基于多維感知的輸電線路危險點識別控制技術研究

丁贊成，王大軍，李萬翔

（國網(wǎng)新疆電力有限公司阿勒泰供電公司，新疆 阿勒泰 836599）

輸電線路是電力系統(tǒng)的重要組成部分，維護輸電線路的安全是保障電力系統(tǒng)運行穩(wěn)定的關鍵。高效地識別輸電線路中的危險點能夠有效避免大面積斷電影響生活秩序，導致經(jīng)濟損失等問題。輸電線路肩負著傳輸電能的職責，其整體涵蓋面廣，基本架設在戶外，重要的部件如桿塔、絕緣等不僅需要承擔平常電能負載及機械運行等功能，還需面對復雜的外界因素，如雷電、暴風等極端天氣。多種因素都會影響線路部件，致使輸電線路出現(xiàn)問題?？朔黝愐蛩乇苊饩€路危險點出現(xiàn)可以在很大程度上確保線路輸電的穩(wěn)定運行[1]。一旦線路有危險點出現(xiàn)，采取有效措施選擇最短路徑在最短的時間內(nèi)控制危險點出現(xiàn)造成的損害亦是目前電力學者研究的方向之一。

相關電力研究人員將多維感知技術應用到電力網(wǎng)絡施工過程中，施工采用三維可視化技術輔助，減少施工過程中出現(xiàn)危險幾率[2]。同時，利用傳感器進行施工作用動態(tài)監(jiān)測，了解現(xiàn)場施工情況。多維感知技術應用于電力網(wǎng)絡施工領域，提高了施工效率，但由于施工過程中可變因素過多，導致多維感知技術的優(yōu)勢受限，未得到最大化利用。李偉[3]等人研究基于極限梯度提升樹（extreme gradient boosting，XGBoost）的輸電線路危險點識別控制技術，采用極限梯度提升樹構成識別框架，構建輸電線路危險點識別模型，從氣象因子角度出發(fā)，識別線路危險點，該方法識別性能較好。但因氣象因子具有多變等特性，導致該方法對危險點的控制能力較弱；匡載波[4]等人研究基于腦啟發(fā)視覺神經(jīng)元網(wǎng)絡的輸電線路危險點識別控制技術，該方法從生物視覺內(nèi)提取特征并同脈沖網(wǎng)絡結合對輸電線路進行檢測，該方法可對危險點進行準確定位，但由于該方法運算較為復雜，造成對危險點識別時間較長，不能及時控制危險點出現(xiàn)。

針對上述問題，本文提出基于多維感知的輸電線路危險點識別控制技術。該方法從多維感知角度出發(fā)，充分利用其優(yōu)勢，通過構建向量空間模型并加入十字滑動窗口對線路危險點進行最大化檢測，并用插值法完成最短路徑搜索，實現(xiàn)危險點精準定位，找到危險線路并及時控制，避免輸電線路斷電等情況的發(fā)生。

1 危險點識別控制研究

1.1 基于多維感知的輸電線路危險點識別

1.1.1 基于多維感知數(shù)據(jù)模型

基于多維感知的輸電線路危險點檢測需要對感知的危險點數(shù)據(jù)構建多維向量空間模型。

向量空間模型（vector space model，VSM）為多維數(shù)據(jù)模型，可將數(shù)據(jù)映射成一點，該點屬于高維空間，此數(shù)據(jù)具備多維屬性或特征值。多維感知采用無線傳感器網(wǎng)絡（wireless sensor net?work，WSN），可對電力區(qū)域內(nèi)的差異參數(shù)進行監(jiān)測，根據(jù)參數(shù)的實際情況采用數(shù)個傳感器模塊構成感知節(jié)點[5]。本文采用向量空間模型的塑造思路，采用向量運算的形式對輸電線路危險點快速定位，依據(jù)節(jié)點在某時刻將傳輸數(shù)據(jù)映射成空間內(nèi)特定點，其中該節(jié)點來自傳感器模塊。

輸電線路危險點檢測過程采用空間向量的方式完成，比傳統(tǒng)的危險點檢測方法精準同時檢測速度快，能夠提高危險點檢測效率。節(jié)點危險點檢測前將多維空間向量引進，通過檢測異常點或向量實現(xiàn)危險點檢測。異常點或向量來自多維空間[6]。

在此基礎上，構造VSM，根據(jù)VSM理論，分別用T，Y和H描述溫度、光照及濕度傳感三大模塊，用三者描述維度，建立三維向量空間，所用的權重為三者屬性值，可構建空間向量Xt=（3 000，28，50），表示處于t時刻傳感數(shù)據(jù)，用S將數(shù)據(jù)傳輸出去，S表示感知節(jié)點。用圖1描述構建VSM過程。

圖1 向量空間模型的建立Fig.1 The establishment of the vector space model

基于此，在某時刻全部節(jié)點傳輸?shù)臄?shù)據(jù)都可采用構建空間向量的形式實現(xiàn)[7]，該向量具有三維屬性，用下式描述：

式（1）內(nèi)，各屬性值可能取值區(qū)間、單位、計量方式各不相同，因此構建的向量無法實現(xiàn)統(tǒng)一標準，導致最終建立的向量維度權重偏大，相對于某維度，空間向量全部偏向它，影響檢測效果。

基于此，需在VSM構建步驟內(nèi)加入處理程序，采用歸一化處理最大值，該值來自各維度屬性值[8]。各數(shù)值由絕對值變成相對值，該數(shù)據(jù)轉換過程通過歸一化處理方式實現(xiàn)，歸一化處理縮減運算量，此時，構建某時刻WSN節(jié)點傳輸數(shù)據(jù)的規(guī)范空間向量完成。

1.1.2 感知數(shù)據(jù)滑動窗口模型

在構建VSM后，各時刻每個空間向量經(jīng)節(jié)點傳遞出的數(shù)據(jù)映射獲得，將滑動窗口技術引入VSM，可將自身鄰居節(jié)點及歷史數(shù)據(jù)充分利用[9]，即從空間及時間角度對存在危險或異常的WSN節(jié)點進行更快捷精準定位。通過感知數(shù)據(jù)分析可知，感知數(shù)據(jù)會遵守它沿著時間方向完成，同理可知，處于空間領域，該數(shù)據(jù)同樣會遵循這一規(guī)律。WSN節(jié)點將該數(shù)據(jù)傳送回來。

如果此時滑動窗口為縱向，判斷WSN節(jié)點危險點僅能采用某節(jié)點原始數(shù)據(jù)。若感知數(shù)據(jù)出現(xiàn)在某個時間段且為固定值，則易發(fā)生節(jié)點誤判情況，導致危險點檢測不夠全面[10]；其中節(jié)點誤判指的是實際是正常節(jié)點但判定結果卻是危險節(jié)點，或者實際是危險節(jié)點但判定結果卻是正常節(jié)點的情況。相同時間下，僅可將該節(jié)點以及鄰居節(jié)點數(shù)據(jù)利用橫向滑動窗口比對方法獲取比對結果。故障存在于該節(jié)點以及鄰居節(jié)點情況下，容易出現(xiàn)將故障節(jié)點判斷為正常節(jié)點情況，降低故障節(jié)點判定精度[11]。采用十字滑動窗口，該窗口結合橫縱兩方向窗口，該窗口縱向為節(jié)點本身原始數(shù)據(jù)，橫向為感知數(shù)據(jù)，來自相鄰節(jié)點。

本文采用十字滑動窗口同VSM相結合對輸電線路危險點進行準確識別，由于電力網(wǎng)絡的復雜化，因此還需對其進行嚴格控制，避免危險點對輸電線路造成破壞。

1.2 輸電線路危險點控制

基于上述識別出的線路危險點，通過最短傳輸路徑搜索過程搜索出危險線路，便于及時開展應對措施，完成輸電線路危險點控制。

1.2.1 最短傳輸路徑搜索

由于電網(wǎng)輸電線路復雜，且邊數(shù)數(shù)量大、節(jié)點數(shù)目多，選擇最短的傳輸路徑實施搜索可提高危險線路搜索效率[12]。為此，本文采用插點法（Floyd算法）對全部電網(wǎng)進行搜索得到危險線路的最短傳輸路徑。

插點法算法可獲得最短傳輸路徑，可計算2節(jié)點間最短距離，該節(jié)點為識別到的輸電線路危險點，插值法在時間上的復雜度高，當節(jié)點數(shù)處于300內(nèi)，插值法運算速度快[13]。插值算法的關鍵點在于使獲取的危險點間傳輸路徑矩陣最短，該矩陣通過鄰接矩陣求得，鄰接矩陣來自網(wǎng)絡模型內(nèi)。計算過程如下：

1）設用W=[wij]n×n描述危險點的鄰接矩陣，若wij=d則表明vi至vj有路到達，其中路的長度用d描述；如無路，則wij=∞。

2）保留插入點信息采用矩陣D實現(xiàn)，vi至vj所途經(jīng)的點用Dij描述，即Dij=j。

3）危險點內(nèi)插入各頂點，比較插點前后的距離，即wij=min(wij,wik,wkj)，若Dij=k，則表明wij值變小。D和wij分別包括最短路徑和最短道路信息。

最短傳輸路徑搜索算法流程如圖2所示。

圖2 最短傳輸路徑搜索算法流程Fig 2 The shortest transmission path search algorithm flow

1.2.2 危險線路的確定

若輸電線路Yi存在危險點，有功潮流分別用描述，支路用Yi描述，前線路、后線路及斷開線路用Yj描述。Yi斷開前Yj得到；Y i斷開后Yj得到，Yi斷開前獲得，則開斷Yi的有功潮流用下式描述：

假設電力系統(tǒng)中危險線路的初始階段所接收的有功功率以及輸出的有功功率為固定狀態(tài)，此時電力系統(tǒng)保持平衡的有功功率狀態(tài)。電力系統(tǒng)終端所接收危險線路的初始部位的有功功率總大小為固定[14]，僅輸電通道有所調整。分析以上過程可知，與危險線路兩側間接或直接連接的線路所受到的影響較大。

通過分析大規(guī)模停電事故所知，當輸電線路出現(xiàn)危險點時，會引起小范圍線路產(chǎn)生巨大有功潮流變動，其余線路有功潮流改變較小，甚至保持原樣。

由此可見，當電網(wǎng)有危險點出現(xiàn)時，與危險線路間接或直接連接的線路所產(chǎn)生的功潮流干擾巨大，該線路為次危險線路[15]。應對于危險線路和次危險線路采用合理的應對策略，完成輸電線路危險點最大程度控制。

2 實驗分析

為驗證上述基于多維感知的輸電線路危險點識別控制技術的可行性，設計如下實驗。

仿真過程采用PSCAD內(nèi)搭建電力系統(tǒng)模型，系統(tǒng)頻率為50 Hz，其電壓等級是250 kV，線路長150 km。為確保實驗貼近實際，在系統(tǒng)各電信號內(nèi)分別加入10 dB，20 dB，30 dB高斯白噪聲，CPU為AMDR5 3550H，硬盤為2 TB固態(tài)硬盤，內(nèi)存16 GB，操作系統(tǒng)Windows 10具備柵格計算器，同時含有3D mine軟件，本實驗可用樣本數(shù)量5 000個，其中包含危險點數(shù)量1 500個。

2.1 識別延時比較

從危險點樣本中隨機抽取處于輸電線路的不同位置處的8個危險點，按距離的先后順序依次用A，B，C，D，E，F(xiàn)，G，H表示，仿真時間設定2 s，設定危險點時刻0.4 s；選取文獻[3]中的基于極限梯度提升的線路危險點識別技術及文獻[4]中的基于腦啟發(fā)視覺神經(jīng)元網(wǎng)絡的輸電線路危險點識別技術為本文技術的對比技術，統(tǒng)計三種技術對各個危險點識別性能，識別結果用表1表示。其中，延時是指危險點出現(xiàn)到危險點被檢測到所消耗的時間。

表1 三種技術識別結果比較Tab.1 Comparison of recognition results of three methods

由表1分析可知，無論輸電線路的任意位置出現(xiàn)危險點，本文技術都可以準確識別危險點，檢測全部危險點均可在危險點出現(xiàn)2.7 ms內(nèi)完成，文獻[3]和文獻[4]技術并未實現(xiàn)全部危險點的準確定位，且最大識別延時分別為7.1 ms，8.3 ms。實驗結果表明：本文技術危險點識別的延時很小，危險點識別準確性高且不受危險點位置影響。

2.2 不同噪聲強度下危險點識別比較

隨機抽取200個樣本作為測試集，其余樣本作為訓練集，測試電信號內(nèi)分別加入大小為10 dB，20 dB，30 dB高斯白噪聲干擾情況下，三種技術對危險點的識別效果，衡量三種技術抗噪性能，識別效果如圖3所示。

圖3 三種噪聲強度下識別正確率比較Fig.3 Comparison of recognition accuracy under three kinds of noise intensities

分析圖3可知，文獻[3]和文獻[4]技術受噪聲強度影響較大，當噪聲強度提高到30 dB時，兩種技術的識別危險點的正確率不足85%。而本文技術的正確率始終維持在較高水平。這說明本文技術對噪聲的適應性較好，噪聲強度的增大并未對本文技術造成實質性影響。實驗結果證明：本文技術識別危險點的正確率高，對噪聲的適應性強，具有較高的實用性。

2.3 危險點識別精準性比較

排除上述所提的噪聲干擾，設定所處的環(huán)境無外界因素干擾，同時將系統(tǒng)電流頻率從50 Hz降到5 Hz，從現(xiàn)有樣本中抽取300個作為測試集，其余作為訓練集，訓練150次，并將該150 m長輸電線路劃分成8段（編號Ⅰ～Ⅷ），在無外界干擾且電流頻率為低頻情況下，比較三種技術對含有不同數(shù)量危險點的8段輸電線路中危險點的識別情況，詳情用表2描述。

表2 電流5 Hz時三種技術對危險點識別結果統(tǒng)計Tab.2 Statistics on the identification results of the three technolo?gies for dangerous points when the current is 5 Hz

由表2可知，本文相較于其他兩種方法，誤判數(shù)極低，僅5處出現(xiàn)誤判，所誤判的危險點數(shù)量少，文獻[3]和文獻[4]技術的誤判數(shù)量遠高于本文技術，說明在容易出現(xiàn)誤判的危險點處，本文技術的識別性能依舊高于其他兩種方法。且在無外界環(huán)境干擾情況下，本文技術對危險點的識別準確率平均值為99.67%。輸電電流頻率的降低并未對本文技術造成影響，識別危險點的性能依然保持較高水平，雖有誤判情況發(fā)生，但數(shù)量極少。實驗結果說明：本文技術可對危險點進行精準判定，識別危險點的準確率高且不易受低頻電流影響。

2.4 危險線路確定效果

實際輸電線路危險點識別時，天氣等客觀因素必須考慮進去，各類客觀因素對輸電線路的影響各不相同，本文提取各客觀因素中的關鍵影響因子，分別是天氣因子、覆冰、地形條件、實際路況及惡劣條件等，它們分別用a，b，c，d及e描述。查閱相關資料獲取各類客觀因素權重值為：a=0.215，b=0.189，c=0.163，d=0.215，e=0.244。

利用上述各客觀因子權重值數(shù)據(jù)，采用柵格計算器運算獲取克服客觀因子同時保障輸電線路正常投入使用的綜合成本。以該成本為基礎，采用3D mine軟件模擬該輸電線路所在的環(huán)境，測試三種技術在客觀因子的干擾下進行輸電線路識別控制的成本和最佳路徑距離，詳細結果用圖4描述。

圖4 危險線路確定結果對比Fig.4 Comparison of the determination results of dangerous lines

由圖4分析可知，采用本文技術對輸電線路進行識別控制時，所選擇路徑最短，且成本最低；文獻[3]和文獻[4]技術盡管考慮客觀因子干擾，但選擇的路徑較長，同時成本高。本文技術優(yōu)勢十分顯著的原因在于其利用多維感知模型精準識別危險點位置，并采用插值算法歸一化處理映射向量對應的權重值，獲取最短路徑，有效節(jié)省了成本。實驗結果證明：采用本文技術可獲取最短路徑，且綜合成本最低。

3 結論

本文研究了基于多維感知的輸電線路危險點識別控制技術，提高了對輸電線路危險點的識別能力，通過構建VSM縮減運算量，加入十字滑動窗口對危險點進行精準識別，利用插值算法完成最短路徑搜索，從而確定危險輸電線路，及時控制線路危險。實驗結果顯示，本文技術識別危險點準確性高，且不易受低頻電流及噪聲干擾，檢測危險點的時延低，輸電線路危險點識別效果好。然而該技術中構建的模型對節(jié)點數(shù)目有一定限制，在未來的研究中可以引入小波運算過程，采用多尺度方法提高模型運算效率，并進一步擴展對輸電線路危險點的識別范圍，提升該技術的實際應用性。