首页 > 论文范文 > 工程工业论文 > 电力工业论文 > 发电与发电厂论文 > 变电站移动作业终端数字化开票流程校核算法的设计

变电站移动作业终端数字化开票流程校核算法的设计

2024-12-04 7 上传者：管理员

摘要：常规的变电站移动作业终端数字化开票流程校核，主要采用矩阵线性运算定位预测完成校核，忽略了逻辑数据参数的辨识，导致校核时延较大。因此，提出基于改进递推最小二乘法的变电站移动作业终端数字化开票流程校核算法。提取开票流程逻辑数据，对其进行离散化处理后，进行改进递推最小二乘法运算，对逻辑数据参数进行辨识，将辨识得到的参数进行聚类处理，分析终端动作生成校核算法。实验结果表明，所提算法应用后得到的校核结果，在不同开票流程逻辑数据量下，校核时延均较低，平均仅为786 ms，满足了变电站移动作业终端数字化开票的现实需求。

关键词：
变电站移动作业终端
改进递推最小二乘法
数字化开票
校核算法
流程校核
加入收藏

近些年来，互联网领域技术逐渐发展成熟，在多个领域均有着一定的应用。作为国家发展的根本，助力电力系统运行的变电站行业对于互联网技术也有着一定的应用。在变电站移动作业终端中融入数字化技术，将操作票系统数字化，进一步加快了变电站工作的规范化与信息化进程。在变电站移动作业终端进行数字化开票的流程中，开票的逻辑是一项对于开票工作有着很大影响的内容。在这样的情况下，对移动作业终端中的数字化开票流程进行校核十分关键。对此，很多研究人员提出了校核算法。

文献[1]针对实际工作效率的要求，以实时校核为目的，使用YOLOv4-tiny算法对逻辑状态进行预测，根据预测的结果，选择腾讯开源的推理框架，对预测结果进行ncnn的前向推理，得到一个全新的逻辑状态，根据这一状态对YOLO算法模型进行优化处理，利用优化后的模型对移动终端进行修正，完成在移动终端中的算法移植，在手机软件上查看结果，完成逻辑的校核。实验结果表明，该算法受外界环境影响较大。文献[2]利用传感器定位的方法，建立短时的定位预测推算模型，在预测定位结果中，利用无迹卡尔曼滤波对预测结果进行修正，将预测结果与实际结果进行非线性融合，根据融合结果，对预测定位算法的结果偏移量进行计算，并对定位失效的情况进行分析，添加失效误差，完成校核过程。实验结果表明该方法通用性不高。文献[3]利用大位宽变长的数据包，进行矩阵线性运算，对矩阵运算结果进行逆向处理，得到逆矩阵，利用逆矩阵进行反向回滚运算，得到包尾数据，将该数据在FPGA上进行验证，得到CRC运算结果，再次进行循环的冗余校验，处理臃肿低效的问题，解放资源占用空间，完成校核过程。实验结果表明该算法综合耗时较高。

考虑到上述文献所提校核算法无法满足变电站移动作业终端数字化开票流程校核的现实需求，以改进递推最小二乘法为主要方法，提出了一种变电站移动作业终端数字化开票流程校核算法。该算法通过改进递推最小二乘法运算结果，对开票流程数据参数进行辨识，以此生成校核算法，实现变电站移动作业终端数字化开票流程低时延校核过程。

1、数字化开票流程校核算法设计

1.1数字化开票流程逻辑数据提取

变电站移动作业终端数字化开票流程的校核对象是完成开票流程的逻辑数据。基于此，研究采用特征分析的方法将逻辑数据提取出来。首先，将移动作业终端的全部程序逻辑数据提取出来，整合成为统一的数据集，如式（1）所示[4-6]。

式中，f表示移动作业终端的逻辑数据集，ui表示单个逻辑数据，n表示逻辑数据的总数量，T表示逻辑数据的运行间隔时长。

将该数据集处理成为矩阵的形式[7]，如式（2）所示。

式中，F表示逻辑数据矩阵，M表示数据运行总间隔。

对该矩阵中的逻辑数据进行稀疏化处理，如式（3）所示。

式中，D表示矩阵内数据的空间间隔，ι表示稀疏化向量，x表示优化值。

利用稀疏化处理后的逻辑数据进行分类提取，将所需的开票流程数据筛选出来，如式（4）所示[8]。

式中，ℑ表示逻辑数据分类特征，φ和c表示数据分类的不同奇异值，E表示去掉原项φu后产生的误差。

根据式（4）的结果，将分类特征满足开票流程逻辑特征的数据提取出来，完成数字化开票流程逻辑数据的提取过程。

1.2逻辑参数辨识

对提取到的数字化开票流程逻辑数据的逻辑参数进行辨识。利用改进递推最小二乘法来完成这一步骤。在进行改进递推最小二乘法的运算，首先将提取的逻辑数据进行离散化处理，如式（5）所示[9]。

式中，L表示数据离散化处理结果，K表示离散向量。

完成逻辑数据的离散化处理后，进行基于改进递推最小二乘法对逻辑数据的参数估算，步骤为：

1）实时获取逻辑数据边界量测数据；

2）建立等值模型[10];

3）建立改进递推最小二乘法迭代公式；

4）两步式辨识逻辑参数。

在完成步骤1）后，根据获得的量测数据，可以获得线性量测方程，如式（6）所示。

式中，Z表示线性量测方程解，H表示实部变量，ε表示虚部变量。

根据式（6）结果，建立等值模型，如式（7）所示。

式中，Z′表示线性量测方程在等值模型中的对应解，θ表示估计参数。

步骤3）的改进递推最小二乘法迭代公式如式（8）所示。

式中，X表示改进递推最小二乘法运算结果，α表示迭代结束阈值，β表示改进因变量。

根据式（8）的计算结果，判断结果的正负关系，对呈现负关系的运算结果进行纠错，进而得出辨识的参数向量，完成逻辑参数的辨识。

1.3开票流程逻辑数据参数聚类处理

将辨识得到的开票逻辑数据参数进行聚类处理。研究采用谱聚类的方式完成这一步骤。首先，建立参数相似度矩阵，如式（9）所示[11-12]。

式中，W表示参数相似度矩阵，dW表示欧氏距离，σ表示尺度参数。

设定参数的取值范围为[-1,1]，对矩阵特征值对应的特征向量进行求解[13]。研究采用适应度计算的方法进行求解，如式（10）所示。

式中，q表示特征适应度，a表示适应度目标优化指数。

根据式（10）的计算结果，获取最小计算结果，将其进行配对，进而开始逻辑数据参数的聚类过程，步骤为：

1）编码不同个体，形成初始集合；

2）聚类数据空间特征样本集；

3）设定迭代次数；

4）交叉选择获取全新集合[14];

5）获取特征向量空间距离，输出距离结果。

通过上述步骤，将聚类处理的结果映射到对应的逻辑数据特征空间中，与辨识得到的参数进行对应，完成开票流程逻辑数据参数的聚类处理过程。

1.4数字化开票流程校核算法生成

完成变电站移动作业终端数字化开票流程逻辑数据额定分步处理后，对流程进行校核，具体流程如图1所示。

图1开票流程校核算法流程

如图1所示，研究所设计的校核算法流程核心步骤为变电站移动作业终端设备“分”动作与“合”动作的校核。

对移动作业终端设备“分”动作与“合”动作的区分如图2所示[15-16]。

图2移动终端设备开票动作区分

图2中，Q表示流程动作开合度，计算公式如式（11）所示。

式中，G表示聚类参数的奇偶性，η表示聚类的开票流程逻辑数据参数，m表示终端设备冗余码。

通过上述计算，完成分类结果，在算法中输入结果，完成变电站移动作业终端数字化开票流程校核算法的生成。

2、实验

2.1实验准备

对所提校核算法进行验证，从实验结果分析所提变电站移动作业终端数字化开票流程校核算法的有效性。

实验的数据来源于甘肃省电力检修公司所管辖范围内的750 kV兰州东变电站。国网甘肃省检修公司变电数字化工作票应用自2019年开展至今，业务功能覆盖所有变电运检班组工作，已实现通过移动作业终端完成了变电第一、二种工作票四千余张。数字化操作票系统已应用在甘肃省电力检修公司所辖的十余座750 kV变电站。

对该变电站移动作业终端的数字化开票应用架构进行分析，得到主要结构如图3所示。

图3变电站数字化操作票系统架构

利用图3的系统架构，获取包括检修、试验、运维班组在工作中开票的多个业务过程的开票逻辑数据。

实验采用模拟仿真。使用wgsim的高通量数据模拟软件模拟变电站不同班组的开票需求数据。该软件的部分选项及参数设置如表1所示。

表1模拟软件部分参数设置

将模拟所得的开票需求数据统一存储在专用的数据库中。

为了保证实验各项软件或系统运行顺畅，实验采用三台PC机连接的外环境开展实验，如图4所示。

图4中PC机的参数设置如表2所示。

实验涉及的所有算法均采用Java语言进行实现。为了保证算法达到最优，实验将模拟所得的开票需求数据划分为两部分。将模拟数据的总数量设置为300 000条，其中的250 000条数据信息作为算法的训练集，剩余的50 000条数据信息作为测试集。

完成上述准备后，开展变电站移动作业终端数字化开票流程校核实验。

图4实验环境

表2实验PC机参数设置

2.2变电站移动作业终端数字化开票流程校核算法

利用模拟所得的开票流程数据，进行所设计的校核算法的测试。利用训练集的数据完成算法的迭代优化后，采用实验集中的数据对所提算法进行流程校核。分别导入不同数据量的开票流程数据，得到算法的运行结果如图5所示。

图5校核算法执行结果

根据图5可知，在不同数据量下，所提出算法的校核用时均未超过400 ms，能够满足实际变电站移动作业终端的运行需求。从实验结果可以初步判断，所提出的变电站移动作业终端数字化开票流程校核算法的运行效果较好，表明了所提算法的可行性。

2.3结果分析与讨论

为了直观地体现出所提技术方法的有效性，采用校核时延对实验的结果进行评价。校核时延能够有效判定校核算法的运行效果，体现了不同校核算法执行结果的优劣程度。实验所得的校核时延越短，则说明该算法的运行效果越好，具备更高的实践应用价值。

为了验证所提算法执行结果的有效性，分别与文献[1]和文献[2]的校核算法进行变电站移动作业终端数字化开票流程校核对比实验。

将模拟所得的实验数据导入到不同的算法中，测试算法在不同开票流程逻辑数据量下的校核时延。为了保证实验结果的真实性，为不同校核算法导入的数据量内容和数量均保持一致。此外，为了降低实验误差，进行多次实验，最终结果取多次实验结果的平均值。

经过实验，得到实验结果如图6所示。

图6不同算法开票流程校核结果

由图6可知，所提方法在不同的开票流程逻辑数据量下，校核时延均比较低。在不同的数据量下，校核时延均未超过1 000 ms，而其他两种算法的校核时延最高能达到1 834 ms，稳定性较差。在不同数据量的校核实验中，所提算法的平均时延仅为786 ms，而其他两种算法的平均时延分别为1 230 ms和1 566 ms。此外，在不同的数据量下，所提算法的时延波动区间较小，其他两种方法的波动时延均比较大。由此可见，所提算法能够适应不同数据量下的变电站移动作业终端数字化开票的流程校核工作中，且校核时延较低。

从对比结果可以看出，所提出的变电站移动作业终端数字化开票流程校核算法中，校核时延较低，且算法执行结果较为稳定，可行性较高。在变电站移动作业终端的数字化开票过程中，能够有效地对开票流程进行校核，具备较高的实践应用价值。

3、结束语

在变电站移动作业终端的数字化开票过程中，对开票流程进行校核能够保证数字化开票功能稳定运行。为了提高开票流程校核的质效，研究提出一种基于改进递推最小二乘法的变电站移动作业终端的数字化开票流程校核算法。从实验结果可以看出，依据所提方法得出的开票流程校核结果时延较低，表明所提研究内容能够有效提高数字化开票流程校核质效，为变电站移动作业终端的稳定运行提供科学支持，推动变电站移动作业终端的应用与发展。

参考文献:

[1]杨宗源,侯进,周浩然,等.应用YOLOv4-tiny算法实现保护压板智能校核[J].科学技术与工程,2022,22(2):570-576.

[2]李兴佳,李建芬,朱敏,等.基于无迹卡尔曼滤波的定位融合与校验算法研究[J].汽车工程,2021,43(6):825-832.

[3]罗宇,郭家松.大位宽情况下的回滚式循环冗余校验算法[J].电子与信息学报,2021,43(4):1057-1063.

[4]虞杨,郑燕萍.基于改进递推最小二乘法的锂电池SOC估算[J].控制工程,2021,28(9):1759-1764.

[5]史瑞,封化民,谢惠琴,等.基于带智能卡的移动终端实现的隐私保护的属性票据方案[J].通信学报,2022,43(10):26-41.

[6]郁璟贻,薄涛,刘英华,等.基于Android移动终端的北京市本地化地震应急工作平台实现与应用[J].中国地震,2022,38(2):280-292.

[7]尹馨予,苏宇宁,孙晓颖.移动终端信息的振动式触觉信号编码表征方法[J].吉林大学学报(理学版),2022,60(3):705-712.

[8]黄大中,温晓鹏,李红刚.基于移动终端的铁路地质钻探数据采集和管理系统研究[J].铁道标准设计,2023,67(4):34-39.

[9]何燕,何培芬. SAMR模型下智能移动终端在高职课程中的应用及评价[J].职教论坛,2022,38(4):59-67.

[10]陈南凯,王耀南,贾林.基于改进生物激励神经网络算法的多移动机器人协同变电站巡检作业[J].控制与决策,2022,37(6):1453-1459.

[11]王晓明,周柯,巫聪云.面向变电站二次系统的安全加固终端设备实现[J].湖南大学学报(自然科学版),2022,49(4):69-77.