基于t-SNE算法的电力设备监测数据动态分析系统.pdf

第 44 卷第 3 期2023 年 6 月喀什大学学报Journal of Kashi UniversityVol.44 No.3Jun.2023基于t-SNE算法的电力设备监测数据动态分析系统仲济艳，张佑春，任远林，盖昊宇（安徽工商职业学院 应用工程学院，安徽 合肥 231131）摘要：设计基于 t-SNE的电力设备数据监测动态分析系统，以解决传统电力设备异常状态监测不足、无法实时预警等问题.系统的硬件部分采用 ARM920T 作为设备监测电路处理核心，通过视频传感器、压电传感器和电流震荡传感器实现设备状态信号的实时采集与融合，通过 zigbee 网络完成监测数据的输出控制.通过机器学习算法t-SNE实现了数据降维处理、数据相似性处理与监测数据的t分布处理，实现了异常数据监测与异常状态预警.测试结果表明，系统的准确度达到了 90%以上，能耗百分比达到了 5%左右，实现了设备状态实时监测、实时预警，具有数据采集精确和运行能耗低等特点.关键词：t-SNE算法；电力设备数据监测；动态分析；异常预警；三维图谱；机器学习中图分类号：TP391文献标志码：A文章编号：2096-2134（2023）03-0040-040引言随着信息化技术和智慧电网的快速发展，电力设备逐渐的往复杂化和智能化方向发展，电力设备运行状态数据库的实时监测与实时预警是延长电力设备运行寿命、降低电网运维成本和提高电网运行效益的重要手段.但是，当前电力设备监测数据库分析技术大部分仍停留在传统人工分析阶段，无法满足智慧电网电力设备数据智能化管理的发展趋势.文献1给出了分数阶时频耦合监测系统，实现了电力设备运行过程的实时监测，但该方法能耗较大，无法满足大规模系统部署.文献2提出了改进关联规则监测数据动态分析系统，实现了海量数据存储与海量数据状态分析，但该系统分析手段过于复杂，监测精确率较低，容易产生较大误差.电力设备监测数据动态分析系统采用视频传感器、压电传感器和电流振荡传感器信息融合技术实现电力设备运行状态数据的实时采集融合与实时传输，采用 ARM920T 芯片作为传感采集数据的信号处理核心，采用 ZigBee 技术作为电力设备运行状态射频识别和输出控制3.该系统的监测数据动态重构模型设计，实现了监测数据三维图谱特征提取和监测异常数据预警，同时利用 t-SNE 算法实现了监测数据动态分析.1动态数据监测分析系统硬件设计电力设备监测数据动态分析系统通过接口访问程序控制 A/D 转换，完成电力设备运行状况三维可视化控制.根据电力设备动态数据监测分析系统模型结构，进行了系统硬件电路设计4.电力设备动态数据监测系统硬件电路主要包括系统集成控制电路设计、融合信号处理电路设计和无线传感数据采集融合电路设计三部分.1.1系统集成控制电路设计电力设备监测数据动态分析系统集成控制核心采用了 TMS32010 芯片，它能够完成双路PWM 输入控制并通过 PWM 输出控制实现系统集成控制功能设计.动态数据监测分析系统集成了 RS232总线协议，实现了设备运行状况的监收稿日期：2023-03-14基金项目：安徽省高等学校自然科学研究重点项目“基于多源信息融合与宽度学习的泥石流灾害监测预警系统研究”（2022AH052796）、“基于多源信息融合的高校运动员心率异常智能诊断关键技术研究”（KJ2020A1095）、“基于物联网的 SMT 车间环境监控系统研究”（KJ2019A1167）和“NB-IOT 和 ZigBee 在物联网智能建筑环境监控中的研究”（KJ2021A1509）的部分研究成果.作者简介：仲济艳（1982-），女，江苏连云港人，讲师，硕士，主要研究方向为智能控制技术.DOI：10.13933/ki.2096-2134.2023.03.008第 3 期仲济艳，张佑春，任远林，盖昊宇：基于t-SNE算法的电力设备监测数据动态分析系统测 数 据 硬 件 传 输 功 能 集 成 设 计5.系 统 集 成TMS32010控制电路设计如图1所示.图 1TMS32010系统集成控制电路设计图1.2信号处理电路设计为了完成电力设备监测数据动态分析系统三维状态控制，系统信号处理电路是作为动态监测系统的数据采集与数据处理核心6.该电路利用 TRF7960 芯片完成传感器采集信号的频谱分析,利用 ZigBee 芯片完成系统射频识别与数据输出控制，利用 16 位的单片机 STM32F101 芯片完成系统的嵌入式设计，利用 ARM920T 芯片位核心完成动态传感监测数据中预警信号的融合处理.信号处理电路设计如图2所示.图 2信号处理电路设计图1.3无线传感数据采集与融合电路设计系统运行输入电压为 220360V，数据处理核心采用了 TRF7960芯片，传感数据采集融合采用了 PCI9054 芯片的 LOCAL 总线来完成7.电力设备监测数据动态分析系统的传感融合模块电路设计如图3 所示.图 3传感融合模块电路设计图2 动态数据监测分析系统软件设计2.1系统可视化设计电力设备监测数据动态分析系统的可视化软件模块主要包括广域监测系统主站和可视化系统两部分.监测主站主要是完成实时数据采集处理与传输、数据实时接收和数据分类管理.可视化系统主要实现 4 项功能8：（1）实时数据与历史数据管理完成数据融合、数据分析、数据对比与系统数据异常预警等；（2）系统用户管理实现合法用户对动态数据监测分析系统的安全操作；（3）可视化编辑实现电力设备运行状态实时数据三维绘图；（4）可视化数据展示实现电力设备运行状态实时数据三维视图的显示.动态数据监测分析系统可视化软件结构设计如图4所示.图 4动态监测数据可视化结构图2.2监测数据三维图谱特征提取预警重构模型设计为了提高电力设备的智能化运维水平，电力设备监测数据动态分析系统根据传感采集数据输出状态来实现系统设备异常数据预警.设传感采集数据的Mi与Mj的聚类中心距离值为Clustdist(Mi，Mj)在(i j，1 i q，1 j q)条 件下，电力设备动态数据三维图谱特征能够完成异常数据状态的监测9.监测数据的可视化重构相空间为FpX(t)ejwT=Xp(uvsina)；（1）通过监测系统状态数据的特征压缩与特征匹配，监测数据的统计特征量为(t)=ai(t)ji(t)(tiTs)（2）其中，TS为数据采集时间周期，（t-iTs）为激励函数，ai为数据采集幅值.设监测数据的非线性因素为f（x），则条件式满足：|f(x)f(y)|N|xy|.（3）41喀什大学学报第 44 卷根据传感采集数据融合原理，计算出监测预警数据的输出特征值分别为k(t+1)=1Ni=1Nik(t)（4）和k(t+1)=i=1Nik(t)Uii=1Nik(t)，（5）通过监测数据的三维图谱特征值，得到数据输出误差：e=Bf(x)f(y)N.（6）采用非线性时间序列分析方法进行信息流时间序列重构与特征属性聚类，根据三维图谱特征提取结果得到监测预警数据特征提取，并构建数据的可视化重构模型为k(t+1)=i=1Nik(t)()Uik(t+1)()Uik(t+1)Ti=1NX，（7）根据数据的可视化重构算法进行电力设备运行状态监测预警.3基于 t-SNE 的监测数据动态分析方法设计为了完成电力设备监测数据动态分析系统的微观分析，采用了机器学习 t-SNE(t-distributed Stochastic Neighbor Embedding)分析算法，数据动态分析方法主要包括了三步10：（1）通过算法完成监测数据的降维处理.假设电力设备的高维监测数据为X1X2X3，Xn，Xi和Xj是其中两个高维节点数据.假设Xi和Xj在高维相位中具备较强的相似性，当对数据进行降维处理后，二者仍然具备更强的相似性.（2）电力设备状态监测数据之间的相似性计算.为了验证电力设备状态数据的相似性关系，采用了联合概率分布Pij=Pji，Qij=Qji.低维相位中电力设备状态数据定义为Qij=exp(yiyj2)k1exp(yky12)；（8）是低维空间数据相位方差，在高维相位中电力设备状态数据定义为Pij=exp(xixj2/22)k1exp(xkx12/22)；（9）在高维相位空间内，空间降维后的数据损耗函数影响很小；Pi|j，Pj|i代表系统监测状态数据，高维相位空间的联合概率分布为Pij=Pi|j+Pj|i2;（10）Qi表示低维条件概率分布，梯度下降法求最小平均KL散度为C=iKL(Pi|Qi)=ijPijlogPijqij.（11）（3）高斯分布和t分布.高斯分布曲线代表了高维相位空间中两点距离与电力设备运行过程中监测数据信息两点相似性，t分布代表了低维相位空间监测数据信息两点相似性.高斯分布与t分布的曲线关系如图5所示.图 5高斯分布与 t分布对比图为了实现高维空间中监测数据节点的Pij=Qji，低维空间中相距尽可能小.高维空间距离较大点Pij=Qji，在低维空间中相位距离更远，在低维空间中用t分布重新定义电力设备状态监测数据为Qij=(1+|yiyj|2)1k1(1+|yky1|2)1.（12）4系统测试与结果分析为了验证电力设备动态监测数据分析系统的精确度和能耗率，将三维图谱特征提取与文献1分数阶、文献2 改进关联规则进行了数据对比验证.电力设备状态测试数据长度为 1024字节，测试网络通信带宽为 100 dB，测试电路动态频率为 100 kHz，三种方法的精准度对比如图6所示.图 6三种系统准确度对比42第 3 期仲济艳，张佑春，任远林，盖昊宇：基于t-SNE算法的电力设备监测数据动态分析系统从上图可以看出，改进关联规则方法测试精准度跳跃性较大，稳定性较差且精度一般.分数阶方法精准度范围为 80%90%之间，但是精准曲线上升速度较差，耗时较长.三维图谱特征提取方法初始上升速度和精度均一般，随着时间的快速推移，精度上升曲线迅猛发展，最终精度范围为 90%100%之间.通过精度曲线对比可知，三维图谱方法精度高、速度快，满足了电力设备监测数据动态分析系统的设计要求.为了测试电力设备监测数据动态分析系统的能耗情况，仍采用三维图谱特征提取与文献1分数阶方法、文献2改进关联规则方法进行能耗数据对比.将三种方法同时在相同型号电力设备中，测试时间设置为 4 小时，最后进行系统能耗率的计算.三种方法运行耗能百分比对比结果如图7所示.运行能耗/%三位图谱系统分数阶系统改进关联规则系统图 7三种系统运行耗能对比图由上图可以看出,分数阶方法运行耗能百分比在 35%左右，改进关联规则方法运行耗能百分比在 10%左右，电力设备监测数据动态分析系统的三维图谱方法运行耗能在 5%左右.电力设备监测数据动态分析系统的运行耗能百分比满足了电力设备监测数据动态分析系统的设计要求.5结语为了提高电网电力设备的运行寿命和提高设备运行可靠性，设计了基于 t-SNE 算法的电力设备监测数据动态分析系统，系统实现电力设备运行状态数据的实时采集、实时传输和实时预警等功能.传感器模块实现了电力设备运行状态数据的采集与融合，集成控制电路完成了系统集成，融合信号处理电路完成了系统数据总体处理，软件模块实现了可视化模块设计和三维图谱特征提取预警重构模型设计，t-SNE 算法实现了异常数据状态监测与预警处理.测试结果表明，采用该系统进行电力设备运行状态监测的可视化效果较好，动态监测预警能力较强，具有很好的应用前景.参考文献:1 张明,丁明亮,蔡彬.基于物联网的风光互补电站智能监控系统J.电力系统及其自动化学报,2019,（2）：9-13.2 成先文,宫晓彤,吕志鹏.一种基于集成 SoC 芯片的中低压配电网故障监测系统J.供用电,2020,37（1）：8-14+56.3 邵婷婷,韦强.一种基于云平台的温湿度监测系统设计J.电子设计工程,2020,（6）：92-96.4 蔡永翔,唐巍.适应高比例户用光伏的中低压配电网集中分布式协调控制J.中国电机工程学报,2020,（15）：4843-4854.5 朱志峰,朱书玲.低压台区精益化管理方案设计J.物联网技术,2019,（11）：71-73.6 詹雄,郭昊.国家电网边缘计算信息系统安全风险评估方法研究J.计算机科学,2019,（S2）：428-432.7 梁得亮,柳轶彬.智能配电变压器发展趋势分析J.电力系统自动化,2020,（7）：9-14.8 应俊,蔡月明,刘明祥.适用于配电物联网的低压智能终 端 自 适 应 接 入 方 法 J.电 力 系 统 自 动 化,2020,（2）：22-27.9 王世林,刘柱,张喆,张帅.基于智能配变终端的配电网单相接地故障检测技术研究J.电网技术,2019,（12）：4291-4298.10 赵晓冰,满晓平.开关柜局部放电监测系统的研究J.电子世界,2019,（14）：172-173.43