基于人工智能算法模型的化工电力安全监控技术

高宏 张俊岭 宋晓东 牛永光 马超 刘祥振

摘 要：研究构建了一套化工智能化工电力安全监控系统，包括控制模块、通讯模块、通讯节点、计算模块和ETL模型等，提高了数据通信能力。通过监控模块实现变电设备、输电设备、电力设备运行现场、电网运行、生产管理以及其他监测设备运行信息监控，提高了化工园区配电网故障诊断与监控能力。还构建了一套改进型双链量子遗传算法模型，提高了电力数据挖掘能力。试验结果表明：化工电力安全监控系统数据采集效率高，监控能力强，大大提高了化工电力安全监控能力。

关键词：电力安全;设备运行;双链量子遗传算法;数据挖掘

中图分类号：TU2TP391       文献标识码：A 文章编号：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

在化工園区中，电力设备运行环境下以及电网技术运行中，容易出现多种威胁化工电力安全的因素。由于化工领域内存在化学腐蚀等多种意外因素，如何对化工电力安全设备中各种设备的故障诊断及状态检修是电力系统的重要课题。常规技术中，大多通过各种传感器技术、广域通信技术和信息处理技术实现电力设备运行状态的实时感知及监视预警，但是监控力度薄弱。尤其是面对大量电力设备输出数据时，这方面的处理能力更为欠缺。随着化工技术的飞速发展，人工智能被逐步应用到化工电力安全设备中，现有技术应用中，该技术不够完善。现有技术，文献[1]中采用有源RFID标记结合的方式实现电力关键部门的在运设备资产监控，通过物联网的方式实现信息监控，比起常规人工统计方法，该方法确实大大提高了电力安全监控能力，但该方法仅仅是通过射频识别的方式，无法通过分类的方式实现电力安全监控;文献[2]通过人工智能技术实现电力设备安全管控，通过深度神经网络模型实现安全设备的分类与监控，该方法虽然在一定程度上提高了电力安全监控的能力，但是在面对众多电力安全数据信息时，仍旧无能为力。

1 化工电力安全监控系统设计

为了提高化工电力安全施工作业监控能力，本研究设计了一套化工电力安全监控系统，实现不同项目、不同类型化工电力安全施工作业信息的获取，通过监控模块实现变电设备、输电设备、电力设备运行现场、电网运行、生产管理以及其他监测设备运行信息监控[3]。化工电力安全监控系统整体架构示意图如图1所示。

影响化工电力安全的因素有很多种，比如油中溶解气体、分合闸线圈电流、断路器、局部放电、SF6气体组分、氧化锌避雷器（MOA）、电容式高压套管、耦合电容器（OY）、电缆、电容式电流互感器（TA）和电容式电压互感器（CVT）、电网运行、生产运行等[4]，各种数据场合都容易受到故障威胁。如何实现电网运行信息和其他运行故障信息等数据监控？本研究采用多种数据传感器实现不同数据的采集，并对采集到的数据信息进行类型转换、冗余处理以及模型映射等多种数据信息的处理，最终构建出完整的化工电力安全运行状态数据库。通过这些数据库信息，实现多种不同化工电力安全状态的评估和预测[5-6]。监控硬件结构示意图如图2所示。

在数据监控时，采用基于STM32F103VET6单片机的ARM嵌入式系列计算芯片实现化工电力安全硬件技术的监控。在化工电力安全监控硬件中，由于数量大，可以采用LM1117低压差电压调节器选择监控数据的范围，并且在电路中设置IN4734稳压二极管实现电路中电压的稳定[7]。通过引入ARM Cortex系列单片机电路实现化工电力安全数据信息的监控。在控制多种数据信息时，通过芯片TMS32010实现数据处理，在计算监控的数据信息时，通过16×16的硬件乘法器实现不同数据信息的计算。在进行数据处理时，通过周期为200 ns实现数据信息的传递与采集;通过RS232数据线实现数据传递与采集，有利于数据的动态可视化监控。

在数据传递过程中，由于电力运行以及施工现场面积大，涉及范围广，需要用到不同形式的计算机网络，每个网络中存在不同的数据子系统。子系统工作时，其产生的数据信息通过统筹分析的方法进行数据分析，这里采用ETL（Extract Transform Load）[8-9]工作实现化工电力安全监控不同数据采集和实时流数据的处理。通过这种数据架构能够提高数据信息的挖掘处理，传输过程比较简单，在进行数据挖掘时，数据传递的实时性较好。在数据转换过程中，通过整理结构化数据和半结构化的时间序列数据，提高数据库加载能力。

2 关键技术设计

2.1 监控数据传递技术研究

本研究的数据采集系统包括控制模块、通讯模块、通讯节点、计算模块等，并且充分利用ETL模型的技术优势，提高数据采集的灵活性和适用性。数据采集管理系统如图3所示。

本研究设计的源数据采集系统为基于ARM处理器的控制单元。该控制单元设置有安全控制器硬件结构，接口方式为多种方式，有RJ45网络接口、RS485通信接口和CAN总线接口等，采集到的数据信息通过EEPROM存储器进行数据存储。该控制器通过ARM处理器实现数据的多种控制，且其连接有复位电路、时钟电路和电源电路等[10]，能够实现监控系统安全、有效地运行。在进行数据通讯时，能够满足多同数据协议的通信，将所有的分布式数据信息通过通讯协议连接起来。该系统设置有TCP通信模块和UDP通信模块，通过多线程设计的方式实现通信连接，实现电力安全监控中多信息数据节点的采集。因此，在数据通信中，采用多数据通信方式，并构建多种数据传感器，以便在获取数据信息后，对数据信息进行融合、分析与计算，最终通过采集节点输出数据信息。这样输出24位或者多位数的随机数，通过将不同的数据接收点与网络地址和端口号进行配对、匹配，实现数据输出。由于接入的传感器数量较多 ，具有不同种类，设置了多种 I/O复用通信模型。通过这种方式，能够实现多线程资源竞争，提高了数据通讯能力。

2.2 改进型双链量子遗传算法的电力数据挖掘

通过上述数据信息传递后，为了提高电力数据挖掘能力，采用改进的双链量子遗传算法（DCQGA-CRM）的分类规则挖掘各种数据库信息。该算法能够提高数据算法的搜索能力，提高数据分析能力。改进型双链量子遗传算法的分类规则挖掘的方法示意图如图4所示。

结合图4，下面对本研究的算法进行说明。首先从化工电力安全数据庫中提取化工电力安全数据信息，设置改进型双链量子遗传算法DCQGA-CRM的初始参数。其中种群规模为n，每条化工电力安全数据信息染色体基因位数为m，最大迭代次数为g。设置t=0，种群初始化，对不同数据信息的参数进行初始化，采用QGA量子位的编码进行标记。

然后将采集到的各种化工电力安全数据信息转换为双链量子遗传算法参数。其中量子比特在二维复向量空间中表示为一个单位向量，量子态通过0态或者1态以叠加的方式累加或者叠加，可以公式表示：

|φ>=α|0>+β|1>=（αβ）（1）

在应用双链量子遗传算法的分类规则对化工电力安全数据信息分类时，设置α、β为量子比特的概率幅;当量子比特以|α|2、|β|2概率收敛到0态或1态时，并且|α|2+|β|2=1时， DCQGA-CRM编码对化工电力安全数据信息管理的公式为：

Pi=cos（ti1）

sin（ti1）cos（ti2）

sin（ti2）…cos（tim）

sin（tim）（2）

将化工电力数据信息类比成双链量子遗传算法中的各种数据信息。其中cos（tim）、sin（tim）分别为化工电力安全数据信息分类的两个概率幅。每种化工电力安全数据信息分类的染色体可以在空间范围内进行信息搜索，可以输出两个最优解。通过DCQGA-CRM 算法模型能够将双态量子实数编码方案的幅值在[-1，1]内。

对采集到的数据信息进行空间变换，将化工电力安全数据信息转换的基因链在空间范围内通过Im=[-1，1]进行信息映射，将生成的数据信息以初始规则集的方式集合。

将化工电力安全数据信息各种染色体数据信息按照适应度值进行计算。在应用过程中通过双链量子实数编码的方式对化工电力安全数据信息中的各种数据信息进行计算，设置不同染色体信息对，其上具有2m个量子位的概率幅，通过线性变化的方式，将空间范围内的化工电力安全数据信息Im通过映射的方式，转换为实数表示，染色体信息对的化工电力安全数据信息可以通过以下公式表示：

Xikj1=12[bj×（1+αikj）+αj×（1-αikj）]

Xikj2=12[bj×（1+βikj）+αj×（1-βikj）] （3）

式中：αj为化工电力安全数据信息中量子位下限值;bj表示化工电力安全数据信息中量子位上限值;[αikj，βikj]T表示化工电力安全数据信息染色体对中第j个量子位。其中量子态0和1的概率幅值αikj对应Xikj1和Xikj2。

判断迭代次数以及收敛条件。当迭代次数达到设置值，或者收敛条件满足设定值时，则停止数据计算;当不满足条件时，则反复进行计算。

再对化工电力安全监控数据信息更新操作，利用量子旋转门和量子变异操作进行不断地更新。假设t=t+1，然后返回步骤3继续进行迭代计算。以线性变换的方式将化工电力安全数据信息映射至整个实数解空间中，从而提高了数据分类能力。上述计算过程中，在DCQGA-CRM算法中融入了量子变异操作，能够提高种群计算过程中的数据收敛能力，提高了化工电力安全数据信息过程中的数据抗干扰能力，增加化工电力安全数据信息过程中的数据分类能力。

3 模拟仿真

本次实验中，选用Windows 10作为操作系统平台，设置计算机内存为32 G，Intel Xeon W-2145 CPU 3.70 GHz;本次模拟仿真实验的软件选取Matlab 7.0软件。本研究首先对数据采集系统进行验证。

在试验中，首先要布局不同区域的业务范围，根据本研究系统干的电力监控系统的特点，将电力监控系统主要分布在2个大区、3个小区及安全接人区，以观测化工电力安全监控能力。为了试验的便利，从数据库中获取数据信息，假设将采集数据分为10组，分别通过文献[1]、文献[2]进行数据采集对比，所选择的样本信息如表1所示。

由表1可以看到，在相同的时间条件下，本方法与文献[1]、文献[2]进行对比分析，本研究的方法采集到的数据信息较多。数据采集效率对比结果如图6所示。

由图6可知，发现在相同的时间内，文献[1]方法比文献[2]方法采集的数据量较多。随着时间的延长，文献[1]方法和文献[2]方法都在不断地增加，且文献[1]方法比文献[2]方法采集的数据量更多。本研究的方法在数据采集开始就表现出了突出的数据采集量，随着时间不断增加，本研究方法表现出优异的数据采集量。

下面对信息融合模型进行验证，其中方案一为通过K-means 算法实现的数据分类;方案二为BP神经网络算法模型采用的分类算法;方案三为采用决策树实现的数据分类算法。假设不同传感器采集到的数据类型为1 000×103种分布式数据类型，在时间为4 h的范围内，观察采集到的数据信息整合程度。数据整合将不同传感器采集到的数据源A进行收集、整理、清洗，转换，然后加载到新的数据源B中，为用户提供统一的数据集成方式。分别采用3组数据信息，数据量分别为1×105、2×105、3×105和4×105个数据集合。数据整合后，通过用户分析数据的耗时来验证4种不同方案的工作效率。方案对比示意图如图7所示。

由图7可以看到，通过相同方法的数据采集后，本研究的方法在进行数据分析时，经过8 h的计算，实验在开始的2 h，本研究方法的准确率上升到90%;而方案一方法和方案二方法准确率只达到50%多。随着时间的不断延长，实验数据的逐步增多，不同方案的准确率都在逐步提高;而本研究方法的准确率很快上升到90%，并且逐步大于90%。说明本研究的方法搜索能力强，分析精度高。

4 结语

在化工园区里，电力设备运行、电力施工中的電力安全问题应得到重视。本文构建了一套提高化工电力安全施工作业监控能力的技术方案，设计了一套化工电力安全监控系统。该技术方案克服了文献[1]、文献[2]技术方案存在的不足与缺陷，采用基于STM32F103VET6单片机的ARM嵌入式系列计算芯片，提高了化工电力安全硬件技术的监控能力。并设计了一套包括控制模块、通讯模块、通讯节点、计算模块等数据采集系统，提高了数据采集能力;通过改进型双链量子遗传算法实现电力数据挖掘，提高了数据分析能力。本研究为下一步技术的研究奠定技术基础。本研究方法在应用过程中仍存在一些不足，比如数据分析和应用等。

【参考文献】

[1] 邓传华.“人工智能+物联网技术”在电力关键设备安全管控中的应用[J].中国高新科技，2020（3）：24-25.

[2] 孙宇飞，顾书玉，李宾皑，等.基于深度神经网络的基建视频智能分析系统[J].电力信息化，2020，18（2）：69-74.

[3] 苑晋沛，聂宇，罗超，等.试论人工智能在电力监控中的应用[J].科技创新与应用，2018（3）：141-142.

[4] 徐奕帆.浅析电气自动化控制中人工智能技术应用[J].电力系统装备，2019（15）：85-86.

[5] 孙暄，冯勇，李响.基于大数据的电力安全监测系统设计与研究[J].通信技术，2019，52（9）：224-230.

[6] 金坤.人工智能技术在电力监控系统的应用[J].集成电路应用，2020，37（2）：90-91.

[7] 王向东，黄朝晖，武剑，等.人工智能技术在电力系统状态估计的应用研究[J].自动化与仪器仪表，2020（3）：179-183.

[8] 杨春，王哲，聂波，等.人工智能技术在电力工程数据处理中的研究与应用[J].电子设计工程，2020，28（2）：91-94.

[9] 郑天齐，邬军军，赵德基，等.人工智能算法在无人值守变电站中的应用[J].数字技术与应用，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.