基于智能信息处理技术的变电站光纤标识方法研究

智能变电站采用智能集成设备，以全站信息数字化、通信平台网络化等为基本要求，自动完成信息采集、测量、控制与保护等基本功能[1]。与传统变电站相比，智能变电站最大的改变在于以一定数量的光纤替代大量电缆，但也因此带来了诸多问题。如因光纤回路无标识，导致无法确认光纤链路的物理路径；因光纤回路标识不规范，造成检修光纤链路信息不完整，并耗费大量时间等[2-3]。因此，智能化管理变电站内数量众多的零散光纤标签成为当前工作的迫切需求[4-5]。

目前，国外还没有针对智能变电站光纤标识的研究，而国内大部分的研究则更注重虚回路模型文件与数据信息流向的表达方式，且对光纤的物理回路及光纤回路唯一性编码等方面的研究仍有一定欠缺[6-7]。因此，该文提出了一种基于智能信息处理技术的变电站光纤标识方法。在光纤智能标识系统中，首先利用径向基函数神经网络(Radial Basis Function Neural Network,RBFNN)识别光纤节点类型，然后采用深度优先遍历(Depth First Search，DFS)算法完整检索出变电站内光纤虚实回路全路径，从而实现光纤智能管理。

1 光纤智能标识系统设计

变电站光纤智能标识系统分为智能标签生成模块和移动解析展示模块，其总体架构如图1 所示。

智能标签生成模块包含二次系统设计、标签数据生成以及打印等功能。其中，二次系统设计功能的作用是设置整个变电站二次系统数据信号的连接模式，形成移动终端数据库及光纤标签文件；标签数据生成功能的作用是由数据库得到变电站相关的物理设置与虚回路设置信息，并处理成所需的数据信息格式，从而形成文件[8-9]；智能标签解析模块主要包括数据解析与标签扫描等功能，两者均在移动智能终端中执行[10]。

1.1 智能标签的生成

智能变电站中光纤智能标签的生成过程需要两个前提，即建模配置与虚实回路映射。其生成过程，如图2 所示。

首先在建模配置阶段，物理信息建模用于构建二次系统设备配置库，并根据国家电网的系统设计规定对光缆、尾缆的编号和规格进行计算分配；然后在虚实回路映射阶段，利用ICD 文件将虚端子配置与装置进行绑定，同时生成标签数据库文件；最后，在标签生成阶段，关联标签数据库文件，便可自动生成标签文件。

1.2 智能标签的解析

智能标签的解析过程大致包含以下几个步骤：扫描光纤标签的二维码、下载数据库文件以及将其进行图形化呈现。

1）扫描光纤智能标签。通过扫描光纤标签上的二维码便可明确光纤类型。若二维码对应的是光缆或尾缆，则可以直接从物理文件中获取整个变电站的配置图、屏柜光缆连接图等。若二维码是纤芯，则可从虚端子设置文件中获取端口与设备的虚端子图。

2）图形化呈现标签信息。若二维码对应的是光缆或尾缆，则呈现其物理连接关系；若二维码对应的是纤芯，则呈现的是虚端子信息。且能够将物理连接与虚端子信息智能关联，逐一对应呈现。

2 基于RBFNN-DFS的智能信息处理技术

智能信息处理技术主要是指将计算机、通信等多项技术结合，从而实现信息的自动获取与处理。该技术主要面对的是不确定性系统与不确定性现象的信息处理问题。神经网络、遗传算法等信息处理方式均属于智能信息处理的范畴[11]。其中，人工神经网络模型具备大规模并行处理与分布式信息存储的能力，其识别率高且抗干扰能力强，还能模拟人类思维对需要处理和解决的问题进行记忆、联想及推理。因此，所提方法采用人工神经网络识别智能标签的节点与二维码的类型，并结合图论DFS 算法，完整检索出智能变电站光纤虚实回路全路径。

2.1 人工神经网络

该文采用RBFNN 用于光纤标识[12-13]。一个典型的RBFNN 仅包含3 层，即输入层、隐藏层和输出层，相较于多层感知器网络，其结构相对简单[14]。RBFNN的激活函数由输入量与原始量之间的差值决定，因此其具有较好的逼近能力、分类能力和训练速度。RBFNN 的结构，如图3 所示。

2.2 深度优先遍历算法

DFS 是一种扫描有限无向图的方法，其被广泛应用于解决各种图的问题[15]。该方法随机选择图中的某一顶点Q，由其开始访问，然后按照顺序从Q 没有被访问的相邻点发出深度优先遍历图，直至图内全部与Q 存在相通路径的节点均被访问[16]。DFS 算法的具体流程如下：

1）读取初始智能变电站的光纤数据、总线数据，并转换成图形G。

2）确定需要使用DFS 与源隔离的标签节点。

3）使用DFS 从第一次迭代开始搜索候选网络拓扑。其中，第一次迭代从步骤2）开始，通过连接一个光纤配线架端口可以找到生成树T′；第二次迭代同样从步骤2）开始，可能的生成树由同时操作的两个光纤配线架端口的组合生成。在下一次迭代中，所有可能的生成树的生成与第二次迭代相同，但会增加光纤配线架端口操作的数量。

4）若在步骤3）获得了候选网络拓扑，则能够获得新路径，且在每个可能的拓扑中执行光纤逻辑回路与物理回路；否则，返回步骤3）。

3 提出的变电站光纤标识方法

在变电站光纤标识中，通过移动终端扫描光纤二维码，可获得相应的数据信息。然后，利用智能信息处理技术对变电站整站光纤的物理和虚端子回路的全路径进行分析。

3.1 光纤标签设计

光纤标签用于标示装置端口处所连接的纤芯信息，其内容格式如图4 所示。

光纤标签上的文字内容囊括了光纤的起止端口、隶属光纤编号及其序号等相关信息。而二维码则是光纤数据库的入口，通过扫描标签二维码便可获得光纤物理回路与虚端子回路之间的联系，并在较短的时间内呈现此光纤传送的虚回路数据信息。

3.2 光纤标识方法

对于智能变电站中智能电子设备(Intelligent Electronic Device,IED)、交换机(Switch)和光配架(Optical Distribution Frame,ODF)等设备的接收与发送端口，均为变电站的具体节点。不同于理论节点拓扑结构，实际智能变电站中存在IED、Switch 和ODF 的网络拓扑。基于智能信息处理技术的光纤标识流程，如图5 所示。

将变电站内装置划分成发送与接收装置。通常而言，选择接收装置作为初始节点，且信息的流向是存在方向的。先通过移动设备扫描光纤二维码，然后根据RBFNN 确定节点类型。最后对于不同的节点，采用DFS 策略进行全路径的搜索，以完成对变电站光纤的智能标识。

4 实验结果与分析

选取某城市的一个220 kV 智能变电站，其配备3 台主变压器。智能终端、合并单元和交换机、继电保护设备间均采用光纤连接，中间设有ODF，其中一台变压器的光纤连接节点有164 个。

RBFNN 的网络参数设为：输入量的长度为248，输出量的长度等于有限元的元素数，数值规格化为0～1；隐藏层有512 个单位。该网络采用自适应矩估计优化器与均方误差损失函数来进行训练。

4.1 光纤标识准确率对比

光纤标识准确率是所提方法性能的一个重要指标，变电站SCD 文件的大小以及节点数量的规模均对其有一定的影响。其与文献[4]、文献[6]、文献[7]中所提方法的标识准确率对比结果如图6 所示。

从图6 中可以看出，随着光纤数量的增多，各方法的识别准确率持续下降。由于光纤类型繁杂，且光纤数增多意味着二次回路数呈指数增长，因此对光纤标识及二次全回路的构建提出了更高的要求。但相比于其他方法，所提方法的识别准确率下降幅度较小，且在同一光纤数量下，其准确率最高，不低于70%。主要是由于该算法结合了RBFNN 和DFS算法，其能够较好地识别光纤回路。而文献[4]应用数据挖掘技术，文献[6]通过采用跳纤标签、光纤熔接表、光缆牌三大措施，以及文献[7]利用区域识别技术，以上3 种方法的信息处理技术均较为单一，且整体标识性能不佳。

4.2 光纤标识效率对比

光纤数量的增加导致标识复杂性提高，其对所提方法的运行效率有较大影响。为此，将所提方法与文献[4]、文献[6]以及文献[7]中的方法进行标识时间测算对比，结果如图7 所示。

从图7中可以看出，相比于其他方法，在同一光纤数量下，所提方法的标识耗时最短，且不超过85 ms。文献[4]应用数据挖掘技术处理变电站数据信息，计算过程较为繁琐，因此耗时较长；文献[6]采用跳纤标签、光纤熔接表、光缆牌三大措施实现光纤标识的方法较为传统且依赖于人工，从而导致整体运行效率较低；文献[7]基于区域识别光纤，分区识别有利于缩短耗时，但由于缺乏智能算法予以支撑，故运行效率有所欠缺。

5 结束语

智能变电站内光纤数量众多，且相对零散，因此难以高效管理。为此，提出了一种基于智能信息处理技术的变电站光纤标识方法。首先利用RBFNN识别光纤类型，然后采用DFS 算法检索每种光纤类型，从而得到智能变电站的虚实回路全路径。实验结果表明，所提方法的综合性能优于其他对比方法。其为光纤管理的模型化、标准化、智能化与可视化提供了理论支撑。由于仅论证了所提方法在理论阶段的有效性，所以在接下来的工作中，还将结合实际运行的变电站展开研究，以提高该方法的普适性。