基于多源傳感融合的配電終端運行故障診斷

摘 要：常規(guī)的配電終端運行故障智能診斷方法主要使用STFT（short-time Fourier transform）短時傅里葉變換法提取故障信號時頻特征，易受傳輸單元失真作用影響，導致診斷效果不佳，因此本文提出一種基于多源傳感融合技術的配電終端運行故障智能診斷方法，即構建配電終端運行故障智能診斷模型，利用多源傳感融合規(guī)劃運行故障診斷外圍節(jié)點，從而完成配電終端運行故障智能診斷。試驗結果表明，本文設計的配電終端運行故障多源傳感融合智能診斷方法的診斷效果較好，各項診斷指標較優(yōu)，具有可靠性和一定的應用價值，為提高供配電安全性并保證供配電基礎質量做出了一定貢獻。

關鍵詞：多源傳感融合技術；配電終端；運行故障；智能診斷

中圖分類號：TH 17" " 文獻標志碼：A

配電終端是一種特殊的數(shù)據(jù)采集通信控制單元，也是配電網(wǎng)的重要部分，其主要由饋線終端、站所終端和配變終端3個部分組成[1]。配電終端的功能復雜[2]，作用廣泛。目前我國各個區(qū)域的配電終端組成復雜，配置差異性較高，無法保證各個關鍵節(jié)點與主線開關的比例，因此容易出現(xiàn)嚴重故障，需要對配電終端運行故障智能診斷進行深入研究[3]。

事實上，配電終端運行故障智能針對采集數(shù)據(jù)質量要求較高，需要利用高精度傳感器實時獲取關鍵信號，并將其作為判定基礎[4]。除此之外，還需要進行分布式測量與精準定位，辨別異常波形，實現(xiàn)診斷可視化。相關研究人員針對配電終端運行特點設計了常規(guī)的故障智能診斷方法。基于關聯(lián)規(guī)則挖掘的配電終端運行故障智能診斷方法利用Eclat與FP-Growth進行數(shù)據(jù)庫校驗[5]，可以降低診斷延時，但是該方法診斷準確性不佳?；赟TFT和CNN-Attention的配電終端運行故障智能診斷方法進行了傅里葉變換[6]，建立了有效故障時頻圖，但是該方法易受訓練效果影響，導致收斂難度較高。為了提高配電可靠性，本文基于多源傳感融合技術設計了一種有效的配電終端運行故障智能診斷方法。

1 配電終端運行故障多源傳感融合智能診斷方法設計

1.1 配電終端運行故障智能診斷模型構建

配電終端故障范圍包括主變壓器低壓側、低壓母線等，涉及控制單元較多。為了滿足實時監(jiān)控診斷要求，本文構建了配電終端運行故障智能診斷模型。該模型根據(jù)網(wǎng)絡配置差異性原則設置聯(lián)絡開關與分段節(jié)點，根據(jù)線路分布參數(shù)與經(jīng)濟原則進行故障縮放處理，并確定相應的診斷時間與診斷范圍。當配電終端完成嵌入式結合后，進行頻率追蹤與同步采樣[7]，收集模擬量信號，并進行數(shù)字轉換。此時本文將原本邊緣節(jié)點涉及的區(qū)域根據(jù)數(shù)據(jù)分發(fā)狀態(tài)進行計算同步，執(zhí)行定位分析指令，由云服務中心進行故障定位分析，上傳云節(jié)點獲得的智能診斷數(shù)據(jù)匯總結果。邊緣節(jié)點設置示意圖如圖1所示。

由圖1可知，根據(jù)診斷連續(xù)性要求可以判定故障信號的奇異度與不規(guī)則狀態(tài)[8]，提取的故障特征A（h）如公式（1）所示。

使用上述故障智能診斷模型可以有效量測配電網(wǎng)故障信息，最大程度上降低由故障時頻波動造成的智能診斷誤差。

1.2 基于多源傳感融合的故障診斷外圍節(jié)點規(guī)劃

多源傳感融合是一種高性能決策估計分析技術，該技術主要以多個傳感器為基礎，進行空間信息優(yōu)化互補，以實現(xiàn)信息觀測。本文利用多源傳感融合技術規(guī)劃了故障診斷外圍節(jié)點。選取有效的時隙方案，設置故障診斷信號接收器，上傳智能診斷數(shù)據(jù)，考慮信息來源節(jié)點的傳感關系，并進行LoRa無線協(xié)議處理[9]。為了降低維護投入成本，利用能量自給系統(tǒng)開發(fā)外圍節(jié)點，并計算不同外圍節(jié)點多源傳感融合功耗PTotal，如公式（4）所示。

根據(jù)公式（4），能夠更準確地評估不同外圍節(jié)點的能耗情況，以進行合理設計和優(yōu)化。此時的感知節(jié)點與網(wǎng)關、云端間均存在雙向連接關系。本文規(guī)劃的故障診斷外圍節(jié)點如圖2所示。

由圖2可知，本文設置的故障診斷外圍節(jié)點滿足數(shù)據(jù)收集與任務調(diào)度要求，均由微控制中心進行控制。受通信波動影響，部分節(jié)點在數(shù)據(jù)傳輸過程中可能出現(xiàn)異常，導致數(shù)據(jù)不完整或存在誤差。因此，本文進行了網(wǎng)關互聯(lián)處理，以云端通信為基礎，進行數(shù)據(jù)的可靠傳輸。并在該基礎上，結合多源傳感器數(shù)據(jù)，建立函數(shù)鏈r，用于描述節(jié)點間的傳感關系和數(shù)據(jù)傳輸特性，該函數(shù)鏈的具體形式如公式（5）所示。

根據(jù)上述建立的函數(shù)鏈，可以進行功能部署與免疫結合處理。計算多個單元的連接狀態(tài)，包括傳感器節(jié)點、網(wǎng)關與云端間的連接關系和數(shù)據(jù)傳輸?shù)难舆t、丟包率等參數(shù)。利用這些參數(shù)和公式（5）計算隱藏權重，根據(jù)隱藏權重確定故障智能診斷的輸出值。該值能夠綜合多個傳感器的信息，提高故障診斷的綜合精度和魯棒性。

2 試驗

為了驗證本文設計的基于多源傳感融合技術的配電終端運行故障智能診斷方法的診斷效果，本文設置了有效的試驗環(huán)境，將其與基于關聯(lián)規(guī)則挖掘的配電終端運行故障智能診斷方法、基于STFT和CNN-Attention的配電終端運行故障智能診斷方法進行比較，具體試驗如下所示。

2.1 試驗準備

結合配電終端運行故障智能診斷試驗要求，本文選取FTU-REST為實驗平臺。已知該實驗平臺利用DSP處理試驗數(shù)字信號，結合AD7606完成模數(shù)轉換，采集試驗電壓、電流信號。為了降低診斷耦合風險，該平臺利用CPLD進行I＼O擴展，利用MAX系列芯片進行串行通信，以實現(xiàn)ARM擴展。該實驗平臺組成如圖3所示。

由圖3可知，該實驗平臺可以對配電終端零序電壓和三相電流進行精確采樣，在滿足試驗基礎安裝關系的基礎上進行頻帶抑制。本文設置的試驗支路和各項參數(shù)見表1。

由表1可知，在試驗開始前，需要假設配電終端不同相短路狀態(tài)，并根據(jù)開關位置與電流情況設置動作保護。在試驗過程中，如果出現(xiàn)三相短路情況，需要立即進行Agent檢測，分析不同區(qū)域的保護動作，使其與試驗指令有效擬合。為了滿足試驗傳感器的高傳變特性要求，增加溫濕度變化敏感性，本文進行了多公里電阻電容組合。選取MUY高精度信號傳感器作為試驗傳感器，完成上述步驟后，將獲取的試驗信息反饋至自動化主站中，并輸出最終試驗結果。

2.2 試驗結果與討論

結合上述準備，進行配電終端運行故障智能診斷試驗，即對預設的采集模塊進行STFT處理，生成試驗數(shù)據(jù)時頻特征圖，該數(shù)據(jù)集包括不同類型的樣本。進而進行隨機篩選，利用CNN進行參數(shù)調(diào)整。獲取有效數(shù)據(jù)特征后，反向處理試驗參數(shù)，增加Dropout，消除神經(jīng)元隨機誤差，本文設置的試驗學習率為0.01，迭代次數(shù)為100。分別使用本文設計的基于多源傳感融合技術的配電終端運行故障智能診斷方法、基于關聯(lián)規(guī)則挖掘的配電終端運行故障智能診斷方法以及基于STFT和CNN-Attention的配電終端運行故障智能診斷方法進行診斷，所得診斷損失試驗結果如圖4所示。

由圖4可知，在不同迭代次數(shù)下，本文設計方法的損失值始終較低，整體波動平緩，能夠有效降低故障惡化風險，實現(xiàn)故障隔離，控制故障診斷容錯。保持迭代次數(shù)不變，所得診斷準確率試驗結果如圖5所示。

由圖5可知，在不同迭代次數(shù)下，本文設計方法的診斷準確率最高，能夠有效提取分析故障特征，并降低誤差?；陉P聯(lián)規(guī)則挖掘的配電終端運行故障智能診斷方法和基于STFT和CNN-Attention的配電終端運行故障智能診斷方法的故障診斷準確率較低，診斷重要度不佳。由此可知，本文設計的故障智能診斷方法具有明顯優(yōu)勢和一定的應用價值。

3 結語

綜上所述，在電力發(fā)展與城市化進程加速背景下，配電網(wǎng)的組成復雜度越來越高。配電終端試配電網(wǎng)的基礎組成部分，將直接影響供配電質量。受多種因素影響，配電終端故障頻發(fā)，不僅影響了電力系統(tǒng)正常運行，而且會造成較大的社會經(jīng)濟損失。對配電終端運行故障進行診斷，不僅可以判斷配電網(wǎng)的運行狀態(tài)，而且可以提前采取相應措施，進行預防處理。常規(guī)的故障智能診斷方法獲取的故障特征擬合度較低，不符合目前的故障診斷要求，因此，本文基于多源傳感融合技術，設計了一種有效的配電終端運行故障智能診斷方法。試驗結果表明，本文診斷方法的診斷效果較好，具有可靠性和一定的應用價值，為推動電力數(shù)字化發(fā)展做出了一定貢獻。

參考文獻

[1]林奕夫，陳雪，徐夢宇，等.基于零信任架構與最小權限原則的配電終端物聯(lián)網(wǎng)數(shù)據(jù)共享訪問控制方法[J].信息安全研究，2024，10（10）：937-943.

[2]栗會峰，李鐵成，李均強，等.FDIA-蠕蟲混合攻擊下的配電網(wǎng)信息物理系統(tǒng)彈性拓撲優(yōu)化配置[J].電力科學與技術學報，2024，39（4）：20-32.

[3]唐金銳，鮑柯方，曹蕓玉，等.考慮負荷停電差異化的配電自動化終端混合優(yōu)化配置方法[J].電力系統(tǒng)自動化，2024，48（14）：157-166.

[4]黃見虹，翟博龍，宋福海，等.基于故障時刻自同步的波形比較式多端配電網(wǎng)快速保護方案[J].智慧電力，2024，52（2）：79-86，100.

[5]裴潤生，任鈺，張霞.一種基于關聯(lián)規(guī)則挖掘的配電終端單元故障分析方法[J].電氣技術，2024，25（7）：68-74.

[6]賴奎，戴雄杰，潘松波，等.基于STFT和CNN-Attention的配電終端采集模塊故障診斷研究[J].自動化儀表，2023，44（9）：37-41，48.

[7]胡佳新，郭樂欣，劉子俊，等.基于網(wǎng)絡功能虛擬化蜜網(wǎng)的智能配電終端主動防御策略優(yōu)化模型[J].江蘇科技大學學報（自然科學版），2023，37（6）：66-71.

[8]賴奎，戴雄杰，潘松波，等.基于STFT和CNN-Attention的配電終端采集模塊故障診斷研究[J].自動化儀表，2023，44（9）：37-41，48.

[9]袁啟洪，何連杰，張林利，等.基于修正權重故障樹模型的終端狀態(tài)綜合自評價方法研究[J].電力信息與通信技術，2023，21（7）：75-81.