基于Mask R-CNN 的電力關鍵設備運行狀態檢測

呂超，楊德宇，劉文杰，張克勝

（內蒙古電力科學研究院，內蒙古呼和浩特 011200）

完整的電力網絡由關鍵設備、傳輸線路、內阻三部分共同組成。傳輸線路的阻值水平相對較低，且不具備供應電量的能力，故而其對于傳輸電壓的負載能力也就相對較弱；內阻是電力設備的內部負載電阻。在電力網絡中，已接入電力設備越多，連接內阻的數值也就越大。當內阻數值達到一定標準時，其對于傳輸電壓的負載能力也就無法被忽略不計。

電力關鍵設備是指在電力網絡中起到主要供電作用的設備元件，如常見的發電機、變壓器、斷路器等，其最主要功能是提供電量信號，因此，其對于傳輸電壓的負載能力也相對較強[1-2]。

基于上述分析，相關研究人員提出了電力關鍵設備兩端負載電壓、內阻消耗電壓之和應等于干路總電壓數值的猜想。

Mask R-CNN 網絡模型是一個兩階段框架結構，第一個階段可以根據數據對象識別結果，生成提議條件；第二階段則可以在已生成提議條件的基礎上，確定數據對象的實際取值范圍[3-4]。Mask R-CNN 檢測框架以Faster R-CNN 模型為基礎，但相較于后者，前者能夠更好控制網絡體系對數據信息樣本造成的退化性影響，從而使得待測數據辨識特征在整個傳輸過程中不會發生改變。由于Mask R-CNN 框架對于數據樣本的提取完全遵循深度殘差特征，所以隨著樣本輸入量的增大，檢測主機對于數據信息參量的提取結果也始終不會發生改變。因此，為驗證上述猜想，針對基于Mask R-CNN 的電力關鍵設備運行狀態檢測方法展開研究。

1 運行狀態檢測模型

對于電力關鍵設備運行狀態的檢測，可以在Mask R-CNN 網絡的基礎上，確定電量信號的時域與頻域取值范圍，并根據負荷阻抗特征表達式，求解交流參數，從而構建完整的連續相關函數。

1.1 建立Mask R-CNN網絡

完整的Mask R-CNN 網絡檢測框架結構如圖1所示。

圖1 Mask R-CNN網絡檢測框架結構

Mask R-CNN 網絡檢測框架由特征提取、特征組合、區域提交、ROIAlign、功能統計五部分組成。其中，特征提取結構承擔了主要的數據運算任務，可以根據電力關鍵設備運行狀態的不同，選擇不同的數據信息作為變量指標。特征組合結構則可以按照信息相關性，將網絡主機所獲取的數據變量整合成多個獨立存儲結構[5-6]。區域提交結果負責將電力關鍵設備運行狀態數據反饋給既定檢測主機。ROIAlign結構可以提供大量連接節點，以供檢測主機自由選擇。功能統計結構可以確定電力關鍵設備運行狀態數據的單位輸出量。

由于Mask R-CNN 網絡檢測框架對數據的承載能力有限，因此還需考慮電量信號的時域與頻域傳輸范圍。

1.2 判斷時域范圍

時域范圍是指電量信號在時間方面的分布特性。利用Mask R-CNN 網絡框架檢測電力關鍵設備運行狀態數據時，若不能保障電量信號在時間方面的分布穩定性，則會對電力關鍵設備運行狀態數據的傳輸能力造成影響[7-8]。在求解時域范圍表達式時，要求電量信號傳輸系數e1的取值必須大于波動系數u1，狀態數據時域范圍求解過程為：

1.3 判斷頻域范圍

頻域范圍是指電量信號在頻率方面的分布特性。隨著待測電力關鍵設備運行狀態數據存儲量的增大，其在頻域方面的波動能力也會不斷增強，此時為獲得準確的頻域范圍定義結果，應將電量信號波長特征限定在(0,1]的數值范圍之內[9-10]。假設δ表示電量信號頻率波動系數的初始賦值，表示電量信號在既定頻域區間內的波動特征，表示信號參量的實時存儲系數，表示電量信號的波動頻率度量值，聯立上述物理量，得到狀態數據頻域范圍求解過程為：

在Mask R-CNN 檢測網絡中，電量信號的波動行為并不能保持穩定，故而系數的取值必須屬于(0,+∞)的數值區間。

1.4 獲取負荷阻抗特征

負荷阻抗特征是指在檢測電力關鍵設備運行狀態數據時，波動信號之間的電荷負載關系。波動信號之間的電荷負載關系越突出，負荷阻抗特征的計算取值也就越大[11-12]。電信號負荷參量直接影響負荷阻抗特征的求解結果，二者間關系如下：

式中，?表示電信號波動向量，φ表示單位波動幅度，u表示電量信號輸出系數。在式（3）的基礎上，設λ表示電量波動信號的傳輸導向系數，表示電力關鍵設備運行狀態數據的傳輸量均值，γ表示方向性傳輸系數，得到負荷阻抗特征為：

1.5 求解交流參數

交流參數也叫交變參數，可用于描述電力關鍵設備運行狀態數據在檢測過程中的變化行為。由于Mask R-CNN 網絡對于待測數據對象的承載能力有限，所以隨著交流參數取值結果的增大，電力關鍵設備運行狀態數據累積量也并不會出現無限增大的變化狀態[13-14]。假設μ、ν表示兩個隨機選取的電量信號交變特征，Sμ表示基于特征指標μ的電力關鍵設備運行狀態數據行為向量，Sν表示基于特征指標ν的電力關鍵設備運行狀態數據行為向量，表示向量Sμ與Sν的平均值，ι表示常規導向系數。可將交流參數求解表達式定義為：

對于檢測主機而言，保障交流參數取值結果的穩定，是實現對電力關鍵設備運行狀態準確檢測的基礎。

1.6 建立連續相關函數

連續相關函數既可以用來描述電力關鍵設備運行狀態數據之間的相似性，也可以用來描述同一數據參量現在值與過去值之間的相似性。對于檢測主機而言，在Mask R-CNN 網絡框架的作用下，可以根據現在值、過去值指標，確定電力關鍵設備運行狀態數據的未來變化狀態，在電信號波形極度相似的情況下，相關性函數條件是主機元件判斷數據變量存在狀態的關鍵因素[15-16]。假設Cov()?表示連續性特征為?時的關聯性檢測系數，在Mask R-CNN 網絡框架中，系數?的取值恒不等于零，θ表示相關性度量條件，表示電力關鍵設備運行狀態數據的檢測標記特征。聯立上述物理量，可將連續相關函數表示為：

函數F取值為0 時表示Mask R-CNN 網絡中當前所存儲電力關鍵設備運行狀態數據之間不存在明顯的相互作用關系，此情況下對于這些數據變量的檢測，僅需要考慮支路電壓與總路電壓之間的具體數值關系。

2 實驗與結果分析

為驗證基于Mask R-CNN 的電力關鍵設備運行狀態檢測方法的實際應用結果，設計如下驗證過程。

2.1 提出猜想

探究電力關鍵設備兩端負載電壓與干路總電壓之間的數值關系是檢測電網設備運行狀態的關鍵環節。根據式（7）可知（U表示負載電壓，R表示電阻數值，I表示傳輸電流），在傳輸電流數值保持不變的情況下，電阻數值越大，負載電壓的數值也就越大。

在電力網絡中，因為電力關鍵設備的電阻數值一定小于干路總電阻數值，所以電力關鍵設備兩端負載電壓數值也一定小于干路總電壓。在電網內阻消耗電壓數值保持不變的情況下，隨著電力設備接入量的增大，干路總電壓數值也會不斷增大，故而提出猜想：電力關鍵設備兩端負載電壓、內阻消耗電壓之和等于干路總電壓數值。

2.2 實驗步驟

首先，搭建如圖2 所示的電路，確保在沒有短路、斷路連接的情況下，閉環所有控制開關。

圖2 實驗電路圖

然后，分別統計電力關鍵設備兩端負載電壓、內阻消耗電壓，再根據干路電壓表示數確定干路的總電壓數值。最后，分析電力關鍵設備兩端負載電壓、內阻消耗電壓、干路總電壓之間的數值關系。

實驗中：閉合開關S，電壓表V1顯示干路總電壓，電壓表V2顯示關鍵耗電設備ARM Cortex-M3元件兩端的負載電壓，電壓表V3 顯示內阻R的消耗電壓。

2.3 結果分析

圖3、圖4 分別記錄了電力關鍵設備兩端負載電壓、內阻消耗電壓的變化情況。

圖3 電力關鍵設備兩端負載電壓

圖4 內阻消耗電壓

表1 記錄了電壓表V1 的示數變化情況（規定差值保持在1.5 V 之內，原假設成立）。

表1 電壓數值統計

對比圖3、圖4 和表1 中的數值可知：

①R=50 Ω：當實驗時間為30 min 時，電力關鍵設備兩端負載電壓、內阻消耗電壓之和與干路總電壓之間的差值達到最大，為0.8 V；

②R=100 Ω：當實驗時間為20 min 時，設備兩端負載電壓、內阻消耗電壓之和與干路總電壓之間的差值達到最大，為0.6 V：

③R=150 Ω：當實驗時間為30 min 時，設備兩端負載電壓、內阻消耗電壓之和與干路總電壓之間的差值達到最大，為1.0 V；

④R=200 Ω：當實驗時間為30 min 時，設備兩端負載電壓、內阻消耗電壓之和與干路總電壓之間的差值達到最大，為0.9 V；

⑤R=250 Ω：當實驗時間為20 min 時，設備兩端負載電壓、內阻消耗電壓之和與干路總電壓之間的差值達到最大，為0.6 V。

在整個實驗過程中，電力關鍵設備兩端負載電壓、內阻消耗電壓之和與干路總電壓之間的差值始終不會超過1.5 V，說明電力關鍵設備兩端負載電壓、內阻消耗電壓之和等于干路總電壓數值的猜想成立，可以以該猜想為依據，檢測電力關鍵設備運行狀態是否在合理范圍內。

3 結束語

基于Mask R-CNN 的電力關鍵設備運行狀態檢測方法通過定義時域范圍、頻域范圍的方式，求解負荷阻抗特征的取值區間，再通過計算交流參數建立完整的連續相關函數表達式。應用該方法后，電力關鍵設備兩端負載電壓、內阻消耗電壓之和等于干路總電壓數值的猜想得到驗證，并根據該驗證檢測電力關鍵設備運行狀態是否正常。