基于BP神經網絡的變電站一次設備監測傳感器數據融合技術研究

摘 要：針對目前變電站多傳感器數據較難融合管理的缺陷，本文基于BP神經網絡算法，結合多傳感器數據融合技術，提出多傳感器信息的BP神經網絡融合算法，實現變電站一次設備在線監測傳感器多數據融合管理。

關鍵詞：BP算法；多傳感器；數據融合；Matlab

目前大多數變電站安裝有工業視頻監控系統，這些監控主要依賴于運行值班人員以及安保人員人工進行監視，當站內進行范圍較大的檢修工作時不能充分發揮已安裝攝像頭的監控作用，還需要依靠人工對監控視頻進行輪詢。因此，采用先進的算法對變電站一次設備在線監測傳感器進行人工智能管理具有重要意義。神經網絡是一非線性的傳輸網絡，并且戰勝了很多的缺陷（尤其是原先人工智能方式上的弊端）。它能夠足夠好的處理信息并且在處理數據時擁有著自主的適應能力。因而在預測、智能控制、模式識別、數據融合等多個領域得到應用后并且獲取成功。[1-2]因此，本文基于BP神經網絡算法，結合多傳感器數據融合技術，實現變電站一次設備在線監測傳感器多數據融合管理。

1 BP神經網絡算法

BP神經網絡其實就是具有多層前饋性的神經網絡的結構狀態。S型的函數其實是它下面所需要傳遞的神經元的傳遞函數，0至1之間的持續量為所需的輸出量。本次論文主要采用L-M算法。L-M算法即Levenberg-Marguardt優化算法，它是使用以最小化數據來作為其他非線性函數平方和的函數。這完全符合了神經網絡在學習訓練中性能的指數其實是對照了均方誤差的情況的。基于L-M算法的BP改進算法的優點就是它能夠使得學習訓練的時間更短并且精確度更高。

2 多傳感器數據融合

傳統的數據融合方法大多數是以貝葉斯推理和D-S證據推理為基礎，而貝葉斯數據融合方法需要先驗算概率，而在大多數狀況下，這種先驗算信息的方式很難獲得結果或結果不夠精確。而D-S證據理論卻具有很強的處理準確性不高的信息的能力，但是在處理信息融合的情況的時候，其實是需要準備并擁有充分多的證據。在多數的情況下，這些證據是不太容易獲得到的。因此結合連系了BP交融算法和神經網絡交融算法這兩種算法的優點，本文提出多傳感器信息的BP神經網絡融合算法。

3 神經網絡在變電站傳感器數據融合中的應用

本文根據變電站一次設備所需要針對的數據融合中的傳感器管理方面的問題，提出了有關基于BP神經網絡的傳感器管理方法的研究。如圖1所示：

圖1 數據融合中傳感器管理的原理框圖

由圖1可以看出，數據融合系統中傳感器的管理是由（1）傳感器選擇部分、（2）傳感器狀態選擇部分、（3）融合參數選擇部分、（4）知識庫部分這四個部份構成。

在傳感器的選擇部分是根據傳感器所獲得的信息，進行預處理后，結合知識庫系統所存儲的基礎數據，利用模型邏輯來制定數據交融的所需要的傳感器的組合，以此來消除數據融合產生的負面影響（主要是是為了減小誤差）。而傳感器的狀態判別部分是分析出每個傳感器的運行狀態情況來判斷每個傳感器是否存在著問題。本文是采用了BP神經網絡的方法來完成這樣管理任務。由于神經網絡三個單元層對應的網絡輸出值分別與各個傳感器的狀態相連接：采用BP算法進行網絡訓練，這一過程對訓練數據的生成有以下幾點要求：（1）傳感器處于正常工作的狀態或者得到的輸出值與其他同類型傳感器相差較小時，對應的輸出狀態為1；（2）傳感器在工作過程中出現故障并且輸出值與其他同類型傳感器相差較大時，對應的輸出狀態為0；（3）訓練過程中沒有被選中的傳感器都看作是0。

當神經網絡算法運用應用到現實操作中時，傳感器當前的狀態由它的輸出信息說明，則有：（1）yi>0時，表示第i個傳感器當前運行正常；（2）yi≤0時，表示第i個傳感器就被判定為運行不正常；其中為判別閾值，且0≤ 1，該值由系統確定。

在傳感器的交融參數選擇部分是根據輸出，再結合了數據庫部分所存儲的數據，來完成構建融合結構和算法部分。功能模塊包括傳感器的選擇部分的模糊邏輯規則和融合參數選擇部分的模糊邏輯規則；數據模塊是權值數據和算法的參數集合。知識庫的全部的內容一般都是通過專家的意見和學者們實際訓練所得到的。通過以上幾個部分的協作，能夠很好的完成數據融合系統中的傳感器管理。

4 實例分析

本文采用變電站一次設備五個傳感器測得的輸入值，輸出一個輸出值和包含有六個神經元層數的隱層相互全連接，來進行網絡的學習與訓練，但是需要不斷改變初始的權值和學習的步長才能達成一次理想中的訓練。圖2為實際訓練過程中不同神經元數量誤差曲線變化，隨著神經元個數的降低，均方差也會越來越小，但兩種隱含層神經元個數情況下，均能夠較好的實現對多傳感器數據融合處理。選擇BP網絡結構對其進行訓練時，除了需要考慮隱層包含的神經元個數以外，還需要考慮學習的步長及權值的初始值的對結構構造的影響，以使其能達到最好的訓練效果。

5 結論

本文分析了神經網絡算法的基本原理，給出神經網絡算法對變電站一次設備監測傳感器管理的實現方法并總結神經網絡算法的特點和神經網絡算法的基本流程。討論了通過Matlab軟件利用BP神經網絡對于多傳感器數據融合的應用。

參考文獻：

[1]章毅，郭泉，王建勇.大數據分析的神經網絡方法[J].工程科學與技術，2017，49（1）：9-18.

[2]周慧，張尤賽，龔淼.基于RBF神經網絡的醫學圖像分類算法研究[J].電子設計工程，2017，25（3）：113-116.

作者簡介：楊濤（1988-），男，本科，助理工程師，研究方向：變電檢修專業。