戴迎宏，陳威，閆培淵，周際，湯國龍

（1.國網(wǎng)電力科學研究院武漢南瑞有限責任公司，武漢 430074； 2.南瑞集團有限責任公司，南京 210000）

引言

作為車輛行駛過程中的主要電氣設(shè)備，車載式變壓器的運行狀態(tài)對于車輛的安全行駛與經(jīng)濟效益產(chǎn)生直接影響[1]。由于車載式變壓器的運行環(huán)境與本身結(jié)構(gòu)均較為復(fù)雜，因此其出現(xiàn)不同故障的概率較高[2]，如絕緣、短路與放電等方面的故障等。當車載式變壓器出現(xiàn)故障時，輕則導致財力、人力與物力的損失，重則導致人員傷亡。由此可知，確保車載式變壓器的安全穩(wěn)定運行極為重要，而監(jiān)測車載式變壓器運行信息，根據(jù)其運行信息特征判斷其運行狀態(tài)是確保車載式變壓器的安全穩(wěn)定運行的關(guān)鍵[3]。

以往獲取車載式變壓器運行信息特征提取時主要采用基于變分模態(tài)分解和獨立分量分析的提取系統(tǒng)和基于時域介電譜和去極化電量的提取系統(tǒng)[4，5]，但上述系統(tǒng)在獲取車載式變壓器運行信息時數(shù)據(jù)來源較為單一，運行信息的不全面導致特征提取的準確性受到一定限制。針對此問題，設(shè)計基于信息融合的車載式變壓器運行信息特征提取系統(tǒng)，獲取高精度的車載式變壓器運行狀態(tài)，提升車輛運行安全性。

1 車載式變壓器運行信息特征提取系統(tǒng)

1.1 系統(tǒng)整體結(jié)構(gòu)設(shè)計

基于信息融合的車載式變壓器運行信息特征提取系統(tǒng)通過數(shù)個專家模塊獲取車載式變壓器運信息特征過程中，各專家模塊得到的結(jié)果有所差異，因此這些不同結(jié)果之間的相互融合至關(guān)重要[6]。車載式變壓器運行信息主要來源為傳感器的監(jiān)測，其中還存在部分理論知識或中間結(jié)果等[7]。因此基于車載式變壓器運行信息特征提取的特點與要求，以信息融合的層次為依據(jù)進行車載式變壓器運行信息特征提取系統(tǒng)結(jié)構(gòu)設(shè)計，如圖1所示。

數(shù)據(jù)層中利用傳感器監(jiān)測車載式變壓器運行過程中的局部放電現(xiàn)象與油內(nèi)溶解氣體情況[8]，利用信息融合模型融合傳感器采集的不同方面各監(jiān)測點的原始信息，最大限度上提升信息保持率，通過信息融合實現(xiàn)采集數(shù)據(jù)的誤差校正。

特征層中基于數(shù)據(jù)層融合結(jié)果，選取D-S（Dempster/Shafer）證據(jù)原理進行不同方面的信息特征融合[9]。通過電聲定位法、統(tǒng)計算子分析法和神經(jīng)網(wǎng)絡(luò)分析法等獲取車載式變壓器運行過程中局部放電狀態(tài)信息，利用特征氣體法、神經(jīng)網(wǎng)絡(luò)以及三比值法確定車載式變壓器運行過程中油內(nèi)溶解氣體狀態(tài)信息，融合不同方法獲取的狀態(tài)信息后實施特征提取，結(jié)合專家知識以及我國相關(guān)法律法規(guī)中設(shè)定的標準數(shù)據(jù)，進行信息特征融合。

決策層根據(jù)特征層的信息融合結(jié)果，結(jié)合專家建議、傳感器采集數(shù)據(jù)和維修記錄等將不同方面的信息特征實施進一步加權(quán)融合[10]，由此獲取車載式變壓器運行信息特征。

1.2 DS證據(jù)原理

圖1 車載式變壓器運行信息特征提取系統(tǒng)結(jié)構(gòu)圖

作為人工智能領(lǐng)域中的不確定推理方法，D-S證據(jù)原理的主要優(yōu)勢體現(xiàn)在其可滿足同貝葉斯概率論相比更微小的條件，能夠直接呈現(xiàn)“不確定”和“不知道”[11]，被普遍應(yīng)用在不確定信息推理以及目標識別等領(lǐng)域中。利用D-S證據(jù)原理能夠?qū)④囕d式變壓器來源與描述方式均有所差異的信息融合為效用更高的信息，且具有較強的決策能力。

假設(shè)k:2Y→ [ 0,1]，同時符合下述描述：

式（1）和式（2）分別描述不可能存在的運行狀態(tài)發(fā)生概率和全部運行狀態(tài)發(fā)生的概率。其中k和k(S)分別表示Y上命題S的基本概率分配函數(shù)和對S的置信度。

其中，d(S)和k(G)分別表示置信函數(shù)和對G的置信度。

定義：

其中p(S)表示S的似然函數(shù)。

在?S?Y的條件下，利用式（7）實現(xiàn)Y上元素的證據(jù)融合：

上式內(nèi)，T表示沖突系數(shù)，其計算公式如下：

沖突系數(shù)的高低可描述證據(jù)間的沖突水平，T值越大說明證據(jù)間沖突越大[12]。在T值較大的條件下，數(shù)據(jù)融合結(jié)果可信度較低。

通過D-S證據(jù)原理內(nèi)的概率分配函數(shù)、置信函數(shù)與似然函數(shù)等，能夠處理不同信息造成的不確定問題，提升信息特征融合的魯棒性。

1.3 專家建議模塊

專家建議模塊是決策層的核心，其結(jié)構(gòu)如圖2所示，其中包含人機交互界面、推理機、知識庫與數(shù)據(jù)庫等主要組成部分[13]。

專家建議模塊的核心是推理機與知識庫，推理機的主要功能是基于知識庫內(nèi)存儲的專家知識，通過推理過程進行問題求解。

專家建議模塊詳細運行過程為：使用者利用人機交互界面提出相關(guān)專業(yè)問題；推理機根據(jù)該問題在知識庫內(nèi)查詢相關(guān)知識并實施推理求解[14]；基于推理機所得結(jié)果構(gòu)建問題解答集合；在解答集合內(nèi)選取最佳解答；利用解釋器將推理過程與選取的最佳解答提供給使用者，若未找到相關(guān)問題的解答，則向使用者提出“無解”。

1.4 推理機推理流程

作為專家建議模塊的主控程序，推理機的主要功能是協(xié)調(diào)控制整體系統(tǒng)[15]，針對數(shù)據(jù)采集模塊采集的車載式變壓器運行數(shù)據(jù)選取匹配的數(shù)據(jù)庫實施推理，由此獲取相應(yīng)的運行信息特征。具體推理流程如圖3所示。

圖2 專家建議模塊基本結(jié)構(gòu)

在確定車載式變壓器非正常運行條件下，知識庫內(nèi)用于提取運行信息特征的知識包括兩種分別是局部特征量分析和油內(nèi)溶解氣體分析。采用電聲定位法、統(tǒng)計算子分析法和神經(jīng)網(wǎng)絡(luò)分析法進行局部放電采集數(shù)據(jù)的特征提取，選取三比值法、神經(jīng)網(wǎng)絡(luò)分析法和特征氣體法提取油內(nèi)溶解氣體采集數(shù)據(jù)的特征，不同特征提取方法均可單獨獲取一份車載式變壓器運行信息特征提取結(jié)果，因此需采用加權(quán)算法進行信息融合實現(xiàn)車載式變壓器運行信息特征提取。

推理過程中采用WM加權(quán)算法進行信息融合，表達式如下：（9）

上式內(nèi)，θ、Ui和Ei分別表示最終信息特征提取結(jié)果、第i個專家的判斷結(jié)果和第i個專家判斷結(jié)果的權(quán)重。

2 實驗分析

實驗為驗證本文設(shè)計的基于信息融合的車載式變壓器運行信息特征提取系統(tǒng)的應(yīng)用性能，選取某品牌汽車采用的96X40型車載式變壓器為實驗對象（見圖4），采用本文系統(tǒng)提取其運行過程中的運行信息特征，判斷其運行狀態(tài)。

2.1 系統(tǒng)開發(fā)環(huán)境與運行環(huán)境

2.1.1 開發(fā)環(huán)境

本文系統(tǒng)開發(fā)過程中分別選取Microsoft Visual C++和SQL Srever2000 數(shù)據(jù)庫作為系統(tǒng)開發(fā)環(huán)境與數(shù)據(jù)庫。

作為可視化軟件開發(fā)工具，Microsoft Visual C++由編輯器與調(diào)試器等組件構(gòu)成，其具有強大功能，可實現(xiàn)面向?qū)ο笈c過程兩種程序設(shè)計方法，能夠編譯不同類別的Windows程序。

SQL Srever2000采用使用者/服務(wù)器體系架構(gòu)，可實現(xiàn)不同數(shù)據(jù)庫服務(wù)器間的協(xié)同運行，在提供運用程序數(shù)據(jù)存儲與OLAP處理功能的同時，還附加全面的圖形管理工具與向?qū)?，可實現(xiàn)數(shù)據(jù)庫的創(chuàng)建、配置與維護。

2.1.2 運行環(huán)境

實驗過程中本文系統(tǒng)運行環(huán)境設(shè)定如表1所示，以確保系統(tǒng)的正常運行。

2.2 系統(tǒng)運行情況

圖3 基于信息融合技術(shù)的推理分析流程

圖4 實驗對象

本文系統(tǒng)開發(fā)過程中選用使用者/服務(wù)器體系架構(gòu)，其具有有序操作的特性，就是數(shù)據(jù)庫服務(wù)器的相關(guān)服務(wù)不同終端均可使用。設(shè)計本文系統(tǒng)車載式變壓器運行信息特征提取過程終端信息采集界面與運行信息特征提取顯示界面，結(jié)果如圖5所示。

圖5（a）當前實驗對象所示為油內(nèi)溶解氣體信息采集界面，其中包含C2H2、CH4、H2和CO2等特征氣體含量。將所得信息傳輸至數(shù)據(jù)庫服務(wù)器內(nèi)，利用專家建議模塊推理出當前實驗對象運行信息特征，判斷其運行狀態(tài)，如圖5（b）所示。由此驗證了本文系統(tǒng)的有效性。

表1 系統(tǒng)運行環(huán)境

圖5 系統(tǒng)界面設(shè)計

2.3 系統(tǒng)信息特征提取精度

實驗為驗證本文系統(tǒng)的信息特征提取精度，選取實驗對象9組不同的油內(nèi)溶解氣體監(jiān)測信息（見表2），分別采用本文系統(tǒng)和基于變分模態(tài)分解和獨立分量分析的提取系統(tǒng)提取其信息特征，判斷其運行狀態(tài)，并將不同系統(tǒng)判斷結(jié)果與實際結(jié)果相對比，結(jié)果如表3所示。

表2 油內(nèi)溶解氣體監(jiān)測信息

表3 油內(nèi)溶解氣體信息狀態(tài)判斷精度

分析表3能夠得到，本文系統(tǒng)提取實驗對象運行信息特征，判斷其運行狀態(tài)的結(jié)果同實際運行狀態(tài)的一致度與對比系統(tǒng)相比更高，這是由于本文系統(tǒng)采用信息融合技術(shù)，融合多方面的運行信息，能夠全面、準確的描述不同運行狀態(tài)的特征。

2.4 應(yīng)用性能

實驗為驗證本文系統(tǒng)在車輛運行過程中的實際應(yīng)用性能，選取100位相關(guān)領(lǐng)域中的專家學者，對上述兩個系統(tǒng)提取實驗對象運行信息特征結(jié)果對于車輛行駛安全的提升比例進行評估，100位學者平均分為10組，評估結(jié)果以百分制進行描述，結(jié)果如表4所示。

分析表4得到，采用本文系統(tǒng)提取實驗對象運行信息特征，判斷其運行狀態(tài)，車輛行駛安全比例提升幅度均值達到7.17 %，與對對比系統(tǒng)相比提升3.84 %，由此可知本文系統(tǒng)具有更高的應(yīng)用價值，可廣泛推廣。

3 結(jié)論

具有復(fù)雜結(jié)構(gòu)與運行環(huán)境的車載式變壓器，運行狀態(tài)具有多樣性、隨機性與不確定性，導致其安全性能受到嚴重影響。本文設(shè)計基于信息融合的車載式變壓器運行信息特征提取系統(tǒng)，針對車載式變壓器局部放電信息采集結(jié)構(gòu)和油內(nèi)溶解氣體信息采集結(jié)果等，采用不同分析方法獲取信息特征，并將特征融合。本文系統(tǒng)在有效提取實驗對象運行信息特征的基礎(chǔ)上，提升實驗對象運行狀態(tài)判斷精度，具有較高應(yīng)用價值。

表4 專家評估結(jié)果