基于改进神经网络与五防规范的操作序列的自动化生成_邓皓元.pdf

行业应用与交流Industrial Applications and Communications自动化技术与应用2023 年第 42 卷第 6 期Techniques ofAutomation&Applications基于改进神经网络与五防规范的操作序列的自动化生成*邓皓元,喻启俊,刘远超,梅春晓,肖婉清(网湖北省电力有限公司超高压公司，湖北 武汉 430050)摘要:为了高效、安全地制定相应的操作票，提出了一种基于改进人工神经网络的操作序列自动生成方法。利用改进粒子群(PSO)算法对广义径向基神经网络中相关参数进行寻优，并通过设定编码规则，规范输入输出的编码格式与含义，并据此将操作任务目标数字化后输入，利用五防规则对其生成的预结果进行保留或修改，使之最终生成对应的操作序列，从而辅助变电运行人员完成操作票的制定。最后利用湖北某变电站操作票序列做实例验证，实验表明利用该方法自动生成操作序列较传统的人工方法效率更高、更为安全、具有较强的智能性。关键词:改进粒子群优化;广义RBF神经网络;电气五防;自动生成中图分类号：TP183文献标识码:A文章编号:1003-7241(2023)06-0178-05Automatic Generation of Operation Sequence Based on ImprovedNeural Network and Five Prevention SpecificationsDENG Hao-yuan,YU Qi-jun,LIU Yuan-chao,MEI Chun-xiao,XIAO Wan-qing(State Grid Hubei Ultra High Voltage Company,Wuhan 430050 China)Abstract:In order to formulate corresponding operation tickets efficiently and safely,this paper proposes an automatic generation methodof operation sequence based on improved artificial neural network.It uses the improved particle swarm algorithm to optimize therelevant parameters in the radial basis function neural network,and sets the coding rules to standardize the coding format andmeaning of the input and output.According to this,the operation task target is digitized and input,and the five defense rules areused to the pre-results generated are retained or modified,so that the corresponding operation sequence is finally generated,so asto assist the substation operator to complete the formulation of the operation ticket.Finally,the operation ticket sequence of a cer-tain substation in Hubei is used for example verification.The experiment shows that using this method to automatically generatethe operation sequence is more efficient,safer and more intelligent than the traditional manual method.Keywords:Improve Particle Swarm Optimization;generalized RBF Neural Network;five preventing electric mal-operation;automatic generation*基金项目：国家电网公司科技项目(52152020003M)收稿日期:2021-07-15DOI:10.20033/j.1003-7241.（2023）06-0178-05.1引言为保证电网安全、有效地运转，操作票是电力系统中最常用的预防措施，通过编写正确的操作顺序来有效避免误操作的出现。操作票的内容包含了任务内容与执行人员信息，主要包括：编号、操作任务、操作顺序、操作时间、发令人、受令人、操作人、监护人等内容1。传统生成操作票的方式是由运行人员手工编写，这种方式依赖于运行人员的经验，同时传统的编写方式容易出现错误开票，导致误动作，造成故障甚至事故。目前，在智能电网建设的要求下，传统的开票方式不再适用，而采用更为智能的开票方式可以大大降低人工成本，提高调控效率，保证电网运行的安全性2。目前，通过智能手段解决操作票生成问题的研究主要集中在通过结构推理3-7、神经网络8-9等方法的设计上，可以统归为专家系统与人工神经网络两类。文献3基于拓扑连接等数据关系，利用间隔树设定优先级，提出设备-端-单元状态约束，通过建立多元素任务模板，快速操作票任务；文献4通过划分间隔，设计智能推理树的方法，以间隔为节点，依据相关规定按节点的逻辑操作顺序，智能推理出调度命令与操作令；文献7利用图形建模技术、拓扑连接技术等，研究了倒闸操作票信息化及自动化智能生成，设计了多模块的操作票自动生成系统，解决了操作票编写效率低的问题；文献8应用多Agent理论，以利用 RBF(Radial Basis Function，径向基函数)神经网络自动生成操作序列为核心设计MAS(Multi-Agentsystem)，建立具有分布式结构的操作票自动生产系统，实现了操作票的自动生成；文献9采用Q学习算法设计动作的选择策略与奖惩机制，实现了无规则库即可实现操作票自动生成；文献10利用矢量图形构造法的原理实现178自动化技术与应用2023 年第 42 卷第 6 期行业应用与交流Industrial Applications and CommunicationsTechniques ofAutomation&Applications电网的图形化建模，采用基于最小路径算法将主回路的最邻近一次设备添加操作票数组的方法实现操作票的自动化生成。变电站自身由于设备众多、结构复杂，在利用专家系统进行推理时会出现时间长、出现“死解”的情况。采用人工神经网络可以有效避免这种问题，并且能够迅速给出操作序列，省时省力，高效安全。2RBF神经网络径向基(Radial Basis Function，RBF)神经网络在20世纪80年代由J.Moody和C.Darken提出11，其结构中包含了三层前馈神经网络，即输入、隐含及输出层，如图1所示。图1RBF网络结构在结构上与传统BP网络类似，但RBF神经网络在隐含层节点的激活函数上采用了径向基函数，是一种描述了空间任意点到所设中心点距离的单调函数，所以是一种中心对称函数。径向基函数的取值仅仅依赖于点与原点的距离，因此在神经网络中，距离中心点越远的神经元，其活性越低，设RBF网络输入节点数为l，隐含层节点数为m，输出节点数为n，则函数的计算如式(1)。(1)式中：cj为第j个隐含层对应的中心向量。RBF网络的激活函数一般采用高斯径向基函数，如式(2)所示。(2)式中：cj为中心点，j为扩展常数，扩展常数也决定了函数的下降速率，当j越小时，则离中心点越远的神经元活性下降得越快。类似于BP网络的输出形式，RBF函数的输出表现为式(3)。(3)式中：kj为第k个输出层神经元与第j个隐含层神经元间的权值。结构简单、收敛快、可以逼近任意非线性函数，这些特性使得RBF网络虽然在结构上与传统BP网络类似，却拥有自身独特的优势。同时，径向基函数的输出为线性，结合距离这一概念，可以很好地找到操作序列与操作任务的映射关系，将操作序列的前后顺序反映出来，对其进行精准排列。3改进广义RBF神经网络3.1RBF存在的缺陷在对RBF神经网络进行结构设计时，其隐含层神经元个数一般会与输入样本保持一致，并将每一个样本点设置为中心点，构成正则化RBF神经网络。因为这一特性，实现了对样本集的完全内插，对样本的误差达到了最小，所以在对样本误差与样本曲线平滑性的逼近上可以找到一个最佳的解。然而，正则RBF神经网络存在着缺陷，即当样本数非常大的时候，网络的计算量也随之变得十分庞大，同时巨大的样本量也可能带来病态方程组，因此需要优化样本与隐含神经元对应的问题。那么，当隐含层神经元与输入样本不再一一对应时，神经元中心的确定是需要解决的首要问题。另外在一般情况下，扩展常数是经人为确定的，存在着较大的主观偏差，也需改进12。3.2基于改进广义RBF神经网络对于3.1中的问题，可以通过优化广义RBF神经网络加以解决。广义RBF神经网络较于正则化神经网络，其隐含层的神经元数量m小于输入样本量l，可以很好地解决出现病态方程组的问题。如3.1所述，广义RBF神经网络同样需要确定基函数的中心以及扩展常数，本文采用改进粒子群算法(Particle swarm optimization，PSO)对其进行寻优确定。3.2.1改进粒子群算法粒子群算法是一种仿生进化思想算法，仿照鸟群觅食的行为，通过群体内粒子个体间的信息共享与反馈在域内寻找最优解。算法中具有两种描述属性。每个粒子在寻优过程中具有个体最优解，并且将其分享给全部个体，每一个粒子将自身最优解与其他粒子最优解进行比对后，确定其中一个为全局最优解，其他粒子根据与全局最优粒子的位置关系重新调整自身的位置与速度。在每一次迭代中，粒子通过比对个体最优与全局最优来调整自身属性：(4)179行业应用与交流Industrial Applications and Communications自动化技术与应用2023 年第 42 卷第 6 期Techniques ofAutomation&Applications(5)式中：vi为粒子的速度，xi为粒子当前的位置，c1、c2分别为粒子局部寻优学习因子与全局寻优学习因子，一般情况下设为2。为惯性系数，一般取值范围为0.1,0.9，其值用于调整PSO在全局与局部寻优的能力，较大时，全局寻优能力强，局部寻优能力弱，反之同理。一般情况下，为人为定值，其搜索能力被固化，为了使函数前期有较强的的全局搜索能力，而随着迭代次数增多，逐渐迫近最优解，则希望其局部搜索能力增强，遂采用式(6)改进，将适应度函数值作为的调整依据参数，根据上一轮的训练情况对搜索能力做出调整：(6)式中：与为的值域调整参数，为将限制在0.1,0.9值域内，确定与值如下：(7)(8)式中：f()为适应度函数值。经过联系惯性系数与适应度的关系，使其能够根据训练情况自动调整搜索能力，效率更高，更有利于对RBF网络参数的快速、精准寻优。3.2.2基于改进RBF神经网络网络训练本文采用改进后的RBF神经网络对操作票序列进行训练，训练流程如图2所示。图2改进RBF神经网络训练流程具体过程如下：(1)输入数据。通过设定操作任务的量化规则，将操作任务以0-1的方式体现，因此并不需要再经过其他方法处理输入数据；(2)搭建RBF神经网络。RBF的神经网络主要包含输入层、隐藏层、输出层(如图1)，而在操作票的自动生成中，其输入输出层神经元数已被固定，需要根据其具体的数量设定隐藏层的神经元数目；(3)参数寻优。将RBF网络中隐藏层神经元中心点与扩展常数作为PSO算法中粒子的位置信息，其初值均通过随机方式赋予，之后在更新粒子位置信息时，通过适应度函数大小对惯性系数进行调整；(4)求适应度。以均方误差作为PSO寻优时的目标函数，并根据适应度大小，判断是否根据式(4)与式(5)对粒子信息进行更新；(5)结束迭代。当PSO算法迭代次数达到所设定的上限，或者得到的适应度低于设定值，则结束迭代；(6)获得RBF网络参数。将gbesti作为最终结果输出，即为RBF最佳参数，之后根据成型的RBF网络以操作任务为输入实现操作序列自动生成。3.3五防规则电气五防是指在进行电气设备操作时，为防止因误操作导致的事故而提出的五种防误要求统称，根据相关要求，其具体内容如下：(1)防止误分、合断路器；(2)防止带负荷拉、合隔离开关或手车触头；(3)防止带电挂(合)接地线(接地刀闸)；(4)防止带接地线(接地刀闸)合断路器(隔离开关)；(5)防止误入带电间隔。由于五防要求的强制性，在对操作序列进行自动生成后，需要对操作序列进行五防检验，方可执行。3.4改进RBF网络的操作票序列自动生成操作票主要包含操作任务与操作项目等内容。典型的操作任务涉及母线操作、线路操作、变压器操作等。由于各操作对象具备特有的结构，有着特有的操作，所以需要对其分别进行规定。以母线操作为例，构造10个输入矢量，18个输出矢量的网络结构，以文献8输入输出编码方式为参考，依托于湖北某变电站操作票，建立各设备输入结构。其中，输入矢量包含的内容有电压等级、母线类型、操作类型等，具体如下：(1)母线电压等级X1、X2、X3本文所研究的变电站电压等级涉及多个等级，采用三位二进制编码用于表示如下：(2)母线类型X4母线类型分为主母线与旁落母线，用一位二进制编码180自动化技术与应用2023 年第 42 卷第 6 期行业应用与交流Industrial Applications and CommunicationsTechniques ofAutomation&Applications表示如下：表1母线电压等级编码000001010011100101电压等级10 kV35 kV66 kV110 kV220 kV500 kV表2母线类型编码01母线类型主母线旁路母线(3)操作设备X5、X6对母线的操作对象涉及母线设备与母联开关，两者可能被同时操作，故采用两位二进制编码表示如下：表3操作设备编码011011操作设备仅对母线设备进行操作仅对母联开关进行操作同时对母联设备与开关进行操作(4)操作类型X7、X8、X9、X10母线的操作是对其状态的变换操作，涉及冷/热备用、检修与运行，采用三位二进制编码表示如下：表4操作类型编码0000000100100011010001010110操作类型热备用转运行运行转热备用热备用转检修检修转热备用冷备用转运行运行转冷备用冷备用转检修编码0111100010011010101111001101操作类型检修转冷备用热备用转冷备用冷备用转热备用检修转运行运行转检修切换线路运行切换线路热备用因此操作任务中包含四类主要信息，通过构造相应的二进制编码将其输入至网络中。同时，根据操作任务所采取的执行动作，由于每种操作均有“开合”或“投入、解除”的操作，故每种操作采用两个代码分别表示，根据湖北某变电站操作票总结，共有9种操作类型，通过设定18位编码Y1,Y2,Y3.Y18来描述，包含母联开关操作、刀闸操作、保护操作等，具体如下：对操作任务做出上述数字化处理后，将已有数据中的任务序列与输出序列加入网络进行训练。至此，基于改进神经网络与五防规范的操作序列自动化生成完整流程如图3所示。表5执行动作编码操作母联开关切换操作（远方切换至就地）母联开关切换操作（就地切换至远方）合上母联开关断开母联开关刀闸地刀切换操作（远方切换至就地）刀闸地刀切换操作（就地切换至远方）合上刀闸断开刀闸投入保护软压板解除保护软压板合上刀闸电源断开刀闸电源合上母联开关电源断开母联开关电源推入手车拉开手车合上开关柜电源断开开关柜电源编码Y1Y2Y3Y4Y5Y6Y7Y8Y9Y10Y11Y12Y13Y14Y15Y16Y17Y18图3操作序列自动化生成流程181行业应用与交流Industrial Applications and Communications自动化技术与应用2023 年第 42 卷第 6 期Techniques ofAutomation&Applications4实例分析本文数据来源于湖北某变电站操作票，根据训练要求获取300份训练样本，并依照操作对象不同进行分类建立网络，并设置RBF网络隐含层节点数为6，粒子数量为100，迭代次数为500。本文以母线操作为例，另挑选10份样本作为检测样本用以测试网络。以其中一例训练样本为例说明。样本任务：220 kV母联开关由运行转热备用；输入矢量为：1,0,0,0,1,0,0,0,0,1；任务对应操作序列为：Y1Y2 Y3 Y4 Y5 Y6 Y7 Y8 Y9=0,0,0,1.8,0,0,0,0,1.7,0,0,0,0,0,0,0,0,0，对照表5可知操作内容为：断开母联开关；投入保护软压板。测试样本任务如下：表6测试样本操作任务序号12345678910任务编码1,0,0,0,0,1,1,1,0,00,1,1,0,1,0,0,1,1,10,1,1,0,1,0,0,0,0,11,0,1,0,1,0,1,0,0,01,0,0,0,1,0,0,1,0,01,0,0,0,1,0,1,0,0,11,0,1,0,1,0,0,0,0,11,0,1,0,1,0,0,1,0,11,0,1,0,1,0,0,0,0,00,1,1,0,1,0,0,1,1,0按照图3，以测试样本1为例，其操作任务为220 kV段母线运行倒至段母线运行，利用本文方法生成的操作序列如下：表7结果动作序号Y1Y2Y3Y4Y5Y6Y7Y8Y9数值9.18976285e-16-7.42032993e-16-1.72109793e-15-6.13978062e-161.60000000e+001.30000000e+001.50000000e+001.40000000e+001.80000000e+00动作序号Y10Y11Y12Y13Y14Y15Y16Y17Y18数值1.10000000e+006.06735088e-164.72766383e-161.20000000e+001.70000000e+00-5.50023618e-182.95031736e-152.50050673e-15-3.43636918e-16根据表5，其操作步骤如下：投入保护软压板；断开母联开关电源；刀闸地刀由“远方”切换至“就地”；合上刀闸；断开刀闸；刀闸地刀由“就地”切换至“远方”；合上母联开关电源；解除保护软压板。通过比对，与实际操作序列相同。可以看到，对于训练数据之外的操作任务，通过本文方法可以得到正确的操作序列，测试集中的其他样本也得到了正确的操作序列，此处不再赘述。对于训练集之外的样本，RBF神经网络的局部激活特性决定了其对新样本的识别能力，操作任务编码化后输入神经网络，当输入信号传播至隐含层时，特定的输入模式会对相应的隐含层神经元有较大的刺激，而变电站结构与设备一般不会有太大变化，操作任务类型相对固定，因此神经网络对训练集外的操作任务依然有较强的识别能力，利用神经网络实现操作序列的自动化生成有着明显的优势。5结束语本文通过设定规则，将变电站操作任务与操作序列数字化，将其输入改进的神经网络进行训练，实现操作序列的自动化生成。利用人工神经网络可以大大降低人工成本，体现了神经网络自学习能力与高智能性，在结合五防规则的同时实现安全出票，通过利用湖北某变电站数据进行实验验证，证明了本文提出的方法效率更高，方便可靠，并且可塑性强，可以拓展至满足多种开票任务需求。参考文献:1 江海洋,康春雷,胡本然,崔雨,关心,彭加亮.一种基于深度强化学习的电力操作票生成方法研究J.黑龙江大学自然科学学报,2020,37(4):499-504.2 施正钗.变电站智能化典型操作票生成系统的研究J.宁夏电力,2013(2):39-42,48.3 董元帅,程健,彭彬,陈欣.基于间隔模型的图-库-规则-操作票自动生成方法J.电力系统自动化,2015,39(3):84-89.4 林晓庆,周庆捷,周兴华,仇向东.电网调度操作票生成方法的研究与应用J.电气应用,2014,33(1):77-81.5 谭晶,夏佾,窦昊翔,郑铭洲.基于规则推理的智能变电站操作票自动生成方法J.电网与清洁能源,2019,35(7):55-65.6 曾利,孟文.CLIPS和C#结合实现电力操作票的自动生成J.计算机应用与软件,2017,34(8):121-124,135.7 马力,王欣,王清,赵灿辉,陈益,李骞.电气倒闸操作票智能生成系统的研究与应用J.电工技术,2017(3):5-6,9.8 姜惠兰,刘洁,梁昭君,岳亚林.基于多Agent的变电站操作票自动生成系统J.电工电能新技术,2005(4):18-21,67.9 高三山,孟文.一种基于Q-学习的智能操作票推理方法J.中国科技论文,2018,13(2):126-130.10 黄靖,严方,杨瑾.基于最小路径搜索算法的通用变电站操作票自动生成系统建模J.宁夏电力,2007(S1):120-124.11 宋宛真,冯秀芳.基于广义RBF神经网络室内定位修正算法J.计算机工程与设计,2021,42(2):533-537.12 国家电网公司.国家电网公司防止电气误操作安全管理规定M.中国电力出版社,2006.作者简介:邓皓元(1983-)，男，本科，高级工程师，研究方向：变电运维。182