基于STM32 的便攜式智能配電一體化移動(dòng)終端控制系統(tǒng)研究

劉棟，張建鵬

（新疆工程學(xué)院，新疆烏魯木齊 830023）

我國偏遠(yuǎn)地區(qū)配電及檢修工作受供電比重較小、供電設(shè)備多而分散、維護(hù)環(huán)境較差、智能化水平較低等多維因素的制約[1]，存在人力依賴性強(qiáng)、便攜性較差、缺乏智能化測(cè)控設(shè)備、無法形成智能化的電力數(shù)據(jù)流一體化融合機(jī)制等問題，嚴(yán)重制約“堅(jiān)強(qiáng)智能電網(wǎng)”的全鏈條發(fā)展。受國家宏觀調(diào)控、市場(chǎng)行情、成本控制等多維因素的影響[2]，我國偏遠(yuǎn)地區(qū)配電及檢修工作為應(yīng)對(duì)復(fù)雜多變的工況呈現(xiàn)隨機(jī)波動(dòng)性，調(diào)度反應(yīng)又對(duì)靈敏度提出了較高要求，加上各類工況互相耦合且不斷引發(fā)運(yùn)行進(jìn)程的結(jié)構(gòu)重建，使得配電、檢修工作系統(tǒng)具有非線性，加大了控制管理難度。

文中針對(duì)上述工程實(shí)際中所存在的問題，設(shè)計(jì)開發(fā)了基于STM32 的便攜式智能配電一體化移動(dòng)終端控制系統(tǒng)。該系統(tǒng)主要由控制系統(tǒng)和軟件系統(tǒng)構(gòu)成?？刂葡到y(tǒng)采用原子科技STM32F103 實(shí)現(xiàn)一體化控制，結(jié)合外圍電路實(shí)現(xiàn)遠(yuǎn)程管理，并承載軟件層的智能化運(yùn)行[3-5]；在軟件系統(tǒng)方面，利用改進(jìn)的深度強(qiáng)化學(xué)習(xí)算法對(duì)較長(zhǎng)周期內(nèi)的配電及檢修數(shù)據(jù)進(jìn)行深度挖掘[6]，分析其潛在規(guī)律，為后續(xù)政策制定提供數(shù)據(jù)支撐。選取國家電網(wǎng)某電力公司數(shù)據(jù)，對(duì)設(shè)計(jì)的系統(tǒng)進(jìn)行實(shí)際驗(yàn)證。結(jié)果表明，文中所設(shè)計(jì)系統(tǒng)運(yùn)行穩(wěn)定，可實(shí)現(xiàn)數(shù)據(jù)的實(shí)時(shí)采集、傳輸，能有效對(duì)長(zhǎng)期配電及檢修數(shù)據(jù)進(jìn)行深度挖掘和分析，并給出潛在規(guī)律，有效解決了配電及檢修工作中存在的相關(guān)問題。

1 控制系統(tǒng)整體框架設(shè)計(jì)

控制系統(tǒng)整體框架如圖1 所示。系統(tǒng)按照功能劃分為底層硬件驅(qū)動(dòng)層、人機(jī)交互端應(yīng)用軟件層、服務(wù)器端軟件支持層。為了實(shí)現(xiàn)各子進(jìn)程的可循環(huán)利用與擴(kuò)展，結(jié)合了松耦合層次的設(shè)計(jì)思想，提高了框架的模塊化程度。在底層硬件驅(qū)動(dòng)層，基于數(shù)據(jù)的信號(hào)轉(zhuǎn)換與控制，可實(shí)現(xiàn)數(shù)據(jù)的采集、存儲(chǔ)、交換并具有互通、低延時(shí)、人機(jī)交互特性，為人機(jī)交互端應(yīng)用軟件層提供了硬件載體[7]；人機(jī)交互端應(yīng)用軟件層具有可視化功能，集成了數(shù)據(jù)的存儲(chǔ)、轉(zhuǎn)移功能，并支持多個(gè)用戶的登記與使用管理，提高了配電、檢修工作的智能化程度；底層硬件驅(qū)動(dòng)層周期性將工況數(shù)據(jù)傳輸至服務(wù)器端軟件支持層[8]，服務(wù)器端軟件支持層對(duì)數(shù)據(jù)進(jìn)行算法處理。為了對(duì)較長(zhǎng)周期內(nèi)的配電及檢修涉及的電網(wǎng)運(yùn)行態(tài)勢(shì)、設(shè)備工況、用電質(zhì)量等進(jìn)行數(shù)據(jù)深度分析，采用改進(jìn)的深度強(qiáng)化學(xué)習(xí)算法，挖掘潛在規(guī)律，為后續(xù)相關(guān)政策的制定提供數(shù)據(jù)支撐，從而構(gòu)建智能化的電力數(shù)據(jù)流一體化融合機(jī)制。

圖1 控制系統(tǒng)整體框架示意圖

2 軟件系統(tǒng)設(shè)計(jì)

上述人機(jī)交互端應(yīng)用軟件層與服務(wù)器端軟件支持層同屬于軟件系統(tǒng)，由于人機(jī)交互端應(yīng)用軟件層由硬件系統(tǒng)提供載體，側(cè)重實(shí)現(xiàn)人機(jī)交互，屬于工程化問題，文中重點(diǎn)關(guān)注基于改進(jìn)的深度學(xué)習(xí)算法的服務(wù)器端軟件支持層，因此給出機(jī)制與算法的融合思路，并利用實(shí)際應(yīng)用場(chǎng)景進(jìn)行實(shí)驗(yàn)，以驗(yàn)證其合理性。除此之外，文中考慮到配電檢修工作進(jìn)程存在的連續(xù)性，引入策略梯度（Policy Gradient,PG）算法，以一定概率對(duì)進(jìn)程動(dòng)作值進(jìn)行采樣，解決動(dòng)作值數(shù)據(jù)龐大與非線性特征導(dǎo)致的調(diào)度困難，改善了傳統(tǒng)值函數(shù)學(xué)習(xí)算法處理數(shù)據(jù)維度少、無法適應(yīng)連續(xù)進(jìn)程的不足。

2.1 深度強(qiáng)化學(xué)習(xí)的改進(jìn)

為了挖掘長(zhǎng)時(shí)間尺度下配電檢修的數(shù)據(jù)規(guī)律，考慮到非線性特征，引入Actor-Critic 算法以適應(yīng)數(shù)據(jù)訓(xùn)練的多形式化，并支持離線、非同步的控制設(shè)定，可深入分析配電檢修數(shù)據(jù)的內(nèi)在特征。具體思路是采用差分算子實(shí)時(shí)更新數(shù)個(gè)運(yùn)行進(jìn)程，解決非同步運(yùn)行問題，進(jìn)而加快了數(shù)據(jù)處理速度，并引入策略梯度算法，以一定概率對(duì)進(jìn)程動(dòng)作值進(jìn)行采樣，改善傳統(tǒng)值函數(shù)學(xué)習(xí)算法處理數(shù)據(jù)維度少、無法適應(yīng)連續(xù)進(jìn)程的不足。逼近算法為深度神經(jīng)網(wǎng)絡(luò)，縮短了預(yù)測(cè)數(shù)據(jù)的反饋時(shí)延，適應(yīng)多維度的樣本訓(xùn)練進(jìn)程。不失一般性，設(shè)確定性策略為πθ(s)，確定性策略參數(shù)為θ，根據(jù)實(shí)時(shí)工況S與實(shí)時(shí)動(dòng)作A進(jìn)行狀態(tài)轉(zhuǎn)移即[9-11]S→A，則獎(jiǎng)勵(lì)值的數(shù)學(xué)期望為：

為了改善連續(xù)積分引發(fā)的收斂速度慢的問題，文中基于策略梯度（PG）采取確定性策略解耦連續(xù)進(jìn)程，連續(xù)空間內(nèi)的動(dòng)作值由工程行為決定，即采取動(dòng)作表征函數(shù)μ，確定最優(yōu)行為策略為at=μ(st|θμ)，則確定性策略梯度（Deterministic Policy Gradient，DPG）的效能任務(wù)為：

可計(jì)算確定行為的梯度為：

傳統(tǒng)深度強(qiáng)化學(xué)習(xí)算法對(duì)數(shù)據(jù)的訓(xùn)練速度慢、迭代次數(shù)多，求解的任務(wù)期望誤差逐步擴(kuò)大、無法實(shí)時(shí)消除，使最終的效能可信度降低。這是由于深度Q 網(wǎng)絡(luò)（Deep Q-Network）算法本身的機(jī)制將價(jià)值期望定義為一定行為策略下的即時(shí)獎(jiǎng)勵(lì)與下一狀態(tài)的預(yù)測(cè)獎(jiǎng)勵(lì)之和，這將導(dǎo)致工況刷新占用的存儲(chǔ)空間變大[12]。為了滿足傳統(tǒng)學(xué)習(xí)算法動(dòng)作網(wǎng)格的尋優(yōu)路徑，相應(yīng)的參數(shù)數(shù)量激增。為了解決上述問題，文中考慮到進(jìn)程的多維非同步特性，對(duì)任務(wù)期望進(jìn)行估計(jì)，以改進(jìn)傳統(tǒng)的學(xué)習(xí)算法，形成優(yōu)化的學(xué)習(xí)機(jī)制，做法為：結(jié)合傳統(tǒng)深度強(qiáng)化學(xué)習(xí)算法中的行動(dòng)者-評(píng)論家（Actor-Critic，AC）算法、策略梯度（PG）算法，深度確定性策略梯度（Deep Deterministic Policy Gradient，DDPG）中由于動(dòng)作值at=μ(st|θμ)是根據(jù)確定性策略μ進(jìn)行設(shè)定的，其中，θμ是動(dòng)作值的形成網(wǎng)絡(luò)中的參數(shù)，因此利用確定最優(yōu)行為策略μ等價(jià)actor，Q(s,a)函數(shù)的擬合過程引入了價(jià)值網(wǎng)絡(luò)，等價(jià)于策略角色，則DDPG 的目標(biāo)函數(shù)為：

設(shè)Q函數(shù)表示使用確定性策略μ結(jié)合actor 的獎(jiǎng)勵(lì)，本質(zhì)為數(shù)學(xué)期望，將DQN 引入DDPG，因此基本構(gòu)架不變，擬合結(jié)果如下：

綜合上述原理，價(jià)值期望的網(wǎng)絡(luò)參數(shù)為θQ，用Qμ(s,μ(s))表示狀態(tài)s下結(jié)合確定性策略與actor 的回報(bào)[13]，其本質(zhì)仍為數(shù)學(xué)期望。由于訓(xùn)練進(jìn)程非離散，因此回報(bào)值需由數(shù)學(xué)積分求解，則策略μ下的效能函數(shù)如式（6）所示：

在此基礎(chǔ)上，文中引入多源實(shí)時(shí)學(xué)習(xí)進(jìn)化原理，通過任務(wù)回報(bào)預(yù)期定義損失，其表征函數(shù)為：

傳統(tǒng)深度強(qiáng)化學(xué)習(xí)算法處理數(shù)據(jù)維度少，無法適應(yīng)連續(xù)進(jìn)程，進(jìn)化學(xué)習(xí)速度慢，迭代次數(shù)較多，本質(zhì)是采用了epsilon 貪婪策略。為了提高樣本利用率、加快搜索進(jìn)程、提升對(duì)不確定性外部因素的適應(yīng)能力并解決連續(xù)進(jìn)程的處理問題，文中引入面向模型探索能力擴(kuò)展的噪雜網(wǎng)絡(luò)適度生成機(jī)制，對(duì)強(qiáng)化學(xué)習(xí)算法進(jìn)行改進(jìn)。具體地，在傳統(tǒng)算法的全連接層中引入該機(jī)制，利用自適應(yīng)噪聲自動(dòng)調(diào)整進(jìn)化能力，以適應(yīng)多變的外界條件，提高了算法的學(xué)習(xí)與自適應(yīng)能力。

2.2 較長(zhǎng)周期內(nèi)的配電及檢修數(shù)據(jù)深度分析模型構(gòu)建

長(zhǎng)時(shí)間尺度下的配電檢修數(shù)據(jù)呈現(xiàn)隨機(jī)波動(dòng)性，調(diào)度反應(yīng)又對(duì)靈敏度提出了較高要求，加上各類工況互相耦合且不斷引發(fā)運(yùn)行進(jìn)程的結(jié)構(gòu)重建，使得配電、檢修工作系統(tǒng)具有非線性，加大了控制管理難度。考慮到供電、配電工程需求的面向范圍較廣，整體耦合程度高，外界條件突變性強(qiáng)且維度不固定，同時(shí)響應(yīng)泛在電力物聯(lián)網(wǎng)的背景指引，文中引入改進(jìn)的深度強(qiáng)化學(xué)習(xí)算法處理配電檢修這一復(fù)雜系統(tǒng)。改進(jìn)后的電力智慧供應(yīng)鏈高維度決策模型算法框架示意圖如圖2 所示。強(qiáng)化學(xué)習(xí)模型按照網(wǎng)絡(luò)類型可分為Critic 神經(jīng)網(wǎng)絡(luò)與Actor 神經(jīng)網(wǎng)絡(luò)，前者用于對(duì)關(guān)鍵數(shù)據(jù)與參數(shù)進(jìn)行迭代，后者自主進(jìn)化相關(guān)數(shù)據(jù)，協(xié)同優(yōu)化進(jìn)程的搜索方向，從而實(shí)現(xiàn)智慧配電、智能監(jiān)測(cè)、全景可視、專業(yè)協(xié)同與電力數(shù)據(jù)流一體化融合機(jī)制之間的高維度決策映射，最終實(shí)現(xiàn)多維差異性系統(tǒng)數(shù)據(jù)的橫向共享集成。

圖2 電力智慧供應(yīng)鏈高維度決策模型算法框架示意圖

2.3 模型的仿真驗(yàn)證與實(shí)證分析

文中選擇Python 語言，算法進(jìn)化載體選為Tensorflow-Gpu 1.8.0，人機(jī)交互界面選用Keras 2.2.2和Gym 0.10.8，并使用Pendulum 插件實(shí)現(xiàn)數(shù)值預(yù)測(cè)。設(shè)replay memory D 初值為N，網(wǎng)格的尺寸初值為128×128×16，折算因子γ為0.96，學(xué)習(xí)率α為0.002，策略回報(bào)區(qū)間為[0,1]，Critic 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練模式為Train_on_batch()，Actor 神經(jīng)網(wǎng)絡(luò)的進(jìn)化模式為K.function()。若獎(jiǎng)勵(lì)為負(fù)且數(shù)值較低，則不予考慮，因此其基準(zhǔn)值應(yīng)為0，根據(jù)算法論述引入了自適應(yīng)噪聲并生成了新的損失函數(shù)。使用面向具體應(yīng)用案例的模型仿真驗(yàn)證內(nèi)部狀態(tài)轉(zhuǎn)移邏輯示意圖如圖3 所示。文中以國家電網(wǎng)內(nèi)蒙古東部電力有限公司某配電站的實(shí)測(cè)數(shù)據(jù)為初始訓(xùn)練集，人機(jī)交互界面采用Gym 0.10.8。為了實(shí)時(shí)反饋運(yùn)行維護(hù)數(shù)據(jù)的更新結(jié)果，利用Keras 2.2.2 仿真得出訓(xùn)練效果仿真效能圖，如圖4 所示。

圖3 內(nèi)部狀態(tài)轉(zhuǎn)移邏輯示意圖

圖4 面向具體應(yīng)用案例的算法訓(xùn)練效果仿真效能圖

仿真結(jié)果表明，Episode-Reward 曲線隨著模型訓(xùn)練迭代次數(shù)增多升高，而Critic-Loss 曲線則隨著模型訓(xùn)練迭代次數(shù)增多降低，其中Episode-Reward偏移基準(zhǔn)零值程度越高，代表效果越差，這是由于策略動(dòng)作下的回報(bào)在有效值之間震蕩。Critic-Loss 的整體損失值在大約在第30 次迭代達(dá)到最大值，隨后降低，由此變化趨勢(shì)可看出，Critic-Loss 的參數(shù)實(shí)現(xiàn)了自主進(jìn)化，且同步性較強(qiáng)，Episode-Reward 的反饋跟隨損失函數(shù)更新，且隨著進(jìn)程不斷推進(jìn)，搜索能力不斷提升，從而適應(yīng)于非線性耦合數(shù)據(jù)的規(guī)律尋找并加快了收斂速度。

3 硬件系統(tǒng)設(shè)計(jì)

3.1 硬件系統(tǒng)功能邏輯設(shè)計(jì)

文中硬件層的模塊構(gòu)架如圖5 所示，以功能導(dǎo)向?yàn)闃?gòu)建原則，可劃分為如下幾個(gè)子模塊：核心控制、數(shù)據(jù)存儲(chǔ)、人機(jī)交互、無線數(shù)據(jù)同步、高精度供電、SD 卡讀寫、TFT 真彩顯示、兼容性外部接口、配電檢修傳感器集群等[14]。其中，中心面板的調(diào)控模式借鑒了基于原子科技的STM32F103，實(shí)現(xiàn)全局控制，并支持同時(shí)存儲(chǔ)多維樣本、外部接口支持RS-422、USB 等主流接口，添加了數(shù)據(jù)總線與電平轉(zhuǎn)換芯片，支持常用的SD 卡數(shù)據(jù)傳輸協(xié)議；人機(jī)界面為TFT 真彩，可視化程度高，并采用串口WIFI 無線數(shù)據(jù)收發(fā)模塊處理異步樣本，且具備離線功能，支持多種電壓等級(jí)的供電，顯示子模塊屏幕規(guī)格高達(dá)8 寸，配備有觸控功能且支持USB 與串口調(diào)試，語言庫依據(jù)GB 制定，協(xié)議允許直接連入互聯(lián)網(wǎng)，提升了人機(jī)交互的信息傳導(dǎo)效率。

圖5 硬件系統(tǒng)功能邏輯示意圖

3.2 硬件系統(tǒng)工作流程設(shè)計(jì)

文中涉及該硬件層的工作流程如圖6 所示。由于采用了STM32F103 控制面板，因此數(shù)據(jù)通信路徑應(yīng)與STM32F103 控制面板通信路徑保持一致，以使設(shè)定的流程可在系統(tǒng)中準(zhǔn)確運(yùn)行[15]。啟動(dòng)設(shè)備后首先進(jìn)行初始化，包括協(xié)調(diào)通信協(xié)議、確定接口狀態(tài)、樣本采集與存儲(chǔ)功能的維護(hù)，排查并處理異常后載入迎賓語言。硬件系統(tǒng)中采用了TFT 顯示屏，經(jīng)過一定的時(shí)延后進(jìn)入用戶登錄界面，至此可實(shí)現(xiàn)多種操作功能，包括獲取配電與供電實(shí)時(shí)狀態(tài)、在線監(jiān)測(cè)裝置工況，并將數(shù)據(jù)信息放置于相應(yīng)的保留模塊作為備用。當(dāng)?shù)竭_(dá)指定進(jìn)程，備用樣本將轉(zhuǎn)換格式并基于前述算法進(jìn)行訓(xùn)練，從而挖掘其數(shù)值規(guī)律。

圖6 硬件系統(tǒng)工作流程圖

3.3 硬件系統(tǒng)綜合調(diào)試

在調(diào)試部分，由于硬件系統(tǒng)由多個(gè)子模塊構(gòu)成，因此需要獨(dú)立設(shè)計(jì)電路印刷板。每個(gè)印刷板由PCB內(nèi)層埋線互連，采用工業(yè)級(jí)別的分立元件，利用表面貼裝工藝進(jìn)行原件貼裝，由此保證了連通可靠性與運(yùn)行可靠性。為了使系統(tǒng)具有可視化功能，需要更改原有程序，因此改造μCOS-III 多線程軟件，使其可應(yīng)用于人機(jī)交互[16]；為了滿足多目標(biāo)需求，操作PendSV 接觸單目標(biāo)約束；為了提高交互的魯棒性并提升使用體驗(yàn)滿足感，采用靜態(tài)內(nèi)核對(duì)象，從而降低操作延時(shí)并減少多余的調(diào)控步驟；為了提高操作的靈活度，將數(shù)據(jù)信息傳輸至服務(wù)器端進(jìn)行規(guī)律挖掘，對(duì)于長(zhǎng)時(shí)間尺度下的運(yùn)行進(jìn)程，該步驟自動(dòng)由內(nèi)置的程序?qū)崿F(xiàn)，提高了便捷性；為了進(jìn)一步改善系統(tǒng)品質(zhì)，滿足不同控制系統(tǒng)的需要，提高系統(tǒng)的適應(yīng)性，針對(duì)不同無線數(shù)據(jù)同步電路設(shè)計(jì)了兼容性的接口電路。

4 系統(tǒng)整機(jī)測(cè)試

文中對(duì)基于STM32 的便攜式智能配電一體化移動(dòng)終端控制系統(tǒng)進(jìn)行了整機(jī)操作實(shí)驗(yàn)，以驗(yàn)證其在全局調(diào)控、運(yùn)行魯棒性、信息流完整性、時(shí)序同步性等方面的效果。文中在VS2016 環(huán)境下開發(fā)了基于STM32 的便攜式智能配電一體化移動(dòng)終端可視軟件系統(tǒng)，由硬件系統(tǒng)承載軟件系統(tǒng)并引入GUI，可實(shí)現(xiàn)聯(lián)網(wǎng)圖像的實(shí)時(shí)采集。文中開發(fā)的控制系統(tǒng)可以采集配電檢修數(shù)據(jù)并進(jìn)行一系列處理，處理方式可智能化選擇，包括訓(xùn)練的任務(wù)與運(yùn)行時(shí)長(zhǎng)等的設(shè)定，且可以同時(shí)載入多個(gè)用戶信息并進(jìn)行獨(dú)立管理。Sklearn 內(nèi)核庫可以將信息的處理進(jìn)程可視化，可形成相關(guān)視圖輔助分析，具備了通用便攜式智能配電一體化移動(dòng)終端控制系統(tǒng)服務(wù)器的全流程軟件支持能力。實(shí)驗(yàn)對(duì)象選取為某配電站中的變壓器，對(duì)其頂層油溫進(jìn)行實(shí)時(shí)感知，利用開發(fā)的控制系統(tǒng)實(shí)現(xiàn)上述功能，具體工作進(jìn)程示意圖如圖7 所示[17-19]。

圖7 變壓器頂層油溫實(shí)時(shí)感知工作進(jìn)程示意圖

將控制系統(tǒng)硬件載體、應(yīng)用軟件、服務(wù)器支持軟件進(jìn)行整合，測(cè)試一體化移動(dòng)終端控制系統(tǒng)的實(shí)際效果，并將其與龍泉供電公司配備的綜合配電及檢修系統(tǒng)進(jìn)行實(shí)驗(yàn)對(duì)比，以驗(yàn)證所開發(fā)控制系統(tǒng)的先進(jìn)性。首先對(duì)該偏遠(yuǎn)地區(qū)的供配電數(shù)據(jù)進(jìn)行隨機(jī)采樣，分別利用該地區(qū)原有控制系統(tǒng)與文中開發(fā)的控制系統(tǒng)進(jìn)行數(shù)據(jù)處理與分析，通過對(duì)公司采購成本控制、數(shù)據(jù)聚類準(zhǔn)確率、數(shù)據(jù)分析程度、設(shè)備攜帶便捷性、設(shè)備人力依賴性多個(gè)因素進(jìn)行對(duì)比，以判斷文中開發(fā)系統(tǒng)的性能。實(shí)驗(yàn)的效能結(jié)果如表1 所示。由表1 中的指標(biāo)數(shù)據(jù)可以看出，文中開發(fā)的終端控制系統(tǒng)在各方面都體現(xiàn)了性能優(yōu)勢(shì)，降低了采購經(jīng)濟(jì)成本，提高了數(shù)據(jù)分析的準(zhǔn)確率與飽和度以及設(shè)備的便攜性，并降低了人力依賴性，這表明引入改進(jìn)深度強(qiáng)化學(xué)習(xí)算法帶來了顯著的優(yōu)勢(shì)，可為電力數(shù)據(jù)流一體融合機(jī)制的發(fā)展提供理論指導(dǎo)。

表1 控制系統(tǒng)性能對(duì)比分析表

5 結(jié)論

為了克服我國偏遠(yuǎn)地區(qū)配電及檢修存在的人力依賴性強(qiáng)、便攜性較差、缺乏智能化測(cè)控設(shè)備等若干不足，文中開發(fā)了基于STM32 的便攜式智能配電一體化移動(dòng)終端控制系統(tǒng)。該系統(tǒng)主要由控制系統(tǒng)和軟件系統(tǒng)構(gòu)成?？刂葡到y(tǒng)方面，采用STM32F103 實(shí)現(xiàn)一體化控制。軟件系統(tǒng)方面，利用改進(jìn)的深度強(qiáng)化學(xué)習(xí)算法，對(duì)較長(zhǎng)周期內(nèi)的配電及檢修數(shù)據(jù)進(jìn)行深度挖掘，分析其潛在規(guī)律，為后續(xù)政策的制定提供數(shù)據(jù)支撐。選取國家電網(wǎng)某電力公司數(shù)據(jù)，對(duì)文中設(shè)計(jì)系統(tǒng)進(jìn)行實(shí)際驗(yàn)證。結(jié)果表明，文中開發(fā)的終端控制系統(tǒng)與供電公司現(xiàn)有的控制系統(tǒng)相比，降低了采購經(jīng)濟(jì)成本，提高了數(shù)據(jù)分析的準(zhǔn)確率與飽和度以及設(shè)備的便攜性，并降低了人力依賴性，在各方面都體現(xiàn)了性能優(yōu)勢(shì)，具備在我國偏遠(yuǎn)地區(qū)實(shí)際推廣的應(yīng)用價(jià)值。