基于Mask R-CNN 的電力關鍵設備載波運行狀態檢測

杜海紅，陳黎明，王冬冬，石 卓

（1.國網安徽省電力有限公司，安徽合肥 230041；2.國網阜陽供電公司，安徽阜陽 236000；3.國網合肥供電公司，安徽合肥 230061）

檢測關鍵電力設備時，載波技術的實施不受所選應用元件的限制，只要有電線，就可以實現數據信息的傳輸[1]。然而電力載波信號的波動能力較強，當其波動水平超過既定數值標準時，會造成電力設備運行狀態檢測失準問題。為解決上述問題，有學者根據極化/去極化電流法原則，計算電容器絕緣狀態下的特征參量，通過求解載波信號波動系數的方法確定賦值參量的取值區間[2]。然而該方法在提升電力設備運行狀態檢測準確性方面的促進作用相對較弱。

Mask R-CNN 是一個實例分割算法，其應用目的在于將所得目標檢測結果分割成多個關聯成分。在構建主體網絡的過程中，主機元件會同時定義多個Mask R-CNN節點樣本以供下級設備元件選擇，由于關聯網絡層次之間的連接關系滿足深度殘差篩選原則，因此隨著待測對象存儲量的增大，網絡主體中的信息互傳關系不會發生改變[3-4]。Mask R-CNN網絡體系增大了輸入節點的連接個數，在協調目標對象之間信息傳輸關系的同時，求解Mask 指標參量的具體數值，不但能夠避免數據信息文本出現過度溢出的情況，還可以更改輸出節點所處的位置，節約目標數據的實際傳輸時長。為此，文中將該方法應用于電力關鍵設備載波運行狀態檢測中，以優化電力關鍵設備運行狀態檢測效果。

1 Mask R-CNN網絡模型

檢測電力關鍵設備載波運行狀態時，Mask R-CNN網絡模型負責定義具體的電力載波信號編碼協議，可以根據網絡空間布局形式調節Align 節點所處的連接位置，將RPN 協議進行獨立處理，使得整個協議作用區域成為樣本空間，以保證R-CNN 網絡主體能夠對載波信號進行準確提取[5-6]。完整的Mask R-CNN網絡模型布局結構如圖1 所示。

圖1 Mask R-CNN網絡模型結構圖

由于Mask R-CNN 網絡模型的構建以R-CNN網絡主體為基礎，因此Mask R-CNN 網絡模型保留了R-CNN 網絡主體對于載波信號的處理能力。

2 電力設備載波運行狀態檢測

2.1 定義小波基

在電力系統中，電力載波信號的傳輸行為與正弦波類似，但由于信號波段中包含了大量的振蕩成分，直接檢測會導致波動幅值無限擴張[7]。而小波基樣本的選取則可以將信號波段中的振蕩成分完全挑選出來，在保證信號樣本傳輸完整性的同時，將賦值波動量控制在既定數值范圍之內，定義式如下：

其中，χ表示正弦波動系數，c表示電力載波信號的完整度特征，Z表示振蕩樣本取值系數，取值區間為[1,N]，α表示電力載波信號的波動指數。小波基定義作為檢測電力設備載波運行狀態的關鍵步驟，不但可以將波段振蕩成分提取出來，還可以將這些信號參量整合成數據集合的形式，從而減少主機元件提取檢測樣本時對波段振蕩參量的二次識別次數[8]。

2.2 電力載波暫態系數

電力載波暫態系數可以分析載波信號的傳輸能力。在Mask R-CNN 網絡模型中，由于小波基樣本值始終保持不變，因此,檢測主機可以根據電力載波暫態系數取值結果判斷電力關鍵設備的實際運行狀態[9-10]。設a1,a2,…,an表示n個不相等的小波基樣本特征，且a1,a2,…,an均不等于0 的取值條件同時成立。

設λ表示載波信號暫態判別系數，s表示載波信號波動向量的初始賦值，?表示載波傳輸信號的分類系數，由此得到電力載波暫態系數求解結果為：

為穩定電力載波信號在Mask R-CNN 網絡模型中的傳輸能力，要求暫態系數取值應屬于(0,1]的數值區間。

2.3 電量阻抗特征

電量阻抗特征是指電力關鍵設備對載波信號波動傳輸特性的抑制作用能力，在Mask R-CNN 網絡模型中，由于電力載波暫態系數的取值區間相對較為局限，因此阻抗特征指標的計算數值越大，表示電力關鍵設備對載波信號波動傳輸特性的抑制作用能力越強[11-12]。電量阻抗特征求解表達式為：

式中，ΔG表示電力載波信號的單位輸出總量，f表示信號波段劃分系數，γ表示波幅導向量，φ表示波頻導向量。電量阻抗特征的求解需要以電力載波暫態系數為基礎，因此在定義計算表達式時，要求導向量γ、φ的取值參考波動系數等于1 時的信號傳輸波動特性。

2.4 連續閾值區間

連續閾值區間是一個不間斷的閾值指標取值范圍，在該區間內，電力載波信號的波動能力相對較弱，故而波動特征參量的取值始終等于1。在不考慮最小閾值節點、最大閾值節點的情況下，可認為連續閾值區間內的電力載波信號的波動特征取值完全相等。規定在Mask R-CNN 網絡模型中，閾值節點定義系數小于零表示求解連續閾值區間時，該節點不在參考范圍之內[13-14]。設Imin表示最小閾值節點定義系數，Imax表示最大閾值節點定義系數，其取值均小于0。由此，將連續閾值區間定義式表示為：

2.5 奇異值檢測系數

奇異值檢測系數影響電力載波信號的分布狀態，在連續閾值區間內，奇異值指標的取值越大，載波信號的分布越集中。在Mask R-CNN 網絡模型連接形式保持不變的情況下，奇異值檢測系數求解受到階段載波值、波段檢測參量兩項物理指標的直接影響[15-16]。

設E1、E2表示兩個不相等的階段載波值，且E1∈W、E2∈W的取值條件恒成立，表示載波E1與E2的平均值，若電力關鍵設備運行狀態保持不變，則階段載波值取值也保持不變。波段檢測參量可表示為，在連續閾值區間內，系數取值恒大于自然數1。

奇異值檢測系數定義式為：

式中，θ表示載波運行狀態評估系數。對于電力關鍵設備載波運行狀態的檢測應以Mask R-CNN網絡模型為基礎，在聯合小波基參量、電量阻抗特征等物理指標的同時，完成對奇異值檢測系數的準確計算。根據奇異值檢測系數計算結果，實現電力關鍵設備載波運行狀態的檢測。

3 實驗與結果分析

實驗選擇LTC2943CDD-1#TRPBF 型號的電量計元件作為實驗對象，將其與ADE7758ARW 邏輯器相連，置于220 V 的電壓環境中，調節滑動變阻器，使得電力回路中的電流等于22.3 A。表1 所示為實驗相關器件的參數情況。

表1 實驗參數設置

利用Mask R-CNN 網絡模型控制搭載Win 10 操作系統的檢測主機，將主機元件接入電力檢測回路中，閉合控制開關，所得變量記為實驗組數據；將各個電力設備示數歸零，斷開控制開關；利用極化/去極化電流法控制實驗主機，再次閉合控制開關，所得變量記為對照組數據；對比實驗組、對照組變量數據，總結實驗規律。

電力載波信號波動幅度用來描述電力主機對關鍵設備元件運行狀態的檢測能力。在圖2 所示電量回路中，電力載波信號的波動幅度越大，表示傳輸信號的波動能力越強，此情況下，電力主機更難實現對關鍵設備元件運行狀態的準確檢測。

圖2 電量回路

圖3 反映了實驗組、對照組電力載波信號波幅在正、負傳輸方向上的數值變化情況（時間軸上半部分表示電力載波信號在正傳輸方向上的波動幅值，下半部分表示電力載波信號在負傳輸方向上的波動幅值）。

圖3 實驗組波動幅值

分析圖3 可知，實驗組電力載波信號在正傳輸方向上的波幅最大值為16.7 dB，在負傳輸方向上的波幅最大值為15.9 dB，二者差值僅為0.8 dB。

分析圖4 可知，對照組電力載波信號的傳輸頻率與實驗組一致。對照組電力載波信號在正傳輸方向上的波幅最大值為21.5 dB，與實驗組最大值相比，增大了4.8 dB；電力載波信號在負傳輸方向上的波幅最大值為28.0 dB。

圖4 對照組波動幅值

綜合圖3 和圖4 可知，對照組與實驗組最大值相比，增大了12.1 dB。整個實驗過程中，對照組電力載波信號在正、負傳輸方向上的波幅差值為6.5 dB，高于實驗組差值水平，即實驗組方法對于電力載波信號波動傳輸行為的控制能力更強。

綜上可知，基于Mask R-CNN 的檢測方法能夠有效控制電力載波信號在正、負傳輸方向上的波動情況，使其波幅呈現出較為對稱的分布狀態，且可以將波幅數值保持在較低水平。即所提方法能夠更好地解決因載波信號大幅波動而造成的電力設備運行狀態檢測失準問題。

4 結束語

在Mask R-CNN 網絡模型的基礎上，電力關鍵設備載波運行狀態檢測方法重新定義了小波基向量，聯合電力載波暫態系數求解電量阻抗特征，通過建立連續閾值區間的方法，確定奇異值檢測系數的取值范圍。實驗結果表明，所提方法能夠有效控制電力載波信號的波動能力，解決因載波信號大幅波動而造成的電力設備運行狀態檢測失準問題，對于維護電力關鍵設備的穩定運行起到一定的促進作用。