基于多源數(shù)據(jù)融合技術(shù)的輸電線路安全監(jiān)控研究

李敏, 田源, 王大鵬, 王明達(dá), 王蔚

(國網(wǎng)山東省電力公司超高壓公司, 山東, 濟(jì)南 250000)

0 引言

作為電力系統(tǒng)的主要動脈,輸電線路的安全性至關(guān)重要[1],若輸電線路發(fā)生故障,有可能造成嚴(yán)重的經(jīng)濟(jì)損失,并對人們生命安全產(chǎn)生極大威脅[2]。自我國電力系統(tǒng)進(jìn)入智能化建設(shè)以來,輸電線路運(yùn)行的安全監(jiān)控成為相關(guān)部門研究的熱點(diǎn)[3]。

以往的監(jiān)控方法多采用互聯(lián)網(wǎng)平臺技術(shù)[4],通過監(jiān)控器進(jìn)行輸電線路安全監(jiān)控。但該類方法由于監(jiān)控方式較為單一,常出現(xiàn)數(shù)據(jù)監(jiān)控結(jié)果存在誤差等問題。多源數(shù)據(jù)融合技術(shù)能夠匯總不同影響因素之間的相互作用[5],通過數(shù)據(jù)融合獲取高精度融合結(jié)果,為輸電線路運(yùn)行提供最優(yōu)運(yùn)行環(huán)境,由此克服上述文獻(xiàn)所采用監(jiān)控方法的單一性,防止出現(xiàn)因數(shù)據(jù)采集精度差造成的控制效果差等問題。基于此,本文研究基于多源數(shù)據(jù)融合技術(shù)的輸電線路安全監(jiān)控方法,降低輸電線路故障率,確保輸電線路安全性。

1 基于多數(shù)據(jù)融合技的輸電線路安全監(jiān)控方法

1.1 多源數(shù)據(jù)融合技術(shù)架構(gòu)

由于輸電線路周邊的環(huán)境較為復(fù)雜[6],因此為準(zhǔn)確監(jiān)控輸電線路周邊環(huán)境,確保輸電線路安全需在輸電線路周邊布設(shè)多組傳感器實(shí)時監(jiān)測不同環(huán)境因子。在輸電線路安全監(jiān)控過程中通常采用分布式多點(diǎn)測量的傳感器結(jié)構(gòu)[7],能夠?qū)崟r在線監(jiān)控輸電線路周邊溫度、濕度、壓力以及易燃?xì)怏w等數(shù)據(jù)[8]。將同類傳感器所采集的數(shù)據(jù)劃分為兩份,分別對每份數(shù)據(jù)實(shí)施自適應(yīng)加權(quán)融合,在此基礎(chǔ)上再利用加權(quán)融合算法對同類傳感器數(shù)據(jù)實(shí)施一級加權(quán)融合,確定相應(yīng)因子的最優(yōu)融合判斷結(jié)果;完成各類型傳感器數(shù)據(jù)的局部融合后,獲取的融合判斷結(jié)果具有較高精度。采用BP神經(jīng)網(wǎng)絡(luò)對不同類型傳感器數(shù)據(jù)一級融合后的結(jié)果進(jìn)行二級融合,由此獲取全局融合結(jié)果,根據(jù)該結(jié)果能夠?qū)崿F(xiàn)輸電線路安全監(jiān)控。

圖1 多源數(shù)據(jù)融合結(jié)構(gòu)圖

1.2 基于自適應(yīng)加權(quán)的一級融合

(1)

利用式(2)計算均方誤差總值:

(2)

由于檢測值相互獨(dú)立并均為x的無偏判斷結(jié)果,因此可得:

E|(x-xi)(x-xj)|=0(i,j=1,2Λn,i≠j)

(3)

基于上式可得均方誤差總值為

(4)

(5)

1.3 基于BP神經(jīng)網(wǎng)絡(luò)的二級融合

人工神經(jīng)網(wǎng)絡(luò)算法作為一種用于模擬人腦結(jié)構(gòu)與智能特征的方法可通過網(wǎng)絡(luò)學(xué)習(xí)過程獲取與期望結(jié)果相近的輸出結(jié)果,該算法是一種按照誤差逆向傳播算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò),是應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一,其主要優(yōu)勢為自學(xué)習(xí)能力與自適應(yīng)能力較強(qiáng)[11],并且利用BP神經(jīng)網(wǎng)絡(luò)可有效改善模擬過程中的盲目性與計算量大等問題。

1.3.1 輸入與輸出層的確定

在神經(jīng)網(wǎng)絡(luò)內(nèi),輸入樣本需符合下述2個要求:

(1) 輸入樣本之間的相關(guān)性盡量低;

(2) 輸入樣本對輸出結(jié)果的影響盡量大。

由此在選取基于多源數(shù)據(jù)融合技術(shù)的輸電線路安全監(jiān)控過程中選取溫度、濕度、壓力與易燃?xì)怏w等4個彼此相關(guān)性較小的參數(shù)作為BP神經(jīng)網(wǎng)絡(luò)的輸入量。

以準(zhǔn)確描述輸電線路實(shí)時安全狀態(tài)為目的,設(shè)定BP神經(jīng)網(wǎng)絡(luò)的輸出節(jié)點(diǎn)數(shù)量為5,分別為高度安全、中度安全、臨界安全、中度危險與高度危險[12]。對于BP神經(jīng)網(wǎng)絡(luò)輸出的輸電線路5種安全狀態(tài)判斷結(jié)果需以輸電線路實(shí)際情況結(jié)合專家咨詢結(jié)果為根據(jù),如在某一輸入?yún)?shù)值達(dá)到某閾值的條件下則將其定義為高度危險狀態(tài),并逐一設(shè)置不同安全狀態(tài)所對應(yīng)的輸入?yún)?shù)閾值。安全狀態(tài)閾值具體設(shè)定如下:

(1) 高度安全狀態(tài):溫度不高于15 ℃、濕度不高于5%、壓力不高于30 MPa、易燃?xì)怏w濃度不高于80 mg/m3;

(2) 中度安全狀態(tài):溫度不高于30 ℃、濕度不高于20%、壓力不高于60 MPa、易燃?xì)怏w濃度不高于120 mg/m3;

(3) 臨界安全狀態(tài):溫度不高于45 ℃、濕度不高于35%、壓力不高于90 MPa、易燃?xì)怏w濃度不高于160 mg/m3;

(4) 中度危險狀態(tài):溫度不高于60 ℃、濕度不高于50%、壓力不高于120 MPa、易燃?xì)怏w濃度不高于190 mg/m3;

(5) 高度危險狀態(tài):溫度不高于75 ℃、濕度不高于65%、壓力不高于150 MPa、易燃?xì)怏w濃度不高于220 mg/m3。

1.3.2 隱含層與隱含層節(jié)點(diǎn)的確定

相關(guān)資料研究結(jié)果[13]顯示,通常情況下3層BP神經(jīng)網(wǎng)絡(luò)即可實(shí)現(xiàn)逼近任意不間斷函數(shù)的目的。若隱含層內(nèi)節(jié)點(diǎn)數(shù)量有所提升,能夠令BP神經(jīng)網(wǎng)絡(luò)模型的計算誤差顯著下降,但同時也令模型計算過程的復(fù)雜度與所消耗時間顯著提升。基于以上分析綜合考慮,在輸電線路安全監(jiān)控過程中BP神經(jīng)網(wǎng)絡(luò)采用3層結(jié)構(gòu)。隱含層內(nèi)神經(jīng)元的數(shù)量對于BP神經(jīng)網(wǎng)絡(luò)最終精度產(chǎn)生重要影響,通常情況下可依照經(jīng)驗(yàn)公式確定神經(jīng)元數(shù)量n,公式描述如下:

(6)

式中,m和l分別表示輸入節(jié)點(diǎn)和輸出節(jié)點(diǎn)數(shù)量,a為常數(shù),其取值范圍為[1,10]。

1.3.3 各函數(shù)確定

BP神經(jīng)網(wǎng)絡(luò)運(yùn)行過程中需依次設(shè)定激活函數(shù)、訓(xùn)練函數(shù)以及學(xué)習(xí)函數(shù)等。在兼顧BP神經(jīng)網(wǎng)絡(luò)的收斂速度與收斂精度條件下,以令兩者最優(yōu)為目的[14],設(shè)定上述3個函數(shù)分別采用logsig函數(shù)、Teainlm函數(shù)以及l(fā)earrnpbm函數(shù)。由此BP神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)定完成,具體如表1所示。

表1 BP神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)定

1.3.4 樣本訓(xùn)練

通過相關(guān)軟件利用多組訓(xùn)練樣本分別對輸電線路不同安全狀態(tài)實(shí)施訓(xùn)練,訓(xùn)練過程中,在相應(yīng)的高度安全狀態(tài)下,設(shè)定輸入向量為X=(X1,X2,X3,X4),其中X1～X4分別表示溫度、濕度、壓力以及易燃?xì)怏w濃度符合表1內(nèi)安全狀態(tài)的閾值。設(shè)定輸出向量為Y1=(1.000,0.000,0.000,0.000,0.000),訓(xùn)練步數(shù)與訓(xùn)練目標(biāo)分別為1000步和0.001。在相應(yīng)的中度安全狀態(tài)下,設(shè)定輸出向量為Y2=(0.000,1.000,0.000,0.000,0.000),其他安全狀態(tài)以此類推。

驗(yàn)證過程中,以Y={y1,y2,y3,y4,y5}表示輸出向量,其中yi的取值范圍為[0,1]。若輸出向量yi的值高于其他幾個值,則其對應(yīng)的狀態(tài)即為當(dāng)前輸電線路的安全狀態(tài)[15-17]。BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練完成后,即可利用其對輸電線路監(jiān)控過程中各類傳感器所獲取的監(jiān)測數(shù)據(jù)實(shí)時進(jìn)行安全狀態(tài)分析。基于上述描述的一級融合與二級融合過程,能夠得到輸電線路安全監(jiān)控模型,模型結(jié)構(gòu)如圖2所示。

圖2 輸電線路安全監(jiān)控模型

2 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)為驗(yàn)證本文研究的基于多源數(shù)據(jù)融合技術(shù)的輸電線路安全監(jiān)控方法的實(shí)際應(yīng)用性能,選取某市區(qū)輸電線路為實(shí)驗(yàn)對象,實(shí)驗(yàn)對象內(nèi)共包含37個監(jiān)控節(jié)點(diǎn)。監(jiān)控節(jié)點(diǎn)部署如圖3所示。

圖3 監(jiān)控節(jié)點(diǎn)部署圖

2.1 安全監(jiān)控結(jié)果

在實(shí)驗(yàn)對象內(nèi)隨機(jī)選取7個節(jié)點(diǎn)為目標(biāo),采用本文方法對這7個節(jié)點(diǎn)進(jìn)行安全監(jiān)控確定不同時刻條件下的安全狀態(tài),所得結(jié)果如表2所示。分析表2得到,采用本文方法對不同監(jiān)控節(jié)點(diǎn)不同監(jiān)控時刻的監(jiān)控結(jié)果進(jìn)行分析,能夠有效分析出各監(jiān)控結(jié)果不同時刻的安全狀態(tài),且本文方法分析結(jié)果與實(shí)際安全狀態(tài)完全一致,由此說明本文方法具有較強(qiáng)的實(shí)際應(yīng)用價值。

表2 安全監(jiān)控結(jié)果

2.2 監(jiān)控結(jié)果精度分析

本文方法中采用了兩級數(shù)據(jù)融合過程,一級數(shù)據(jù)融合過程中采用自適應(yīng)加權(quán)的融合方法,二級數(shù)據(jù)融合過程中采用BP神經(jīng)網(wǎng)絡(luò)模型。因此以下分析不同數(shù)據(jù)融合過程中不同參數(shù)對于監(jiān)控結(jié)果精度的影響。

2.2.1 不同加權(quán)因子下數(shù)據(jù)融合的精度

在自適應(yīng)加權(quán)融合過程中,加權(quán)因子的設(shè)定對于數(shù)據(jù)融合精度產(chǎn)生重要影響。圖4所示為不同加權(quán)因子(0.1、0.3、0.5、0.7)條件下數(shù)據(jù)融合精度的波動情況。分析圖4得到,隨著數(shù)據(jù)量的提升,不同加權(quán)因子條件下,數(shù)據(jù)融合精度均呈現(xiàn)不同程度的下降趨勢。在加權(quán)因子為0.7的條件下,數(shù)據(jù)融合精度由100%下降至89%左右;在加權(quán)因子降至0.3的條件下,數(shù)據(jù)融合精度由100%下降至95%左右;但當(dāng)加權(quán)因子再次下降至0.1時,數(shù)據(jù)融合精度則由100%下降至94%左右。以上數(shù)據(jù)說明在加權(quán)因子為0.3的條件下,數(shù)據(jù)融合精度顯著高于其他加權(quán)因子,由此說明在自適應(yīng)加權(quán)融合過程中加權(quán)因子值設(shè)定為0.3最為合適。

圖4 數(shù)據(jù)融合精度

2.2.2 隱含層節(jié)點(diǎn)數(shù)量對于收斂精度的影響

BP神經(jīng)網(wǎng)絡(luò)融合過程中,隱含層節(jié)點(diǎn)數(shù)量對于監(jiān)控結(jié)果的精度產(chǎn)生直接影響。分析不同節(jié)點(diǎn)數(shù)量條件下BP神經(jīng)網(wǎng)絡(luò)模型收斂精度的變化情況,結(jié)果如圖5所示。分析圖5得到,隨著隱含層內(nèi)節(jié)點(diǎn)數(shù)量的提升,BP神經(jīng)網(wǎng)絡(luò)的收斂精度呈現(xiàn)逐漸提升的趨勢。但同時隱含層內(nèi)節(jié)點(diǎn)數(shù)量的提升也令BP神經(jīng)網(wǎng)絡(luò)模型計算過程的復(fù)雜度與所消耗時間顯著提升,結(jié)合相關(guān)學(xué)者關(guān)于BP神經(jīng)網(wǎng)絡(luò)收斂速度的分析結(jié)果,綜合分析之下得到在BP神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)量為6的條件下,BP神經(jīng)網(wǎng)絡(luò)的收斂精度與收斂速度綜合最優(yōu),因此本文方法二級融合過程中,設(shè)定BP神經(jīng)網(wǎng)絡(luò)模型中隱含層節(jié)點(diǎn)數(shù)量為6最為合適。

圖5 監(jiān)控結(jié)果分析精度

2.3 故障率波動情況

采用本文方法后的實(shí)驗(yàn)對象整體故障率波動情況如表3所示。分析表3得到,采用本文方法對實(shí)驗(yàn)對象安全狀態(tài)進(jìn)行監(jiān)控后,實(shí)驗(yàn)對象的故障率呈顯著下降趨勢,由此說明采用本文方法可有效監(jiān)控輸電線路安全狀態(tài),降低輸電線路故障率。

表3 故障率波動結(jié)果

3 總結(jié)

本文以防止輸電線路故障產(chǎn)生為目的,研究基于多源數(shù)據(jù)融合技術(shù)的輸電線路安全監(jiān)控方法,采用兩級數(shù)據(jù)融合技術(shù),將自適應(yīng)加權(quán)融合技術(shù)與BP神神網(wǎng)絡(luò)模型相結(jié)合。實(shí)驗(yàn)結(jié)果顯示本文方法可有效監(jiān)控輸電線路安全狀態(tài),防止輸電線路故障產(chǎn)生。