基于模糊信息聚類算法的變電站作業信息分析

賀威, 訾泉, 徐峰, 鞏明濤, 倪慧明

(國網安徽省電力有限公司宿州供電公司,安徽 宿州 234000)

0 引 言

隨著變電站作業輸電線路的增加,高壓變電站作業輸電線路的整體規劃和智能監控越發重要,如何對變電站作業信息進行分析以提高變電站工作能力是亟待解決的問題。

文獻[1]設計建造MapX遙測信息分析平臺,利用CMMB信號進行線路狀態圖像的傳輸,通過建立變電站作業路拓撲結構提高系統輸電能力。但在實際運行中難以實現多線路的統一監控,對高壓輸電產生影響。文獻[2]通過設計CDMA變電站作業監控模式,利用運動目標自檢測功能實現變電站作業路電流的檢測和運行監控,利用層級SIP視頻圖像識別結構完成線路狀態錄影,監控精度更為準確。但這種模式受環境影響較大,惡劣環境下的監控能力較差。針對上述技術的不足,本文進行以下技術設計。

(1) 構建模糊信息聚類算法模型,將不同的數據信息轉換為可以分析為能夠進行組合或者集中分配的變電站數據信息,以提高變電站數據信息計算能力。

(2) 設計建立變電站作業智能信息分析系統,利用視頻圖像識別技術清晰傳導變電站作業路實際運行狀態,保證高壓輸電系統的順利運行。

(3) 在變電站數據信息處理過程中對關鍵技術進行分析與設計,以提高變電站數據信息計算能力。

1 模糊信息聚類算法模型的構建

本文采用模糊信息聚類算法實現變電站各種數據信息的處理,比如優化檢索、分類或者管理等。在應用開始,首先選擇4元組(Ei,Ej,d,t)數據集合,將變電站信息共享調度的主要特征量進行組合或者集中分配以處理[3-4]。模糊信息聚類算法的關聯函數可以記為:

(1)

式中:P(d|t,ci)為ci類智能變電站信息的特征分辨率;m為類別總數。在客戶端進行變電站數據融合和信息探索時,通過式(1)計算變電站各種數據信息。

在進一步的計算過程中,能夠將數據信息治理的特征集δk變成為δik(t),計算式如式(2)所示。

δik(t)=G[V=k|Ui,Θ(t)]

(2)

式中:δik為特征集合函數;V為數據信息治理參數;Ui為變電站書數據信息種類;Θ(t)為數據信息屬性。通過式(2)能夠實現數據信息格式的轉換[5]。為了提高數據信息計算能力,還通過延遲的方式實現數據信息的量化分析。其中編碼公式結果如式(3)所示。

(3)

式中:si(t)為數據信息集合;ejφmi為相位角;nm(t)為提高量化分析的參數信息。通過式(3)將編碼數據信息轉換為公式集合,以提高數據的目標區域空間分析和應用能力。對收集到的變電站信息進行特征的篩選,得到數據的信息滿足式(4)。

esupt(D)>θ

(4)

式中:esupt(D)為篩選后的數據信息;θ為設置的閾值信息。通過式(4)能夠提高公式的計算能力。采用模糊C均值聚類方法進行信息的二元分組測試,建立高分辨信息融合模型[6],數據信息檢索的迭代模型為:

(5)

(6)

2 變電站作業信息分析架構設計

基于上述數學模型,為了提高數據信息分析能力,該研究構建了基于多載波無線信息本地環路(multi-carrier wireless information local loop,McWiLL)的變電站作業信息分析架構[7],如圖1所示。

圖1 變電站作業信息分析架構設計

在圖1中,以視頻圖像識別技術為核心,融合多項高新技術實現變電站作業的全方位監控,通過監控設備和處理終端的結合形成變電站作業信息分析系統,使監控的視頻圖像分析更為精準,處理結果達到預期,滿足變電站作業路持續輸電的條件需求[8]。

變電站作業信息分析系統的設計以數據中心為基本框架,通過搭配各項監控設備和識別技術完成系統設計,設有信息處理終端、網絡通信和監控模型。信息處理終端由算法編輯模塊和分析較對模塊組成,負責處理基站傳輸的監控信息;網絡通信通過光纖和網絡基站完成輸出傳輸,根據監控設備采集的變電站作業信息,輸送到各自處理主站或者由數據庫收錄;監控設備不僅負責收集設備參數信息,而且需要對變電站作業定時錄像,將線路運行狀態及時傳輸進處理終端。

3 變電站作業信息分析演繹與更新

本文對MMAS算法模型進行初始化設置,然后設置不同的變電站作業信息分析系統的地址數據信息更新過程中的運動軌跡,運動軌跡更新方法通過式(7)進行。

(7)

(8)

式中:f(sbest)為在不斷迭代計算過程中,輸出的最優解或者在不斷搜索過程中輸出的全局最優解值。

假設τij(t)介于τmin和τmax之間,每次螞蟻元素進行信息更新后,在τmax≤τij的情況下,則將二者取值為相同的形式,即τmax=τij。

對螞蟻元素信息素軌跡進行平滑化處理,則處理公式為:

(9)

在生成地址數據信息時,定義時間復雜度的衡量算法目標函數為:

(10)

4 試驗結果與分析

在進行數據試驗時,采用的計算機操作系統為Windows10,64位,計算機的開發工具為Visual Studio 2019,OpenCV 3.0。計算機的硬件環境為CPU:Inter(R)Core(TM)i7;主頻為2.59 GHz;內存16G。首先按照10臺網關服務器,每臺網關支撐30 W終端,前置機4臺服務器計算,2個緩存實例計算,其中數據量按照3 000萬用戶預估最大的理想值計算每天有2 687,130 000個測量點數據?，F場試驗示意圖如圖2所示。

圖2 試驗架構示意圖

通過5 h的分析與試驗,信息分析平臺試驗數據見表1。

表1 信息分析平臺試驗數據表

通過表2數據分析,設計監控的線路電壓為35 kV,線路運行數量為36條,監控清晰度為1 080 ppi,算法識別精度為97.3%。本文變電站作業監控設計具有較高可行性。

表2 試驗數據表

根據試驗結果顯示三種不同監控方案的清晰度,利用柱狀圖對比方式分析各系統性能,監控圖像清晰度對比柱狀圖如圖3所示。

圖3 清晰度對比柱狀圖

圖3中本文設計清晰度最高為1 080 ppi;文獻[1]采用的MapX遙測和文獻[2]設計的CDMA監控方式清晰度最高為720 ppi。較高的清晰度決定了圖形識別精度,使圖像處理人員精準把握現場電路狀況,避免后期定點維護造成誤差,節省人員現場維護時間,對維持線路的持續通電奠定基礎。

通過對比各信息分析平臺的信息識別精度,進一步完成對比試驗,根據HAKKO軟件實現監控過程的仿真,經過4 h的試驗進行數據信息采集,得出如表2所示的試驗數據。

得到信息識別精度曲線對比如圖4所示。

圖4 信息識別精度曲線對比示意圖

本文監控方式最高識別精度為97.8%,最低為97.1%,上下波動范圍裕度為0.7%,誤差精度較小。為驗證上述算法信息管理效率,分別檢測模糊信息聚類算法的數據吞吐量以及數據召回率。數據吞吐量計算公式為:

(11)

式中:A為輸入數據量;GX為輸入數據量;VU為電壓的并發數;Ti為信息時間的響應時長;R為平均每個電力用戶發出的數量。計算結果吞吐量越高,則表示數據檢測能力就越好。

數據信息召回率計算公式為:

(12)

式中:Nz為總數據的數量。若數據召回率越高,表示具有較高的數據查全性能。

根據吞吐量的結果,測試數據的召回率,得出的結果見表3。

表3 數據召回率對比

由表3可知,隨著迭代次數的增加,數據的召回率也隨之增加,但本文算法的召回率明顯比文獻[2]和文獻[3]的召回率要高,因此本文方法有良好的召回性能,說明本文方法能夠提高變電站作業信息分析能力。

5 結束語

本文對變電站作業路監控方案進行研究。利用MMAS算法模型統一分配監控設備,使監控覆蓋范圍最大化;通過瞬態信息識別技術提高信息分析平臺信息識別能力,加快圖像處理速度,使識別系統對監控采集的圖像更為敏感;采用暗通道先驗算法統計監控視頻的模糊區域;通過排除容差的方式剔除視頻中無用信息,保證信息識別的精度;通過模糊信息聚類算法實現數據信息的診斷,通過仿真對比分析。結果表明本文方案具有明顯優勢。但是本文在試驗過程中仍存在問題,線路折疊部分無法完全識別,監控設備問題造成的圖像模糊等問題仍待解決。