黃開(kāi)天，匡曉云，楊祎巍

（南方電網(wǎng)科學(xué)研究院，廣東 廣州 510663）

電力芯片是我國(guó)電力控制系統(tǒng)的關(guān)鍵組成部分之一，隨著集成電路設(shè)計(jì)的高速發(fā)展，系統(tǒng)結(jié)構(gòu)已經(jīng)逐漸由多個(gè)分立器件組成演化發(fā)展成為集成器件組成，系統(tǒng)結(jié)構(gòu)更追求小薄輕和低功耗，芯片設(shè)計(jì)從集成器件向系統(tǒng)級(jí)封裝SIP 芯片邁進(jìn)。芯片器件越來(lái)越小、功能越來(lái)越好、穩(wěn)定性越來(lái)越強(qiáng)。在針對(duì)其功能的測(cè)試中，必須要有相應(yīng)的測(cè)試手段。在電力芯片器件開(kāi)始工作前，通過(guò)相應(yīng)的裝置或設(shè)備來(lái)測(cè)試，當(dāng)器件出現(xiàn)異常情況后，也可以通過(guò)相應(yīng)的測(cè)試手段來(lái)查明故障，由此提高其他元器件的穩(wěn)定性。

一些學(xué)者對(duì)此進(jìn)行了研究，文獻(xiàn)[1]提出一種基于任務(wù)調(diào)度的電力終端多核芯片功耗調(diào)整方法，采用原有的任務(wù)調(diào)度方法，利用混合形式規(guī)劃將問(wèn)題重新建模，用數(shù)學(xué)手段得到調(diào)度方案，確定最優(yōu)預(yù)測(cè)解，完成對(duì)電力芯片的優(yōu)化檢測(cè)，但此方法采用的數(shù)學(xué)模型運(yùn)算量龐大，檢測(cè)時(shí)間較長(zhǎng)。文獻(xiàn)[2]提出基于OTP 修調(diào)功能的芯片批量化生產(chǎn)方案研究，通過(guò)自動(dòng)化檢測(cè)設(shè)備設(shè)計(jì)一個(gè)經(jīng)過(guò)改良的OTP 修調(diào)計(jì)算方式，檢測(cè)初始電流、頻譜等，并通過(guò)測(cè)試修正得出合適的結(jié)論，在重新檢測(cè)時(shí)減少了對(duì)芯片的重復(fù)利用，完成對(duì)電力芯片的功能研究，但該方法運(yùn)行過(guò)程中芯片損毀率較高，增加了運(yùn)行成本。

為了彌補(bǔ)傳統(tǒng)方法存在的缺陷，該文基于深度神經(jīng)網(wǎng)絡(luò)提出了一種新型電力芯片功能檢測(cè)方法。

1 電力芯片功能參數(shù)計(jì)算

在制定電力芯片的功能參數(shù)測(cè)試方案前，需要確定測(cè)試相應(yīng)的性能參數(shù)[3-4]。將電力系統(tǒng)調(diào)整成多處理方式，完成計(jì)算處理后，修改系統(tǒng)平臺(tái)各管理部分的數(shù)據(jù)，把所有數(shù)值設(shè)置到電力芯片傳輸?shù)囊?guī)避窗口內(nèi)，并加以記錄，匯總整理所收集的相關(guān)數(shù)據(jù)，剩下的最高層級(jí)的處理通信組件，即是頂層架構(gòu)。計(jì)算相應(yīng)的測(cè)量功能指標(biāo)參數(shù)，具體如式（1）所示：

式中，C表示測(cè)試上限；r表示功能參數(shù)優(yōu)化系數(shù)；s表示電力芯片測(cè)試范圍；w表示電力芯片測(cè)試下限。經(jīng)過(guò)上述運(yùn)算，確定相應(yīng)的測(cè)試功能指標(biāo)參數(shù)，利用計(jì)算出的指標(biāo)參數(shù)，設(shè)置測(cè)試的環(huán)境基礎(chǔ)條件，一旦超過(guò)這個(gè)數(shù)值范圍，就說(shuō)明測(cè)試的環(huán)境存在異常，必須重新進(jìn)行測(cè)試，如果測(cè)量結(jié)果在這個(gè)數(shù)值范圍以內(nèi)，就說(shuō)明測(cè)試的環(huán)境條件相對(duì)穩(wěn)定，可以開(kāi)展后續(xù)操作[5-6]。

2 電力芯片功能檢測(cè)模型

2.1 電力芯片功能檢測(cè)算法

在提取功能參數(shù)以后，通過(guò)構(gòu)建電力芯片功能檢測(cè)算法來(lái)進(jìn)一步細(xì)化檢測(cè)結(jié)構(gòu)。針對(duì)電力芯片的傳輸功能、處理功能和異常數(shù)據(jù)檢測(cè)功能，制定對(duì)應(yīng)的檢測(cè)方案。比較不同的測(cè)試方法，調(diào)整相應(yīng)的結(jié)果，確保測(cè)試環(huán)境的安全性，構(gòu)建相應(yīng)的測(cè)試方法，最終建立測(cè)試環(huán)境[7-8]?；谝陨系玫降男畔⒁约坝?jì)算得到的數(shù)據(jù)，建立電力芯片功能檢測(cè)算法，如式（2）所示：

式中，M表示電力芯片功能檢測(cè)的真實(shí)數(shù)據(jù)；θ表示功能參數(shù)函數(shù)；h表示電力芯片功能運(yùn)行時(shí)間固定比。經(jīng)過(guò)上述運(yùn)算，得到具體目標(biāo)檢出率的實(shí)際數(shù)據(jù)，通過(guò)實(shí)際數(shù)據(jù)，來(lái)具體化分解目標(biāo)檢測(cè)的整個(gè)應(yīng)用過(guò)程，確定相應(yīng)的標(biāo)準(zhǔn)與異常點(diǎn)聯(lián)系[9-10]。

2.2 深度神經(jīng)網(wǎng)絡(luò)功能檢測(cè)模型

根據(jù)構(gòu)建電力芯片的功能檢測(cè)算法，建立基于深度神經(jīng)網(wǎng)絡(luò)的智能測(cè)試模型。在測(cè)試過(guò)程中，設(shè)定獨(dú)立的智能神經(jīng)元RBM（Restrict Boltzmann Machine），只有RBM 神經(jīng)元達(dá)到未激活的條件時(shí)，才能夠確定被測(cè)量數(shù)據(jù)的真實(shí)完整性[11-12]。在完成檢測(cè)后，可以根據(jù)得到的數(shù)據(jù)信息確定隱藏神經(jīng)元，計(jì)算公式如式（3）所示：

式中，V表示電力芯片檢測(cè)模型中的隱藏神經(jīng)元定義值；j表示功能參數(shù)；f表示電力芯片功能執(zhí)行系數(shù)。經(jīng)過(guò)上述運(yùn)算，能夠得到相應(yīng)的檢測(cè)模式隱藏單元定義數(shù)值，使用數(shù)值范圍構(gòu)建實(shí)際的檢測(cè)模式，去除RBM 神經(jīng)元的影響，使整個(gè)測(cè)試模式具備更高的靈活應(yīng)用性，同時(shí)隱藏神經(jīng)元還能夠使用深度神經(jīng)網(wǎng)絡(luò)計(jì)算電力芯片的隱藏功能，進(jìn)一步擴(kuò)大了方法的測(cè)試適用范圍。

3 深度神經(jīng)網(wǎng)絡(luò)的電力芯片功能檢測(cè)

3.1 傳輸功能檢測(cè)

對(duì)于電力芯片功能的檢測(cè)，需要采集電力芯片的傳輸功能參數(shù)，利用深度神經(jīng)網(wǎng)絡(luò)功能檢測(cè)模型進(jìn)行測(cè)試。電力芯片傳輸功能的檢測(cè)共分為兩個(gè)指標(biāo)，分別是電壓串聯(lián)回路諧振系數(shù)和芯片最大傳輸功率[13-14]。

檢測(cè)電壓串聯(lián)回路諧振系數(shù)，由于頻率作用，電力芯片等效網(wǎng)絡(luò)無(wú)功阻抗呈感性，芯片回路等效無(wú)功阻抗呈容性，當(dāng)芯片傳輸網(wǎng)絡(luò)產(chǎn)生的無(wú)功阻抗為零時(shí)，載波信號(hào)在回路中傳輸效果最佳。載波回路阻抗越大載波信號(hào)衰減最大，回路的品質(zhì)因數(shù)或諧振系數(shù)數(shù)學(xué)表達(dá)式如式（4）所示：

式中，ρ表示電路的特性阻抗；S表示回路的品質(zhì)因數(shù)或諧振系數(shù)；R表示電網(wǎng)中是相對(duì)不變的定值無(wú)功阻抗；E表示無(wú)功；T表示電力芯片電壓匹配系數(shù)。當(dāng)電力芯片回路諧振時(shí)，芯片電壓U=IR最大，此時(shí)稱這種傳輸方式為電壓串聯(lián)諧振。當(dāng)S≥1時(shí)，電路接近諧振，是電力芯片信號(hào)傳輸?shù)淖罾硐腚娐罚藭r(shí)傳輸效果最佳[15]。

根據(jù)等效阻抗原理檢測(cè)芯片最大傳輸功率，負(fù)載吸收功率P計(jì)算公式如式（5）所示：

式中，U1表示芯片電壓，Z1=R1I2+j為芯片阻抗，Z2=R2+j表示負(fù)載等效阻抗。根據(jù)式（5）確定最大功率，建立線性工程，有效功率越大，載波信號(hào)傳輸效果越好。

3.2 處理功能檢測(cè)

對(duì)于電力芯片處理功能的檢測(cè)，需要將待處理數(shù)據(jù)放入檢測(cè)模型中，使電力芯片處理功能運(yùn)行，檢查運(yùn)行后，同一信道內(nèi)對(duì)數(shù)據(jù)的處理率，具體公式如下：

式中，L表示在處理功能檢測(cè)中的實(shí)際處理量；β表示處理功能數(shù)據(jù)測(cè)量范圍；O表示電力芯片的運(yùn)行參數(shù)。經(jīng)過(guò)上述運(yùn)算，最后即可得出處理功能在實(shí)際運(yùn)行中的處理率，分析處理率效果，設(shè)定閾值，與閾值進(jìn)行對(duì)比，若處理率始終高于閾值，則證明處理效果較好，否則代表缺少良好的處理能力。

3.3 異常數(shù)據(jù)篩選功能檢測(cè)

電力芯片異常信息檢測(cè)系統(tǒng)一般需要采用縱向差異測(cè)試技術(shù)與辨識(shí)異常數(shù)據(jù)測(cè)試技術(shù)，整個(gè)檢測(cè)過(guò)程需要兩種基準(zhǔn)指標(biāo)，分別是待測(cè)量曲線和日負(fù)荷數(shù)據(jù)曲線，計(jì)算節(jié)點(diǎn)之間差異的平均值，然后衡量采樣點(diǎn)上的變化率[16]。

首先建立代表待測(cè)試的日負(fù)荷曲線與日負(fù)載特性曲線。在日負(fù)荷曲線上取點(diǎn)，考察待測(cè)試日負(fù)荷曲線上的第i點(diǎn)，其中i∈{1,2,…,N}，N是取 樣點(diǎn)數(shù)；建立最大負(fù)荷值，將其與日負(fù)載特性曲線第i點(diǎn)相應(yīng)的負(fù)荷值加以對(duì)比，統(tǒng)計(jì)待測(cè)試負(fù)載曲線與日負(fù)載特性曲線上第i點(diǎn)的負(fù)荷值，分析待測(cè)試負(fù)載曲線與日負(fù)載特性曲線上第i點(diǎn)的負(fù)荷值的比例，兩個(gè)曲線相互之間的差值d用待測(cè)曲線與日負(fù)載特性曲線上各取樣點(diǎn)數(shù)間差距的平均值表達(dá)。

在求出負(fù)荷曲線的變化值后，對(duì)采樣點(diǎn)上的變化率進(jìn)行衡量，計(jì)算兩種曲線變化值的差異值是否等于偏差的最大值，分析變化值是否處于合理區(qū)間范圍內(nèi)，確定該負(fù)荷曲線是否為異常負(fù)荷曲線。如果不符合以上任一要求，則待測(cè)量曲線為異常曲線，而第i時(shí)刻的負(fù)荷值即為異常值。通過(guò)計(jì)算異常值占據(jù)所有異常數(shù)據(jù)的比例，即可計(jì)算出電力芯片異常數(shù)據(jù)篩選率。

4 實(shí)驗(yàn)研究

為了驗(yàn)證面向深度神經(jīng)網(wǎng)絡(luò)的電力芯片功能檢測(cè)方法的實(shí)際應(yīng)用效果，設(shè)定實(shí)驗(yàn)。選用對(duì)比測(cè)試驗(yàn)證方法效果，通過(guò)文獻(xiàn)[1]任務(wù)調(diào)度的功能檢測(cè)方法和文獻(xiàn)[2]基于OTP 修調(diào)功能的功能檢測(cè)方法進(jìn)行對(duì)比，采用的傳輸語(yǔ)言為Python 完成數(shù)據(jù)編輯，工作頻率為100 Hz，工作電壓為220 V，工作電流為150 A，采用的操作系統(tǒng)為Windows10。

在完成參數(shù)設(shè)置后，選用三組方法對(duì)電力芯片功能進(jìn)行檢測(cè)，測(cè)試實(shí)驗(yàn)環(huán)境如圖1 所示。

圖1 測(cè)試實(shí)驗(yàn)環(huán)境

根據(jù)圖1 可知，選用CAPI 服務(wù)器作為核心處理裝置，建立電容裝置和電阻裝置，通過(guò)數(shù)據(jù)模塊連接子密鑰，確保電力芯片能夠正常運(yùn)行，保證檢測(cè)效果。

傳輸功能檢測(cè)準(zhǔn)確率實(shí)驗(yàn)結(jié)果如表1 所示。

表1 傳輸功能檢測(cè)準(zhǔn)確率結(jié)果

由表1 可知，三種檢測(cè)方法在檢測(cè)電力芯片傳輸功能這一問(wèn)題上，檢測(cè)效果相對(duì)較好，檢測(cè)準(zhǔn)確率較高，都基本穩(wěn)定在90%以上，該文提出的面向深度神經(jīng)網(wǎng)絡(luò)的電力芯片功能檢測(cè)方法的檢測(cè)能力更好，當(dāng)檢測(cè)數(shù)據(jù)量為5 GB時(shí)，檢測(cè)準(zhǔn)確率仍然高于98%，具有很好的傳輸功能判斷能力。

處理功能檢測(cè)準(zhǔn)確率實(shí)驗(yàn)結(jié)果如表2 所示。

表2 處理功能檢測(cè)準(zhǔn)確率結(jié)果

由表2 可知，OTP 修調(diào)功能和神經(jīng)網(wǎng)絡(luò)檢測(cè)方法都有較好的檢測(cè)效果，但是該文方法處理功能檢測(cè)準(zhǔn)確率高于傳統(tǒng)檢測(cè)方法，該文提出的神經(jīng)網(wǎng)絡(luò)檢測(cè)方法通過(guò)數(shù)據(jù)判斷對(duì)電力芯片處理功能進(jìn)行檢測(cè)，因此檢測(cè)效果更好。

異常數(shù)據(jù)篩選功能檢測(cè)準(zhǔn)確率實(shí)驗(yàn)結(jié)果如表3所示。

表3 異常數(shù)據(jù)篩選功能檢測(cè)準(zhǔn)確率結(jié)果

由表3 可知，傳統(tǒng)檢測(cè)方法的異常數(shù)據(jù)篩選能力極差，任務(wù)調(diào)度和OTP 修調(diào)方法對(duì)異常數(shù)據(jù)檢測(cè)的局限性十分明顯，低于65%，該文提出的檢測(cè)方法異常數(shù)據(jù)篩選功能檢測(cè)效果始終在99%以上，能夠很好地判定電力芯片是否篩選異常數(shù)據(jù)，判斷數(shù)據(jù)信息是否能夠順利傳輸。

檢測(cè)時(shí)間實(shí)驗(yàn)結(jié)果如圖2 所示。

圖2 檢測(cè)時(shí)間實(shí)驗(yàn)結(jié)果

根據(jù)圖2 可知，隨著檢測(cè)數(shù)據(jù)量的增加，檢測(cè)時(shí)間也在不斷增加，當(dāng)檢測(cè)數(shù)據(jù)量低于300 GB時(shí)，基于OTP 修調(diào)功能的檢測(cè)方法檢測(cè)時(shí)間低于其他檢測(cè)方法，當(dāng)檢測(cè)數(shù)據(jù)量大于300 GB時(shí)，該文方法檢測(cè)時(shí)間低于傳統(tǒng)檢測(cè)方法，具有很好的檢測(cè)效果。

5 結(jié)束語(yǔ)

該文基于深度神經(jīng)網(wǎng)絡(luò)提出了一種電力芯片功能檢測(cè)方法，基于功能檢測(cè)算法構(gòu)建了功能檢測(cè)模型，依靠模型對(duì)電力芯片的傳輸能力、處理能力、異常數(shù)據(jù)篩選能力進(jìn)行檢測(cè)。通過(guò)上述研究，得到如下結(jié)論：1）該文提出的檢測(cè)方法能夠加快檢測(cè)速度；2）該方法可以提升檢測(cè)準(zhǔn)確率，適用于如今的電力芯片功能檢測(cè)。但該文的計(jì)算量相對(duì)較大，未來(lái)需要進(jìn)一步減少計(jì)算范圍。