環境中，電力告警信號特征提取行為能夠決定特征參量識別結果準確性，對不同數據信息指標，與之相關的信號特征提取結果也會有所不同[11-12]。在不考慮其他干擾條件的情況下，電力告警信號特征提取結果同時受到數據信息傳輸變化量、特征指標判別條件兩項物理量的直接影響。

數據信息傳輸變化量可表示為ΔG，在單位判別時間內，該項物理指標取值結果越大，電網主機能識別到告警信號特征值也就越多。特征指標判別條件可表示為χ，若單純以tesseract 訓練引擎作為干擾項影響條件，則可認為該項物理指標的取值結果將直接影響電網主機對于電力告警信號特征的識別與處理能力。在上述物理量的支持下，聯立式（4），可將信號特征提取表達式定義為：

其中，z表示電力告警信號特征的傳輸干擾項，λ表示tesseract 訓練引擎對于電力告警信號的判別系數。假設tesseract 訓練引擎的應用穩定性不會發生改變，則可認為信號特征提取條件能夠直接影響電網主機對于告警信號特征指標的識別。

2.2 識別閾值

識別閾值也稱為tesseract 訓練引擎對電力告警信號特征所設置的識別判斷權限，在已知信號特征提取結果情況下，該門限指標的取值結果越大，電網主機對于告警信號特征的準確識別能力也就越強，反之則越弱[13-14]。

設vmax表示電力告警信號特征在tesseract 訓練引擎中傳輸速率的最大值，vmin表示傳輸速率的最小值，在實際應用過程中，不等式(vmax-vmin)＞1 恒成立。規定j表示一個既定的信號特征標記條件，?j表示該條件下電力告警信號特征的預設實值結果，在上述物理量的支持下，聯立式（5），可將識別閾值表達式定義為：

式中，k表示已知的特征數據判別項指標。通常情況下，在tesseract 訓練引擎的支持下，指標k的取值結果始終不會大于自然常數e。

2.3 暫態行為處理

暫態行為處理是電力告警信號特征識別方法設計的末尾執行環節，在tesseract 訓練環境中，電網主機可以通過規劃電力告警信號特征存儲區間的方式，確定暫態識別行為的實際執行能力[15-16]。

設xα表示電力告警信號暫態行為標記系數為α時待識別特征指標參量，xˉ表示待識別特征指標參量的平均值，α表示信號特征參量的實際識別權限，b表示實時系數項，φ表示既定的信號數據識別特征值。在上述物理量的支持下，聯立式（6），可將暫態行為處理結果表示為：

3 實例分析

為驗證基于tesseract 訓練的電力告警信號特征識別方法實際應用價值，設計如下對比實驗。通過人工干預方式模擬電力告警信號的傳輸行為，選取兩臺配置完全相同的電網主機作為實驗對象，其中實驗組主機配置基于tesseract 訓練的特征識別方法，對照組主機配置多特征組合識別方法。具體的實驗環境配置流程如圖1 所示。

圖1 實驗環境配置流程圖

電力告警信號峭度指標極值差能夠反映電網主機對告警信號特征識別準確性，一般來說，極值差水平越低，表示電網主機對于告警信號特征的識別準確性越強，反之則越弱。表1 記錄電力告警信號峭度指標極值差的理想數值水平。

表1 電力告警信號峭度極值差的理想數值

分析表1可知，隨著實驗時間的延長，峭度指標極大值、極小值均表現出不斷波動的數值變化趨勢。當時間取值為20 min時，峭度極值差的數值水平最大，達到了13.4°/V，當時間取值為40 min時，峭度極值差的數值水平最小，達到了7.5°/V，二者差值為5.9°/V。

圖2 為實驗組、對照組電力告警信號峭度指標極大值的實驗數值結果。

圖2 電力告警信號峭度指標極大值

圖3 為實驗組、對照組電力告警信號峭度指標極小值的實驗數值結果。

圖3 電力告警信號峭度指標極小值

對照圖2、圖3，計算實驗組、對照組電力告警信號峭度指標的實際極值差結果，具體數值如表2所示。

表2 電力告警信號峭度極值差的實際數值

對比表1、表2 可知，當時間取值為50 min 時，實驗組電力告警信號峭度極值差達到最大值8.3 °/V，與理想最大值13.4°/V 相比，下降了5.1°/V。當時間取值為40 min 時，對照組電力告警信號峭度極值差達到最大值21.8°/V，與理想最大值13.4°/V 相比，上升了8.4°/V。

4 結束語

與多特征組合識別方法相比，新型識別方法在tesseract 訓練引擎作用下，分別對字符行區域與列區域進行準確識別，通過閾值判別方式完成暫態行為處理。從實用性角度來看，隨著這種新型識別方法應用，電力告警信號峭度極值差的實際數值水平得到了較好控制，符合增強電網主機對于告警信號特征識別準確性的實際應用需求。