基于蟻群算法的電力通信網(wǎng)絡(luò)節(jié)點故障檢測系統(tǒng)

彭波濤，戈偉

（廣東順德電力設(shè)計院有限公司，廣東佛山 528300）

0 引言

由于電力通信網(wǎng)絡(luò)在傳輸過程中受到各種干擾因素的影響，容易出現(xiàn)各種各樣的通信故障［1］?；陔娏νㄐ啪W(wǎng)絡(luò)的重要性，相關(guān)領(lǐng)域研究人員對其開展了深入的研究，并將如何實現(xiàn)對電力通信網(wǎng)絡(luò)故障位置進(jìn)行更加及時的定位作為了研究的重點，并提出了相應(yīng)的解決方案。孫宇嫣等［2］提出基于深度學(xué)習(xí)的智能變電站通信網(wǎng)絡(luò)故障診斷與定位方法，對不同監(jiān)測節(jié)點的故障特征信息進(jìn)行分析，基于深度學(xué)習(xí)原理，構(gòu)建基于深度置信網(wǎng)絡(luò)的通信網(wǎng)絡(luò)故障診斷模型，對通信網(wǎng)絡(luò)故障進(jìn)行診斷與定位。該方法雖然能夠?qū)收显蜻M(jìn)行診斷，但是在故障節(jié)點定位時，出現(xiàn)定位時效性差的問題。孫達(dá)山［3］提出基于電網(wǎng)運維大數(shù)據(jù)的繼電保護(hù)通信系統(tǒng)故障定位方法，根據(jù)故障定位的實際需求，選擇合理的數(shù)據(jù)源，采用貝葉斯算法設(shè)計并完善故障定位流程，利用路由拓?fù)浞▽崿F(xiàn)故障定位。但是該方法的定位準(zhǔn)確率較低，影響故障定位效果。

為了解決這一問題，本文在現(xiàn)有檢測系統(tǒng)的基礎(chǔ)上，引入蟻群算法，設(shè)計一種新的電力通信網(wǎng)絡(luò)節(jié)點故障檢測系統(tǒng)。設(shè)計采集模塊、管理模塊、分析模塊和運行顯示模塊，采集電力通信網(wǎng)絡(luò)節(jié)點運行參數(shù)，基于蟻群算法的理論，對電力通信網(wǎng)絡(luò)節(jié)點故障進(jìn)行判斷，并根據(jù)判斷結(jié)果對故障位置進(jìn)行定位，以期維護(hù)電力通信網(wǎng)絡(luò)正常運行。

1 設(shè)計原理

本文基于蟻群算法，提出一種新的電力通信網(wǎng)絡(luò)節(jié)點故障檢測系統(tǒng)。蟻群算法是通過模擬自然環(huán)境當(dāng)中的蟻群覓食行為，進(jìn)而演化而來的一種全局優(yōu)化算法［4］。當(dāng)前蟻群算法的應(yīng)用主要集中在計算機(jī)領(lǐng)域、交通領(lǐng)域當(dāng)中，可實現(xiàn)對調(diào)度問題、車輛路由問題、網(wǎng)絡(luò)路由問題等合理解決。蟻群算法具有較大的錯容能力，在信息的反饋和尋找具有較好的優(yōu)越性［5］。可以根據(jù)螞蟻行走的位置［6］，對故障節(jié)點進(jìn)行較為準(zhǔn)確地定位。

2 系統(tǒng)硬件設(shè)計

為實現(xiàn)對電力通信網(wǎng)絡(luò)在運行過程中對節(jié)點的故障檢測，本文在引入蟻群算法的基礎(chǔ)上，嘗試設(shè)計一種全新的故障檢測系統(tǒng)［7］。該系統(tǒng)可劃分為4個基本模塊，分別為采集模塊、管理模塊、分析模塊和運行顯示模塊。圖1 所示為本文故障檢測系統(tǒng)功能模塊基本組成示意圖。

圖1 本文故障檢測系統(tǒng)功能模塊基本組成

在具體運行過程中，本文故障檢測系統(tǒng)能夠通過傳感器完成對電力通信網(wǎng)絡(luò)運行參數(shù)采集，并將獲取到的所有參數(shù)導(dǎo)入到與上位機(jī)相連接的服務(wù)器當(dāng)中，實現(xiàn)對采集參數(shù)的初步匯總。結(jié)合電力通信網(wǎng)絡(luò)運行的實際特點，生成方便后續(xù)對其故障進(jìn)行判斷的檢測樣本［8］。將生成的檢測樣本傳輸?shù)椒治瞿K當(dāng)中，利用EEPROM 芯片完成對其抽樣檢測、異常定位和消息生成。將檢測結(jié)果在LED 顯示屏當(dāng)中顯示，以此完成整個故障檢測的過程。

基于上述基本檢測流程，為了確保各個模塊穩(wěn)定運行，對其各模塊下的硬件進(jìn)行優(yōu)化選型。

首先，針對本文故障檢測系統(tǒng)當(dāng)中的傳感器進(jìn)行選型，選用ACS758-549型號傳感器，利用其完成對電力通信網(wǎng)絡(luò)環(huán)境當(dāng)中各個節(jié)點運行參數(shù)的采集，表1 所示為ACS758-549 型號傳感器性能參數(shù)指標(biāo)。由表可知，本文選擇的傳感器應(yīng)用到檢測系統(tǒng)當(dāng)中能夠充分滿足系統(tǒng)在后續(xù)運行時的精度和響應(yīng)需求，確保對故障檢測的精度以及效率。同時，將該型號傳感器應(yīng)用到本文檢測系統(tǒng)當(dāng)中具備安裝方便、體積小、節(jié)省空間等優(yōu)勢，由于該傳感器的設(shè)計只有一種因此適用于寬電流額定范圍，對電力通信網(wǎng)絡(luò)復(fù)雜的運行環(huán)境具有更高的抗擾度。

表1 ACS758-549 型號傳感器性能參數(shù)指標(biāo)

其次，針對用于實現(xiàn)階段故障檢測和判斷的芯片進(jìn)行選擇。選用AT24C256C-SSHL-T 型號EEPROM 芯片，該型號芯片的工作電源電壓為1.8～5.5 V；工作溫度范圍在-45～85 ℃；采用LQFP32 封裝結(jié)構(gòu)。將蟻群算法的程序輸入到該型號EEPROM芯片當(dāng)中，利用其完成對檢測樣本的分析和處理。

最后，針對LED 顯示屏進(jìn)行選擇，為了實現(xiàn)對節(jié)點故障情況的直觀描述，并方便電力通信網(wǎng)絡(luò)節(jié)點管理用戶對其進(jìn)行管理，選擇在電力監(jiān)控中心安裝一臺LSTV-P1.25LED超清顯示屏，該型號顯示屏的像素構(gòu)成為1R1G1B；像素密度為640 000點／m2；像素間距為1.25 mm；亮度為200～1 000 cd／m2

可調(diào)。由于該型號顯示屏采用自發(fā)光原理，因此在色彩表達(dá)上十分突出，能夠?qū)崿F(xiàn)對色彩的高真實度還原，方便系統(tǒng)管理用戶更直觀地對故障情況以及故障位置查明。

3 系統(tǒng)軟件設(shè)計

3.1 電力通信網(wǎng)絡(luò)節(jié)點運行參數(shù)采集及檢測樣本生成

利用本文上述選擇的ACS758-549 型號傳感器對電力通信網(wǎng)絡(luò)節(jié)點運行參數(shù)進(jìn)行采集。選擇在WSN 當(dāng)中完成對所有節(jié)點傳感器的設(shè)置，并針對其采集到的參數(shù)信息進(jìn)行匯總，通過匯總的方式，將節(jié)點運行參數(shù)匯總，以此能夠讓系統(tǒng)管理用戶更加全面地獲取到WSN 節(jié)點相關(guān)信息，從而為后續(xù)故障判斷提供更可靠的依據(jù)。將上述匯總的運行參數(shù)作為檢測樣本，通過對檢測數(shù)據(jù)樣本的計算和分析，實現(xiàn)對其故障檢測［9］。按照上述論述內(nèi)容在完成對電力通信網(wǎng)絡(luò)節(jié)點運行參數(shù)采集，為了確保后續(xù)故障檢測的精度，針對獲取到的運行參數(shù)還需要對其進(jìn)行訓(xùn)練，并完成對其電力通信網(wǎng)絡(luò)權(quán)值和閾值的修正［10］，修正時可依據(jù)如下公式完成：

式中：m（t）為被修正后的樣本數(shù)據(jù)；W（t）為修正前的樣本數(shù)據(jù)；a為修正系數(shù)；b為修正補償數(shù)值。

結(jié)合上述公式，完成對電力通信網(wǎng)絡(luò)權(quán)值和閾值的修正。同時，為了能夠?qū)崿F(xiàn)對是否完成修正的判斷，針對完全修正概率進(jìn)行計算，其公式為：

式中：P｛N（t）＝i｝為完全修正概率；p（t）為隨機(jī)變量。

當(dāng)按照式（2）計算得出的P｛N（t）＝i｝數(shù)值為1 時，則說明此時樣本數(shù)據(jù)被完全修正，可將其代入到后續(xù)檢測流程當(dāng)中；當(dāng)P｛N（t）＝i｝數(shù)值小于1 時，則說明此時樣本數(shù)據(jù)沒有被完全修正，還需要將其代入到式（1）中完成二次修正，直到最終P｛N（t）＝i｝值為1。按照上述內(nèi)容，完成對樣本數(shù)據(jù)的處理，并將其作為檢測樣本帶入到對其節(jié)點故障判斷當(dāng)中。

3.2 基于蟻群算法的電力通信網(wǎng)絡(luò)節(jié)點故障判斷

在電力通信網(wǎng)絡(luò)出現(xiàn)故障問題時，F(xiàn)TU 或RTU 上傳到本文故障檢測系統(tǒng)當(dāng)中的故障信號通常是離散的0、1 信號，在引入蟻群算法后，針對節(jié)點是否存在故障的判斷實質(zhì)是全局尋優(yōu)［11］，對此可通過構(gòu)建評價函數(shù)的方式，實現(xiàn)對其故障節(jié)點的判斷，其表達(dá)式為：

式中：F（i）為評價結(jié)果；I 為電力通信網(wǎng)絡(luò)中各個分段開關(guān)位置上的電流越限信號，存在故障電流則I 值為1，否則I 值為0；Ij為需要進(jìn)行檢測和判斷的通信網(wǎng)絡(luò)節(jié)點電流越限信號；S為在電力通信網(wǎng)絡(luò)當(dāng)中各個設(shè)備的狀態(tài)。

在按照公式（3）計算之前，還需要對各個節(jié)點與造成通信網(wǎng)絡(luò)故障的關(guān)系進(jìn)行判斷［12］，其表達(dá)式為：

從式（4）中可以看出，I 僅與采集到的實時故障電流有關(guān)，與設(shè)備的運行狀態(tài)無關(guān)。結(jié)合這一特點，將上述生成的檢測樣本代入到式（3）中完成對其故障判斷，以此不僅能夠找出故障節(jié)點的具體位置，同時檢測結(jié)果能夠不受線路上設(shè)備的影響，進(jìn)而提升了故障檢測的精度。

4 對比實驗

通過上述論述，在引入蟻群算法的基礎(chǔ)上，設(shè)計了一種全新的故障檢測系統(tǒng)。為了驗證該系統(tǒng)的運行優(yōu)勢，選擇將本文設(shè)計的故障檢測系統(tǒng)作為實驗組，將文獻(xiàn)［2］提出的基于深度學(xué)習(xí)的智能變電站通信網(wǎng)絡(luò)故障診斷與定位方法作為對照組，完成對比實驗。

為了實現(xiàn)對兩種系統(tǒng)的應(yīng)用驗證，選擇以某電力企業(yè)的電力通信網(wǎng)絡(luò)環(huán)境作為實驗環(huán)境，在環(huán)境當(dāng)中節(jié)選一段如圖2 所示的通信線路作為研究對象。

圖2 實驗中電力通信網(wǎng)絡(luò)線路

可以看出，該通信線路上共分布41 個節(jié)點，人為設(shè)置其中10個節(jié)點為故障階段。分別利用兩種檢測系統(tǒng)對其故障進(jìn)行檢測。為了方便比較，選擇將檢測準(zhǔn)確率作為評價指標(biāo)，其計算公式為：

式中：Precision為檢測準(zhǔn)確率；TP 為正確判定為故障節(jié)點的數(shù)量；FP為非故障節(jié)點數(shù)量。

根據(jù)式（5）計算得出兩種檢測系統(tǒng)的檢測結(jié)果準(zhǔn)確率，如表2所示。結(jié)合表中的數(shù)據(jù)可以看出，實驗組的Precision值明顯高于對照組，始終保持在90%以上，因此進(jìn)一步證明，本文提出的基于蟻群算法的故障檢測方法在實際應(yīng)用中檢測結(jié)果的準(zhǔn)確率得到有效提高，可為電力通信網(wǎng)絡(luò)的安全、穩(wěn)定運行提供保障條件。

表2 實驗組與對照組檢測系統(tǒng)實驗結(jié)果對比

5 結(jié)束語

通過本文上述論述，在引入蟻群算法的基礎(chǔ)上，提出了一種全新的故障檢測系統(tǒng)，并結(jié)合實驗的方式驗證了其應(yīng)用可行性。同時，通過研究得出，在應(yīng)用蟻群算法后，能夠有效解決傳統(tǒng)檢測方法在應(yīng)用中存在擴(kuò)大搜索空間與尋找最優(yōu)解之間的矛盾問題，進(jìn)而為故障節(jié)點的判斷提供更高精度的條件。同時，本文提出的檢測系統(tǒng)在應(yīng)用中能夠不受電力通信網(wǎng)絡(luò)中各類連接設(shè)備運行的影響，充分適用復(fù)雜的電力通信環(huán)境，得到的檢測結(jié)果具有更高的可靠性。在具體應(yīng)用當(dāng)中，可將本文檢測系統(tǒng)得出的結(jié)果作為依據(jù)，對電力通信網(wǎng)絡(luò)進(jìn)行維護(hù)和維修決策制定，確保整個電力企業(yè)的可持續(xù)發(fā)展。