基于數(shù)據(jù)驅(qū)動的電纜信息融合技術(shù)研究

王偉

遼寧省檢驗檢測認證中心（遼寧省產(chǎn)品質(zhì)量監(jiān)督檢驗院） 遼寧沈陽 110000

1 數(shù)據(jù)驅(qū)動算法的框架模型

多源電纜技術(shù)指標數(shù)據(jù)進入數(shù)據(jù)驅(qū)動框架后，提取各種指標信息的細節(jié)特征，并與當前故障模型數(shù)據(jù)庫中的信息進行比對，分析出故障類型和故障風險；啟動數(shù)據(jù)驅(qū)動引擎融合各種電纜風險信息，計算出風險權(quán)重比例關系，最后定位故障區(qū)域并輸出電纜風險的評估結(jié)果[1]。

假定傳輸?shù)綌?shù)據(jù)驅(qū)動引擎的故障類別只有兩種a 和b，所構(gòu)成的故障特征集為，基于數(shù)據(jù)驅(qū)動的電力數(shù)據(jù)融合技術(shù)利用數(shù)據(jù)驅(qū)動框架綜合分析兩種故障值之間的相關性，并通過權(quán)重比例結(jié)果判斷出電纜發(fā)生故障的總體概率，將兩種電纜故障集合都視為隨機變量，則故障集合A 和B 之間的相關性（A，B）可表示為：

2 電纜數(shù)據(jù)特征除異與融合

多源數(shù)據(jù)特征匯聚到源節(jié)點后利用卡爾曼濾波算法去除冗余數(shù)據(jù)，卡爾曼濾波算法多用于解決非線性系統(tǒng)中的數(shù)據(jù)預估問題，基于先驗知識不斷地更新判斷準則，以準確輸出測量的估計值。以A類故障集合為例，在t+1 時刻的卡爾曼濾波方程可以表示為：

其中，E 表示A 類故障集合的最優(yōu)期望函數(shù)，κ 表示全部數(shù)據(jù)特征之和。據(jù)公式（1）求出任意兩個故障類別特征之間的協(xié)方差矩陣，并確定相關的閾值參數(shù)即可對源節(jié)點進行濾波操作?？柭鼮V波算法具有良好的迭代性能和收斂性能，可減少特征融合過程中異常值的擴散與傳播。在源節(jié)點數(shù)據(jù)融合中可能會產(chǎn)生異常數(shù)據(jù)，經(jīng)卡爾曼濾波處理后會對個別數(shù)據(jù)的特征值產(chǎn)生影響，故需要對歸類的電纜故障特征數(shù)據(jù)進行除異處理。

利用標準差值和平均誤差值即可得到異常電纜數(shù)據(jù)的分布規(guī)律，在電纜信息融合的過程中剔除掉這些異常干擾數(shù)據(jù)[2]。將單一節(jié)點的除異方法拓展應用到全部節(jié)點中，保持各個節(jié)點之間的獨立性和連貫性，通常情況下除異處理后的電纜數(shù)據(jù)即可進行一致性融合，此時各源節(jié)點的測量值符合正態(tài)分布規(guī)律，引入融合節(jié)點支持程度的概念，用（表示節(jié)點p 對節(jié)點q 的支持程度）表示，并確定出融合節(jié)點之間的支持度關系矩陣：

利用融合節(jié)點之間的支持度關系矩陣，對電纜運行數(shù)據(jù)的一致性特征進行描述，可信度的值越高表明電纜存在故障的風險越大。

基于數(shù)據(jù)驅(qū)動算法框架的電纜信息融合技術(shù)，解決了傳統(tǒng)單一故障特征識別技術(shù)存在的電纜信息融合不準確、誤差高的問題，能通過對不同傳感器采集到的多源數(shù)據(jù)進行融合分析與判斷，提高電纜數(shù)據(jù)故障特征識別的精度[3]。

3 技術(shù)驗證

以某供電公司一段500m 長的L 型電纜為實驗研究對象，在電纜上均勻布置溫度傳感器、電流傳感器和電壓傳感器，電纜的其他相關參數(shù)及傳感器的布置情況分別如表1。

表1 實驗電纜的相關參數(shù)

測試的時間周期為24 小時，每個傳感器節(jié)點所采集到的電纜數(shù)據(jù)條目數(shù)量統(tǒng)計結(jié)果如表2 所示。

表2 傳感器數(shù)據(jù)統(tǒng)計（數(shù)據(jù)條目數(shù)量）

4 結(jié)語

針對現(xiàn)有電纜信息融合處理技術(shù)存在融合結(jié)果不準確的問題，提出基于數(shù)據(jù)驅(qū)動的電纜信息融合處理技術(shù)，構(gòu)建一種數(shù)據(jù)驅(qū)動算法框架，提取出不同故障數(shù)據(jù)集中的特征，實現(xiàn)對數(shù)據(jù)的除異與融合處理。