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(dǎo)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(shù)的配電終端運行故障智能診斷方法，即構(gòu)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(jié)果表明，本文設(shè)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(biāo)較優(yōu)，具有可靠性和一定的應(yīng)用價值，為提高供配電安全性并保證供配電基礎(chǔ)質(zhì)量做出了一定貢獻。

關(guān)鍵詞：多源傳感融合技術(shù)；配電終端；運行故障；智能診斷

中圖分類號：TH 17" " 文獻標(biāo)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(fù)雜[2]，作用廣泛。目前我國各個區(qū)域的配電終端組成復(fù)雜，配置差異性較高，無法保證各個關(guān)鍵節(jié)點與主線開關(guān)的比例，因此容易出現(xiàn)嚴(yán)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(zhì)量要求較高，需要利用高精度傳感器實時獲取關(guān)鍵信號，并將其作為判定基礎(chǔ)[4]。除此之外，還需要進行分布式測量與精準(zhǔn)定位，辨別異常波形，實現(xiàn)診斷可視化。相關(guān)研究人員針對配電終端運行特點設(shè)計了常規(guī)的故障智能診斷方法?；陉P(guān)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(zhǔn)確性不佳。基于STFT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(xùn)練效果影響，導(dǎo)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(shù)設(shè)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(shè)計

1.1 配電終端運行故障智能診斷模型構(gòu)建

配電終端故障范圍包括主變壓器低壓側(cè)、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(gòu)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(luò)配置差異性原則設(shè)置聯(lián)絡(luò)開關(guān)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(yīng)的診斷時間與診斷范圍。當(dāng)配電終端完成嵌入式結(jié)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(zhuǎn)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(wù)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(jié)果。邊緣節(jié)點設(shè)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(shù)，該技術(shù)主要以多個傳感器為基礎(chǔ)，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(shù)規(guī)劃了故障診斷外圍節(jié)點。選取有效的時隙方案，設(shè)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(guān)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(zhǔn)確地評估不同外圍節(jié)點的能耗情況，以進行合理設(shè)計和優(yōu)化。此時的感知節(jié)點與網(wǎng)關(guān)、云端間均存在雙向連接關(guān)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(shè)置的故障診斷外圍節(jié)點滿足數(shù)據(jù)收集與任務(wù)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(dǎo)致數(shù)據(jù)不完整或存在誤差。因此，本文進行了網(wǎng)關(guān)互聯(lián)處理，以云端通信為基礎(chǔ)，進行數(shù)據(jù)的可靠傳輸。并在該基礎(chǔ)上，結(jié)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(guān)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(jié)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(guān)與云端間的連接關(guān)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(quán)重，根據(jù)隱藏權(quán)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(shè)計的基于多源傳感融合技術(shù)的配電終端運行故障智能診斷方法的診斷效果，本文設(shè)置了有效的試驗環(huán)境，將其與基于關(guān)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(zhǔn)備

結(jié)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(jié)合AD7606完成模數(shù)轉(zhuǎn)換，采集試驗電壓、電流信號。為了降低診斷耦合風(fēng)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(chǔ)安裝關(guān)系的基礎(chǔ)上進行頻帶抑制。本文設(shè)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(shè)配電終端不同相短路狀態(tài)，并根據(jù)開關(guān)位置與電流情況設(shè)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(jié)果。

2.2 試驗結(jié)果與討論

結(jié)合上述準(zhǔn)備，進行配電終端運行故障智能診斷試驗，即對預(yù)設(shè)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(shè)置的試驗學(xué)習(xí)率為0.01，迭代次數(shù)為100。分別使用本文設(shè)計的基于多源傳感融合技術(shù)的配電終端運行故障智能診斷方法、基于關(guān)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(jié)果如圖4所示。

由圖4可知，在不同迭代次數(shù)下，本文設(shè)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(fēng)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(zhǔn)確率試驗結(jié)果如圖5所示。

由圖5可知，在不同迭代次數(shù)下，本文設(shè)計方法的診斷準(zhǔn)確率最高，能夠有效提取分析故障特征，并降低誤差。基于關(guān)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(zhǔn)確率較低，診斷重要度不佳。由此可知，本文設(shè)計的故障智能診斷方法具有明顯優(yōu)勢和一定的應(yīng)用價值。

3 結(jié)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(fù)雜度越來越高。配電終端試配電網(wǎng)的基礎(chǔ)組成部分，將直接影響供配電質(zhì)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(yīng)措施，進行預(yù)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(shù)，設(shè)計了一種有效的配電終端運行故障智能診斷方法。試驗結(jié)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(yīng)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(gòu)與最小權(quán)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?fù)鋬?yōu)化配置[J].電力科學(xué)與技術(shù)學(xué)報，2024，39（4）：20-32.

[3]唐金銳，鮑柯方，曹蕓玉，等.考慮負(fù)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(guān)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(shù)，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(luò)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(xué)學(xué)報（自然科學(xué)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(quán)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(shù)，2023，21（7）：75-81.