基于深层残差网络的电力告警信号识别方法

基于深层残差网络的电力告警信号识别方法

殷莎 ,豆书亮, 管金胜 ,杨劲松

宁波送变电建设有限公司永耀科技分公司 浙江宁波315010

摘要：由于传统方法在实际应用中误识率较高，电力告警信号识别效果不佳，提出基于深层残差网络的电力告警信号识别方法。利用无线传感器获取电力信号，对其归一化处理，并利用深层残差网络对电力信号卷积计算，确定电力残差，将其作为依据识别告警信号。经实验证明，设计方法误识率较低，具有良好的电力告警信号识别效果。

关键词：深层残差网络；告警信号；识别；误识率；归一化；

中图分类号:TN971文献标识码:A

0引言

电力告警信号识别是电力故障诊断、检测、监测中一个重要步骤，从海量电力运行信号中提取到异常信号，为电力故障诊断提供关键依据[1]。近几年，人们对电网供电质量要求不断提高，为了保证电网供电稳定、安全，有需要采取识别手段识别出电网运行中异常信号，及时告警。但是目前电网呈现出规模大、结构复杂、设备多等特征，导致电力告警信号识别具有较高的难度，国内关于该方面研究起步比较晚，现有的技术与理论还不够成熟，电力告警信号识别尚处于初步探索阶段，虽然近几年电力告警信号识别问题受到研究领域重视，相关学者与专家提出了一些方法，但是现有的方法在实际中应用效果并不理想，经常出现误识现象，误识率较高，识别精度较低，已经无法满足实际需求，为此提出基于深层残差网络的电力告警信号识别方法。

1电力信号获取

当电力温度过高、电流电压波动过大时，表示电网可能存在故障，此时需要电力告警，故此次将温度信号、电流电压信号作为原始信号[2]。根据识别需求，选择IHFSA-4551电流电压传感器、IHFAF-A4F5温度传感器作为电力信号获取装置，利用USB接口将无线传感器与电源连接，将其安装到电力台柜中，根据实际需求对无线传感器扫描周期、扫描频率等技术参数设定，利用网络协议将获取到的温度、电流电压等电力信号传输到计算机上，用于后续告警信号识别。

2电力信号归一化

考虑到在电力信号获取过程中可能会遭受到不同强度的干扰影响，且温度信号、电流电压信号类型不同，为了加快深层残差网络学习速度，对原始信号进行归一化处理，其用公式表示为：

（1）

式中，表示归一化处理后的电力信号；表示原始信号；表示电力信号采样点数[3]。将原始信号代入到上述公式中，对其进行归一化操作，将处理后的电力信号建立成电力信号集合，其中表示温度信号；表示电流电压信号。

3基于深层残差网络的告警信号识别

在上述基础上，利用深层残差网络对电力信号进行卷积计算，识别到电力信号中的告警信号，首先需要根据实际情况建立一个深层残差网络，深层残差网络由输入层、卷积层以及输出层组成，每个功能层由神经元组成，具体如下图所示。

图1深层残差网络示意图

如图1所示，表示神经元，表示卷积核，表示残差[4]。将归一化处理后的电力信号输入到深层残差网络输入层中，假设输入层接收到的电力信号序列为，其对应的数学模型为：

（2）

式中，表示告警信号；表示正常信号。输入层对每一个输入的电力信号建立数学模型，然后将其传输到卷积层，卷积层通过卷积计算到电力信号特征，即电力信号残差，其计算公式为：

（3）

式中，表示电力信号残差；表示卷积核；表示卷积核数量；表示理想温度与当前温度差值；表示理想电流电压与当前电流电压差值[5]。利用上述公式计算出电力信号残差，卷积层将电力信号特征传输到输出层，在输出层中设定一个残差阈值，如果输出层接收到的残差小于该阈值，则表示电力信号为正常信号，如果输出层接收到的残差大于该阈值，则表示电力信号为告警信号。输出层按照上述规则对告警信号识别，输出结果为0、1，其中0表示正常信号，1表示告警信号，以上其用公式表示为：

（4）

式中，表示深层残差网络输出层输出结果；表示残差阈值。利用上述公式输出识别结果，以此实现了基于深层残差网络的电力告警信号识别。

4实验论证

为了检验本次提出的基于深层残差网络的电力告警信号识别思路的可行性与可靠性，选择某电网为实验环境，该电网输电线路长度为10000m，共有五台发电机组、四台断路器、六台变压器等电气设备组成，内部结构比较复杂，并且部分设备已经出现老化现象，故障频发，符合实验需求，利用此次设计方法对该电网电力告警信号进行识别，并选择两种传统方法作为对比，两种传统方法分别为基于深度学习和基于深度复数网络，以下用传统方法1与传统方法2表示。实验准备了3台IHFSA-4551电流电压传感器，以及3台IHFAF-A4F5温度传感器，根据实际情况将无线传感器扫描周期设定为0.15s，无线信号发射频率设定为1.26GHz，信号读取周期设定为0.15s，实验中共获取到1.26GB电力信号。

按照上述流程对电力信号归一化处理，并利用深层残差网络对电力运行残差计算，识别到告警信号。将深层残差网络参数设定为1：输入层1个，卷积层3个，输出层1个，卷积核（3，1），步长为（2，1），通道数16个。在识别过程中不断对其进行干扰，干扰信号类型为时域高斯脉冲，占空比为1/8，脉冲持续时间为0.23-13.62us，并且不断提升干扰水平，以1.25Hz为基数，以误识率作为三种方法性能评价指标，使用电子表格对三种方法误识率记录，具体数据如下表所示。

表1不同干扰水平下三种方法误识率对比（%）

从上表中数据可以看出，设计方法对电力告警信号识别，误识率比较低，虽然误识率会随着时域高斯脉冲干扰水平的提高而不断增长，但是增长幅度比较小，当时域高斯脉冲干扰水平达到6.25Hz时，设计方法的误识率仅为0.31%，可以将误识率控制在1%以内；而两种传统方法对电力告警信号识别，误识率相对较高，并且会随着时域高斯脉冲干扰水平的提高的大幅度增长，当时域高斯脉冲干扰水平达到6.25Hz时，传统方法1与传统方法2误识率分别为9.48%、8.53%，远远高于设计方法，因此实验结果证明了，在精度方面设计方法表现出良好的优势，相比较传统方法更适用于电力告警信号识别。

5结束语

此次针对传统方法存在的不足和缺陷，将深层残差网络技术应用到电力告警信号识别中，提出了一个新的识别思路，有效提高了电力告警信号识别精度，实现了对传统方法的优化与创新，此次研究为电力告警信号识别提供了参考依据，为电力系统稳定运行提供了技术保障，具有良好的现实意义。

参考文献

[1]程路明,楼平,诸骏豪,等.基于APRIORI-贝叶斯优化XGBoost的电力通信网根告警预测[J].电力建设,2022,43(01):113-121.

[2]王强,谭志军,何鸣一, 等.基于电力系统通用服务协议订阅-发布模型的告警直传研究与应用[J].供用电,2021,38(07):58-62.

[3]吴宇红,郑军,沈先山, 等.一种基于图像识别的电力施工安全告警系统的设计[J].农村电气化,2021(05):53-55.

[4]李霁轩,吴子辰,郭焘, 等.面向边缘计算的电力通信网告警归并技术研究[J].电子技术应用,2021,47(04):17-23.

[5]王卓,吴东琳,黄际元, 等.基于关键信号提取技术的电力设备监控信息智能告警[J].大众用电,2020,35(12):23-24.