武漢大學(xué)電力智能感知及認(rèn)知團(tuán)隊(duì)

本團(tuán)隊(duì)隸屬武漢大學(xué)電氣與自動化學(xué)院以及智能電網(wǎng)研究院，結(jié)合國家重大需求和電力數(shù)字化轉(zhuǎn)型的學(xué)科前沿，長期從事電力非結(jié)構(gòu)化大數(shù)據(jù)的成像感知、跨模態(tài)融合和知識認(rèn)知等領(lǐng)域的研究，已形成芯片級視覺邊緣智能、智能感知終端、特征級數(shù)據(jù)融合技術(shù)、全過程安全管控等從感知到認(rèn)知序列的特色鮮明的研究方向。

作者介紹

王紅霞，博士研究生，研究方向?yàn)殡娏Υ髷?shù)據(jù)及融合。

王波，教授，博士生導(dǎo)師，武漢大學(xué)電氣工程學(xué)院電力工程系副主任， IEEE高級會員，電力系統(tǒng)保護(hù)與控制青年編委會成員，IEEE PES中國區(qū)技術(shù)理事會副秘書長。

主要從事電力深度視覺、邊緣計(jì)算、電力大數(shù)據(jù)以及可控負(fù)荷等領(lǐng)域的研究。主持國家自然科學(xué)基金3項(xiàng)，國家重點(diǎn)研發(fā)計(jì)劃課題1項(xiàng)，國家科技支撐計(jì)劃課題1項(xiàng)。在IEEE Transactions on Smart Grid, IEEE Transactions on Instrumentation & Measurement等國際刊物上發(fā)表第一作者（通信作者）論文60余篇，入選領(lǐng)跑者F5000計(jì)劃2篇。研究成果獲得湖北省科技進(jìn)步獎、貴州省科技進(jìn)步獎、中國電力行業(yè)信息化成果獎等省部級獎勵5次。

董旭柱，教授，博士生導(dǎo)師，教授級高級工程師，國家智能電網(wǎng)重點(diǎn)研發(fā)計(jì)劃項(xiàng)目責(zé)任專家，IEC市場戰(zhàn)略局（MSB）中國國家委員會會員， 國際大電網(wǎng)委員會(CIGRE)成員等。先后承擔(dān)或參與科研項(xiàng)目60余項(xiàng)，其中省部級以上科研項(xiàng)目4項(xiàng)，國際合作項(xiàng)目3項(xiàng)。

主要研究方向智能配電網(wǎng)、多物理場、電力芯片，先后發(fā)表國內(nèi)外期刊論文 50 余篇，在國內(nèi)外學(xué)術(shù)會議報(bào)告50余場，參編國標(biāo)和行標(biāo)7項(xiàng)，編制企業(yè)技術(shù)標(biāo)準(zhǔn)1項(xiàng)，授權(quán)專利20余項(xiàng)。

姚良忠，教授，博士生導(dǎo)師，IET 會士（IET Fellow）及注冊工程師，IEEE 高級會員，國際大電網(wǎng)CIGRE會員，國際電工委員會IEC TC122“特高壓交流輸電系統(tǒng)”技術(shù)標(biāo)準(zhǔn)化委員會主席， IEC TC8 JWG10 “分布式電源接入電網(wǎng)”標(biāo)準(zhǔn)工作組召集人。

主要研究方向?yàn)榇笠?guī)模新能源發(fā)電及并網(wǎng)技術(shù)、智能電網(wǎng)技術(shù)、規(guī)模化電動汽車隨機(jī)接入電網(wǎng)、規(guī)模化儲能應(yīng)用、直流輸電及直流電網(wǎng)技術(shù)等，國內(nèi)外期刊及會議發(fā)表論文200余篇，獲國內(nèi)外授權(quán)專利10余項(xiàng)，合著專著5部。

對多源電力感知終端產(chǎn)生的異構(gòu)多參量數(shù)據(jù)進(jìn)行融合分析，是實(shí)現(xiàn)電力物聯(lián)網(wǎng)下電力目標(biāo)有效感知的關(guān)鍵。目前，電力多參量融合仍以同構(gòu)多參量融合和決策級異構(gòu)多參量融合為主，異構(gòu)、多源的融合及分析技術(shù)薄弱，無法滿足電力物聯(lián)網(wǎng)下的異構(gòu)多參量深度融合需求。該文提出一種適用于電力結(jié)構(gòu)化時序參量和非結(jié)構(gòu)化圖像參量的普適性融合框架，可用于電力對象的描述性、預(yù)測性或決策性分析。

研究背景

對多源電力感知終端產(chǎn)生的異構(gòu)多參量數(shù)據(jù)進(jìn)行融合分析，是實(shí)現(xiàn)電力物聯(lián)網(wǎng)和數(shù)字電網(wǎng)建設(shè)的關(guān)鍵。但目前電力多參量融合仍以同構(gòu)多參量融合和決策級異構(gòu)多參量融合為主，異構(gòu)、多源的融合及分析技術(shù)薄弱，無法滿足電力物聯(lián)網(wǎng)下的異構(gòu)多參量深度融合需求。

本文提出一種適用于電力結(jié)構(gòu)化時序參量和非結(jié)構(gòu)化圖像參量的普適性融合框架，可用于電力對象的描述性、預(yù)測性或決策性分析，有效提高電力感知的精確性和容錯性。

論文方法及創(chuàng)新點(diǎn)

圖１　基于電力時序參量和圖像參量的異構(gòu)多參量融合整體框架

圖１為本文所提電力異構(gòu)多參量融合整體框架，可對結(jié)構(gòu)化電力時序參量和非結(jié)構(gòu)化電力圖像參量進(jìn)行有效融合。該融合框架采用特征級融合，即先根據(jù)數(shù)據(jù)形式及特點(diǎn)對各類參量進(jìn)行特征提取，然后對特征進(jìn)行有效融合，最后基于融合特征進(jìn)行電力目標(biāo)感知。

針對電力時序參量，首先將其轉(zhuǎn)化為適用于非線性混沌系統(tǒng)的多參量遞歸圖，使其和圖像數(shù)據(jù)具有相同的表征形式，然后采用淺層的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取；針對電力圖像參量，使用Faster R-CNN進(jìn)行特征提取，并將ROI Pooling后第一個全連接層的輸出作為圖像提取特征；針對二類特征的融合，采用基于權(quán)重因子的拼接融合方法，為避免人為因素的干擾，將權(quán)重因子作為網(wǎng)絡(luò)參數(shù)，由訓(xùn)練得到。

應(yīng)用案例

案例1：對應(yīng)拉力、微氣象參量和圖像數(shù)據(jù)進(jìn)行融合，實(shí)現(xiàn)絕緣子覆冰等級感知，并對單參量輸入和融合感知模型進(jìn)行精確性和容錯性對比，如表1至表3所示。

案例2：對溫度、濕度參量和紅外圖像數(shù)據(jù)進(jìn)行融合，實(shí)現(xiàn)絕緣子污穢等級感知，并對單參量輸入和融合感知模型進(jìn)行精確性和容錯性對比，如圖2和表4所示。

圖2　不同濕度范圍下兩類模型的表現(xiàn)

輸電線路覆冰等級感知和絕緣子污穢等級感知的場景說明，所提模型具有一定的普適性，可使異構(gòu)參量相互補(bǔ)充和增強(qiáng)，充分挖掘不同參量之間的非線性關(guān)系，有效提高感知精確性和容錯性。

總結(jié)與展望

針對電力物聯(lián)網(wǎng)下感知多源、參量異構(gòu)的數(shù)據(jù)現(xiàn)狀及高效利用的需求，從數(shù)據(jù)角度分析了各種數(shù)據(jù)融合模式及其優(yōu)缺點(diǎn)，指出了特征級異構(gòu)多參量融合模式的必要性。

提出了針對電力時序參量和圖像參量的特征級融合模型，該模型將電力時序參量轉(zhuǎn)換為多參量遞歸圖，用不同的卷積神經(jīng)網(wǎng)絡(luò)對遞歸圖和圖像進(jìn)行特征提取，并基于權(quán)重對二類特征進(jìn)行融合和目標(biāo)感知。

輸電線路覆冰等級感知和絕緣子污穢等級感知的場景說明，所提模型具有一定的普適性，可使異構(gòu)參量相互補(bǔ)充和增強(qiáng)，充分挖掘不同參量之間的非線性關(guān)系，有效提高感知的精確性和容錯性。

引用本文

王紅霞， 王波， 董旭柱， 姚良忠， 張銳鋒， 馬富齊. 面向多源電力感知終端的異構(gòu)多參量特征級融合：融合模式、融合框架與場景驗(yàn)證[J]. 電工技術(shù)學(xué)報(bào)， 2021, 36(7): 1314-1323. Wang Hongxia, Wang Bo, Dong Xuzhu, Yao Liangzhong, Zhang Ruifeng, Ma Fuqi. Heterogeneous Multi-Parameter Feature-Level Fusion for Multi-Source Power Sensing Terminals: Fusion Mode, Fusion Framework and Application Scenarios. Transactions of China Electrotechnical Society, 2021, 36(7): 1314-1323.