基于模糊信息聚类算法的变电站作业信息分析

贺威, 訾泉, 徐峰, 巩明涛, 倪慧明

(国网安徽省电力有限公司宿州供电公司,安徽 宿州 234000)

0 引 言

随着变电站作业输电线路的增加,高压变电站作业输电线路的整体规划和智能监控越发重要,如何对变电站作业信息进行分析以提高变电站工作能力是亟待解决的问题。

文献[1]设计建造MapX遥测信息分析平台,利用CMMB信号进行线路状态图像的传输,通过建立变电站作业路拓扑结构提高系统输电能力。但在实际运行中难以实现多线路的统一监控,对高压输电产生影响。文献[2]通过设计CDMA变电站作业监控模式,利用运动目标自检测功能实现变电站作业路电流的检测和运行监控,利用层级SIP视频图像识别结构完成线路状态录影,监控精度更为准确。但这种模式受环境影响较大,恶劣环境下的监控能力较差。针对上述技术的不足,本文进行以下技术设计。

(1) 构建模糊信息聚类算法模型,将不同的数据信息转换为可以分析为能够进行组合或者集中分配的变电站数据信息,以提高变电站数据信息计算能力。

(2) 设计建立变电站作业智能信息分析系统,利用视频图像识别技术清晰传导变电站作业路实际运行状态,保证高压输电系统的顺利运行。

(3) 在变电站数据信息处理过程中对关键技术进行分析与设计,以提高变电站数据信息计算能力。

1 模糊信息聚类算法模型的构建

本文采用模糊信息聚类算法实现变电站各种数据信息的处理,比如优化检索、分类或者管理等。在应用开始,首先选择4元组(Ei,Ej,d,t)数据集合,将变电站信息共享调度的主要特征量进行组合或者集中分配以处理[3-4]。模糊信息聚类算法的关联函数可以记为:

(1)

式中:P(d|t,ci)为ci类智能变电站信息的特征分辨率;m为类别总数。在客户端进行变电站数据融合和信息探索时,通过式(1)计算变电站各种数据信息。

在进一步的计算过程中,能够将数据信息治理的特征集δk变成为δik(t),计算式如式(2)所示。

δik(t)=G[V=k|Ui,Θ(t)]

(2)

式中:δik为特征集合函数;V为数据信息治理参数;Ui为变电站书数据信息种类;Θ(t)为数据信息属性。通过式(2)能够实现数据信息格式的转换[5]。为了提高数据信息计算能力,还通过延迟的方式实现数据信息的量化分析。其中编码公式结果如式(3)所示。

(3)

式中:si(t)为数据信息集合;ejφmi为相位角;nm(t)为提高量化分析的参数信息。通过式(3)将编码数据信息转换为公式集合,以提高数据的目标区域空间分析和应用能力。对收集到的变电站信息进行特征的筛选,得到数据的信息满足式(4)。

esupt(D)>θ

(4)

式中:esupt(D)为筛选后的数据信息;θ为设置的阈值信息。通过式(4)能够提高公式的计算能力。采用模糊C均值聚类方法进行信息的二元分组测试,建立高分辨信息融合模型[6],数据信息检索的迭代模型为:

(5)

(6)

2 变电站作业信息分析架构设计

基于上述数学模型,为了提高数据信息分析能力,该研究构建了基于多载波无线信息本地环路(multi-carrier wireless information local loop,McWiLL)的变电站作业信息分析架构[7],如图1所示。

图1 变电站作业信息分析架构设计

在图1中,以视频图像识别技术为核心,融合多项高新技术实现变电站作业的全方位监控,通过监控设备和处理终端的结合形成变电站作业信息分析系统,使监控的视频图像分析更为精准,处理结果达到预期,满足变电站作业路持续输电的条件需求[8]。

变电站作业信息分析系统的设计以数据中心为基本框架,通过搭配各项监控设备和识别技术完成系统设计,设有信息处理终端、网络通信和监控模型。信息处理终端由算法编辑模块和分析较对模块组成,负责处理基站传输的监控信息;网络通信通过光纤和网络基站完成输出传输,根据监控设备采集的变电站作业信息,输送到各自处理主站或者由数据库收录;监控设备不仅负责收集设备参数信息,而且需要对变电站作业定时录像,将线路运行状态及时传输进处理终端。

3 变电站作业信息分析演绎与更新

本文对MMAS算法模型进行初始化设置,然后设置不同的变电站作业信息分析系统的地址数据信息更新过程中的运动轨迹,运动轨迹更新方法通过式(7)进行。

(7)

(8)

式中:f(sbest)为在不断迭代计算过程中,输出的最优解或者在不断搜索过程中输出的全局最优解值。

假设τij(t)介于τmin和τmax之间,每次蚂蚁元素进行信息更新后,在τmax≤τij的情况下,则将二者取值为相同的形式,即τmax=τij。

对蚂蚁元素信息素轨迹进行平滑化处理,则处理公式为:

(9)

在生成地址数据信息时,定义时间复杂度的衡量算法目标函数为:

(10)

4 试验结果与分析

在进行数据试验时,采用的计算机操作系统为Windows10,64位,计算机的开发工具为Visual Studio 2019,OpenCV 3.0。计算机的硬件环境为CPU:Inter(R)Core(TM)i7;主频为2.59 GHz;内存16G。首先按照10台网关服务器,每台网关支撑30 W终端,前置机4台服务器计算,2个缓存实例计算,其中数据量按照3 000万用户预估最大的理想值计算每天有2 687,130 000个测量点数据。现场试验示意图如图2所示。

图2 试验架构示意图

通过5 h的分析与试验,信息分析平台试验数据见表1。

表1 信息分析平台试验数据表

通过表2数据分析,设计监控的线路电压为35 kV,线路运行数量为36条,监控清晰度为1 080 ppi,算法识别精度为97.3%。本文变电站作业监控设计具有较高可行性。

表2 试验数据表

根据试验结果显示三种不同监控方案的清晰度,利用柱状图对比方式分析各系统性能,监控图像清晰度对比柱状图如图3所示。

图3 清晰度对比柱状图

图3中本文设计清晰度最高为1 080 ppi;文献[1]采用的MapX遥测和文献[2]设计的CDMA监控方式清晰度最高为720 ppi。较高的清晰度决定了图形识别精度,使图像处理人员精准把握现场电路状况,避免后期定点维护造成误差,节省人员现场维护时间,对维持线路的持续通电奠定基础。

通过对比各信息分析平台的信息识别精度,进一步完成对比试验,根据HAKKO软件实现监控过程的仿真,经过4 h的试验进行数据信息采集,得出如表2所示的试验数据。

得到信息识别精度曲线对比如图4所示。

图4 信息识别精度曲线对比示意图

本文监控方式最高识别精度为97.8%,最低为97.1%,上下波动范围裕度为0.7%,误差精度较小。为验证上述算法信息管理效率,分别检测模糊信息聚类算法的数据吞吐量以及数据召回率。数据吞吐量计算公式为:

(11)

式中:A为输入数据量;GX为输入数据量;VU为电压的并发数;Ti为信息时间的响应时长;R为平均每个电力用户发出的数量。计算结果吞吐量越高,则表示数据检测能力就越好。

数据信息召回率计算公式为:

(12)

式中:Nz为总数据的数量。若数据召回率越高,表示具有较高的数据查全性能。

根据吞吐量的结果,测试数据的召回率,得出的结果见表3。

表3 数据召回率对比

由表3可知,随着迭代次数的增加,数据的召回率也随之增加,但本文算法的召回率明显比文献[2]和文献[3]的召回率要高,因此本文方法有良好的召回性能,说明本文方法能够提高变电站作业信息分析能力。

5 结束语

本文对变电站作业路监控方案进行研究。利用MMAS算法模型统一分配监控设备,使监控覆盖范围最大化;通过瞬态信息识别技术提高信息分析平台信息识别能力,加快图像处理速度,使识别系统对监控采集的图像更为敏感;采用暗通道先验算法统计监控视频的模糊区域;通过排除容差的方式剔除视频中无用信息,保证信息识别的精度;通过模糊信息聚类算法实现数据信息的诊断,通过仿真对比分析。结果表明本文方案具有明显优势。但是本文在试验过程中仍存在问题,线路折叠部分无法完全识别,监控设备问题造成的图像模糊等问题仍待解决。