ARM+FPGA双核计算的配电自动化终端设计.pdfVIP

第45卷第1期动化仪表Vol.45No.1

2024年1月PROCESSAUTOMATIONINSTRUMENTATIONJan.2024

ARM+FPGA双核计算的配电自动化终端设计

郑军生，杨俊哲，许文秀，吴宏伟

（内蒙古电力（集团）有限责任公司乌海电业局，内蒙古乌海016000）

摘要：为了提高配电自动化终端数据信息自动化分析能力，设计了基于ARM+现场可编程门阵列（FPGA）双核计算的配电自动化终

端。为了提高模块计算能力，在模块中构建了堆叠式自动编码器-神经网络（SAE-NN）深度学习算法模型。在常规堆叠式自动编码器

（SAE)深度学习模型基础上融合神经网络（NN）模型，应用过程中改善传统NN对分层节点数目的限制。试验结果表明，所设计终端

随着系统运行能达到95%以上的精度，而现有SAE模型仅达到85%左右的精度。通过与文献[1]和文献[2]方法的对比可知，所设计

终端有较高的调度能力。该设计显著提高了配电网数据信息的分析精度，大幅提升了电网应用对数据信息处理的准确度和效率。

关键词：配电自动化终端；现场可编程门阵列；堆叠式自动编码器；神经网络；数据调试；分析精度；调度能力

中图分类号：TH39文献标志码：AD01:10.16086/j.cnki.issn1000-0380.2022030054

DesignofDistributionAutomationTerminal

withARM+FPGADualCoreComputing

ZHENGJunsheng,YANGJunzhe,XUWenxiu,WUHongwei

(WuhaiPowerBureau,InnerMongoliaElectricPower(Group)Co.,Ltd.,Wuhai016000,China)

Abstract:Toimprovetheautomatedanalysiscapabilityofdatainformationofdistributionautomationterminal,adistribution

automationterminalbasedonARM+fieldprogrammablegatearray(FPGA)dualcorecomputingisdesigned.Toimprovethe

computationalcapabilityofthemodule,astackedautoencoder-neuralnetwork(SAE-NN)deeplearningalgorithmmodelis

constructedinthemodule.Theneuralnetwork(NN)modelisfusedbasedontheconventionalstackedautoencoder(SAE)deep

learningmodel,andthelimitationofthetraditionalNNonthenumberoflayerednodesisimprovedintheapplicationprocess.

Thetestresultsshowthatthedesignedterminalcaneventuallyachievemorethan95%accuracyasthesystemruns,whilethe

existingSAEmodelonlyachievesabout85%accuracy.Bycomparingwiththeliterature[1]andliterature[2]method,the

designedterminalhasahigher