浅析基于神经网络的工业企业电气安全评价方法研究

摘要：使用扩散神经网络方法建立了工业公司的电力安全实施评价与预警系统。方法：从工业企业的电网开关设备控制系统和总线CT控制系统中获取数据。数据的维数和投影用minmax方式实现，数据等距同构管理。通过单个的神经网络模型生成降维算法评估结果，再通过二维差分法禁用评估结果，最后生成了"橙红色"等四种色彩的预警。结果：系统更偏向于对局部断电事件发出黄色警告，对电弧分解事故发出橙色警告，对火灾事故、系统停机和人身事故发出红色警告。对重大火灾事故、系统停机和人身事故发出了红色警报。该系统可对重大电力火灾、系统关闭、人员伤亡等重大事故作出百分之一百警告。针对局部夺权、断弧等偶发事件，受不完全数据影响，预报准确度分别为百分之九十六点九和百分之八十七点八。研究结论为：该系统在工业企业电网安全快速预警要求下，具备一定使用价值。

关键词：神经网络;工业企业;电气安全;数据预警;实时监控

引言

工业企业的能源消耗系统包括能源获取和能源选择系统、内部电压变换和控制系统、能源质量管理系统、总线管理系统、内部配电和输电网络，一般规模以上工业企业能源负荷大，能源体系复杂。供电体系涉及多种连接，如供电、变压器、网络和供电，故障机理基本涉及供电故障的各种方面。作為工业电气系统重大安全事故对工业企业影响的重要组成部分，轻于水的发生可以引起企业内网局部能源故障，从而造成整个工业生产系统中的大部分装置关闭，从而影响全部的工业生产流程，甚至导致企业巨大损失。而重大事故还可以引起次生灾害，如电弧起火。在工业生产系统中由于能源损失或失控，导致的压力容器、高温容器、有毒有害物质储存系统、锅炉系统和化学反应器发生泄漏、爆炸等事故;因电弧和能量损失引起的易燃气体和爆炸性粉尘失控引起的爆炸和偏转事故;由上述原因造成的人身死亡。

因此，基于工业企业能耗系统信息互联网，它是工业企业整体安全系统的重要组成部分，是工业企业应使用的大量数据应用，以彻底破坏它，制定电气系统运行状态的动态安全指标，并对数据进行实时控制和预警。

一、工业物联网大数据用于企业用电系统

与电网企业复杂的电力网络比较，电子工业公司事物的电力网络较为简洁，但一般也无法运行大规模运营数据系统。因此他们的物联网探针设备大多采用了内置物联网探针系统，如开关设备，主要来自于在开关或电源（包括变压器开关）上，内部的各种保护系统探针以及一些综合母线保护系统。通过从这些系统中获取数据的物联网，可以分析和得到每个装置的安全状况数据、电力品质数据、电网运行拓扑信息和负载分配数据等。其总体结构如图一所显示。

因为大多数保护模块都提供了外部数据共享连接，所以将设备的内部保护系统的数据共享连接直接建立在工业网络上，将数据采集到动态安全性评价的主机数据库中，然后再加以分析，可以得到相应的大数据预警结论。就这样，对来自工业企业的电子物联网大数据系统有很大的不完全，主要体现在以下两点：1）其数据采集覆较为全面，所以很有必要隔离数据。所以，有必要引进基于神经网络的机器学习算法，在不完全异构数据的支持下对综合预警数据进行分类。

二、电气安全的快速神经报警网络设计

2.1数据治理和数据同构

电压检测结果出现很大差别的主要原因，就是由于电网中各个装置间的数据协议以及数据收集规则出现不同，而物联网探头装置的配置流程又是互相隔离的，这就导致了它在只服务于一个装置的运行条件下正常工作，并且不需要在装置内部共享信息。如果系统是同构。则有方程（1）：Yi=Xi minmax min（1），其中Xi是数据列的输入值ith与输入值对应的项目值;最小值和最大值是该数据列的最小值和最大值;

为了提高数据的特征性能，选择一个较长的周期L，如前三个月的工作周期，并以标记`65292的偏差率计算其平均算术方法;选择一个较短的周期，如10分钟的工作周期，并计算其算术平均值S和评分偏差率，如式（2）和式（3）所示：=1N'Josiat8721i'Jill8712i;NYi'SEA652882'1.N.Jos8721i'Chie8712N;

2-2（3），其中Yi为公式（1）的输出结果;n为调查期间的输出结果数据量表;此时，整个系统可以形成三个数据组6：

（1）长期算术平均值L和尺寸偏差

（2）短期和短期算术平均;

（3）实时断面数据平均值T和偏差率标记

2.2神经网络模块设计

数据的含义是长期、短期和实时数据的特征。这些数据的统计特征发生显著变化，风险值也随之变化。

在这种情况下，使用单个模块提取深层数据可以完成风险数据的实时发现和实时预警，如图2所示

三、总结

该系统可对电气火灾、供电系统关闭、人员伤亡等重大事故进行100%预警。对于偶尔发生的事故，如局部停电和断弧，受不完整数据的影响，预测准确率分别为96.9%和87.8%。可以认为，在工业企业快速报警电网的安全需求下，该系统具有一定的应用价值。

参考文献：

[1]周飞燕，金林鹏，董军.卷积神经网络研究综述[J].计算机学报，2017，40（06）：1229-1251.

[2]焦李成，杨淑媛，刘芳，王士刚，冯志玺.神经网络七十年：回顾与展望[J].计算机学报，2016，39（08）：1697-1716.

[3]陈志宝，丁杰，周海，程序，朱想.地基云图结合径向基函数人工神经网络的光伏功率超短期预测模型[J].中国电机工程学报，2015，35（03）：561-567.

[4]朱坚民，沈正强，李孝茹，齐北川.基于神经网络反馈补偿控制的磁悬浮球位置控制[J].仪器仪表学报，2014，35（05）：976-986.4.

作者简介：姚敏豪 男 广东省梅州市 汉族 1992年5月 本科 广东中烟工业有限责任公司梅州卷烟厂 研究方向：工业机械和信息。