萬四維,廖肇毅,何俊達(dá)
(廣東電網(wǎng)有限責(zé)任公司東莞供電局,廣東東莞 523000)
高壓開關(guān)柜是輸配電系統(tǒng)的重要組成部分,一旦開關(guān)柜損壞,將會(huì)造成巨大的經(jīng)濟(jì)損失,所以有必要對(duì)高壓開關(guān)柜的負(fù)荷數(shù)據(jù)進(jìn)行分析。常規(guī)機(jī)器學(xué)習(xí)能夠有效地檢測(cè)和診斷高壓開關(guān)柜的故障,但也存在一些難以解決的問題,如挖掘速度較慢、挖掘效果有限、歷史數(shù)據(jù)和計(jì)算量較少、挖掘精度較低[1-4]。
針對(duì)上述傳統(tǒng)系統(tǒng)存在的問題,提出了一種基于深度學(xué)習(xí)的高壓開關(guān)柜負(fù)荷數(shù)據(jù)智能挖掘系統(tǒng)設(shè)計(jì)方法,該方法能夠詳細(xì)分析出高壓開關(guān)設(shè)備負(fù)荷數(shù)據(jù)隱藏的復(fù)雜特征,并在復(fù)雜的監(jiān)測(cè)任務(wù)條件下,準(zhǔn)確挖掘高壓開關(guān)柜負(fù)荷數(shù)據(jù)。
高壓開關(guān)柜采用了先進(jìn)ARM+DSP 雙CPU,接收開關(guān)柜監(jiān)控器采集的三相電流數(shù)據(jù),通過IEC61850協(xié)議發(fā)送到站控服務(wù)中心,實(shí)現(xiàn)了開關(guān)柜遠(yuǎn)程監(jiān)控功能。系統(tǒng)硬件結(jié)構(gòu)如圖1 所示。
圖1 系統(tǒng)硬件結(jié)構(gòu)
適配器用于處理代理的初始化信息,實(shí)現(xiàn)代理和遠(yuǎn)程數(shù)據(jù)采集系統(tǒng)的通信。這個(gè)系統(tǒng)包含了每個(gè)代理的健康狀況、位置以及當(dāng)前的系統(tǒng)資源。每一個(gè)代理在適配器中都有一個(gè)別名,因此代理在通信時(shí)只需知道其別名即可決定在何處運(yùn)行。該適配器的另一個(gè)功能是分解由UIA 發(fā)送的挖掘請(qǐng)求,然后分別將其發(fā)送到相應(yīng)的DMA 中[5],在挖掘過程結(jié)束后,將結(jié)果直接合并發(fā)送給UIA。
負(fù)荷數(shù)據(jù)監(jiān)測(cè)器主要用于監(jiān)控箱體絕緣特性,如圖2 所示。
由圖2 可知,在線監(jiān)測(cè)器是由檢波電路、IED、一體化信息平臺(tái)組成的,通過高頻雙屏蔽天線傳輸局放信號(hào),經(jīng)過檢波電路獲取盡可能多的放電信息,同時(shí)能更好地抑制噪聲干擾[6]。采用雙臂螺旋高頻雙屏蔽天線,可檢測(cè)500~1 500 MHz 頻帶內(nèi)的局放信號(hào)。通過IED 顯示屏實(shí)現(xiàn)高頻雙屏蔽結(jié)果,并將該結(jié)果通過光纖傳輸給一體化信息平臺(tái),完成數(shù)據(jù)監(jiān)測(cè)[7]。
圖2 負(fù)荷數(shù)據(jù)監(jiān)測(cè)器
采用ARM9芯片S3C2440A 和TMS320F28335 的雙CPU 結(jié)構(gòu)設(shè)計(jì)了控制器,外圍分別設(shè)置CAN 網(wǎng)絡(luò)接口,RS-485 網(wǎng)絡(luò)接口以及RFID 模塊,并使用IRIG-B 碼匹配提供精確且統(tǒng)一的時(shí)間基準(zhǔn)[8]。高電壓開關(guān)柜充分考慮了電磁干擾對(duì)設(shè)備的影響,在供電部分設(shè)計(jì)時(shí)對(duì)供電進(jìn)行了劃分和隔離[9]。服務(wù)器結(jié)構(gòu)如圖3 所示。
圖3 服務(wù)器結(jié)構(gòu)
由圖3 可知,監(jiān)控信息由服務(wù)器通過CAN 總線或485 總線傳送到智能交換機(jī),智能識(shí)別單元通過RFID 模塊識(shí)別交換設(shè)備的信息,并根據(jù)IEC61850 協(xié)議與服務(wù)中心進(jìn)行通信,實(shí)現(xiàn)遠(yuǎn)程監(jiān)控功能[10]。
采用開關(guān)電源模塊,將輸入交流220 V 轉(zhuǎn)換為DC 5 V,再由線性穩(wěn)壓器芯片MIC29502BU 轉(zhuǎn)換為3.3 V,最后通過調(diào)節(jié)芯片LM1117,將3.3 V 電壓轉(zhuǎn)換為1.5 V 作為電源。
受開關(guān)柜高壓條件的限制,監(jiān)控裝置電源必須在內(nèi)部配置,使用固定能量源,如蓄電池等,無法保證系統(tǒng)的長(zhǎng)期運(yùn)行[11],為此,設(shè)計(jì)了一種特殊的電流互感器,用坡莫合金作為鐵芯,以確保鐵芯在低電流下勵(lì)磁磁芯飽和時(shí)產(chǎn)生高磁電流,從而使感應(yīng)電壓的變化范圍變小[12],在母線溫度升高時(shí),根據(jù)斷路器接觸點(diǎn)及電流特性,利用電磁感應(yīng)監(jiān)測(cè)原理,從斷路器接觸板或母線上直接獲取設(shè)備低壓電源。
與一般的數(shù)據(jù)庫查詢不同,挖掘引擎利用數(shù)據(jù)挖掘技術(shù)對(duì)數(shù)據(jù)庫進(jìn)行處理,使特定的對(duì)象集產(chǎn)生特定的查詢集合,并根據(jù)查詢集合自動(dòng)訪問數(shù)據(jù)庫,從而挖掘數(shù)據(jù)庫中的隱藏規(guī)則。該挖掘引擎以高壓開關(guān)設(shè)備負(fù)荷數(shù)據(jù)庫和負(fù)荷信息庫為核心,實(shí)現(xiàn)了高壓開關(guān)設(shè)備負(fù)荷數(shù)據(jù)的數(shù)據(jù)挖掘[13-14]。圖4 所示為挖掘引擎系統(tǒng)結(jié)構(gòu)。
圖4 挖掘引擎系統(tǒng)結(jié)構(gòu)
挖掘引擎以對(duì)象、領(lǐng)域知識(shí)和模式信息為輸入,系統(tǒng)會(huì)產(chǎn)生一些隨機(jī)查詢數(shù)據(jù),把這些查詢數(shù)據(jù)作為數(shù)據(jù)庫模型輸入,系統(tǒng)預(yù)測(cè)并評(píng)估返回結(jié)果。
數(shù)據(jù)挖掘是從大量數(shù)據(jù)中發(fā)現(xiàn)隱藏的規(guī)律,從而解決數(shù)據(jù)應(yīng)用的質(zhì)量問題[15-16]。數(shù)據(jù)挖掘原理示意圖如圖5 所示。
圖5 數(shù)據(jù)挖掘原理示意圖
圖5 左邊模型是一個(gè)網(wǎng)絡(luò)結(jié)構(gòu),可以在源域中進(jìn)行訓(xùn)練。當(dāng)源域和目標(biāo)域數(shù)據(jù)的最大均值差小于閾值A(chǔ)時(shí),學(xué)習(xí)過程無需對(duì)網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整。以標(biāo)記目標(biāo)域數(shù)據(jù)為微調(diào)參數(shù),以初始網(wǎng)絡(luò)參數(shù)為初值,使用SVM 分類器分析最終診斷結(jié)果。
當(dāng)最大均值差大于設(shè)定閾值A(chǔ),但不超過閾值B時(shí),調(diào)整后的網(wǎng)絡(luò)結(jié)構(gòu)如圖5 右邊模型所示,全聯(lián)層A、B、C 取代了三個(gè)權(quán)值層,在網(wǎng)端增加一個(gè)新的全聯(lián)層D,作為SVM 的輸入。
由于電流在不同電壓和有功功率分布數(shù)據(jù)集上的差異影響了挖掘結(jié)果精度,因此將其替換為全連接層的權(quán)重,還可以調(diào)整層連接權(quán),以保留或放棄部分源網(wǎng)絡(luò)的權(quán)重特征選擇,學(xué)習(xí)新的網(wǎng)絡(luò)權(quán)重,達(dá)到既保留源域信息又吸收目標(biāo)域信息的目的,提高網(wǎng)絡(luò)的學(xué)習(xí)能力。非調(diào)整層的參數(shù)直接從源域網(wǎng)絡(luò)中遷移和固定,而完全連接層則使用目標(biāo)域數(shù)據(jù)重新訓(xùn)練并進(jìn)行替換和添加,消除網(wǎng)絡(luò)中固定參數(shù)以減少學(xué)習(xí)率,并利用目標(biāo)域數(shù)據(jù)對(duì)網(wǎng)絡(luò)優(yōu)化。
結(jié)合高壓開關(guān)柜硬件結(jié)構(gòu)設(shè)計(jì),基于上述分析的智能挖掘流程如圖6 所示。
圖6 高壓開關(guān)柜負(fù)荷數(shù)據(jù)智能挖掘流程
圖6中,首先對(duì)源域、目標(biāo)域數(shù)據(jù)預(yù)處理;然后利用源域數(shù)據(jù)訓(xùn)練原始深層神經(jīng)網(wǎng)絡(luò)模型或訓(xùn)練好的網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù),建立源域分類預(yù)測(cè)模型;最后通過MMD 分析源域與目標(biāo)域數(shù)據(jù)的最大均值差異,確定分布距離,進(jìn)行預(yù)訓(xùn)練與預(yù)處理,完成數(shù)據(jù)挖掘模型構(gòu)建。
假定F是樣本空間中連續(xù)的一組函數(shù),則MMD可以表示為:
假定x和y是來自分布p和q的數(shù)據(jù)集,且數(shù)據(jù)集的大小分布為m和n,則MMD 經(jīng)驗(yàn)值估計(jì)如下:
由式(2)可以看出,MMD 對(duì)于一個(gè)特定數(shù)據(jù)集,依賴于一個(gè)給定函數(shù)集。在p和q分布相同的情況下,根據(jù)MMD 的性質(zhì),MMD 為0,則要求F足夠普遍。為了提高M(jìn)MD 經(jīng)驗(yàn)估計(jì)的收斂速度,需要根據(jù)MMD 調(diào)整原有的網(wǎng)絡(luò)結(jié)構(gòu),從而得到新的目標(biāo)域網(wǎng)絡(luò)結(jié)構(gòu),同時(shí)有選擇地挖掘從原有網(wǎng)絡(luò)結(jié)構(gòu)訓(xùn)練得到的參數(shù)。
為了驗(yàn)證基于深度學(xué)習(xí)的高壓開關(guān)柜負(fù)荷數(shù)據(jù)智能挖掘系統(tǒng)設(shè)計(jì)合理性,進(jìn)行實(shí)驗(yàn)驗(yàn)證分析[17]。
將系統(tǒng)應(yīng)用于某市機(jī)場(chǎng)變電站,以高壓開關(guān)柜的三相溫升監(jiān)測(cè)點(diǎn)溫度為示例,從2019 年9 月20 日至2019 年9 月24 日對(duì)運(yùn)行數(shù)據(jù)監(jiān)測(cè),監(jiān)測(cè)中心整體拓?fù)浣Y(jié)構(gòu)如圖7 所示。
圖7 監(jiān)測(cè)中心整體拓?fù)浣Y(jié)構(gòu)
在高壓開關(guān)柜各個(gè)傳感器正常工作的情況下,有效獲取實(shí)時(shí)三相負(fù)荷監(jiān)測(cè)數(shù)據(jù),如表1 所示。
表1 三相負(fù)荷監(jiān)測(cè)數(shù)據(jù)
分別使用基于機(jī)器學(xué)習(xí)的數(shù)據(jù)處理系統(tǒng)、基于數(shù)值模擬的數(shù)據(jù)處理系統(tǒng)和基于深度學(xué)習(xí)的數(shù)據(jù)挖掘系統(tǒng)對(duì)高壓開關(guān)柜三相負(fù)荷數(shù)據(jù)挖掘結(jié)果進(jìn)行對(duì)比分析,如圖8 所示。
圖8 不同系統(tǒng)數(shù)據(jù)挖掘?qū)Ρ冉Y(jié)果
由圖8 可知,使用基于機(jī)器學(xué)習(xí)的數(shù)據(jù)處理系統(tǒng)A 相的負(fù)荷在時(shí)間為6 s時(shí),與實(shí)際數(shù)據(jù)相差最大為5 000 kVA;B 相的負(fù)荷在時(shí)間為10 s時(shí),與實(shí)際數(shù)據(jù)相差最大為3 000 kVA;C 相的負(fù)荷在時(shí)間為10 s時(shí),與實(shí)際數(shù)據(jù)相差最大為3 000 kVA。使用基于數(shù)值模擬的數(shù)據(jù)處理系統(tǒng)A 相的負(fù)荷,在時(shí)間為6 s時(shí),與實(shí)際數(shù)據(jù)相差最大為1 000 kVA;B 相的負(fù)荷在時(shí)間為4 s時(shí),與實(shí)際數(shù)據(jù)相差最大為2 000 kVA;C 相的負(fù)荷在時(shí)間為8 s時(shí),與實(shí)際數(shù)據(jù)相差最大為2 000 kVA。
該文設(shè)計(jì)了基于深度學(xué)習(xí)的高壓開關(guān)柜負(fù)荷數(shù)據(jù)智能挖掘系統(tǒng),其智能化高壓開關(guān)柜既有傳統(tǒng)開關(guān)柜的功能,又有智能監(jiān)測(cè)與故障診斷功能,能夠在本地分析和處理開關(guān)柜的狀態(tài)時(shí),完成相應(yīng)的操作,能夠精準(zhǔn)挖掘負(fù)荷數(shù)據(jù),為實(shí)現(xiàn)高壓開關(guān)柜智能控制奠定基礎(chǔ),但其抗干擾功能還有待加強(qiáng),因此,在未來的研究中要以此為重點(diǎn),爭(zhēng)取為該領(lǐng)域的相關(guān)研究提供參考。