基于BP神经网络的变电站一次设备监测传感器数据融合技术研究

摘 要：针对目前变电站多传感器数据较难融合管理的缺陷，本文基于BP神经网络算法，结合多传感器数据融合技术，提出多传感器信息的BP神经网络融合算法，实现变电站一次设备在线监测传感器多数据融合管理。

关键词：BP算法；多传感器；数据融合；Matlab

目前大多数变电站安装有工业视频监控系统，这些监控主要依赖于运行值班人员以及安保人员人工进行监视，当站内进行范围较大的检修工作时不能充分发挥已安装摄像头的监控作用，还需要依靠人工对监控视频进行轮询。因此，采用先进的算法对变电站一次设备在线监测传感器进行人工智能管理具有重要意义。神经网络是一非线性的传输网络，并且战胜了很多的缺陷（尤其是原先人工智能方式上的弊端）。它能够足够好的处理信息并且在处理数据时拥有着自主的适应能力。因而在预测、智能控制、模式识别、数据融合等多个领域得到应用后并且获取成功。[1-2]因此，本文基于BP神经网络算法，结合多传感器数据融合技术，实现变电站一次设备在线监测传感器多数据融合管理。

1 BP神经网络算法

BP神经网络其实就是具有多层前馈性的神经网络的结构状态。S型的函数其实是它下面所需要传递的神经元的传递函数，0至1之间的持续量为所需的输出量。本次论文主要采用L-M算法。L-M算法即Levenberg-Marguardt优化算法，它是使用以最小化数据来作为其他非线性函数平方和的函数。这完全符合了神经网络在学习训练中性能的指数其实是对照了均方误差的情况的。基于L-M算法的BP改进算法的优点就是它能够使得学习训练的时间更短并且精确度更高。

2 多传感器数据融合

传统的数据融合方法大多数是以贝叶斯推理和D-S证据推理为基础，而贝叶斯数据融合方法需要先验算概率，而在大多数状况下，这种先验算信息的方式很难获得结果或结果不够精确。而D-S证据理论却具有很强的处理准确性不高的信息的能力，但是在处理信息融合的情况的时候，其實是需要准备并拥有充分多的证据。在多数的情况下，这些证据是不太容易获得到的。因此结合连系了BP交融算法和神经网络交融算法这两种算法的优点，本文提出多传感器信息的BP神经网络融合算法。

3 神经网络在变电站传感器数据融合中的应用

本文根据变电站一次设备所需要针对的数据融合中的传感器管理方面的问题，提出了有关基于BP神经网络的传感器管理方法的研究。如图1所示：

图1 数据融合中传感器管理的原理框图

由图1可以看出，数据融合系统中传感器的管理是由（1）传感器选择部分、（2）传感器状态选择部分、（3）融合参数选择部分、（4）知识库部分这四个部份构成。

在传感器的选择部分是根据传感器所获得的信息，进行预处理后，结合知识库系统所存储的基础数据，利用模型逻辑来制定数据交融的所需要的传感器的组合，以此来消除数据融合产生的负面影响（主要是是为了减小误差）。而传感器的状态判别部分是分析出每个传感器的运行状态情况来判断每个传感器是否存在着问题。本文是采用了BP神经网络的方法来完成这样管理任务。由于神经网络三个单元层对应的网络输出值分别与各个传感器的状态相连接：采用BP算法进行网络训练，这一过程对训练数据的生成有以下几点要求：（1）传感器处于正常工作的状态或者得到的输出值与其他同类型传感器相差较小时，对应的输出状态为1；（2）传感器在工作过程中出现故障并且输出值与其他同类型传感器相差较大时，对应的输出状态为0；（3）训练过程中没有被选中的传感器都看作是0。

当神经网络算法运用应用到现实操作中时，传感器当前的状态由它的输出信息说明，则有：（1）yi>0时，表示第i个传感器当前运行正常；（2）yi≤0时，表示第i个传感器就被判定为运行不正常；其中为判别阈值，且0≤ 1，该值由系统确定。

在传感器的交融参数选择部分是根据输出，再结合了数据库部分所存储的数据，来完成构建融合结构和算法部分。功能模块包括传感器的选择部分的模糊逻辑规则和融合参数选择部分的模糊逻辑规则；数据模块是权值数据和算法的参数集合。知识库的全部的内容一般都是通过专家的意见和学者们实际训练所得到的。通过以上几个部分的协作，能够很好的完成数据融合系统中的传感器管理。

4 实例分析

本文采用变电站一次设备五个传感器测得的输入值，输出一个输出值和包含有六个神经元层数的隐层相互全连接，来进行网络的学习与训练，但是需要不断改变初始的权值和学习的步长才能达成一次理想中的训练。图2为实际训练过程中不同神经元数量误差曲线变化，随着神经元个数的降低，均方差也会越来越小，但两种隐含层神经元个数情况下，均能够较好的实现对多传感器数据融合处理。选择BP网络结构对其进行训练时，除了需要考虑隐层包含的神经元个数以外，还需要考虑学习的步长及权值的初始值的对结构构造的影响，以使其能达到最好的训练效果。

5 结论

本文分析了神经网络算法的基本原理，给出神经网络算法对变电站一次设备监测传感器管理的实现方法并总结神经网络算法的特点和神经网络算法的基本流程。讨论了通过Matlab软件利用BP神经网络对于多传感器数据融合的应用。

参考文献：

[1]章毅，郭泉，王建勇.大数据分析的神经网络方法[J].工程科学与技术，2017，49（1）：9-18.

[2]周慧，张尤赛，龚淼.基于RBF神经网络的医学图像分类算法研究[J].电子设计工程，2017，25（3）：113-116.

作者简介：杨涛（1988-），男，本科，助理工程师，研究方向：变电检修专业。