基于人工智能算法模型的化工電力安全監控技術

高宏 張俊嶺 宋曉東 牛永光 馬超 劉祥振

摘 要：研究構建了一套化工智能化工電力安全監控系統，包括控制模塊、通訊模塊、通訊節點、計算模塊和ETL模型等，提高了數據通信能力。通過監控模塊實現變電設備、輸電設備、電力設備運行現場、電網運行、生產管理以及其他監測設備運行信息監控，提高了化工園區配電網故障診斷與監控能力。還構建了一套改進型雙鏈量子遺傳算法模型，提高了電力數據挖掘能力。試驗結果表明：化工電力安全監控系統數據采集效率高，監控能力強，大大提高了化工電力安全監控能力。

關鍵詞：電力安全;設備運行;雙鏈量子遺傳算法;數據挖掘

中圖分類號：TU2TP391?????? 文獻標識碼：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

在化工園區中，電力設備運行環境下以及電網技術運行中，容易出現多種威脅化工電力安全的因素。由于化工領域內存在化學腐蝕等多種意外因素，如何對化工電力安全設備中各種設備的故障診斷及狀態檢修是電力系統的重要課題。常規技術中，大多通過各種傳感器技術、廣域通信技術和信息處理技術實現電力設備運行狀態的實時感知及監視預警，但是監控力度薄弱。尤其是面對大量電力設備輸出數據時，這方面的處理能力更為欠缺。隨著化工技術的飛速發展，人工智能被逐步應用到化工電力安全設備中，現有技術應用中，該技術不夠完善?，F有技術，文獻[1]中采用有源RFID標記結合的方式實現電力關鍵部門的在運設備資產監控，通過物聯網的方式實現信息監控，比起常規人工統計方法，該方法確實大大提高了電力安全監控能力，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現電力安全監控;文獻[2]通過人工智能技術實現電力設備安全管控，通過深度神經網絡模型實現安全設備的分類與監控，該方法雖然在一定程度上提高了電力安全監控的能力，但是在面對眾多電力安全數據信息時，仍舊無能為力。

1 化工電力安全監控系統設計

為了提高化工電力安全施工作業監控能力，本研究設計了一套化工電力安全監控系統，實現不同項目、不同類型化工電力安全施工作業信息的獲取，通過監控模塊實現變電設備、輸電設備、電力設備運行現場、電網運行、生產管理以及其他監測設備運行信息監控[3]?；る娏Π踩O控系統整體架構示意圖如圖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）、電網運行、生產運行等[4]，各種數據場合都容易受到故障威脅。如何實現電網運行信息和其他運行故障信息等數據監控？本研究采用多種數據傳感器實現不同數據的采集，并對采集到的數據信息進行類型轉換、冗余處理以及模型映射等多種數據信息的處理，最終構建出完整的化工電力安全運行狀態數據庫。通過這些數據庫信息，實現多種不同化工電力安全狀態的評估和預測[5-6]。監控硬件結構示意圖如圖2所示。

在數據監控時，采用基于STM32F103VET6單片機的ARM嵌入式系列計算芯片實現化工電力安全硬件技術的監控。在化工電力安全監控硬件中，由于數量大，可以采用LM1117低壓差電壓調節器選擇監控數據的范圍，并且在電路中設置IN4734穩壓二極管實現電路中電壓的穩定[7]。通過引入ARM Cortex系列單片機電路實現化工電力安全數據信息的監控。在控制多種數據信息時，通過芯片TMS32010實現數據處理，在計算監控的數據信息時，通過16×16的硬件乘法器實現不同數據信息的計算。在進行數據處理時，通過周期為200 ns實現數據信息的傳遞與采集;通過RS232數據線實現數據傳遞與采集，有利于數據的動態可視化監控。

在數據傳遞過程中，由于電力運行以及施工現場面積大，涉及范圍廣，需要用到不同形式的計算機網絡，每個網絡中存在不同的數據子系統。子系統工作時，其產生的數據信息通過統籌分析的方法進行數據分析，這里采用ETL（Extract Transform Load）[8-9]工作實現化工電力安全監控不同數據采集和實時流數據的處理。通過這種數據架構能夠提高數據信息的挖掘處理，傳輸過程比較簡單，在進行數據挖掘時，數據傳遞的實時性較好。在數據轉換過程中，通過整理結構化數據和半結構化的時間序列數據，提高數據庫加載能力。

2 關鍵技術設計

2.1 監控數據傳遞技術研究

本研究的數據采集系統包括控制模塊、通訊模塊、通訊節點、計算模塊等，并且充分利用ETL模型的技術優勢，提高數據采集的靈活性和適用性。數據采集管理系統如圖3所示。

本研究設計的源數據采集系統為基于ARM處理器的控制單元。該控制單元設置有安全控制器硬件結構，接口方式為多種方式，有RJ45網絡接口、RS485通信接口和CAN總線接口等，采集到的數據信息通過EEPROM存儲器進行數據存儲。該控制器通過ARM處理器實現數據的多種控制，且其連接有復位電路、時鐘電路和電源電路等[10]，能夠實現監控系統安全、有效地運行。在進行數據通訊時，能夠滿足多同數據協議的通信，將所有的分布式數據信息通過通訊協議連接起來。該系統設置有TCP通信模塊和UDP通信模塊，通過多線程設計的方式實現通信連接，實現電力安全監控中多信息數據節點的采集。因此，在數據通信中，采用多數據通信方式，并構建多種數據傳感器，以便在獲取數據信息后，對數據信息進行融合、分析與計算，最終通過采集節點輸出數據信息。這樣輸出24位或者多位數的隨機數，通過將不同的數據接收點與網絡地址和端口號進行配對、匹配，實現數據輸出。由于接入的傳感器數量較多 ，具有不同種類，設置了多種 I/O復用通信模型。通過這種方式，能夠實現多線程資源競爭，提高了數據通訊能力。

2.2 改進型雙鏈量子遺傳算法的電力數據挖掘

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

結合圖4，下面對本研究的算法進行說明。首先從化工電力安全數據庫中提取化工電力安全數據信息，設置改進型雙鏈量子遺傳算法DCQGA-CRM的初始參數。其中種群規模為n，每條化工電力安全數據信息染色體基因位數為m，最大迭代次數為g。設置t=0，種群初始化，對不同數據信息的參數進行初始化，采用QGA量子位的編碼進行標記。

然后將采集到的各種化工電力安全數據信息轉換為雙鏈量子遺傳算法參數。其中量子比特在二維復向量空間中表示為一個單位向量，量子態通過0態或者1態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）

在應用雙鏈量子遺傳算法的分類規則對化工電力安全數據信息分類時，設置α、β為量子比特的概率幅;當量子比特以|α|2、|β|2概率收斂到0態或1態時，并且|α|2+|β|2=1時， DCQGA-CRM編碼對化工電力安全數據信息管理的公式為：

Pi=cos（ti1）

sin（ti1）cos（ti2）

sin（ti2）…cos（tim）

sin（tim）（2）

將化工電力數據信息類比成雙鏈量子遺傳算法中的各種數據信息。其中cos（tim）、sin（tim）分別為化工電力安全數據信息分類的兩個概率幅。每種化工電力安全數據信息分類的染色體可以在空間范圍內進行信息搜索，可以輸出兩個最優解。通過DCQGA-CRM 算法模型能夠將雙態量子實數編碼方案的幅值在[-1，1]內。

對采集到的數據信息進行空間變換，將化工電力安全數據信息轉換的基因鏈在空間范圍內通過Im=[-1，1]進行信息映射，將生成的數據信息以初始規則集的方式集合。

將化工電力安全數據信息各種染色體數據信息按照適應度值進行計算。在應用過程中通過雙鏈量子實數編碼的方式對化工電力安全數據信息中的各種數據信息進行計算，設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，將空間范圍內的化工電力安全數據信息Im通過映射的方式，轉換為實數表示，染色體信息對的化工電力安全數據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為化工電力安全數據信息中量子位下限值;bj表示化工電力安全數據信息中量子位上限值;[αikj，βikj]T表示化工電力安全數據信息染色體對中第j個量子位。其中量子態0和1的概率幅值αikj對應Xikj1和Xikj2。

判斷迭代次數以及收斂條件。當迭代次數達到設置值，或者收斂條件滿足設定值時，則停止數據計算;當不滿足條件時，則反復進行計算。

再對化工電力安全監控數據信息更新操作，利用量子旋轉門和量子變異操作進行不斷地更新。假設t=t+1，然后返回步驟3繼續進行迭代計算。以線性變換的方式將化工電力安全數據信息映射至整個實數解空間中，從而提高了數據分類能力。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據收斂能力，提高了化工電力安全數據信息過程中的數據抗干擾能力，增加化工電力安全數據信息過程中的數據分類能力。

3 模擬仿真

本次實驗中，選用Windows 10作為操作系統平臺，設置計算機內存為32 G，Intel Xeon W-2145 CPU 3.70 GHz;本次模擬仿真實驗的軟件選取Matlab 7.0軟件。本研究首先對數據采集系統進行驗證。

在試驗中，首先要布局不同區域的業務范圍，根據本研究系統干的電力監控系統的特點，將電力監控系統主要分布在2個大區、3個小區及安全接人區，以觀測化工電力安全監控能力。為了試驗的便利，從數據庫中獲取數據信息，假設將采集數據分為10組，分別通過文獻[1]、文獻[2]進行數據采集對比，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[1]、文獻[2]進行對比分析，本研究的方法采集到的數據信息較多。數據采集效率對比結果如圖6所示。

由圖6可知，發現在相同的時間內，文獻[1]方法比文獻[2]方法采集的數據量較多。隨著時間的延長，文獻[1]方法和文獻[2]方法都在不斷地增加，且文獻[1]方法比文獻[2]方法采集的數據量更多。本研究的方法在數據采集開始就表現出了突出的數據采集量，隨著時間不斷增加，本研究方法表現出優異的數據采集量。

下面對信息融合模型進行驗證，其中方案一為通過K-means 算法實現的數據分類;方案二為BP神經網絡算法模型采用的分類算法;方案三為采用決策樹實現的數據分類算法。假設不同傳感器采集到的數據類型為1 000×103種分布式數據類型，在時間為4 h的范圍內，觀察采集到的數據信息整合程度。數據整合將不同傳感器采集到的數據源A進行收集、整理、清洗，轉換，然后加載到新的數據源B中，為用戶提供統一的數據集成方式。分別采用3組數據信息，數據量分別為1×105、2×105、3×105和4×105個數據集合。數據整合后，通過用戶分析數據的耗時來驗證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，通過相同方法的數據采集后，本研究的方法在進行數據分析時，經過8 h的計算，實驗在開始的2 h，本研究方法的準確率上升到90%;而方案一方法和方案二方法準確率只達到50%多。隨著時間的不斷延長，實驗數據的逐步增多，不同方案的準確率都在逐步提高;而本研究方法的準確率很快上升到90%，并且逐步大于90%。說明本研究的方法搜索能力強，分析精度高。

4 結語

在化工園區里，電力設備運行、電力施工中的電力安全問題應得到重視。本文構建了一套提高化工電力安全施工作業監控能力的技術方案，設計了一套化工電力安全監控系統。該技術方案克服了文獻[1]、文獻[2]技術方案存在的不足與缺陷，采用基于STM32F103VET6單片機的ARM嵌入式系列計算芯片，提高了化工電力安全硬件技術的監控能力。并設計了一套包括控制模塊、通訊模塊、通訊節點、計算模塊等數據采集系統，提高了數據采集能力;通過改進型雙鏈量子遺傳算法實現電力數據挖掘，提高了數據分析能力。本研究為下一步技術的研究奠定技術基礎。本研究方法在應用過程中仍存在一些不足，比如數據分析和應用等。

【參考文獻】

[1] 鄧傳華.“人工智能+物聯網技術”在電力關鍵設備安全管控中的應用[J].中國高新科技，2020（3）：24-25.

[2] 孫宇飛，顧書玉，李賓皚，等.基于深度神經網絡的基建視頻智能分析系統[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控中的應用[J].科技創新與應用，2018（3）：141-142.

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

[5] 孫暄，馮勇，李響.基于大數據的電力安全監測系統設計與研究[J].通信技術，2019，52（9）：224-230.

[6] 金坤.人工智能技術在電力監控系統的應用[J].集成電路應用，2020，37（2）：90-91.

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

[8] 楊春，王哲，聶波，等.人工智能技術在電力工程數據處理中的研究與應用[J].電子設計工程，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用[J].數字技術與應用，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.