基于深度神經(jīng)網(wǎng)絡(luò)的電力信息通信組件功能缺陷檢測

孫剛 鄒文景

（南方電網(wǎng)數(shù)字電網(wǎng)研究院有限公司 廣東省廣州市 510000）

電力信息通信組件是我國電力控制系統(tǒng)的關(guān)鍵組成部分，由于現(xiàn)如今社會對于電力的需求量逐漸增大，使得這部分的市場相對較為開闊，在面對缺陷時，需要設(shè)計相對應(yīng)的檢測方法，在進(jìn)行運行之前，對相關(guān)的設(shè)備以及儀器進(jìn)行檢測，或者當(dāng)設(shè)備發(fā)生一定的異常情況時，可以利用相關(guān)的檢測方法來找出問題的所在，以此來保證其他的組件的安全性[1]。利用新時代的科技，對傳統(tǒng)的檢測方法進(jìn)行更新發(fā)展，使其具有更強(qiáng)的靈活應(yīng)變性和實際應(yīng)用性，進(jìn)一步完善我國的檢測技術(shù)和檢測結(jié)構(gòu)。

1 電力信息通信組件功能缺陷檢測方法探析

1.1 進(jìn)行檢測損失參數(shù)的獲取

在設(shè)計電力信息通信組件功能缺陷檢測方法之前，需要先對測試相應(yīng)的損失參數(shù)進(jìn)行獲取。將電力控制系統(tǒng)調(diào)整為多處理模式，保證在獲取指標(biāo)參數(shù)的過程中可以穩(wěn)定運行。完成之后，將系統(tǒng)平臺的其他控制區(qū)域的指標(biāo)進(jìn)行更改。管控屬性變更為檢測模式、慣性向量調(diào)整為0.4354。在此基礎(chǔ)上，再將訓(xùn)練單元的數(shù)值變更為d=37。將這個數(shù)值條件添加在電力通信傳輸?shù)囊?guī)避窗口之中，并進(jìn)行保存[2]。將通信組件進(jìn)行分離式的管控，實際應(yīng)用功能的通信組件為一組，作為基礎(chǔ)層級結(jié)構(gòu)，而其余的高層級的處理通信組件則為頂層結(jié)構(gòu)。完成之后，對所獲取的相關(guān)數(shù)據(jù)進(jìn)行匯總整合，然后利用其來計算對應(yīng)的檢測損失指標(biāo)參數(shù)，具體如下公式（1）所示：

公式（1）中：Q表示實際的檢測損失指標(biāo)參數(shù)，B表示檢測極限值，e表示優(yōu)化注解率，m表示通信組件的最大的檢測范圍，表示通信組件的最小的檢測范圍。通過以上計算，可以最終得出對應(yīng)的檢測損失指標(biāo)參數(shù)。通過這個指標(biāo)參數(shù)，來對檢測的基礎(chǔ)條件進(jìn)行判斷，如果超出這個數(shù)值范圍，就表明檢測的環(huán)境相對異常，需要重新建立，反之，如果在這個數(shù)值范圍之內(nèi)，就表明檢測的環(huán)境相對于正常情況，可以進(jìn)行后續(xù)的操作。

1.2 建立anchor功能缺陷檢測算法

在完成檢測損失參數(shù)的獲取之后，接下來，需要建立anchor功能缺陷檢測算法，來細(xì)化檢測的結(jié)構(gòu)。首先，針對目前階段電力通信組件功能效率低下、執(zhí)行程度低等缺陷，制定對應(yīng)的檢測方案[3]。可以先對比不同的檢測指標(biāo)，并對相關(guān)的結(jié)果進(jìn)行調(diào)整，以此來保證檢測環(huán)境的穩(wěn)定性，再建立對應(yīng)的檢測算法，實現(xiàn)最終檢測環(huán)境的構(gòu)建。對不同的檢測指標(biāo)進(jìn)行對比，具體如表1所示。

依據(jù)表1中的數(shù)據(jù)信息，進(jìn)行檢測指標(biāo)的對比。完成之后，利用以上獲取的數(shù)據(jù)以及測量得到相關(guān)信息，進(jìn)行anchor功能缺陷檢測算法的構(gòu)建，具體公式（2）、（3）、（4）如下所示：

表1：檢測指標(biāo)標(biāo)準(zhǔn)對比表

公式（2）、（3）、（4）中：M、N、Y表示目標(biāo)檢測率的實際值，θ表示應(yīng)用函數(shù)，表示通信組件的執(zhí)行固定比，σ表示變換指數(shù)。通過以上計算，最終可以得出具體的目標(biāo)檢測率的實際值。利用這個數(shù)值，來對檢測的應(yīng)用過程進(jìn)行具體的分析，并對相關(guān)的標(biāo)注異常點作出一定的關(guān)聯(lián)，以此來提升整個檢測方法的效率和質(zhì)量。

1.3 構(gòu)建深度學(xué)習(xí)的缺陷檢測模型

在完成anchor功能缺陷檢測算法的建立之后，接下來，進(jìn)行深度學(xué)習(xí)的缺陷檢測模型的構(gòu)建。其實，在檢測的過程中，存在一種獨立的缺陷神經(jīng)元RBM，這種神經(jīng)元通常情況下是隨機(jī)的，它會無規(guī)律地出現(xiàn)在檢測的過程中，并且會對最終的檢測結(jié)果造成一定的影響。但是它具有兩種狀態(tài)，激活和未激活，所以，只要RBM神經(jīng)元處于未激活的狀態(tài)，就可以保證最終檢測結(jié)果的真實可靠性。利用概率統(tǒng)計法將獨立神經(jīng)元做分離操作，同時對其粒子數(shù)量進(jìn)行測量。完成測量之后，依據(jù)所獲得的數(shù)據(jù)信息進(jìn)行檢測模型隱藏單元的定義，如下公式（5）所示：

公式（5）中：V表示檢測模型隱藏單元定義值，h表示優(yōu)解目標(biāo)指數(shù)，f表示應(yīng)用執(zhí)行系數(shù)。通過以上計算，最終可以得出對應(yīng)的檢測模型隱藏單元定義值，利用這個數(shù)值建立實際的檢測模型，并將這個數(shù)值范圍作為檢測的基底，消除RBM神經(jīng)元的作用，使整個檢測模型具有更高的靈活應(yīng)用性，銀隱藏單元還可以利用深度神經(jīng)網(wǎng)絡(luò)測定出電力通信組件的隱藏缺陷，進(jìn)一步增強(qiáng)了方法的檢測范圍。

1.4 DBN深度置信網(wǎng)絡(luò)實現(xiàn)通信組件功能缺陷的檢測

在完成深度學(xué)習(xí)的缺陷檢測模型的構(gòu)建之后，接下來，需要利用DBN深度置信網(wǎng)絡(luò)來最終實現(xiàn)通信組件功能缺陷的檢測。DBN是一種網(wǎng)絡(luò)綜合處理程序，主要是利用多層的RBM進(jìn)行互相疊加，以此來對發(fā)生異常的點作出位置的確定，并對功能缺陷進(jìn)行檢測。但是，這種處理模式雖然高效，但是分為多層次的處理結(jié)構(gòu)，在實施的過程中可能會相對較為煩瑣。利用預(yù)訓(xùn)練的形式獲取到相應(yīng)的權(quán)重初值，對數(shù)值進(jìn)行對比分析，判斷其是否處于標(biāo)準(zhǔn)的范圍之內(nèi)，進(jìn)而完成隱藏缺陷的檢測。至此，便完成了利用DBN深度置信網(wǎng)絡(luò)來實現(xiàn)通信組件功能缺陷的檢測。

2 方法測試

2.1 測試準(zhǔn)備

本次主要對基于深度神經(jīng)網(wǎng)絡(luò)的電力信息通信組件功能缺陷檢測方法進(jìn)行測試。測試將以對比的形式進(jìn)行，共分為兩組，一組為傳統(tǒng)的滑動數(shù)據(jù)檢測法。將其設(shè)定為傳統(tǒng)數(shù)據(jù)檢測組；另一組為本文所設(shè)計的方法，將其設(shè)定為深度神經(jīng)網(wǎng)絡(luò)檢測組。設(shè)定對應(yīng)的檢測參數(shù)。將通信組件的傳輸語言更改為Python3.7，信息滑動頻率為0.14，相對應(yīng)的訓(xùn)練向量為d=52，組件的代碼片段為6.49，在此基礎(chǔ)上，將對應(yīng)的獨立功能單元的線性比值調(diào)整為8.42，通信的變化向量范圍更改為12.44～21.76。在完成以上的測試參數(shù)設(shè)置之后，接下來，進(jìn)行相對應(yīng)的測試布置。可以先將通信的數(shù)據(jù)集結(jié)構(gòu)變更為多核心的賦值結(jié)構(gòu)，進(jìn)而方便以下的測試。完成之后，在保證沒有外部影響因素的條件下，開始測試。

2.2 測試過程

通過以上的測試準(zhǔn)備以及相對應(yīng)參數(shù)的設(shè)置，接下來，對兩組檢測方法同時進(jìn)行測試。首先，將數(shù)據(jù)添加在平臺之中，利用很可功能檢查數(shù)據(jù)的真實性，并對相關(guān)數(shù)據(jù)信息的可使用性進(jìn)行測定，完成之后，計算對應(yīng)的下采樣率，具體如下公式6所示：

公式（6）中：M表示缺陷檢測實際的下采樣率，β表示可檢測范圍，k表示執(zhí)行的慣性函數(shù)。通過以上計算，最終可以得出缺陷檢測實際的下采樣率。利用這個下采樣率，來建立對應(yīng)的深度神經(jīng)網(wǎng)絡(luò)檢測結(jié)構(gòu)，通常是依照模型檢測的方式來實施的，所以，接下來，在實際的異常情況下進(jìn)行檢測，具體如圖1所示。

圖1：通信組件功能檢測結(jié)構(gòu)圖

根據(jù)圖1中的流程所示，可以對電力通信組件功能進(jìn)行缺陷的檢測。隨后，可以得出兩組測試的數(shù)據(jù)信息結(jié)果，對其進(jìn)行對比性的分析。

2.3 測試結(jié)果

依據(jù)以上的測試分析，最終可以得出兩組測試結(jié)果，對其進(jìn)行對比分析，如表2所示。

表2：檢測結(jié)果對比分析表

根據(jù)表2中的數(shù)據(jù)信息結(jié)果可以得出最終的結(jié)論：在相同的測試條件下，對比于傳統(tǒng)的數(shù)據(jù)檢測組，深度神經(jīng)網(wǎng)絡(luò)檢測組所得出的池化檢測比值相對較高，這就表明這種缺陷檢測方法最終的檢測精準(zhǔn)度比傳統(tǒng)方法更高，具有一定的穩(wěn)定性和準(zhǔn)確性，同時，深度神經(jīng)網(wǎng)絡(luò)檢測方法的靈活性也較好，不存在應(yīng)變困難的情況發(fā)生，因此，最終可以判定，深度神經(jīng)網(wǎng)絡(luò)檢測方法的效果更好。

3 結(jié)束語

綜上所述，便是對基于深度神經(jīng)網(wǎng)絡(luò)的電力信息通信組件功能缺陷檢測方法的設(shè)計分析。功能缺陷檢測方法的完善成熟也為相關(guān)行業(yè)的發(fā)展指明了一條創(chuàng)新路徑，進(jìn)一步拓寬了其未來的發(fā)展前景。