沈曉康

國(guó)網(wǎng)江蘇省電力有限公司淮安供電分公司，江蘇淮安，223002

0 引言

在電力系統(tǒng)中，輸電線路起著輸送、分配等作用[1-2]。為確保電力系統(tǒng)的平穩(wěn)運(yùn)行，必須對(duì)電力系統(tǒng)中的輸電線路進(jìn)行巡檢與維護(hù)。目前輸電線路運(yùn)行檢查方法以人工巡檢為主，存在效率低、成本高、覆蓋范圍小、安全風(fēng)險(xiǎn)高等問(wèn)題。近年來(lái)，隨著信息技術(shù)和物聯(lián)網(wǎng)技術(shù)的發(fā)展，越來(lái)越多的傳感器被應(yīng)用到輸電線路的巡檢和監(jiān)測(cè)中，大大提高了巡檢效率和監(jiān)測(cè)精度。然而，由于不同傳感器采集的數(shù)據(jù)類型各異[3]，需要進(jìn)行有效融合和處理，以提取有價(jià)值的信息和知識(shí)，為輸電線路的運(yùn)維和管理提供支持。因此，需要開展輸電線路運(yùn)檢數(shù)據(jù)融合方法的研究，以實(shí)現(xiàn)不同數(shù)據(jù)源之間的協(xié)同和集成，提高數(shù)據(jù)的可信度和準(zhǔn)確度，同時(shí)也為輸電線路的智能化運(yùn)維和管理提供基礎(chǔ)支撐。

文獻(xiàn)[4]方法以陣列傳感器為研究對(duì)象，以多個(gè)傳感器同時(shí)獲取的多個(gè)傳感器的方位角、俯仰角等動(dòng)態(tài)信息為依據(jù)，開展多傳感器測(cè)量結(jié)果之間的空間位置變換與數(shù)據(jù)融合研究。系統(tǒng)偵察站使用的是m×n陣列的布站組網(wǎng)方式，當(dāng)目標(biāo)進(jìn)入偵查覆蓋范圍之后，每一個(gè)偵察站都可以對(duì)其進(jìn)行全方位的觀測(cè)，從而得到目標(biāo)的角位置信息和時(shí)間數(shù)據(jù)，然后將這些信息傳輸?shù)街行恼?，再通過(guò)坐標(biāo)變換和數(shù)據(jù)融合，從而達(dá)到對(duì)空間目標(biāo)的快速探測(cè)和坐標(biāo)定位的目的。利用1×3偵察陣對(duì)空中目標(biāo)進(jìn)行偵察陣列探測(cè)，并根據(jù)偵察陣列獲得的探測(cè)信息，建立被探測(cè)目標(biāo)的3D軌跡，實(shí)驗(yàn)結(jié)果表明，該算法具有較好的實(shí)用性能。

文獻(xiàn)[5]方法從科學(xué)研究的角度出發(fā)，利用HTML頁(yè)面對(duì)結(jié)果進(jìn)行元數(shù)據(jù)提取，對(duì)結(jié)果進(jìn)行了組織和構(gòu)造，建立了DOM樹，實(shí)現(xiàn)了對(duì)目標(biāo)結(jié)果的提??；對(duì)對(duì)象的科研結(jié)果進(jìn)行了預(yù)處理，提高了數(shù)據(jù)庫(kù)的存儲(chǔ)量；將MapReduce程序設(shè)計(jì)模式與Hermite正交基前饋神經(jīng)網(wǎng)絡(luò)相結(jié)合，實(shí)現(xiàn)對(duì)已完成預(yù)處理的科研成果的并行處理與分類，通過(guò)多個(gè)簡(jiǎn)化函數(shù)對(duì)各子集的結(jié)果進(jìn)行綜合，實(shí)現(xiàn)對(duì)科研成果的快速融合。實(shí)驗(yàn)結(jié)果顯示：這種方法在進(jìn)行數(shù)據(jù)抽取的時(shí)候，可以有效保證抽取數(shù)據(jù)的完整性和準(zhǔn)確性，并且還具有數(shù)據(jù)融合效率高的優(yōu)點(diǎn)。

在上述研究的基礎(chǔ)上，本文提出基于自適應(yīng)CKF的輸電線路運(yùn)檢數(shù)據(jù)融合方法。自適應(yīng)卡爾曼濾波是一種改進(jìn)的擴(kuò)展卡爾曼濾波，能夠適應(yīng)不同的系統(tǒng)和環(huán)境，將多個(gè)傳感器的數(shù)據(jù)融合起來(lái)，通過(guò)自適應(yīng)算法調(diào)整權(quán)重，提高數(shù)據(jù)融合的精度。針對(duì)輸電線路運(yùn)檢數(shù)據(jù)融合精度低的問(wèn)題，通過(guò)多傳感設(shè)備收集傳輸線路運(yùn)行的檢測(cè)信號(hào)，利用卡爾曼濾波器對(duì)信號(hào)進(jìn)行濾波處理，結(jié)合貝葉斯理論實(shí)現(xiàn)多傳感器數(shù)據(jù)高精度融合，通過(guò)實(shí)驗(yàn)驗(yàn)證了所提方法的有效性。

1 輸電線路運(yùn)檢數(shù)據(jù)融合方法

1.1 輸電線路運(yùn)檢數(shù)據(jù)采集

實(shí)現(xiàn)輸電線路運(yùn)檢數(shù)據(jù)融合首先需要采集輸電線路運(yùn)檢數(shù)據(jù)，為了實(shí)現(xiàn)這一目標(biāo)，需要根據(jù)采集的指標(biāo)，選擇相應(yīng)的傳感器，將所選的多傳感器安裝在輸電線路上，確保傳感器能夠準(zhǔn)確地測(cè)量所需指標(biāo)。安裝位置應(yīng)根據(jù)需要采集的指標(biāo)和實(shí)際情況進(jìn)行選擇。將多傳感器與數(shù)據(jù)采集設(shè)備連接，數(shù)據(jù)采集設(shè)備可以是一個(gè)單獨(dú)的數(shù)據(jù)采集器或者是一個(gè)配備多個(gè)傳感器接口的數(shù)據(jù)采集系統(tǒng)。啟動(dòng)數(shù)據(jù)采集設(shè)備，開始采集所需數(shù)據(jù)。數(shù)據(jù)采集設(shè)備可以設(shè)置采集頻率和采集時(shí)間等參數(shù)，以滿足不同的采集需求。將采集到的數(shù)據(jù)導(dǎo)入專門的數(shù)據(jù)分析軟件中，進(jìn)行數(shù)據(jù)分析和處理。根據(jù)分析結(jié)果來(lái)確定輸電線路的運(yùn)行狀態(tài)和存在的問(wèn)題，并采取相應(yīng)措施進(jìn)行處理。

1.2 基于自適應(yīng)CKF的數(shù)據(jù)濾波

因不同傳感器采集的數(shù)據(jù)類型不同，為了更加準(zhǔn)確地獲取輸電線路中的有效信息，采用自適應(yīng)CKF方法[6-8]對(duì)數(shù)據(jù)進(jìn)行濾波處理?？柭鼮V波是一種用于估計(jì)系統(tǒng)狀態(tài)的數(shù)學(xué)方法。它基于貝葉斯定理和最小二乘法，通過(guò)對(duì)系統(tǒng)狀態(tài)和觀測(cè)值進(jìn)行遞推估計(jì)，得到最優(yōu)的狀態(tài)估計(jì)?？柭鼮V波的基本思想是通過(guò)對(duì)系統(tǒng)模型和觀測(cè)模型的建立，將系統(tǒng)狀態(tài)和觀測(cè)值映射到一個(gè)高維空間中，并利用貝葉斯定理計(jì)算出后驗(yàn)概率分布，然后，通過(guò)最小二乘法來(lái)求解后驗(yàn)概率分布的均值和方差，以得到最優(yōu)的狀態(tài)估計(jì)。卡爾曼濾波主要分為兩個(gè)步驟：預(yù)測(cè)和更新。在預(yù)測(cè)步驟中，通過(guò)系統(tǒng)模型來(lái)預(yù)測(cè)下一時(shí)刻的狀態(tài)值和協(xié)方差矩陣。在更新步驟中，根據(jù)觀測(cè)值來(lái)修正預(yù)測(cè)值，得到更準(zhǔn)確的狀態(tài)估計(jì)值和協(xié)方差矩陣[9]。

而自適應(yīng)卡爾曼濾波是一種改進(jìn)的卡爾曼濾波器，它可以自動(dòng)調(diào)整卡爾曼濾波器的參數(shù)，以適應(yīng)系統(tǒng)的變化。相比于傳統(tǒng)的CKF，它可以更好地處理非線性問(wèn)題和噪聲變化。該方法通過(guò)對(duì)系統(tǒng)狀態(tài)和觀測(cè)噪聲的估計(jì)誤差進(jìn)行在線估計(jì)，然后根據(jù)估計(jì)誤差對(duì)卡爾曼濾波器的參數(shù)進(jìn)行調(diào)整，可以使卡爾曼濾波器更加適應(yīng)實(shí)際情況，提高其濾波精度，獲取高質(zhì)量數(shù)據(jù)信息[10]。

在自適應(yīng)CKF中，通過(guò)計(jì)算系統(tǒng)狀態(tài)和觀測(cè)噪聲的估計(jì)協(xié)方差矩陣，可以得到一個(gè)衡量系統(tǒng)狀態(tài)和觀測(cè)噪聲變化的指標(biāo)。然后根據(jù)這個(gè)指標(biāo)，可以調(diào)整卡爾曼濾波器的參數(shù)，如噪聲方差和轉(zhuǎn)移矩陣等，以適應(yīng)系統(tǒng)變化。這樣可以使濾波器更加準(zhǔn)確地估計(jì)系統(tǒng)狀態(tài)，從而提高輸電線路運(yùn)檢數(shù)據(jù)的可靠性。

最優(yōu)貝葉斯濾波器是一種狀態(tài)估計(jì)方法，但由于貝葉斯濾波器難以進(jìn)行直接求解，因此，必須對(duì)其進(jìn)行處理，當(dāng)系統(tǒng)狀態(tài)和觀測(cè)參數(shù)的聯(lián)合預(yù)測(cè)概率函數(shù)為高斯分布函數(shù)時(shí)，循環(huán)卡爾曼濾波是一種最接近于邊界函數(shù)的非線性濾波方法。此時(shí)被積函數(shù)的表述形式如下：

非線性系統(tǒng)的濾波涉及對(duì)狀態(tài)變量的均值、方差等參數(shù)的積分，它們可以用式（1）中的Gaussian加權(quán)積分來(lái)統(tǒng)一表達(dá)，對(duì)于這類積分，可以有很多種算法來(lái)實(shí)現(xiàn)。假設(shè)時(shí)刻的后驗(yàn)密度函數(shù)為，則自適應(yīng)卡爾曼濾波算法的步驟為：

步驟1 時(shí)間更新

4）獲取狀態(tài)預(yù)測(cè)值，完成時(shí)間更新：

步驟2 測(cè)量更新

3）通過(guò)高斯密度函數(shù)傳播cubature點(diǎn)為：

4）獲取觀測(cè)量估計(jì)值，完成測(cè)量更新：

通過(guò)上述步驟，獲取自適應(yīng)卡爾曼濾波增益為：

利用自適應(yīng)卡爾曼濾波增益調(diào)節(jié)濾波器的響應(yīng)和精度，實(shí)現(xiàn)最優(yōu)的濾波效果。

1.3 輸電線路運(yùn)檢數(shù)據(jù)融合過(guò)程

根據(jù)去噪處理后的數(shù)據(jù)，結(jié)合貝葉斯推理對(duì)輸電線路運(yùn)檢數(shù)據(jù)進(jìn)行融合處理，以便更好地提取有價(jià)值的信息，提高數(shù)據(jù)的精準(zhǔn)度，輸電線路運(yùn)檢數(shù)據(jù)融合過(guò)程如圖1所示。

圖1 輸電線路運(yùn)檢數(shù)據(jù)融合框架

由圖1可知，在輸電線路運(yùn)檢數(shù)據(jù)融合的過(guò)程中，通過(guò)n個(gè)傳感器共同采集運(yùn)檢數(shù)據(jù)，而運(yùn)檢數(shù)據(jù)的不同屬性需要進(jìn)行決策識(shí)別，在識(shí)別過(guò)程中，需要將采集到的數(shù)據(jù)與運(yùn)檢數(shù)據(jù)的具體屬性聯(lián)系起來(lái)，其對(duì)應(yīng)屬性的輸出值為y，由此計(jì)算輸出值的似然函數(shù)[11-12]，進(jìn)一步得到系統(tǒng)的聯(lián)合概率函數(shù)和后驗(yàn)概率。在由多個(gè)傳感器組成的數(shù)據(jù)融合系統(tǒng)中，包含了n個(gè)傳感器的測(cè)量信息、預(yù)測(cè)狀態(tài)信息等數(shù)據(jù)，數(shù)據(jù)融合的精準(zhǔn)度越高，則獲取的輸電線路運(yùn)檢數(shù)據(jù)越精準(zhǔn)，評(píng)估可靠性越高，為此本文采用基于自適應(yīng)CKF方法，在貝葉斯定理的基礎(chǔ)之上，融合輸電線路運(yùn)檢數(shù)據(jù)，實(shí)現(xiàn)不同來(lái)源的輸電線路運(yùn)檢數(shù)據(jù)融合估計(jì)[13]。

系統(tǒng)在t時(shí)刻獲取的信息為：

2 實(shí)驗(yàn)與分析

為驗(yàn)證基于自適應(yīng)CKF的輸電線路運(yùn)檢數(shù)據(jù)融合的有效性，現(xiàn)從采集的輸電線路巡檢數(shù)據(jù)中選取5000個(gè)數(shù)據(jù)作為實(shí)驗(yàn)樣本數(shù)據(jù)，并將其平均分為10組，每組500個(gè)數(shù)據(jù)，以數(shù)據(jù)融合耗時(shí)、數(shù)據(jù)融合誤差為實(shí)驗(yàn)指標(biāo)，分別采用所提方法、文獻(xiàn)[4]方法、文獻(xiàn)[5]方法對(duì)數(shù)據(jù)樣本展開分析，分析內(nèi)容如下。

2.1 數(shù)據(jù)融合耗時(shí)測(cè)試

數(shù)據(jù)融合耗時(shí)是指在數(shù)據(jù)融合過(guò)程中，從數(shù)據(jù)采集到最終融合結(jié)果輸出所花費(fèi)的時(shí)間，是檢測(cè)數(shù)據(jù)融合效率的重要指標(biāo)，為驗(yàn)證所提方法的可行性，分別采用所提方法、文獻(xiàn)[4]方法、文獻(xiàn)[5]方法進(jìn)行數(shù)據(jù)融合耗時(shí)測(cè)試，耗時(shí)越長(zhǎng)，表明方法的數(shù)據(jù)融合效率越低。三種方法的數(shù)據(jù)融合耗時(shí)對(duì)比如表1所示。

由表1可知，文獻(xiàn)[4]方法和文獻(xiàn)[5]方法的數(shù)據(jù)融合耗時(shí)分別在190ms、270ms左右，而采用所提方法的數(shù)據(jù)融合耗時(shí)始終低于100ms，證明所提方法具備較高的可行性。這是因?yàn)樗岱椒ɡ米赃m應(yīng)卡爾曼濾波算法對(duì)數(shù)據(jù)進(jìn)行了預(yù)處理，有效提高了數(shù)據(jù)質(zhì)量，進(jìn)一步提高了數(shù)據(jù)融合效率。

2.2 數(shù)據(jù)融合誤差分析

為驗(yàn)證所提方法的數(shù)據(jù)融合能力，以數(shù)據(jù)融合誤差為測(cè)試指標(biāo)，分別采用所提方法、文獻(xiàn)[4]方法、文獻(xiàn)[5]方法，對(duì)采集到的輸電線路運(yùn)檢數(shù)據(jù)展開融合處理，對(duì)比三種方法在數(shù)據(jù)融合過(guò)程中的誤差值，誤差越小，表明方法的數(shù)據(jù)融合效果越好，對(duì)比結(jié)果如圖2所示。

觀察圖2可以發(fā)現(xiàn)，在10次實(shí)驗(yàn)中，文獻(xiàn)[4]方法和文獻(xiàn)[5]方法的輸電線路運(yùn)檢數(shù)據(jù)融合誤差較高，而所提方法的數(shù)據(jù)融合誤差始終在2以下，這是因?yàn)樗岱椒ɡ米赃m應(yīng)卡爾曼濾波算法對(duì)時(shí)間值和測(cè)量值進(jìn)行了更新，有效減少了數(shù)據(jù)融合誤差，提高了數(shù)據(jù)融合效果。

3 結(jié)語(yǔ)

為了及時(shí)發(fā)現(xiàn)和解決輸電線路中的問(wèn)題，提高輸電線路的安全性與可靠性，研究基于自適應(yīng)CKF的輸電線路運(yùn)檢數(shù)據(jù)融合方法。為了有效地獲取輸電線路中的有效信息，采用自適應(yīng)CKF方法對(duì)數(shù)據(jù)進(jìn)行濾波處理，調(diào)節(jié)濾波器的響應(yīng)和精度，提高數(shù)據(jù)質(zhì)量，結(jié)合貝葉斯定理對(duì)輸電線路運(yùn)檢數(shù)據(jù)進(jìn)行融合處理，為輸電線路的安全運(yùn)行提供理論依據(jù)。根據(jù)實(shí)驗(yàn)結(jié)果可知：所提方法的數(shù)據(jù)融合耗時(shí)始終在100ms以下，更具可行性，可有效提高輸電線路巡檢效率；所提方法的數(shù)據(jù)融合誤差低于2，有效實(shí)現(xiàn)了數(shù)據(jù)的高精度融合。