孫剛 鄒文景
(南方電網(wǎng)數(shù)字電網(wǎng)研究院有限公司 廣東省廣州市 510000)
電力信息通信組件是我國(guó)電力控制系統(tǒng)的關(guān)鍵組成部分,由于現(xiàn)如今社會(huì)對(duì)于電力的需求量逐漸增大,使得這部分的市場(chǎng)相對(duì)較為開闊,在面對(duì)缺陷時(shí),需要設(shè)計(jì)相對(duì)應(yīng)的檢測(cè)方法,在進(jìn)行運(yùn)行之前,對(duì)相關(guān)的設(shè)備以及儀器進(jìn)行檢測(cè),或者當(dāng)設(shè)備發(fā)生一定的異常情況時(shí),可以利用相關(guān)的檢測(cè)方法來找出問題的所在,以此來保證其他的組件的安全性[1]。利用新時(shí)代的科技,對(duì)傳統(tǒng)的檢測(cè)方法進(jìn)行更新發(fā)展,使其具有更強(qiáng)的靈活應(yīng)變性和實(shí)際應(yīng)用性,進(jìn)一步完善我國(guó)的檢測(cè)技術(shù)和檢測(cè)結(jié)構(gòu)。
在設(shè)計(jì)電力信息通信組件功能缺陷檢測(cè)方法之前,需要先對(duì)測(cè)試相應(yīng)的損失參數(shù)進(jìn)行獲取。將電力控制系統(tǒng)調(diào)整為多處理模式,保證在獲取指標(biāo)參數(shù)的過程中可以穩(wěn)定運(yùn)行。完成之后,將系統(tǒng)平臺(tái)的其他控制區(qū)域的指標(biāo)進(jìn)行更改。管控屬性變更為檢測(cè)模式、慣性向量調(diào)整為0.4354。在此基礎(chǔ)上,再將訓(xùn)練單元的數(shù)值變更為d=37。將這個(gè)數(shù)值條件添加在電力通信傳輸?shù)囊?guī)避窗口之中,并進(jìn)行保存[2]。將通信組件進(jìn)行分離式的管控,實(shí)際應(yīng)用功能的通信組件為一組,作為基礎(chǔ)層級(jí)結(jié)構(gòu),而其余的高層級(jí)的處理通信組件則為頂層結(jié)構(gòu)。完成之后,對(duì)所獲取的相關(guān)數(shù)據(jù)進(jìn)行匯總整合,然后利用其來計(jì)算對(duì)應(yīng)的檢測(cè)損失指標(biāo)參數(shù),具體如下公式(1)所示:
公式(1)中:Q表示實(shí)際的檢測(cè)損失指標(biāo)參數(shù),B表示檢測(cè)極限值,e表示優(yōu)化注解率,m表示通信組件的最大的檢測(cè)范圍,表示通信組件的最小的檢測(cè)范圍。通過以上計(jì)算,可以最終得出對(duì)應(yīng)的檢測(cè)損失指標(biāo)參數(shù)。通過這個(gè)指標(biāo)參數(shù),來對(duì)檢測(cè)的基礎(chǔ)條件進(jìn)行判斷,如果超出這個(gè)數(shù)值范圍,就表明檢測(cè)的環(huán)境相對(duì)異常,需要重新建立,反之,如果在這個(gè)數(shù)值范圍之內(nèi),就表明檢測(cè)的環(huán)境相對(duì)于正常情況,可以進(jìn)行后續(xù)的操作。
在完成檢測(cè)損失參數(shù)的獲取之后,接下來,需要建立anchor功能缺陷檢測(cè)算法,來細(xì)化檢測(cè)的結(jié)構(gòu)。首先,針對(duì)目前階段電力通信組件功能效率低下、執(zhí)行程度低等缺陷,制定對(duì)應(yīng)的檢測(cè)方案[3]。可以先對(duì)比不同的檢測(cè)指標(biāo),并對(duì)相關(guān)的結(jié)果進(jìn)行調(diào)整,以此來保證檢測(cè)環(huán)境的穩(wěn)定性,再建立對(duì)應(yīng)的檢測(cè)算法,實(shí)現(xiàn)最終檢測(cè)環(huán)境的構(gòu)建。對(duì)不同的檢測(cè)指標(biāo)進(jìn)行對(duì)比,具體如表1所示。
依據(jù)表1中的數(shù)據(jù)信息,進(jìn)行檢測(cè)指標(biāo)的對(duì)比。完成之后,利用以上獲取的數(shù)據(jù)以及測(cè)量得到相關(guān)信息,進(jìn)行anchor功能缺陷檢測(cè)算法的構(gòu)建,具體公式(2)、(3)、(4)如下所示:
表1:檢測(cè)指標(biāo)標(biāo)準(zhǔn)對(duì)比表
公式(2)、(3)、(4)中:M、N、Y表示目標(biāo)檢測(cè)率的實(shí)際值,θ表示應(yīng)用函數(shù),表示通信組件的執(zhí)行固定比,σ表示變換指數(shù)。通過以上計(jì)算,最終可以得出具體的目標(biāo)檢測(cè)率的實(shí)際值。利用這個(gè)數(shù)值,來對(duì)檢測(cè)的應(yīng)用過程進(jìn)行具體的分析,并對(duì)相關(guān)的標(biāo)注異常點(diǎn)作出一定的關(guān)聯(lián),以此來提升整個(gè)檢測(cè)方法的效率和質(zhì)量。
在完成anchor功能缺陷檢測(cè)算法的建立之后,接下來,進(jìn)行深度學(xué)習(xí)的缺陷檢測(cè)模型的構(gòu)建。其實(shí),在檢測(cè)的過程中,存在一種獨(dú)立的缺陷神經(jīng)元RBM,這種神經(jīng)元通常情況下是隨機(jī)的,它會(huì)無規(guī)律地出現(xiàn)在檢測(cè)的過程中,并且會(huì)對(duì)最終的檢測(cè)結(jié)果造成一定的影響。但是它具有兩種狀態(tài),激活和未激活,所以,只要RBM神經(jīng)元處于未激活的狀態(tài),就可以保證最終檢測(cè)結(jié)果的真實(shí)可靠性。利用概率統(tǒng)計(jì)法將獨(dú)立神經(jīng)元做分離操作,同時(shí)對(duì)其粒子數(shù)量進(jìn)行測(cè)量。完成測(cè)量之后,依據(jù)所獲得的數(shù)據(jù)信息進(jìn)行檢測(cè)模型隱藏單元的定義,如下公式(5)所示:
公式(5)中:V表示檢測(cè)模型隱藏單元定義值,h表示優(yōu)解目標(biāo)指數(shù),f表示應(yīng)用執(zhí)行系數(shù)。通過以上計(jì)算,最終可以得出對(duì)應(yīng)的檢測(cè)模型隱藏單元定義值,利用這個(gè)數(shù)值建立實(shí)際的檢測(cè)模型,并將這個(gè)數(shù)值范圍作為檢測(cè)的基底,消除RBM神經(jīng)元的作用,使整個(gè)檢測(cè)模型具有更高的靈活應(yīng)用性,銀隱藏單元還可以利用深度神經(jīng)網(wǎng)絡(luò)測(cè)定出電力通信組件的隱藏缺陷,進(jìn)一步增強(qiáng)了方法的檢測(cè)范圍。
在完成深度學(xué)習(xí)的缺陷檢測(cè)模型的構(gòu)建之后,接下來,需要利用DBN深度置信網(wǎng)絡(luò)來最終實(shí)現(xiàn)通信組件功能缺陷的檢測(cè)。DBN是一種網(wǎng)絡(luò)綜合處理程序,主要是利用多層的RBM進(jìn)行互相疊加,以此來對(duì)發(fā)生異常的點(diǎn)作出位置的確定,并對(duì)功能缺陷進(jìn)行檢測(cè)。但是,這種處理模式雖然高效,但是分為多層次的處理結(jié)構(gòu),在實(shí)施的過程中可能會(huì)相對(duì)較為煩瑣。利用預(yù)訓(xùn)練的形式獲取到相應(yīng)的權(quán)重初值,對(duì)數(shù)值進(jìn)行對(duì)比分析,判斷其是否處于標(biāo)準(zhǔn)的范圍之內(nèi),進(jìn)而完成隱藏缺陷的檢測(cè)。至此,便完成了利用DBN深度置信網(wǎng)絡(luò)來實(shí)現(xiàn)通信組件功能缺陷的檢測(cè)。
本次主要對(duì)基于深度神經(jīng)網(wǎng)絡(luò)的電力信息通信組件功能缺陷檢測(cè)方法進(jìn)行測(cè)試。測(cè)試將以對(duì)比的形式進(jìn)行,共分為兩組,一組為傳統(tǒng)的滑動(dòng)數(shù)據(jù)檢測(cè)法。將其設(shè)定為傳統(tǒng)數(shù)據(jù)檢測(cè)組;另一組為本文所設(shè)計(jì)的方法,將其設(shè)定為深度神經(jīng)網(wǎng)絡(luò)檢測(cè)組。設(shè)定對(duì)應(yīng)的檢測(cè)參數(shù)。將通信組件的傳輸語(yǔ)言更改為Python3.7,信息滑動(dòng)頻率為0.14,相對(duì)應(yīng)的訓(xùn)練向量為d=52,組件的代碼片段為6.49,在此基礎(chǔ)上,將對(duì)應(yīng)的獨(dú)立功能單元的線性比值調(diào)整為8.42,通信的變化向量范圍更改為12.44~21.76。在完成以上的測(cè)試參數(shù)設(shè)置之后,接下來,進(jìn)行相對(duì)應(yīng)的測(cè)試布置。可以先將通信的數(shù)據(jù)集結(jié)構(gòu)變更為多核心的賦值結(jié)構(gòu),進(jìn)而方便以下的測(cè)試。完成之后,在保證沒有外部影響因素的條件下,開始測(cè)試。
通過以上的測(cè)試準(zhǔn)備以及相對(duì)應(yīng)參數(shù)的設(shè)置,接下來,對(duì)兩組檢測(cè)方法同時(shí)進(jìn)行測(cè)試。首先,將數(shù)據(jù)添加在平臺(tái)之中,利用很可功能檢查數(shù)據(jù)的真實(shí)性,并對(duì)相關(guān)數(shù)據(jù)信息的可使用性進(jìn)行測(cè)定,完成之后,計(jì)算對(duì)應(yīng)的下采樣率,具體如下公式6所示:
公式(6)中:M表示缺陷檢測(cè)實(shí)際的下采樣率,β表示可檢測(cè)范圍,k表示執(zhí)行的慣性函數(shù)。通過以上計(jì)算,最終可以得出缺陷檢測(cè)實(shí)際的下采樣率。利用這個(gè)下采樣率,來建立對(duì)應(yīng)的深度神經(jīng)網(wǎng)絡(luò)檢測(cè)結(jié)構(gòu),通常是依照模型檢測(cè)的方式來實(shí)施的,所以,接下來,在實(shí)際的異常情況下進(jìn)行檢測(cè),具體如圖1所示。
圖1:通信組件功能檢測(cè)結(jié)構(gòu)圖
根據(jù)圖1中的流程所示,可以對(duì)電力通信組件功能進(jìn)行缺陷的檢測(cè)。隨后,可以得出兩組測(cè)試的數(shù)據(jù)信息結(jié)果,對(duì)其進(jìn)行對(duì)比性的分析。
依據(jù)以上的測(cè)試分析,最終可以得出兩組測(cè)試結(jié)果,對(duì)其進(jìn)行對(duì)比分析,如表2所示。
表2:檢測(cè)結(jié)果對(duì)比分析表
根據(jù)表2中的數(shù)據(jù)信息結(jié)果可以得出最終的結(jié)論:在相同的測(cè)試條件下,對(duì)比于傳統(tǒng)的數(shù)據(jù)檢測(cè)組,深度神經(jīng)網(wǎng)絡(luò)檢測(cè)組所得出的池化檢測(cè)比值相對(duì)較高,這就表明這種缺陷檢測(cè)方法最終的檢測(cè)精準(zhǔn)度比傳統(tǒng)方法更高,具有一定的穩(wěn)定性和準(zhǔn)確性,同時(shí),深度神經(jīng)網(wǎng)絡(luò)檢測(cè)方法的靈活性也較好,不存在應(yīng)變困難的情況發(fā)生,因此,最終可以判定,深度神經(jīng)網(wǎng)絡(luò)檢測(cè)方法的效果更好。
綜上所述,便是對(duì)基于深度神經(jīng)網(wǎng)絡(luò)的電力信息通信組件功能缺陷檢測(cè)方法的設(shè)計(jì)分析。功能缺陷檢測(cè)方法的完善成熟也為相關(guān)行業(yè)的發(fā)展指明了一條創(chuàng)新路徑,進(jìn)一步拓寬了其未來的發(fā)展前景。