謝肇軒

（廣東電網(wǎng)有限責(zé)任公司東莞供電局，廣東 東莞 523000）

0 引 言

自21世紀(jì)起，人工智能技術(shù)得到了飛速的發(fā)展，推動了人們?nèi)粘Ｉ畹默F(xiàn)代化發(fā)展進(jìn)程。現(xiàn)代電力企業(yè)作為影響國民經(jīng)濟(jì)發(fā)展的重要基礎(chǔ)產(chǎn)業(yè)，關(guān)系到全世界人們的生活與辦公，自然而言地成為智能化技術(shù)應(yīng)用的主戰(zhàn)場[1,2]。在國家大力推廣智能電網(wǎng)發(fā)展的時代背景下，變電站是衡量一個區(qū)域電力建設(shè)水平的重要指標(biāo)。變電站是集合高新技術(shù)、運(yùn)行監(jiān)測設(shè)備的智能電網(wǎng)節(jié)點(diǎn)，以數(shù)字化、網(wǎng)絡(luò)化通信平臺作為基礎(chǔ)，是一種新型高級變電站。如今，在變電站的建設(shè)過程中使用傳統(tǒng)變電站作為基礎(chǔ)，同時使用先進(jìn)的自動化技術(shù)，對傳統(tǒng)變電站進(jìn)行智能化升級[3]。為了實(shí)現(xiàn)對此類變電站的科學(xué)監(jiān)測，大量的專家學(xué)者構(gòu)建了變電站視頻監(jiān)控系統(tǒng)，以此推動變電站監(jiān)測技術(shù)的發(fā)展。

由于變電站視頻監(jiān)控系統(tǒng)多應(yīng)用于遠(yuǎn)程控制工作中，如此系統(tǒng)出現(xiàn)故障時，不宜及時對其展開維修。在以往的研究中也提出過一些解決方案，如文獻(xiàn)[4]中提出的使用增強(qiáng)現(xiàn)實(shí)技術(shù)對變電站相關(guān)系統(tǒng)設(shè)備進(jìn)行仿真的監(jiān)測方法。此方法僅能通過數(shù)據(jù)預(yù)測對視頻監(jiān)控系統(tǒng)的運(yùn)行狀態(tài)進(jìn)行模擬，而無法獲取真實(shí)可靠的數(shù)據(jù)對系統(tǒng)的運(yùn)維態(tài)勢進(jìn)行分析。另外，文獻(xiàn)[5]中提出了一種使用人工智能代理實(shí)現(xiàn)配電系統(tǒng)相關(guān)設(shè)備負(fù)荷態(tài)勢感知的方法，此方法具有較高的負(fù)荷預(yù)測能力，但使用其對視頻監(jiān)控系統(tǒng)展開運(yùn)維態(tài)勢感知時，存在運(yùn)維態(tài)勢智能感知相似度較低的問題。為此，在本次研究中提出了一種變電站視頻監(jiān)控系統(tǒng)運(yùn)維態(tài)勢智能感知方法，希望通過系統(tǒng)運(yùn)行數(shù)據(jù)采集與分析的形式，獲取真實(shí)有效的系統(tǒng)運(yùn)行數(shù)據(jù)，提高監(jiān)控系統(tǒng)的維護(hù)能力與效率。

1 變電站視頻監(jiān)控系統(tǒng)運(yùn)維態(tài)勢智能感知方法設(shè)計

1.1 變電站視頻監(jiān)控系統(tǒng)運(yùn)行數(shù)據(jù)采集與分析

在對大量的案例進(jìn)行分析后可以確定，當(dāng)前大部分視頻監(jiān)控系統(tǒng)運(yùn)維態(tài)勢感知問題源于數(shù)據(jù)采集與處理技術(shù)的落后，為此在本次研究中將主要對這兩部分展開優(yōu)化[6]。

本次研究中將使用傳感器與計算機(jī)對視頻監(jiān)控系統(tǒng)的運(yùn)行數(shù)據(jù)進(jìn)行采集，由于視頻監(jiān)控系統(tǒng)的運(yùn)行數(shù)據(jù)種類較多，為保證數(shù)據(jù)采集結(jié)果可應(yīng)用到后續(xù)的研究中，在此環(huán)節(jié)中將完成數(shù)據(jù)的預(yù)處理工作。由于采集到的數(shù)據(jù)類別較多且結(jié)構(gòu)較為復(fù)雜，因此需要先完成數(shù)據(jù)清洗工作。將采集到的數(shù)據(jù)設(shè)定為C={s1,…,sn}，其隸屬于數(shù)據(jù)集Di，根據(jù)窗口滑動原理對數(shù)據(jù)進(jìn)行標(biāo)記，滑動過程如圖1所示。

圖1 窗口滑動原理

根據(jù)圖1內(nèi)容完成數(shù)據(jù)處理過程后，設(shè)定R(s)表示數(shù)據(jù)項(xiàng)中可標(biāo)記的數(shù)據(jù)，f(s)表示標(biāo)記R在R(s)出現(xiàn)的次數(shù)，則s與s'的文本內(nèi)容相似度可表示為：

式中，s為采集到的文本數(shù)據(jù)；s'為標(biāo)記后的文本數(shù)據(jù)。根據(jù)式（1）確定采集數(shù)據(jù)中的相似部分，并對其進(jìn)行剔除，而后在數(shù)據(jù)剔除部分進(jìn)行補(bǔ)位，保證本次處理過程中擁有充足的數(shù)據(jù)量。

使用FP-T多層關(guān)聯(lián)規(guī)則完成此部分處理過程[7,8]。將采集到數(shù)據(jù)匯總為數(shù)據(jù)庫的形式，并將數(shù)據(jù)分割為選項(xiàng)集，構(gòu)建FP-T關(guān)聯(lián)分析模型。首先，計算各數(shù)據(jù)預(yù)選集合的支持?jǐn)?shù)，并按照遞減的順序排列，則有：

式中，G表示數(shù)據(jù)組序號；n表示排列過程中的遞減順序。而后，根據(jù)此順序，對數(shù)據(jù)進(jìn)行二次掃描。將第一類系統(tǒng)運(yùn)維數(shù)據(jù)設(shè)定為E1={G1,Gi,…,Gm}，按照式（2）的排列數(shù)據(jù)，將其體現(xiàn)為{G1,Gi,…,Gm}，則此數(shù)據(jù)組別具有的第一層級可表示為：

根據(jù)式（3）與式（2）可得到運(yùn)維數(shù)據(jù)的聚類分析樹，通過此樹狀結(jié)果確定數(shù)據(jù)的種類與歸屬，并以此作為后續(xù)感知過程的數(shù)據(jù)基礎(chǔ)。

1.2 視頻監(jiān)控系統(tǒng)運(yùn)維數(shù)據(jù)融合處理

使用上文中處理后的數(shù)據(jù)結(jié)合數(shù)據(jù)融合技術(shù)，實(shí)現(xiàn)運(yùn)維數(shù)據(jù)的多元融合與分析。在對當(dāng)前態(tài)勢感知方法的使用效果進(jìn)行分析后發(fā)現(xiàn)，由于數(shù)據(jù)不能進(jìn)行一致濾波造成了數(shù)據(jù)異常情況頻發(fā)[9]。因此，在本次研究中將主要構(gòu)建一致濾波器，實(shí)現(xiàn)數(shù)據(jù)的統(tǒng)一處理。

以一致性算法作為基礎(chǔ)，采用分節(jié)點(diǎn)的形式對視頻監(jiān)控系統(tǒng)數(shù)據(jù)展開處理[10,11]。設(shè)定處理后的數(shù)據(jù)初始狀態(tài)為αi(0)，則經(jīng)過濾波器的k次迭代后，輸出數(shù)據(jù)αi(k)可表示為：

式中，uii為加權(quán)系數(shù)；αi為原始數(shù)據(jù)值參數(shù)；uij為權(quán)重系數(shù)；αj為數(shù)據(jù)輸出參數(shù)。根據(jù)式（4）可得到αi(k)的輸出曲線，使用此曲線可對濾波結(jié)果的類別劃分進(jìn)行判定，具體圖像如圖2所示。

圖2 αi(k)輸出曲線

其約束條件可設(shè)定為：

本次研究中，使用Maximum-degree算法計算一致加權(quán)系數(shù)取值結(jié)果[12]。相應(yīng)的公式為：

式中，n為自重權(quán)數(shù)；hi為數(shù)據(jù)處理程度屬性；s為加重權(quán)數(shù)。假設(shè)uij=0，根據(jù)式（6）可得到多維數(shù)據(jù)的融合處理結(jié)果，則有：

式中，U為非結(jié)構(gòu)化數(shù)據(jù)數(shù)量；α為特征向量數(shù)據(jù)。將不同類別數(shù)據(jù)代入式（7）中完成加權(quán)迭代處理。當(dāng)數(shù)據(jù)輸出形式為αn(k)時，數(shù)據(jù)逐漸趨于一致，則有：

此時，數(shù)據(jù)一致性濾波處理結(jié)束，將經(jīng)過濾波處理的數(shù)據(jù)根據(jù)當(dāng)前方法中的數(shù)據(jù)融合技術(shù)完成融合處理，得到態(tài)勢感知基礎(chǔ)數(shù)據(jù)庫。

1.3 視頻監(jiān)控系統(tǒng)運(yùn)維態(tài)勢智能感知

使用態(tài)勢感知基礎(chǔ)數(shù)據(jù)庫，對視頻監(jiān)控系統(tǒng)運(yùn)維態(tài)勢展開感知處理。在本次研究中，運(yùn)維態(tài)勢感知過程通過趨勢提取方法完成，將視頻監(jiān)控系統(tǒng)的運(yùn)維態(tài)勢設(shè)定為時間距離函數(shù)，記作Y(t)，對Y(t)進(jìn)行多項(xiàng)式擬合，其趨勢可使用多項(xiàng)式參數(shù)進(jìn)行驗(yàn)證與識別[13,14]。假設(shè)Y(t)函數(shù)可分割為多個二階多項(xiàng)式并進(jìn)行二次計算，在t時刻下，第i個數(shù)據(jù)片段Yi(t)可表示為：

式中，χ= [χ0,χ1,χ2]表示此擬合多項(xiàng)式的參數(shù)。使用累積分割算法對Yi(t)展開分段提取[15]。如果在t1時刻對應(yīng)的擬合函數(shù)為Yi(t1)，數(shù)據(jù)采集時間間隔為Δt，則第q個采集時間間隔后，由式（9）計算得到的擬合值可表示為則此時擬合值與真實(shí)數(shù)據(jù)之間的誤差可表示為：

則從t1起，誤差絕對值的累積和可以表示為：

使用此公式可得到態(tài)勢感知類別劃分閾值，將此閾值帶入層次分析法中，運(yùn)維態(tài)勢劃分過程如圖3所示。

圖3 運(yùn)維態(tài)勢劃分過程

根據(jù)圖3中預(yù)設(shè)的3個層級，確定主觀因素與客觀因素對運(yùn)維態(tài)勢的影響，同時確定當(dāng)前的運(yùn)維態(tài)勢等級。可對視頻監(jiān)控系統(tǒng)的運(yùn)維態(tài)勢趨勢展開分析，并針對分析結(jié)果確定當(dāng)前視頻監(jiān)控系統(tǒng)運(yùn)維態(tài)勢，完成態(tài)勢感知工作。對上文中設(shè)定的數(shù)據(jù)處理環(huán)節(jié)進(jìn)行整合，將其融合到當(dāng)前使用的感知方法中，至此實(shí)現(xiàn)變電站視頻監(jiān)控系統(tǒng)運(yùn)維態(tài)勢智能感知。

2 實(shí)驗(yàn)分析

為了驗(yàn)證變電站視頻監(jiān)控系統(tǒng)運(yùn)維態(tài)勢智能感知方法的有效性，在MATLAB仿真軟件中，分別采用所提方法、文獻(xiàn)[4]方法以及文獻(xiàn)[5]方法進(jìn)行仿真對比實(shí)驗(yàn)。

2.1 實(shí)驗(yàn)對象設(shè)定

利用實(shí)驗(yàn)室設(shè)備模擬變電站環(huán)境，將變電站視頻監(jiān)控系統(tǒng)作為研究對象。為保證實(shí)驗(yàn)的真實(shí)性，將變電站視頻監(jiān)控裝置中央控制端與實(shí)驗(yàn)平臺控制端有序連接。實(shí)驗(yàn)平臺控制器如圖4所示。

圖4 實(shí)驗(yàn)平臺控制器

本次實(shí)驗(yàn)中將模塊化實(shí)驗(yàn)系統(tǒng)作為實(shí)驗(yàn)平臺控制器，其具有數(shù)據(jù)計算處理、模擬通信信號以及通信信號輸出的功能。利用此控制器結(jié)合MATLAB集成開發(fā)環(huán)境，設(shè)計出視頻監(jiān)控系統(tǒng)的控制方法，在離線仿真完成后，利用實(shí)驗(yàn)平臺設(shè)備接口代替仿真控制程序中的邏輯關(guān)系，采用實(shí)驗(yàn)平臺的實(shí)時接口生成編程語言，通過數(shù)據(jù)通信的方式，對視頻監(jiān)控系統(tǒng)進(jìn)行實(shí)時控制。

2.2 實(shí)驗(yàn)方案設(shè)計

將實(shí)驗(yàn)過程設(shè)定為變電站視頻監(jiān)控系統(tǒng)運(yùn)維數(shù)據(jù)采集、運(yùn)維數(shù)據(jù)預(yù)處理、隸屬函數(shù)的確定以及實(shí)驗(yàn)結(jié)果輸出4部分，主要實(shí)驗(yàn)流程設(shè)定如下。

首先，監(jiān)控系統(tǒng)運(yùn)維數(shù)據(jù)采集。利用與實(shí)驗(yàn)平臺相連接的傳感器對監(jiān)控系統(tǒng)進(jìn)行數(shù)據(jù)采集，主要采集信息包括運(yùn)行電壓、運(yùn)行電流以及視頻圖像采集結(jié)果，并將此部分?jǐn)?shù)據(jù)存儲在實(shí)驗(yàn)數(shù)據(jù)庫中。其次，監(jiān)控系統(tǒng)運(yùn)維數(shù)據(jù)清洗。利用預(yù)先設(shè)定的數(shù)據(jù)預(yù)處理以及清洗方法，對采集到的異常數(shù)據(jù)進(jìn)行處理，然后應(yīng)用相應(yīng)的技術(shù)對數(shù)據(jù)進(jìn)行補(bǔ)全并展開數(shù)據(jù)融合處理，得到可供實(shí)驗(yàn)使用的數(shù)據(jù)源。再次，利用既往數(shù)據(jù)構(gòu)建歷史數(shù)據(jù)庫，為監(jiān)控系統(tǒng)運(yùn)維態(tài)勢感知提供基礎(chǔ)。選取以往的歷史數(shù)據(jù)，構(gòu)建歷史數(shù)據(jù)庫，對此部分?jǐn)?shù)據(jù)進(jìn)行聚類處理，得到運(yùn)維態(tài)勢模板數(shù)據(jù)庫，并以此作為運(yùn)維態(tài)勢感知結(jié)果的判斷標(biāo)準(zhǔn)。最后，使用實(shí)驗(yàn)中采集到的數(shù)據(jù)進(jìn)行視頻監(jiān)控運(yùn)維態(tài)勢感知與識別，根據(jù)隸屬度計算公式確定監(jiān)控系統(tǒng)運(yùn)維狀態(tài)，并輸出結(jié)果。

根據(jù)上述設(shè)定的4個環(huán)節(jié)對實(shí)驗(yàn)?zāi)繕?biāo)系統(tǒng)進(jìn)行感知，并輸出相應(yīng)的感知結(jié)果，將此部分?jǐn)?shù)據(jù)存儲在對應(yīng)的數(shù)據(jù)庫中，為所提方法的有效性驗(yàn)證提供基礎(chǔ)。

2.3 實(shí)驗(yàn)周期及相關(guān)參數(shù)設(shè)定

在本次實(shí)驗(yàn)中，將實(shí)驗(yàn)數(shù)據(jù)采集周期設(shè)定為1周，每天獲取變電站視頻監(jiān)控系統(tǒng)的電壓、電流、視頻圖像采集效果以及工作溫度數(shù)據(jù)，并對采集到的單日數(shù)據(jù)進(jìn)行匯總。實(shí)驗(yàn)數(shù)據(jù)采集結(jié)果如表1所示。

表1 實(shí)驗(yàn)數(shù)據(jù)采集結(jié)果（單位：條）

將上述數(shù)據(jù)作為本次實(shí)驗(yàn)的數(shù)據(jù)來源，與此同時，獲取20 000條真實(shí)變電站視頻監(jiān)控系統(tǒng)運(yùn)維數(shù)據(jù)，將此部分?jǐn)?shù)據(jù)輸入MATLAB軟件中，使用K均值聚類算法對歷史運(yùn)維數(shù)據(jù)進(jìn)行聚類處理并導(dǎo)出聚類結(jié)果，使用云計算技術(shù)將其快速生成4類不同的系統(tǒng)運(yùn)維態(tài)勢數(shù)據(jù)特征 (?1,?2,?3,?4)，具體取值結(jié)果如表 2 所示。

表2 系統(tǒng)運(yùn)維態(tài)勢數(shù)據(jù)特征

根據(jù)上述設(shè)定的視頻監(jiān)控系統(tǒng)運(yùn)維態(tài)勢數(shù)據(jù)特征，對實(shí)驗(yàn)周期內(nèi)視頻監(jiān)控系統(tǒng)的運(yùn)維態(tài)勢進(jìn)行判定，得到相應(yīng)的態(tài)勢感知結(jié)果如表3所示。

表3 視頻監(jiān)控系統(tǒng)運(yùn)維態(tài)勢判定結(jié)果

2.4 實(shí)驗(yàn)對比指標(biāo)設(shè)定

在本次實(shí)驗(yàn)過程中，獲取運(yùn)維態(tài)勢智能感知結(jié)果時，需要根據(jù)預(yù)設(shè)的數(shù)據(jù)庫確定不同時刻系統(tǒng)運(yùn)行狀態(tài)與歷史數(shù)據(jù)庫類別劃分之間的隸屬度計算精度，具體計算公式為：

式中，xi為采集到的實(shí)驗(yàn)數(shù)據(jù)；A表示不同類型的系統(tǒng)運(yùn)維態(tài)勢數(shù)據(jù)特征；n表示計算次數(shù)。為確定判定結(jié)果與運(yùn)維態(tài)勢感知結(jié)果之間的差異，將相似度作為實(shí)驗(yàn)中的測定指標(biāo)，具體計算公式為：

式中，ci表示實(shí)驗(yàn)中運(yùn)維態(tài)勢感知判定結(jié)果，call表示視頻監(jiān)控系統(tǒng)真實(shí)運(yùn)維態(tài)勢判定結(jié)果。

2.5 實(shí)驗(yàn)結(jié)果分析

為了確保獲取準(zhǔn)確的運(yùn)維態(tài)勢智能感知結(jié)果，根據(jù)式（12）得到不同方法的隸屬度計算精度如圖5所示。

圖5 不同方法的運(yùn)維態(tài)勢感知隸屬度計算精度

根據(jù)圖5可知，在7次實(shí)驗(yàn)中3種方法的隸屬度計算精度差異較大。文獻(xiàn)[4]方法與文獻(xiàn)[5]方法的平均隸屬度計算結(jié)果精度分別為74%和68%，隸屬度計算結(jié)果精度相對較差，根據(jù)此隸屬度對態(tài)勢感知數(shù)據(jù)進(jìn)行劃分會造成輸出結(jié)果可靠性下降的問題。而所提方法在7次實(shí)驗(yàn)中，其平均隸屬度計算精度可達(dá)到90%，根據(jù)此計算結(jié)果可以較好地完成態(tài)勢感知過程。

將表3中數(shù)據(jù)作為本次實(shí)驗(yàn)結(jié)果驗(yàn)證的基礎(chǔ)，根據(jù)視頻監(jiān)控系統(tǒng)真實(shí)運(yùn)維態(tài)勢判定結(jié)果與不同方法的運(yùn)維態(tài)勢感知結(jié)果進(jìn)行對比，得到不同方法運(yùn)維態(tài)勢感知對比結(jié)果如圖6所示。

圖6 不同方法運(yùn)維態(tài)勢感知對比結(jié)果

根據(jù)圖6中的實(shí)驗(yàn)結(jié)果可以看出，3種運(yùn)維態(tài)勢感知方法所得結(jié)果差異較大，為了更加清晰地確定不同方法的使用效果，根據(jù)式（13）計算不同方法判定結(jié)果與運(yùn)維態(tài)勢感知結(jié)果之間的相似度，具體計算結(jié)果如表4所示。

表4 不同方法的運(yùn)維態(tài)勢感知相似度計算結(jié)果（單位：（%））

根據(jù)表4中的數(shù)據(jù)可知，所提方法所得結(jié)果與真實(shí)結(jié)果較為相似，其平均感知相似度可達(dá)98.7%，可見此方法使用后所得結(jié)果較為準(zhǔn)確，可為變電站視頻監(jiān)控系統(tǒng)的維護(hù)提供幫助。而文獻(xiàn)[4]方法與文獻(xiàn)[5]方法的平均感知相似度分別為85.5%和88.9%，在多次實(shí)驗(yàn)中均出現(xiàn)了與真實(shí)結(jié)果差異性較大的問題。因此，依照上述分析結(jié)果可知，所提方法可彌補(bǔ)當(dāng)前方法的不足，為變電站監(jiān)控系統(tǒng)的運(yùn)行維護(hù)提供幫助，并推動電網(wǎng)智能化發(fā)展的進(jìn)程。

3 結(jié) 論

在此技術(shù)不斷革新的過程中，目前對使用視頻監(jiān)控對變電站進(jìn)行監(jiān)管，為保證變電站的運(yùn)行安全，需要設(shè)計一種科學(xué)有效的視頻監(jiān)控系統(tǒng)運(yùn)維態(tài)勢智能感知方法。在本次研究中提出了一種新型的態(tài)勢感知方法并取得了一定的應(yīng)用效果，但由于技術(shù)上的限制，此方法還存在一些問題，在后續(xù)的研究中還需要對其進(jìn)行完善與優(yōu)化。