基于自适应CKF的输电线路运检数据融合研究

沈晓康

国网江苏省电力有限公司淮安供电分公司，江苏淮安，223002

0 引言

在电力系统中，输电线路起着输送、分配等作用[1-2]。为确保电力系统的平稳运行，必须对电力系统中的输电线路进行巡检与维护。目前输电线路运行检查方法以人工巡检为主，存在效率低、成本高、覆盖范围小、安全风险高等问题。近年来，随着信息技术和物联网技术的发展，越来越多的传感器被应用到输电线路的巡检和监测中，大大提高了巡检效率和监测精度。然而，由于不同传感器采集的数据类型各异[3]，需要进行有效融合和处理，以提取有价值的信息和知识，为输电线路的运维和管理提供支持。因此，需要开展输电线路运检数据融合方法的研究，以实现不同数据源之间的协同和集成，提高数据的可信度和准确度，同时也为输电线路的智能化运维和管理提供基础支撑。

文献[4]方法以阵列传感器为研究对象，以多个传感器同时获取的多个传感器的方位角、俯仰角等动态信息为依据，开展多传感器测量结果之间的空间位置变换与数据融合研究。系统侦察站使用的是m×n阵列的布站组网方式，当目标进入侦查覆盖范围之后，每一个侦察站都可以对其进行全方位的观测，从而得到目标的角位置信息和时间数据，然后将这些信息传输到中心站，再通过坐标变换和数据融合，从而达到对空间目标的快速探测和坐标定位的目的。利用1×3侦察阵对空中目标进行侦察阵列探测，并根据侦察阵列获得的探测信息，建立被探测目标的3D轨迹，实验结果表明，该算法具有较好的实用性能。

文献[5]方法从科学研究的角度出发，利用HTML页面对结果进行元数据提取，对结果进行了组织和构造，建立了DOM树，实现了对目标结果的提取；对对象的科研结果进行了预处理，提高了数据库的存储量；将MapReduce程序设计模式与Hermite正交基前馈神经网络相结合，实现对已完成预处理的科研成果的并行处理与分类，通过多个简化函数对各子集的结果进行综合，实现对科研成果的快速融合。实验结果显示：这种方法在进行数据抽取的时候，可以有效保证抽取数据的完整性和准确性，并且还具有数据融合效率高的优点。

在上述研究的基础上，本文提出基于自适应CKF的输电线路运检数据融合方法。自适应卡尔曼滤波是一种改进的扩展卡尔曼滤波，能够适应不同的系统和环境，将多个传感器的数据融合起来，通过自适应算法调整权重，提高数据融合的精度。针对输电线路运检数据融合精度低的问题，通过多传感设备收集传输线路运行的检测信号，利用卡尔曼滤波器对信号进行滤波处理，结合贝叶斯理论实现多传感器数据高精度融合，通过实验验证了所提方法的有效性。

1 输电线路运检数据融合方法

1.1 输电线路运检数据采集

实现输电线路运检数据融合首先需要采集输电线路运检数据，为了实现这一目标，需要根据采集的指标，选择相应的传感器，将所选的多传感器安装在输电线路上，确保传感器能够准确地测量所需指标。安装位置应根据需要采集的指标和实际情况进行选择。将多传感器与数据采集设备连接，数据采集设备可以是一个单独的数据采集器或者是一个配备多个传感器接口的数据采集系统。启动数据采集设备，开始采集所需数据。数据采集设备可以设置采集频率和采集时间等参数，以满足不同的采集需求。将采集到的数据导入专门的数据分析软件中，进行数据分析和处理。根据分析结果来确定输电线路的运行状态和存在的问题，并采取相应措施进行处理。

1.2 基于自适应CKF的数据滤波

因不同传感器采集的数据类型不同，为了更加准确地获取输电线路中的有效信息，采用自适应CKF方法[6-8]对数据进行滤波处理。卡尔曼滤波是一种用于估计系统状态的数学方法。它基于贝叶斯定理和最小二乘法，通过对系统状态和观测值进行递推估计，得到最优的状态估计。卡尔曼滤波的基本思想是通过对系统模型和观测模型的建立，将系统状态和观测值映射到一个高维空间中，并利用贝叶斯定理计算出后验概率分布，然后，通过最小二乘法来求解后验概率分布的均值和方差，以得到最优的状态估计。卡尔曼滤波主要分为两个步骤：预测和更新。在预测步骤中，通过系统模型来预测下一时刻的状态值和协方差矩阵。在更新步骤中，根据观测值来修正预测值，得到更准确的状态估计值和协方差矩阵[9]。

而自适应卡尔曼滤波是一种改进的卡尔曼滤波器，它可以自动调整卡尔曼滤波器的参数，以适应系统的变化。相比于传统的CKF，它可以更好地处理非线性问题和噪声变化。该方法通过对系统状态和观测噪声的估计误差进行在线估计，然后根据估计误差对卡尔曼滤波器的参数进行调整，可以使卡尔曼滤波器更加适应实际情况，提高其滤波精度，获取高质量数据信息[10]。

在自适应CKF中，通过计算系统状态和观测噪声的估计协方差矩阵，可以得到一个衡量系统状态和观测噪声变化的指标。然后根据这个指标，可以调整卡尔曼滤波器的参数，如噪声方差和转移矩阵等，以适应系统变化。这样可以使滤波器更加准确地估计系统状态，从而提高输电线路运检数据的可靠性。

最优贝叶斯滤波器是一种状态估计方法，但由于贝叶斯滤波器难以进行直接求解，因此，必须对其进行处理，当系统状态和观测参数的联合预测概率函数为高斯分布函数时，循环卡尔曼滤波是一种最接近于边界函数的非线性滤波方法。此时被积函数的表述形式如下：

非线性系统的滤波涉及对状态变量的均值、方差等参数的积分，它们可以用式（1）中的Gaussian加权积分来统一表达，对于这类积分，可以有很多种算法来实现。假设时刻的后验密度函数为，则自适应卡尔曼滤波算法的步骤为：

步骤1 时间更新

4）获取状态预测值，完成时间更新：

步骤2 测量更新

3）通过高斯密度函数传播cubature点为：

4）获取观测量估计值，完成测量更新：

通过上述步骤，获取自适应卡尔曼滤波增益为：

利用自适应卡尔曼滤波增益调节滤波器的响应和精度，实现最优的滤波效果。

1.3 输电线路运检数据融合过程

根据去噪处理后的数据，结合贝叶斯推理对输电线路运检数据进行融合处理，以便更好地提取有价值的信息，提高数据的精准度，输电线路运检数据融合过程如图1所示。

图1 输电线路运检数据融合框架

由图1可知，在输电线路运检数据融合的过程中，通过n个传感器共同采集运检数据，而运检数据的不同属性需要进行决策识别，在识别过程中，需要将采集到的数据与运检数据的具体属性联系起来，其对应属性的输出值为y，由此计算输出值的似然函数[11-12]，进一步得到系统的联合概率函数和后验概率。在由多个传感器组成的数据融合系统中，包含了n个传感器的测量信息、预测状态信息等数据，数据融合的精准度越高，则获取的输电线路运检数据越精准，评估可靠性越高，为此本文采用基于自适应CKF方法，在贝叶斯定理的基础之上，融合输电线路运检数据，实现不同来源的输电线路运检数据融合估计[13]。

系统在t时刻获取的信息为：

2 实验与分析

为验证基于自适应CKF的输电线路运检数据融合的有效性，现从采集的输电线路巡检数据中选取5000个数据作为实验样本数据，并将其平均分为10组，每组500个数据，以数据融合耗时、数据融合误差为实验指标，分别采用所提方法、文献[4]方法、文献[5]方法对数据样本展开分析，分析内容如下。

2.1 数据融合耗时测试

数据融合耗时是指在数据融合过程中，从数据采集到最终融合结果输出所花费的时间，是检测数据融合效率的重要指标，为验证所提方法的可行性，分别采用所提方法、文献[4]方法、文献[5]方法进行数据融合耗时测试，耗时越长，表明方法的数据融合效率越低。三种方法的数据融合耗时对比如表1所示。

由表1可知，文献[4]方法和文献[5]方法的数据融合耗时分别在190ms、270ms左右，而采用所提方法的数据融合耗时始终低于100ms，证明所提方法具备较高的可行性。这是因为所提方法利用自适应卡尔曼滤波算法对数据进行了预处理，有效提高了数据质量，进一步提高了数据融合效率。

2.2 数据融合误差分析

为验证所提方法的数据融合能力，以数据融合误差为测试指标，分别采用所提方法、文献[4]方法、文献[5]方法，对采集到的输电线路运检数据展开融合处理，对比三种方法在数据融合过程中的误差值，误差越小，表明方法的数据融合效果越好，对比结果如图2所示。

观察图2可以发现，在10次实验中，文献[4]方法和文献[5]方法的输电线路运检数据融合误差较高，而所提方法的数据融合误差始终在2以下，这是因为所提方法利用自适应卡尔曼滤波算法对时间值和测量值进行了更新，有效减少了数据融合误差，提高了数据融合效果。

3 结语

为了及时发现和解决输电线路中的问题，提高输电线路的安全性与可靠性，研究基于自适应CKF的输电线路运检数据融合方法。为了有效地获取输电线路中的有效信息，采用自适应CKF方法对数据进行滤波处理，调节滤波器的响应和精度，提高数据质量，结合贝叶斯定理对输电线路运检数据进行融合处理，为输电线路的安全运行提供理论依据。根据实验结果可知：所提方法的数据融合耗时始终在100ms以下，更具可行性，可有效提高输电线路巡检效率；所提方法的数据融合误差低于2，有效实现了数据的高精度融合。