蔡饒興，汪 銳

(1.麗水市人民醫(yī)院，浙江 麗水 323000; 2.國網(wǎng)安康供電公司，陜西 安康 725000)

針對上述技術(shù)的不足，本研究進行以下技術(shù)研究：

(1)構(gòu)建了遠程數(shù)據(jù)監(jiān)控模型，在數(shù)據(jù)遠端能夠?qū)崿F(xiàn)直流電源故障數(shù)據(jù)信息的遠程診斷。

(2)本研究用交流互感器實現(xiàn)在直流電流源中的高精度電流采樣，提高了電源中的數(shù)據(jù)故障診斷能力，并對故障數(shù)據(jù)信息進行直觀監(jiān)測。

(3)構(gòu)建了改進型蟻群算法的神經(jīng)網(wǎng)絡(luò)模型，提高了直流電源故障診斷效率。

下面對本研究的技術(shù)方案進行以下設(shè)計：

1 系統(tǒng)架構(gòu)設(shè)計

為迅速發(fā)現(xiàn)并定位直流電源系統(tǒng)的故障點，保證電網(wǎng)安全運行，本研究應(yīng)用改進型蟻群神經(jīng)網(wǎng)絡(luò)建立直流電源故障診斷系統(tǒng)，該系統(tǒng)主要包括檢測層、通訊層、數(shù)據(jù)分析層和上層監(jiān)測層。直流電源故障診斷系統(tǒng)架構(gòu)如圖1所示。

海拔4119米的西藏扎西宗鄉(xiāng)，“90后”楊濤正手捧兩件貨物，走在世界屋脊之上。2016年，楊濤開設(shè)了全球海拔最高的快遞網(wǎng)店，服務(wù)當(dāng)?shù)?400多名農(nóng)牧民，讓快遞可以直抵珠峰大本營。同年，美籍教師Charlie拉上Tyler和Jay，在上海創(chuàng)建導(dǎo)購網(wǎng)站，幫助外國人在網(wǎng)絡(luò)上買遍中國，兩年，他們用超過10萬的訂單量在互聯(lián)網(wǎng)的世界演繹著“美國合伙人”的故事。在這些故事之外，還有無數(shù)的故事在發(fā)生，與其說它們在講述，倒不如說它們在記錄與見證。

圖1 直流電源故障診斷系統(tǒng)架構(gòu)

系統(tǒng)可分為三個部分，在結(jié)構(gòu)上可分為數(shù)據(jù)層、通信層和網(wǎng)絡(luò)層。數(shù)據(jù)層主要負(fù)責(zé)采集電流、電壓、電池信息，包括電池內(nèi)阻采集、巡檢采集、母線電壓采集和支路差流采集，各單元采集到數(shù)據(jù)后向管理主機匯集數(shù)據(jù)，然后上傳到系統(tǒng)數(shù)據(jù)庫中。故障信息還可以包括傳感器技術(shù)，比如光電傳感器、紅外傳感器、速度傳感器、加速傳感器、GIS傳感器、振動傳感器、紋波傳感器、溫濕度傳感器、角度傳感器、磁場傳感器、轉(zhuǎn)速傳感器、RFID標(biāo)簽、GPS設(shè)備、射線輻射傳感器、熱敏傳感器或能耗傳感器等可以監(jiān)測電源工作環(huán)境等周圍數(shù)據(jù)信息。

通信層負(fù)責(zé)數(shù)據(jù)層與網(wǎng)絡(luò)層之間的數(shù)據(jù)傳輸，可以部署多個交換機，通信協(xié)議為RS485/232協(xié)議、TCP/IP 以太網(wǎng)絡(luò)協(xié)議等。采用有線通信模塊時，可以采用RS485通信模塊或RS232通信模塊，所述無線通信模塊至少包括TCP/IP網(wǎng)絡(luò)系統(tǒng)、ZigBee無線網(wǎng)絡(luò)、GPRS通信模塊、CDMA無線通信、云通信模塊或藍牙通信模塊等。在數(shù)據(jù)分析層中，本研究通過蟻群算法實現(xiàn)直流電源工作過程中數(shù)據(jù)信息的特征提取。在進行數(shù)據(jù)監(jiān)測時，通過無線遠程通信的方式實現(xiàn)數(shù)據(jù)通信，提高數(shù)據(jù)通信能力。下面對本研究的關(guān)鍵技術(shù)進行研究。

2 直流電源故障信息采集

本研究用交流互感器實現(xiàn)在直流電流源中的高精度電流采樣，主要包括輸入設(shè)定模塊、功放模塊、輸出變壓器、采樣互感器和整流模塊，通過誤差處理將電源中的故障診斷數(shù)據(jù)新型提取并進行監(jiān)測。直流電源信息采集模塊如圖2所示。

圖2 直流電源信息采集模塊

本研究中放大器部分是將一個高頻(5-10 kHz)正弦信號放大800-1000 VA的功率，經(jīng)過變壓器輸出高頻(5-10 kHz)交流信號，送給一個帶補償?shù)碾娏鞑蓸踊ジ衅?，該互感器?.01 A、1 A、10 A、100 A、600 A通過不同的繞組組合，最終電流采樣互感器都輸出是20mA的電流給放大器做誤差反饋用，直流輸出是通過整流濾波實現(xiàn)，整流濾波之前的交流電流有效值和整流濾波后的直流有效值是相等的，所以輸出的交流、反饋的交流、輸出的直流是嚴(yán)格按比例的。

當(dāng)檢測電子裝置需要0-5 V的直流電壓，則通過控制箱設(shè)置0-5 V的直流電壓基準(zhǔn)，輸出信息通過處理單元，經(jīng)處理單元中的0P-07運放模塊進行比較，當(dāng)輸入的模擬量與運放比較器的標(biāo)準(zhǔn)值進行比較時，當(dāng)輸出值與基準(zhǔn)值不一致時，則通過處理器自身的自動修正而達到期望輸出值，當(dāng)輸出值與基準(zhǔn)值一致時，則輸出信息號進行下一個單元-擴流單元，擴流單元使輸出信息放大至輸出單元。采集單元對信號進行采樣，采樣信號經(jīng)反饋單元反饋到處理信號的輸入端，與輸入端的基準(zhǔn)信號進行比較，如果的輸出信號的采樣信號與設(shè)定的基準(zhǔn)值不一致時，則處理單元會自行修正以達到輸出的期望值，如果輸出信號的采樣信號與設(shè)定的基準(zhǔn)值一致時，則輸出符合設(shè)定要求，滿足輸出需要。

3 改進型蟻群算法的神經(jīng)網(wǎng)絡(luò)模型

改進型蟻群算法的神經(jīng)網(wǎng)絡(luò)模型能夠提取不同的故障因素特征，并將數(shù)據(jù)訓(xùn)練成蟻群算法(Ant Colony Optimization，ACO)優(yōu)化深度卷積神經(jīng)網(wǎng)絡(luò)DCNN，利用ACO算法強大的搜索能力對DCNN關(guān)鍵參數(shù)進行尋優(yōu)，通過這種方法提高了直流電源的故障診斷能力。直流電源的故障診斷流程如圖3所示。

圖3 改進型蟻群算法的神經(jīng)網(wǎng)絡(luò)模型

將直流電源中的故障信息特征比作為螞蟻元素，以便于后期計算。在整個蟻群算法模型中，其中螞蟻元素個體數(shù)量記作為，蟻群算法模型中螞蟻信息素強度記作為，由于信息元素在蟻群算法模型中能夠進行轉(zhuǎn)移的概率記作為，蟻群算法模型中螞蟻移動的速度記作為，蟻群算法模型中螞蟻元素的步長記作為，蟻群算法模型的適應(yīng)度函數(shù)記作為()。在通過本研究的方法進行ACO搜索時，蟻群算法模型中直流電源故障信息特征輸入的故障信息蟻群位置通過以下函數(shù)表示：

(1)

=(1-)+()

(2)

在式(2)中，為直流電源故障信息特征作為蟻群算法中信息素?fù)]發(fā)常數(shù)，()為蟻群算法模型中每只螞蟻對應(yīng)的適應(yīng)度值。利用ADO優(yōu)化DCNN模型參數(shù)時，先將蟻群算法中螞蟻元素進行初始化處理。在數(shù)據(jù)處理時，蟻群算法螞蟻元素初始時刻設(shè)為=0，初始迭代次數(shù)設(shè)為=0，最大迭代次數(shù)為，并確定信息素初始含量。

然后，設(shè)置DCNN模型處理直流電源故障數(shù)據(jù)信息需要進行優(yōu)化的神經(jīng)網(wǎng)絡(luò)參數(shù)，為了提高計算能力，通過數(shù)據(jù)集合表示為1={,,…,,}。每個蟻群算法模型在工作時，螞蟻元素從1出發(fā)，在蟻群的搜索過程中計算螞蟻的狀態(tài)轉(zhuǎn)移概率，可表示為：

(3)

式(3)中，()表示蟻群算法在計算直流電源故障信息特征時搜索路徑間的信息素含量，表示蟻群算法在計算直流電源故障信息特征時信息素啟發(fā)因子，表示計算直流電源故障信息特征時蟻群算法具有的啟發(fā)函數(shù)重要因子，1表示在計算直流電源故障信息特征轉(zhuǎn)換為蟻群算法過程中具有的啟發(fā)函數(shù)，為蟻群算法中螞蟻元素在下一步搜索過程中的節(jié)點集合。通過在搜索過程中不斷更新信息素，記錄當(dāng)前迭代過程的最優(yōu)解，對路徑殘余信息進行更新，可表示為：

(+1)=(1-)+Δ

(4)

其中Δ表示螞蟻元素在運行過程中釋放的信息素含量，表示螞蟻元素在尋求直流電源故障數(shù)據(jù)信息時信息素?fù)]發(fā)因子。當(dāng)訓(xùn)練樣本的迭代次數(shù)滿足條件≥時，輸出DCNN最優(yōu)參數(shù)值，ACO優(yōu)化過程結(jié)束。ACO優(yōu)化DCNN模型參數(shù)訓(xùn)練完成后，對DCNN模型進行訓(xùn)練實現(xiàn)直流電源的故障診斷。進行故障診斷時先將采集到的直流電源數(shù)據(jù)進行平滑處理和歸一化處理，將經(jīng)過預(yù)處理的直流電源數(shù)據(jù)按照比例分為訓(xùn)練集、測試集和驗證集。將訓(xùn)練集數(shù)據(jù)進行重疊切片，然后將重疊切片后的數(shù)據(jù)進行融合，以雙通道形式作為故障診斷模型的輸入。用訓(xùn)練好的蟻群神經(jīng)網(wǎng)絡(luò)訓(xùn)練測試數(shù)據(jù)，輸出直流電源的故障診斷結(jié)果。

4 應(yīng)用測試

本實驗的實驗環(huán)境中硬件環(huán)境使用1臺CPU為8核16 GB的CP，硬盤容量為512 G,電腦操作系統(tǒng)為Windows 10，通過MATLAB 2014軟件系統(tǒng)進行數(shù)據(jù)分析。

系統(tǒng)的監(jiān)控界面每秒更新一次，可以監(jiān)測故障檢測裝置各通道采集運算結(jié)果，界面展示的系統(tǒng)數(shù)據(jù)層的具體參數(shù)。本研究通過MATLAB軟件系統(tǒng)進行計算處理對比，以月份作為外因素，分析范本數(shù)據(jù)和實驗數(shù)據(jù)中設(shè)備故障次數(shù)與外因素的關(guān)系。

本研究搭建實驗平臺對系統(tǒng)的功能指標(biāo)進行測試，整個實驗平臺包括直流電源數(shù)據(jù)采集裝置、信號源以及用于顯示波形的PC機。采集卡用USB線與PC機相連接，PC機上安裝了用來項目測試的軟件。實驗設(shè)備如表1所示。

表1 實驗設(shè)備參數(shù)

實驗平臺中校準(zhǔn)器中的電壓和電流信號，可以作為0～180 V和0～2.25 A范圍內(nèi)電壓和電流信號的標(biāo)準(zhǔn)信號源，通過三個輸出通道實現(xiàn)多達90A的單相交直流電流并聯(lián)輸出，輸出頻率范圍可達到15～400 Hz。系統(tǒng)監(jiān)控界面如圖4所示。

圖4 故障診斷準(zhǔn)確率

為驗證本研究故障診斷模型的故障識別效果，采集通信電源的5000組數(shù)據(jù)作為模型的訓(xùn)練集，SVM分類器作為對照進行實驗(下文稱為方案一方法)，卷積分神經(jīng)網(wǎng)絡(luò)(下文稱為方案二方法)對通信電源的短路、過載、缺相、過壓和欠壓五種故障類型進行識別，使用1～5對故障類型進行編號，得到系統(tǒng)故障識別率如表2所示。

表2 測試結(jié)果示意表

經(jīng)過對上述原始信號進行多次測量和復(fù)核，測量結(jié)果與本研究采集裝置采集到的結(jié)果一致，本研究直流電源故障診斷裝置的數(shù)據(jù)采集精度更高，采集直流電源信號的準(zhǔn)確度達到100%。數(shù)字電壓表采集精度比本研究裝置低，采集到的數(shù)據(jù)與實際結(jié)果仍存在一定的誤差，電壓波峰值的誤差為1.959 V。

為驗證本研究直流電源故障診斷模型的故障診斷效果，將本研究蟻群神經(jīng)網(wǎng)絡(luò)與標(biāo)準(zhǔn)的卷積神經(jīng)網(wǎng)絡(luò)進行實驗并對比實驗效果，該步驟可以通過MATLAB 2014進行數(shù)據(jù)分析，軟件安裝界面如圖5所示。

圖5 MATLAB 2014安裝界面示意圖

安裝完畢后，MATLAB 2014安裝完畢界面如圖6所示。

圖6 MABLAB 2014安裝完畢界面示意圖

通過MATLAB軟件能夠?qū)ι鲜鰯?shù)據(jù)信息及時分析，借助于語言、工具和內(nèi)置數(shù)學(xué)函數(shù)的方式實現(xiàn)數(shù)據(jù)信息分解，在軟件內(nèi)構(gòu)建模型，并仿真運行Simulink，以提高直流電源故障診斷能力。在仿真設(shè)計過程中，假設(shè)學(xué)習(xí)速率設(shè)定為0.5。為減少隨機因素對最終故障診斷結(jié)果的影響，在實驗過程中重復(fù)進行10次實驗測試，兩種方法在測試樣本集的故障診斷準(zhǔn)確率如圖7所示。

圖7 故障診斷準(zhǔn)確率

由圖7可以看出，與標(biāo)準(zhǔn)的卷積神經(jīng)網(wǎng)絡(luò)相比，本研究經(jīng)過蟻群算法優(yōu)化后的故障診斷模型的準(zhǔn)確率更高，其平均故障診斷的準(zhǔn)確率高達99.58%，10次實驗的故障診斷準(zhǔn)確率的方差為0.005，故障診斷模型的穩(wěn)定性更好。在相同數(shù)量的樣本下，本研究蟻群神經(jīng)網(wǎng)絡(luò)能有效提取更深層的特征進行學(xué)習(xí)，極大地提高了故障診斷模型的學(xué)習(xí)能力。方案一方法和方案二方法準(zhǔn)確率最高分別達到92%、94.5%，現(xiàn)有技術(shù)中的故障診斷效果不穩(wěn)定，平均故障診斷準(zhǔn)確率不及本研究故障診斷模型，且模型的收斂速度較慢。

5 結(jié) 論

針對直流電源容易出現(xiàn)故障問題，構(gòu)建了包括檢測層、通信層、數(shù)據(jù)分析層和上層監(jiān)測層的改進型蟻群神經(jīng)網(wǎng)絡(luò)建立直流電源故障診斷系統(tǒng)，該系統(tǒng)能夠?qū)崿F(xiàn)直流電源故障遠程診斷，提高了神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)信息的診斷能力。并通過包括輸入設(shè)定模塊、功放模塊、輸出變壓器、采樣互感器和整流模塊的采集系統(tǒng)實現(xiàn)直流故障數(shù)據(jù)信息的采集，通過改進蟻群算法模型實現(xiàn)最優(yōu)故障的搜索，提高了直流電源故障診斷能力，但是本研究仍需進一步研究，這需要進一步的努力。