基于人工智能算法模型的化工電力安全監(jiān)控技術(shù)

高宏 張俊嶺 宋曉東 牛永光 馬超 劉祥振

摘 要：研究構(gòu)建了一套化工智能化工電力安全監(jiān)控系統(tǒng)，包括控制模塊、通訊模塊、通訊節(jié)點(diǎn)、計算模塊和ETL模型等，提高了數(shù)據(jù)通信能力。通過監(jiān)控模塊實(shí)現(xiàn)變電設(shè)備、輸電設(shè)備、電力設(shè)備運(yùn)行現(xiàn)場、電網(wǎng)運(yùn)行、生產(chǎn)管理以及其他監(jiān)測設(shè)備運(yùn)行信息監(jiān)控，提高了化工園區(qū)配電網(wǎng)故障診斷與監(jiān)控能力。還構(gòu)建了一套改進(jìn)型雙鏈量子遺傳算法模型，提高了電力數(shù)據(jù)挖掘能力。試驗(yàn)結(jié)果表明：化工電力安全監(jiān)控系統(tǒng)數(shù)據(jù)采集效率高，監(jiān)控能力強(qiáng)，大大提高了化工電力安全監(jiān)控能力。

關(guān)鍵詞：電力安全;設(shè)備運(yùn)行;雙鏈量子遺傳算法;數(shù)據(jù)挖掘

中圖分類號：TU2TP391?????? 文獻(xiàn)標(biāo)識碼：A 文章編號：1001-5922（2022）03-0186-06

Power safety monitoring technology based on artificial intelligence algorithm model

GAO Hong1， ZHANG Junling2， SONG Xiaodong1， NIU Yongguang2， MA Chao2， LIU Xiangzhen2

（1. State Grid Shandong Electric Power Company， Jinan 250021， China;

2. Shandong Luneng Software Technology Co.， Ltd.， Jinan 250021， China）

Abstract： This research builds a chemical intelligent power safety monitoring system， which includes control module， communication module， communication node， calculation module and ETL model， etc. to improve data communication ability. It is realized by monitoring substation equipment， transmission equipment， power equipment operation site， power grid operation， production management and other equipment operation information monitoring. The fault diagnosis and monitoring ability of the distribution network in the chemical park is improved. An improved double-chain quantum genetic algorithm model was also constructed to improve the power data mining capability. Through the experiment， the chemical power safety monitoring system has high data collection efficiency and strong monitoring ability， which greatly improves the chemical power safety monitoring ability.

Key words： chemical industry; equipment operation; double-chain quantum genetic algorithm; data mining

在化工園區(qū)中，電力設(shè)備運(yùn)行環(huán)境下以及電網(wǎng)技術(shù)運(yùn)行中，容易出現(xiàn)多種威脅化工電力安全的因素。由于化工領(lǐng)域內(nèi)存在化學(xué)腐蝕等多種意外因素，如何對化工電力安全設(shè)備中各種設(shè)備的故障診斷及狀態(tài)檢修是電力系統(tǒng)的重要課題。常規(guī)技術(shù)中，大多通過各種傳感器技術(shù)、廣域通信技術(shù)和信息處理技術(shù)實(shí)現(xiàn)電力設(shè)備運(yùn)行狀態(tài)的實(shí)時感知及監(jiān)視預(yù)警，但是監(jiān)控力度薄弱。尤其是面對大量電力設(shè)備輸出數(shù)據(jù)時，這方面的處理能力更為欠缺。隨著化工技術(shù)的飛速發(fā)展，人工智能被逐步應(yīng)用到化工電力安全設(shè)備中，現(xiàn)有技術(shù)應(yīng)用中，該技術(shù)不夠完善。現(xiàn)有技術(shù)，文獻(xiàn)[1]中采用有源RFID標(biāo)記結(jié)合的方式實(shí)現(xiàn)電力關(guān)鍵部門的在運(yùn)設(shè)備資產(chǎn)監(jiān)控，通過物聯(lián)網(wǎng)的方式實(shí)現(xiàn)信息監(jiān)控，比起常規(guī)人工統(tǒng)計方法，該方法確實(shí)大大提高了電力安全監(jiān)控能力，但該方法僅僅是通過射頻識別的方式，無法通過分類的方式實(shí)現(xiàn)電力安全監(jiān)控;文獻(xiàn)[2]通過人工智能技術(shù)實(shí)現(xiàn)電力設(shè)備安全管控，通過深度神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)安全設(shè)備的分類與監(jiān)控，該方法雖然在一定程度上提高了電力安全監(jiān)控的能力，但是在面對眾多電力安全數(shù)據(jù)信息時，仍舊無能為力。

1 化工電力安全監(jiān)控系統(tǒng)設(shè)計

為了提高化工電力安全施工作業(yè)監(jiān)控能力，本研究設(shè)計了一套化工電力安全監(jiān)控系統(tǒng)，實(shí)現(xiàn)不同項(xiàng)目、不同類型化工電力安全施工作業(yè)信息的獲取，通過監(jiān)控模塊實(shí)現(xiàn)變電設(shè)備、輸電設(shè)備、電力設(shè)備運(yùn)行現(xiàn)場、電網(wǎng)運(yùn)行、生產(chǎn)管理以及其他監(jiān)測設(shè)備運(yùn)行信息監(jiān)控[3]。化工電力安全監(jiān)控系統(tǒng)整體架構(gòu)示意圖如圖1所示。

影響化工電力安全的因素有很多種，比如油中溶解氣體、分合閘線圈電流、斷路器、局部放電、SF6氣體組分、氧化鋅避雷器（MOA）、電容式高壓套管、耦合電容器（OY）、電纜、電容式電流互感器（TA）和電容式電壓互感器（CVT）、電網(wǎng)運(yùn)行、生產(chǎn)運(yùn)行等[4]，各種數(shù)據(jù)場合都容易受到故障威脅。如何實(shí)現(xiàn)電網(wǎng)運(yùn)行信息和其他運(yùn)行故障信息等數(shù)據(jù)監(jiān)控？本研究采用多種數(shù)據(jù)傳感器實(shí)現(xiàn)不同數(shù)據(jù)的采集，并對采集到的數(shù)據(jù)信息進(jìn)行類型轉(zhuǎn)換、冗余處理以及模型映射等多種數(shù)據(jù)信息的處理，最終構(gòu)建出完整的化工電力安全運(yùn)行狀態(tài)數(shù)據(jù)庫。通過這些數(shù)據(jù)庫信息，實(shí)現(xiàn)多種不同化工電力安全狀態(tài)的評估和預(yù)測[5-6]。監(jiān)控硬件結(jié)構(gòu)示意圖如圖2所示。

在數(shù)據(jù)監(jiān)控時，采用基于STM32F103VET6單片機(jī)的ARM嵌入式系列計算芯片實(shí)現(xiàn)化工電力安全硬件技術(shù)的監(jiān)控。在化工電力安全監(jiān)控硬件中，由于數(shù)量大，可以采用LM1117低壓差電壓調(diào)節(jié)器選擇監(jiān)控數(shù)據(jù)的范圍，并且在電路中設(shè)置IN4734穩(wěn)壓二極管實(shí)現(xiàn)電路中電壓的穩(wěn)定[7]。通過引入ARM Cortex系列單片機(jī)電路實(shí)現(xiàn)化工電力安全數(shù)據(jù)信息的監(jiān)控。在控制多種數(shù)據(jù)信息時，通過芯片TMS32010實(shí)現(xiàn)數(shù)據(jù)處理，在計算監(jiān)控的數(shù)據(jù)信息時，通過16×16的硬件乘法器實(shí)現(xiàn)不同數(shù)據(jù)信息的計算。在進(jìn)行數(shù)據(jù)處理時，通過周期為200 ns實(shí)現(xiàn)數(shù)據(jù)信息的傳遞與采集;通過RS232數(shù)據(jù)線實(shí)現(xiàn)數(shù)據(jù)傳遞與采集，有利于數(shù)據(jù)的動態(tài)可視化監(jiān)控。

在數(shù)據(jù)傳遞過程中，由于電力運(yùn)行以及施工現(xiàn)場面積大，涉及范圍廣，需要用到不同形式的計算機(jī)網(wǎng)絡(luò)，每個網(wǎng)絡(luò)中存在不同的數(shù)據(jù)子系統(tǒng)。子系統(tǒng)工作時，其產(chǎn)生的數(shù)據(jù)信息通過統(tǒng)籌分析的方法進(jìn)行數(shù)據(jù)分析，這里采用ETL（Extract Transform Load）[8-9]工作實(shí)現(xiàn)化工電力安全監(jiān)控不同數(shù)據(jù)采集和實(shí)時流數(shù)據(jù)的處理。通過這種數(shù)據(jù)架構(gòu)能夠提高數(shù)據(jù)信息的挖掘處理，傳輸過程比較簡單，在進(jìn)行數(shù)據(jù)挖掘時，數(shù)據(jù)傳遞的實(shí)時性較好。在數(shù)據(jù)轉(zhuǎn)換過程中，通過整理結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化的時間序列數(shù)據(jù)，提高數(shù)據(jù)庫加載能力。

2 關(guān)鍵技術(shù)設(shè)計

2.1 監(jiān)控數(shù)據(jù)傳遞技術(shù)研究

本研究的數(shù)據(jù)采集系統(tǒng)包括控制模塊、通訊模塊、通訊節(jié)點(diǎn)、計算模塊等，并且充分利用ETL模型的技術(shù)優(yōu)勢，提高數(shù)據(jù)采集的靈活性和適用性。數(shù)據(jù)采集管理系統(tǒng)如圖3所示。

本研究設(shè)計的源數(shù)據(jù)采集系統(tǒng)為基于ARM處理器的控制單元。該控制單元設(shè)置有安全控制器硬件結(jié)構(gòu)，接口方式為多種方式，有RJ45網(wǎng)絡(luò)接口、RS485通信接口和CAN總線接口等，采集到的數(shù)據(jù)信息通過EEPROM存儲器進(jìn)行數(shù)據(jù)存儲。該控制器通過ARM處理器實(shí)現(xiàn)數(shù)據(jù)的多種控制，且其連接有復(fù)位電路、時鐘電路和電源電路等[10]，能夠?qū)崿F(xiàn)監(jiān)控系統(tǒng)安全、有效地運(yùn)行。在進(jìn)行數(shù)據(jù)通訊時，能夠滿足多同數(shù)據(jù)協(xié)議的通信，將所有的分布式數(shù)據(jù)信息通過通訊協(xié)議連接起來。該系統(tǒng)設(shè)置有TCP通信模塊和UDP通信模塊，通過多線程設(shè)計的方式實(shí)現(xiàn)通信連接，實(shí)現(xiàn)電力安全監(jiān)控中多信息數(shù)據(jù)節(jié)點(diǎn)的采集。因此，在數(shù)據(jù)通信中，采用多數(shù)據(jù)通信方式，并構(gòu)建多種數(shù)據(jù)傳感器，以便在獲取數(shù)據(jù)信息后，對數(shù)據(jù)信息進(jìn)行融合、分析與計算，最終通過采集節(jié)點(diǎn)輸出數(shù)據(jù)信息。這樣輸出24位或者多位數(shù)的隨機(jī)數(shù)，通過將不同的數(shù)據(jù)接收點(diǎn)與網(wǎng)絡(luò)地址和端口號進(jìn)行配對、匹配，實(shí)現(xiàn)數(shù)據(jù)輸出。由于接入的傳感器數(shù)量較多 ，具有不同種類，設(shè)置了多種 I/O復(fù)用通信模型。通過這種方式，能夠?qū)崿F(xiàn)多線程資源競爭，提高了數(shù)據(jù)通訊能力。

2.2 改進(jìn)型雙鏈量子遺傳算法的電力數(shù)據(jù)挖掘

通過上述數(shù)據(jù)信息傳遞后，為了提高電力數(shù)據(jù)挖掘能力，采用改進(jìn)的雙鏈量子遺傳算法（DCQGA-CRM）的分類規(guī)則挖掘各種數(shù)據(jù)庫信息。該算法能夠提高數(shù)據(jù)算法的搜索能力，提高數(shù)據(jù)分析能力。改進(jìn)型雙鏈量子遺傳算法的分類規(guī)則挖掘的方法示意圖如圖4所示。

結(jié)合圖4，下面對本研究的算法進(jìn)行說明。首先從化工電力安全數(shù)據(jù)庫中提取化工電力安全數(shù)據(jù)信息，設(shè)置改進(jìn)型雙鏈量子遺傳算法DCQGA-CRM的初始參數(shù)。其中種群規(guī)模為n，每條化工電力安全數(shù)據(jù)信息染色體基因位數(shù)為m，最大迭代次數(shù)為g。設(shè)置t=0，種群初始化，對不同數(shù)據(jù)信息的參數(shù)進(jìn)行初始化，采用QGA量子位的編碼進(jìn)行標(biāo)記。

然后將采集到的各種化工電力安全數(shù)據(jù)信息轉(zhuǎn)換為雙鏈量子遺傳算法參數(shù)。其中量子比特在二維復(fù)向量空間中表示為一個單位向量，量子態(tài)通過0態(tài)或者1態(tài)以疊加的方式累加或者疊加，可以公式表示：

|φ>=α|0>+β|1>=（αβ）（1）

在應(yīng)用雙鏈量子遺傳算法的分類規(guī)則對化工電力安全數(shù)據(jù)信息分類時，設(shè)置α、β為量子比特的概率幅;當(dāng)量子比特以|α|2、|β|2概率收斂到0態(tài)或1態(tài)時，并且|α|2+|β|2=1時， DCQGA-CRM編碼對化工電力安全數(shù)據(jù)信息管理的公式為：

Pi=cos（ti1）

sin（ti1）cos（ti2）

sin（ti2）…cos（tim）

sin（tim）（2）

將化工電力數(shù)據(jù)信息類比成雙鏈量子遺傳算法中的各種數(shù)據(jù)信息。其中cos（tim）、sin（tim）分別為化工電力安全數(shù)據(jù)信息分類的兩個概率幅。每種化工電力安全數(shù)據(jù)信息分類的染色體可以在空間范圍內(nèi)進(jìn)行信息搜索，可以輸出兩個最優(yōu)解。通過DCQGA-CRM 算法模型能夠?qū)㈦p態(tài)量子實(shí)數(shù)編碼方案的幅值在[-1，1]內(nèi)。

對采集到的數(shù)據(jù)信息進(jìn)行空間變換，將化工電力安全數(shù)據(jù)信息轉(zhuǎn)換的基因鏈在空間范圍內(nèi)通過Im=[-1，1]進(jìn)行信息映射，將生成的數(shù)據(jù)信息以初始規(guī)則集的方式集合。

將化工電力安全數(shù)據(jù)信息各種染色體數(shù)據(jù)信息按照適應(yīng)度值進(jìn)行計算。在應(yīng)用過程中通過雙鏈量子實(shí)數(shù)編碼的方式對化工電力安全數(shù)據(jù)信息中的各種數(shù)據(jù)信息進(jìn)行計算，設(shè)置不同染色體信息對，其上具有2m個量子位的概率幅，通過線性變化的方式，將空間范圍內(nèi)的化工電力安全數(shù)據(jù)信息Im通過映射的方式，轉(zhuǎn)換為實(shí)數(shù)表示，染色體信息對的化工電力安全數(shù)據(jù)信息可以通過以下公式表示：

Xikj1=12[bj×（1+αikj）+αj×（1-αikj）]

Xikj2=12[bj×（1+βikj）+αj×（1-βikj）] （3）

式中：αj為化工電力安全數(shù)據(jù)信息中量子位下限值;bj表示化工電力安全數(shù)據(jù)信息中量子位上限值;[αikj，βikj]T表示化工電力安全數(shù)據(jù)信息染色體對中第j個量子位。其中量子態(tài)0和1的概率幅值αikj對應(yīng)Xikj1和Xikj2。

判斷迭代次數(shù)以及收斂條件。當(dāng)?shù)螖?shù)達(dá)到設(shè)置值，或者收斂條件滿足設(shè)定值時，則停止數(shù)據(jù)計算;當(dāng)不滿足條件時，則反復(fù)進(jìn)行計算。

再對化工電力安全監(jiān)控數(shù)據(jù)信息更新操作，利用量子旋轉(zhuǎn)門和量子變異操作進(jìn)行不斷地更新。假設(shè)t=t+1，然后返回步驟3繼續(xù)進(jìn)行迭代計算。以線性變換的方式將化工電力安全數(shù)據(jù)信息映射至整個實(shí)數(shù)解空間中，從而提高了數(shù)據(jù)分類能力。上述計算過程中，在DCQGA-CRM算法中融入了量子變異操作，能夠提高種群計算過程中的數(shù)據(jù)收斂能力，提高了化工電力安全數(shù)據(jù)信息過程中的數(shù)據(jù)抗干擾能力，增加化工電力安全數(shù)據(jù)信息過程中的數(shù)據(jù)分類能力。

3 模擬仿真

本次實(shí)驗(yàn)中，選用Windows 10作為操作系統(tǒng)平臺，設(shè)置計算機(jī)內(nèi)存為32 G，Intel Xeon W-2145 CPU 3.70 GHz;本次模擬仿真實(shí)驗(yàn)的軟件選取Matlab 7.0軟件。本研究首先對數(shù)據(jù)采集系統(tǒng)進(jìn)行驗(yàn)證。

在試驗(yàn)中，首先要布局不同區(qū)域的業(yè)務(wù)范圍，根據(jù)本研究系統(tǒng)干的電力監(jiān)控系統(tǒng)的特點(diǎn)，將電力監(jiān)控系統(tǒng)主要分布在2個大區(qū)、3個小區(qū)及安全接人區(qū)，以觀測化工電力安全監(jiān)控能力。為了試驗(yàn)的便利，從數(shù)據(jù)庫中獲取數(shù)據(jù)信息，假設(shè)將采集數(shù)據(jù)分為10組，分別通過文獻(xiàn)[1]、文獻(xiàn)[2]進(jìn)行數(shù)據(jù)采集對比，所選擇的樣本信息如表1所示。

由表1可以看到，在相同的時間條件下，本方法與文獻(xiàn)[1]、文獻(xiàn)[2]進(jìn)行對比分析，本研究的方法采集到的數(shù)據(jù)信息較多。數(shù)據(jù)采集效率對比結(jié)果如圖6所示。

由圖6可知，發(fā)現(xiàn)在相同的時間內(nèi)，文獻(xiàn)[1]方法比文獻(xiàn)[2]方法采集的數(shù)據(jù)量較多。隨著時間的延長，文獻(xiàn)[1]方法和文獻(xiàn)[2]方法都在不斷地增加，且文獻(xiàn)[1]方法比文獻(xiàn)[2]方法采集的數(shù)據(jù)量更多。本研究的方法在數(shù)據(jù)采集開始就表現(xiàn)出了突出的數(shù)據(jù)采集量，隨著時間不斷增加，本研究方法表現(xiàn)出優(yōu)異的數(shù)據(jù)采集量。

下面對信息融合模型進(jìn)行驗(yàn)證，其中方案一為通過K-means 算法實(shí)現(xiàn)的數(shù)據(jù)分類;方案二為BP神經(jīng)網(wǎng)絡(luò)算法模型采用的分類算法;方案三為采用決策樹實(shí)現(xiàn)的數(shù)據(jù)分類算法。假設(shè)不同傳感器采集到的數(shù)據(jù)類型為1 000×103種分布式數(shù)據(jù)類型，在時間為4 h的范圍內(nèi)，觀察采集到的數(shù)據(jù)信息整合程度。數(shù)據(jù)整合將不同傳感器采集到的數(shù)據(jù)源A進(jìn)行收集、整理、清洗，轉(zhuǎn)換，然后加載到新的數(shù)據(jù)源B中，為用戶提供統(tǒng)一的數(shù)據(jù)集成方式。分別采用3組數(shù)據(jù)信息，數(shù)據(jù)量分別為1×105、2×105、3×105和4×105個數(shù)據(jù)集合。數(shù)據(jù)整合后，通過用戶分析數(shù)據(jù)的耗時來驗(yàn)證4種不同方案的工作效率。方案對比示意圖如圖7所示。

由圖7可以看到，通過相同方法的數(shù)據(jù)采集后，本研究的方法在進(jìn)行數(shù)據(jù)分析時，經(jīng)過8 h的計算，實(shí)驗(yàn)在開始的2 h，本研究方法的準(zhǔn)確率上升到90%;而方案一方法和方案二方法準(zhǔn)確率只達(dá)到50%多。隨著時間的不斷延長，實(shí)驗(yàn)數(shù)據(jù)的逐步增多，不同方案的準(zhǔn)確率都在逐步提高;而本研究方法的準(zhǔn)確率很快上升到90%，并且逐步大于90%。說明本研究的方法搜索能力強(qiáng)，分析精度高。

4 結(jié)語

在化工園區(qū)里，電力設(shè)備運(yùn)行、電力施工中的電力安全問題應(yīng)得到重視。本文構(gòu)建了一套提高化工電力安全施工作業(yè)監(jiān)控能力的技術(shù)方案，設(shè)計了一套化工電力安全監(jiān)控系統(tǒng)。該技術(shù)方案克服了文獻(xiàn)[1]、文獻(xiàn)[2]技術(shù)方案存在的不足與缺陷，采用基于STM32F103VET6單片機(jī)的ARM嵌入式系列計算芯片，提高了化工電力安全硬件技術(shù)的監(jiān)控能力。并設(shè)計了一套包括控制模塊、通訊模塊、通訊節(jié)點(diǎn)、計算模塊等數(shù)據(jù)采集系統(tǒng)，提高了數(shù)據(jù)采集能力;通過改進(jìn)型雙鏈量子遺傳算法實(shí)現(xiàn)電力數(shù)據(jù)挖掘，提高了數(shù)據(jù)分析能力。本研究為下一步技術(shù)的研究奠定技術(shù)基礎(chǔ)。本研究方法在應(yīng)用過程中仍存在一些不足，比如數(shù)據(jù)分析和應(yīng)用等。

【參考文獻(xiàn)】

[1] 鄧傳華.“人工智能+物聯(lián)網(wǎng)技術(shù)”在電力關(guān)鍵設(shè)備安全管控中的應(yīng)用[J].中國高新科技，2020（3）：24-25.

[2] 孫宇飛，顧書玉，李賓皚，等.基于深度神經(jīng)網(wǎng)絡(luò)的基建視頻智能分析系統(tǒng)[J].電力信息化，2020，18（2）：69-74.

[3] 苑晉沛，聶宇，羅超，等.試論人工智能在電力監(jiān)控中的應(yīng)用[J].科技創(chuàng)新與應(yīng)用，2018（3）：141-142.

[4] 徐奕帆.淺析電氣自動化控制中人工智能技術(shù)應(yīng)用[J].電力系統(tǒng)裝備，2019（15）：85-86.

[5] 孫暄，馮勇，李響.基于大數(shù)據(jù)的電力安全監(jiān)測系統(tǒng)設(shè)計與研究[J].通信技術(shù)，2019，52（9）：224-230.

[6] 金坤.人工智能技術(shù)在電力監(jiān)控系統(tǒng)的應(yīng)用[J].集成電路應(yīng)用，2020，37（2）：90-91.

[7] 王向東，黃朝暉，武劍，等.人工智能技術(shù)在電力系統(tǒng)狀態(tài)估計的應(yīng)用研究[J].自動化與儀器儀表，2020（3）：179-183.

[8] 楊春，王哲，聶波，等.人工智能技術(shù)在電力工程數(shù)據(jù)處理中的研究與應(yīng)用[J].電子設(shè)計工程，2020，28（2）：91-94.

[9] 鄭天齊，鄔軍軍，趙德基，等.人工智能算法在無人值守變電站中的應(yīng)用[J].數(shù)字技術(shù)與應(yīng)用，2019，37 （8）：126-130.

[10] ZHAO X F，LIU H，YU Y，et al.Displacement monitoring technique using a smartphoneBased on the laser projection-sensing method[J].Sensors & Actuators A：Physical，2016，246：35-47.