基于深度學習的電廠電力設(shè)備運行狀態(tài)研究

福建華電福瑞能源發(fā)展有限公司池潭水力發(fā)電廠 楊勝儀 肖毓增 陳文清 林東彪

隨著電廠電力設(shè)備運行優(yōu)化要求逐漸提高，但由于內(nèi)部結(jié)構(gòu)具有復雜性，應(yīng)對電力設(shè)備運行狀態(tài)數(shù)據(jù)有效采集，分析其實際情況，為設(shè)備的管理提供相應(yīng)的參考依據(jù)。在電力設(shè)備運行狀態(tài)分析中，使用傳統(tǒng)方法會受到外部環(huán)境因素的影響，無法保證分析結(jié)果的準確性，對電廠的控制管理產(chǎn)生了影響。為加強電廠電力設(shè)備的運行控制效果，可借助深度學習來優(yōu)化，利用人工網(wǎng)絡(luò)智能算法優(yōu)勢來提升精確性，可使電力設(shè)備運行的數(shù)據(jù)獲取更加可靠，進而促進電廠電力設(shè)備的穩(wěn)定運行。

1 深度學習涵義

深度學習在較早時期被提出，可通過多層感知器來學習數(shù)據(jù)中的特征參數(shù)，將其作為特征來表示，可使數(shù)據(jù)分析能力得到提高。深度學習作為一種算法，可對數(shù)據(jù)及圖像進行有效的處理，在不同領(lǐng)域中得到了有效的應(yīng)用，因此可將其應(yīng)用在電廠電力設(shè)備運行狀態(tài)數(shù)據(jù)分析方面，以獲取到更加可靠完善的數(shù)據(jù)[1]。

2 系統(tǒng)架構(gòu)及功能

從深度學習角度出發(fā)，電廠電力設(shè)備運行過程中涉及的系統(tǒng)架構(gòu)相對復雜，主要包括數(shù)據(jù)采集層、數(shù)據(jù)接入層、服務(wù)支撐層、應(yīng)用展現(xiàn)層等方面。因此，在保證各個層次協(xié)調(diào)配合力度和實際管控效果達到合理狀態(tài)，保證各個層次數(shù)據(jù)信息管控效果，為電廠電力設(shè)備運行管理提供準確信息支持，有效提升電廠電力設(shè)備運行安全防護效果，在保證電廠電力設(shè)備運行過程中基礎(chǔ)信息傳輸力度和實際管控水平的情況下，將深度學習目標落到實處。對于數(shù)據(jù)采集層來說，需要在各項基礎(chǔ)裝置協(xié)調(diào)配合狀況下，實現(xiàn)電廠電力設(shè)備運行調(diào)度和基礎(chǔ)數(shù)據(jù)信息采集工作，并從數(shù)據(jù)接入層入手，增強電廠電力設(shè)備運行過程中數(shù)據(jù)信息傳輸力度和實際管控效果，為深度學習背景下的電廠電力設(shè)備運行管理提供便利支持。協(xié)調(diào)電廠電力設(shè)備應(yīng)用客戶端和操作端之間關(guān)系，確保廣大用戶對電廠電力設(shè)備運行，以及綜合管理提出的要求得以落實。

對于電廠電力設(shè)備運行管理系統(tǒng)來說，涉及的功能也比較多，包括前端應(yīng)用功能、數(shù)據(jù)接入功能和服務(wù)支撐功能等，這些功能可以保證各項基礎(chǔ)信息傳輸和綜合分析效果的情況下，滿足電廠電力設(shè)備運行管理及其深度學習工作良性開展要求。大數(shù)據(jù)分析功能，可為電力設(shè)備運行情況的監(jiān)測提供所需的條件[2]。將深度學習模式在電廠電力設(shè)備運行管理中的實際作用表現(xiàn)出來，從而滿足電廠電力設(shè)備良性穩(wěn)定運行要求。

3 深度學習中多特征融合的對象分類模型建立

根據(jù)各項特征表現(xiàn)和關(guān)聯(lián)信息通過樣本庫的方式表現(xiàn)出來，方便電廠電力設(shè)備運行管理人員可以對各項基礎(chǔ)信息進行有效分析，從而保證關(guān)聯(lián)模型和準確信息在權(quán)重矩陣分析和綜合管控中的作用，對電廠電力設(shè)備運行過程中表現(xiàn)出來的多層神經(jīng)元網(wǎng)絡(luò)進行有效提取，做好屬性分類和網(wǎng)絡(luò)模型規(guī)劃等工作，將電廠電力設(shè)備運行及其關(guān)聯(lián)數(shù)據(jù)信息的輸入，以及輸出的非線性關(guān)系表現(xiàn)出來，突出非線性關(guān)系與低層特征之間協(xié)調(diào)配合力度，可在電廠電力設(shè)備運行過程中獲得視頻、圖像和數(shù)據(jù)等結(jié)構(gòu)化信息，然后根據(jù)各項信息建立電廠電力設(shè)備視頻圖像分類模型，為基于深度學習的電廠電力設(shè)備運行狀態(tài)分析提供便利支持。

在該過程中，還需要借助圖像融合技術(shù)來實現(xiàn)融合處理目標，主要分成三部分，分別為像素圖像融合、特征圖像融合、決策圖像融合。像素圖像方面的融合的對象為原始數(shù)據(jù)，可通過信息互補最大限度利用原始數(shù)據(jù)；特征圖像融合是進行特征信息的處理，比如邊緣及紋理等特征數(shù)據(jù)，并且進行關(guān)聯(lián)及識別，該方式在應(yīng)用中可使信息得到實時化處理，并且將多余的信息去除，可滿足單一特征信息之間互補的需求；在特征融合中可將對分類決策沒有意義的信息去除，有效地保證各特征的有效判別信息，并且使分類決策獲得相應(yīng)的參考依據(jù)。

從深度學習角度出發(fā)，對電廠電力設(shè)備運行狀態(tài)進行分析，也需要考慮單體特征處理和多提特征融合等情況，將電廠電力設(shè)備運行的不同特征清楚詳細表現(xiàn)出來，據(jù)此做好有效的圖像劃分和數(shù)據(jù)信息處理工作，并對基于深度學習的電廠電力設(shè)備運行分析及其綜合管理優(yōu)化調(diào)控提供標準化參考依據(jù)。圖像分類精確性受到了特征提取的影響，而底層特征描述圖形能力比較差，分類效果也不理想。因此，可借助多特征融合來進行圖像描述，以實現(xiàn)對信息的互補，為圖像的分類效果帶來保障，通過并行融合和串行融合方式來實現(xiàn)處理目標。此外，在算法中需要將三個特征向量以一定的運算法則來合并，可獲得新的特征向量[3]。

圖1 特征及圖像融合

4 以異構(gòu)硬件平臺為基礎(chǔ)的電力設(shè)備狀態(tài)檢測技術(shù)應(yīng)用

4.1 電力傳輸線檢測

可利用圖像灰度化、圖像增強、去噪以及銳化等方式來實現(xiàn)處理目的，對絕緣子串的形狀特征進行提取，并且以像素點分類方法為基礎(chǔ)，對同類像素點進行擬合，可實現(xiàn)對傳輸線的監(jiān)測。在電力傳輸線檢測中，可借助該方式來實現(xiàn)高效地識別，以確定電力設(shè)備運行情況，并且采用電網(wǎng)傳輸線檢測方法：

第一，需要將各類設(shè)備巡檢過程中產(chǎn)生的圖像信息輸入到相關(guān)系統(tǒng)當中；第二，應(yīng)根據(jù)圖像信息表現(xiàn)情況對輸入的圖片進行灰度化處理，為圖像轉(zhuǎn)化成彩色圖像提供便利支持。保證相應(yīng)處理的實際管控效果和綜合處理力度，站使得電廠電力設(shè)備運行狀態(tài)檢測的準確性得到保障；第三，應(yīng)利用高斯算子來對灰度化圖像實時模糊去噪處理工作，獲取有效高斯分布權(quán)值矩陣，方便相關(guān)人員可以從深度學習模式入手，對電廠電力設(shè)備運行狀況過程中產(chǎn)生的灰度化圖像進行有效處理，將圖像的噪聲減少。第四，對處理后的圖像開展運算，使圖像的像素值降低，可為之后的線性變換提供準備。第五，對電廠電力設(shè)備運行狀態(tài)圖像進行線性變換處理過程中，需要圖像的對比度實施優(yōu)化調(diào)整，盡可能擴大傳輸線及其背景差值，這就可以實現(xiàn)邊緣檢測效果加強的目標[4]。

4.2 安全管理檢測

在基建條件下，安全人員負責對現(xiàn)場進行管理，為設(shè)備的安全運行提供支持。為使設(shè)備運行得到安全保障，要求安全人員穿紅色馬甲并佩戴安全帽，同時使用計算機視覺檢測技術(shù)來進行檢測，準確判斷人員是否在現(xiàn)場，可為安全管理提供相應(yīng)的條件。對采集到的圖像進行處理時，首先需要通過攝像頭對不同場景的安全人員進行采集，將圖像中受到環(huán)境影響比較大的部分篩除，將安全人員的紅馬甲作為特征，以實現(xiàn)對其識別。

其次可在一定的區(qū)域中將紅馬甲位置確定，同時將其做好標簽，增強深度學習在神經(jīng)網(wǎng)絡(luò)卷積層處理和關(guān)聯(lián)數(shù)據(jù)信息采集中的作用，從而得到電廠電力設(shè)備運行卷積層間的權(quán)重數(shù)據(jù)信息，從而將具體工作提取圖片特征信息中的作用表現(xiàn)出來。此外，也應(yīng)將電廠電力設(shè)備運行，以及深度學習訓練過程中產(chǎn)生的圖片信息輸入到神經(jīng)網(wǎng)絡(luò)中，做好全連接層分類和損失函數(shù)綜合處理工作，保證電廠電力設(shè)備運行圖像綜合處理和關(guān)聯(lián)信息收集的及時性和有效性，對關(guān)聯(lián)神經(jīng)網(wǎng)絡(luò)的權(quán)重展開有效調(diào)整，在降低電廠電力設(shè)備運行損失值狀況下獲得符合深度學習要求的神經(jīng)網(wǎng)絡(luò)。

一是從神經(jīng)網(wǎng)絡(luò)中得出人員的位置，確定紅馬甲的位置，之后選擇出紅馬甲位置在監(jiān)測區(qū)域中的情況。二是將閾值合理設(shè)置后，做好現(xiàn)有設(shè)備運行圖像空間和顏色轉(zhuǎn)換工作。三是將獲得圖像進行二值化處理，之后再進行閉運算。

4.3 大型運輸設(shè)備檢測

在檢測車輛船只設(shè)備時，可借助深度神經(jīng)網(wǎng)絡(luò)來進行，對傳輸電線周圍的車輛、船只圖片信息進行采集，并且完成標注，建立車輛、船只以及輸電線路等特征庫。進行訓練圖像的預(yù)處理過程中需要先使用攝像頭來采集不同場景中的大型車輛、船只設(shè)備，將圖像中受到環(huán)境因素較大影響的部分去除，并且保留特征比較明顯的圖片。之后，應(yīng)采用人工方式將大型的船只及車輛設(shè)備標注出來，并且對其進行打標簽處理?？墒股窠?jīng)網(wǎng)絡(luò)的卷積層在電廠數(shù)據(jù)集預(yù)訓練模型中獲得卷積層的權(quán)重，可進行圖片特征的提取。

在將訓練圖片輸入到神經(jīng)網(wǎng)絡(luò)，經(jīng)過了卷積層提取特征后可進行全連接層分類，結(jié)合損失函數(shù)來算出預(yù)測值、真實值之間的損失，最后利用反向傳播算法來調(diào)整神經(jīng)網(wǎng)絡(luò)隱層的權(quán)重，與上述步驟相同，當損失降低到了一定程度后停止訓練。經(jīng)過訓練可獲得神經(jīng)網(wǎng)絡(luò)，檢測出畫面中的大型運輸設(shè)備情況，還可在檢測中將圖片輸入網(wǎng)絡(luò)，網(wǎng)絡(luò)輸出被檢測物體的位置、類別信息?？蓹z測出物體的大小情況，預(yù)估大型車輛、船只數(shù)據(jù)傳輸電線之間的距離，并且設(shè)置相應(yīng)的閾值。當?shù)玫降木嚯x結(jié)果小于閾值時，系統(tǒng)會發(fā)出報警，有效避免其與傳輸電線之間發(fā)生刮擦，進而避免安全問題的產(chǎn)生[5]。

5 以嵌入式平臺為基礎(chǔ)的電力設(shè)備檢測

電力設(shè)備作為一種以深度學習的經(jīng)典目標檢測算法，相比R-CNN系列目標檢測算法，電力設(shè)備將中間候選項及像素特征重新采樣的過程取消，保證了速度，可使檢測精度達到要求。電力設(shè)備輸出了一系列離散候選箱，之后生成的字符模式會產(chǎn)生一系列固定大小的方塊，借助小型回旋篩來進行目標類別、候選方塊位置偏移的預(yù)測，并且利用移除值的方式來得到預(yù)測的結(jié)果。而使用特征提取網(wǎng)絡(luò)需要較多的計算資源，然而這種方式一般部署在圖形處理器上，這需要大量的硬件的支持，在集成平臺上執(zhí)行網(wǎng)絡(luò)模型的難度比較大，同時會對電力設(shè)備及內(nèi)置設(shè)備的運用產(chǎn)生影響?？山柚鶰obileNet來替換電力設(shè)備中的VGG-16網(wǎng)絡(luò)，并且通過mobiliet使用深度來分隔卷，在該條件下可使整個標準卷轉(zhuǎn)換為深卷，并且使每個點一個卷?？墒馆斎敕譃樯铙w積：16×3×3，以得到16通道特征輪廓，總體積為16×1×1×32。當使用標準體積，計算體積經(jīng)過計算后可獲得相應(yīng)的結(jié)果，并且在深度分解體積后獲得體積，為應(yīng)用提供相應(yīng)的參考依據(jù)，使其符合運行的要求。

6 電廠電力設(shè)備深度學習檢測實際應(yīng)用

為了使電廠電力設(shè)備運行效率得到提升，可借助深度學習算法來實現(xiàn)。以汽輪機為例，可將優(yōu)化手段與深度學習之間結(jié)合起來，使深度神經(jīng)網(wǎng)絡(luò)應(yīng)用到水泵運行中，對運行模式進行優(yōu)化，可使變動速率及平移泵的曲線得到有效調(diào)整，獲得有效的運行模式。借助深度神經(jīng)網(wǎng)絡(luò)可對給水方式進行改善，加強了水泵的運行效果。要想使給水方式得到改善，應(yīng)控制好水流的速度，根據(jù)電廠的實際情況來調(diào)整水泵的水流量，可使低負荷的運行的質(zhì)量得到提高，也可使機械的故障問題得到有效解決。

通過對該方式的應(yīng)用，可達到對給水方式的優(yōu)化目的，并且使運行中的能耗問題得到改善，為水泵運行效果帶來保障，進而使設(shè)備的運行發(fā)揮出有效的作用。要想使設(shè)備的運行效果達到要求，以汽輪機為例，應(yīng)將其啟停操作優(yōu)化，使汽輪機的運行效果得到保障，使其使用效果加強。在啟停運行及停止操作中需考慮到能耗問題帶來的影響，在進行啟動時要求工作人員對高壓缸、壓缸聯(lián)動運行方式綜合，并且在該過程中將轉(zhuǎn)子參數(shù)變化控制好，使汽輪機暖機的運行速度得到優(yōu)化，避免電力損耗問題產(chǎn)生，保證了啟動運行的效果。在啟動優(yōu)化中可將汽輪機的潤滑油、循環(huán)水管理工作落實，使其運行具備良好的條件。

同時，應(yīng)將系統(tǒng)轉(zhuǎn)子參數(shù)有效調(diào)整，可使汽輪機及其他的運行設(shè)施的溫度得到控制，并且提升運行的速度。在汽輪機減速及降溫的過程中能損耗會出現(xiàn)一定的差異，在系統(tǒng)參數(shù)改變的情況下，可對電能消耗進行有效控制，并且使其在停止過程中的效果加強，可實現(xiàn)對汽輪機設(shè)備管理的優(yōu)化，使其在運行中保持良好狀態(tài)。通過對電廠運行的特點的分析，為了使汽輪機的運行效果加強，應(yīng)將汽輪機配汽形式改善。要求人員運用深度學習算法，借助深度神經(jīng)網(wǎng)絡(luò)來開展管理，可使用三閥式配汽的方式來實現(xiàn)優(yōu)化。

在實際優(yōu)化過程中可使用集中精致運行中產(chǎn)生的負荷強度來進行，保證設(shè)備的運行效果。在調(diào)控三閥式的過程中，要求技術(shù)人員根據(jù)流程要求進行操作，同時需要對閥門開展定期維修及保護工作，可使其封閉型負荷電廠的運行要求。在封閉性出現(xiàn)了故障問題，應(yīng)及時進行應(yīng)對，可避免對設(shè)備的運行產(chǎn)生不良的影響。三閥式汽配方式相比傳統(tǒng)的配汽方式有著更多的優(yōu)勢，可使整體的壓力得到有效調(diào)整，避免了能源損耗問題的產(chǎn)生，還可使運行的質(zhì)量得到有效提升。

隨著我國的電廠建設(shè)運行的發(fā)展，電力設(shè)備運行管理水平提高，在智能化技術(shù)應(yīng)用中深度學習算法體現(xiàn)出了較大的優(yōu)勢，將其與電力設(shè)備運行管理結(jié)合起來可發(fā)揮出有效的作用?？山柚疃葘W習算法來進行電力設(shè)備運行狀態(tài)檢測，比如借助異構(gòu)硬件平臺為基礎(chǔ)的技術(shù)來進行電力傳輸線檢測、安全管理檢測以及大型運輸設(shè)備檢測等，還可應(yīng)用嵌入式平臺來實現(xiàn)目標。通過對深度學習算法的有效應(yīng)用，可使電廠的電力設(shè)備運行得到全面的保障。