0 引言

    隨著我國(guó)現(xiàn)代化進(jìn)程的推進(jìn)，電的使用已經(jīng)深入到各行各業(yè)生產(chǎn)和生活中，低壓配電系統(tǒng)所占比例越來(lái)越大，居民用電量急劇上升。電作為一種重要的能源，對(duì)經(jīng)濟(jì)和生活起著巨大作用的同時(shí)也帶來(lái)了電氣安全隱患。據(jù)公安部消防局統(tǒng)計(jì)，2006年～2015年這十年內(nèi)，我國(guó)每年由于電氣故障引發(fā)的火災(zāi)總數(shù)占總火災(zāi)起數(shù)的比例高達(dá)30%，其帶來(lái)的財(cái)產(chǎn)損失和人員傷亡情況在總火災(zāi)損失中占比52%^[1]。

    由于影響企業(yè)電氣安全性因素很多，因素之間的關(guān)聯(lián)性存在非線性，長(zhǎng)期以來(lái)電氣安全評(píng)估處于一個(gè)空白區(qū)域，只能憑借人工經(jīng)驗(yàn)觀察、每月巡檢的儀表測(cè)量記錄、文字描述等方式確定企業(yè)的用電安全是否合格。這種方式大大取決于企業(yè)電工的經(jīng)驗(yàn)和技術(shù)水平以及數(shù)據(jù)記錄的準(zhǔn)確性和完整性。在實(shí)際調(diào)研中，這種方式往往存在很大漏洞，給企業(yè)安全評(píng)估帶來(lái)隱患。因此，基于人工智能模型的電氣安全風(fēng)險(xiǎn)系數(shù)預(yù)測(cè)與診斷顯得尤為重要^[2]。

1 電氣安全管理現(xiàn)狀

    在我國(guó)，承擔(dān)低壓配電系統(tǒng)電氣安全監(jiān)測(cè)的設(shè)備主要是電氣火災(zāi)監(jiān)控系統(tǒng)設(shè)施，其發(fā)展起源于國(guó)外，主要應(yīng)用在高層建筑、公共社區(qū)、文物建筑以及工況企業(yè)，通過(guò)監(jiān)測(cè)漏電電流和溫度等參數(shù)，判斷是否超出預(yù)定閾值，達(dá)到對(duì)配電箱電氣安全進(jìn)行監(jiān)測(cè)的目的。但從近年來(lái)國(guó)內(nèi)的電氣火災(zāi)數(shù)據(jù)來(lái)看，電氣火災(zāi)監(jiān)控系統(tǒng)逐年推廣應(yīng)用，電氣火災(zāi)占比總數(shù)仍然維持在30%以上，究其原因主要有幾點(diǎn)^[3]：

    (1)孤島式電氣安全管理弊端

    傳統(tǒng)孤島式的用電安全監(jiān)控管理模式不能有效形成閉環(huán)監(jiān)管。在現(xiàn)有運(yùn)營(yíng)模式下，電氣火災(zāi)監(jiān)控系統(tǒng)一般采用局域網(wǎng)進(jìn)行集中監(jiān)控，導(dǎo)致身處一線物業(yè)電工技術(shù)人員只有在值班室才能了解整個(gè)配電運(yùn)行情況，電氣安全隱患的及時(shí)處理和事后處理結(jié)果得不到反饋。電氣安全隱患問(wèn)題存在嚴(yán)重的信息不對(duì)稱，上層管理人員作為企業(yè)的負(fù)責(zé)人缺乏合適的工具掌握企業(yè)配用電系統(tǒng)安全。

    (2)電氣火災(zāi)防控技術(shù)缺乏

    現(xiàn)有電氣火災(zāi)防控技術(shù)缺乏，大部分僅僅涉及溫度和漏電測(cè)量功能。對(duì)由于用戶的用電習(xí)慣、用電負(fù)載類(lèi)型以及配電系統(tǒng)設(shè)計(jì)考慮不合理情況，導(dǎo)致配變出現(xiàn)三相不平衡，諧波過(guò)載，在三相四線制的低壓配電系統(tǒng)中，表現(xiàn)出中性線存在過(guò)大電流甚至短路情況，無(wú)法進(jìn)行有效識(shí)別和偵測(cè)^[4]。

    (3)缺乏大數(shù)據(jù)判定電氣隱患

    缺乏平臺(tái)體系，無(wú)法通過(guò)數(shù)據(jù)支撐決策。傳統(tǒng)電氣火災(zāi)監(jiān)控系統(tǒng)主要是通過(guò)報(bào)警閾值設(shè)置，一旦過(guò)限就啟動(dòng)報(bào)警，無(wú)法有效挖掘問(wèn)題的原因所在，對(duì)后續(xù)指導(dǎo)排除安全隱患指導(dǎo)作用不明顯。也無(wú)法通過(guò)共享數(shù)據(jù)平臺(tái)實(shí)現(xiàn)事件故障診斷、評(píng)估分析和緊急預(yù)案指導(dǎo)^[5]。

2 解決方案

2.1 設(shè)計(jì)理念

    電氣安全管理系統(tǒng)從智能程度上劃分，可分為描述型、診斷型、預(yù)測(cè)型和指導(dǎo)型，如圖1所示。描述型側(cè)重于報(bào)警，當(dāng)探測(cè)器實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)達(dá)到電氣運(yùn)行危險(xiǎn)參數(shù)閾值時(shí)，發(fā)出報(bào)警信號(hào)。診斷型在描述型系統(tǒng)基礎(chǔ)之上，增加了時(shí)間維度，能夠?qū)v史數(shù)據(jù)進(jìn)行分析，獲取故障發(fā)生時(shí)的電氣參數(shù)特征，診斷電氣故障類(lèi)型，針對(duì)性地解決某類(lèi)電氣故障問(wèn)題。指導(dǎo)型和預(yù)測(cè)型系統(tǒng)在診斷型系統(tǒng)架構(gòu)上，增加了用戶用電行為分析、負(fù)荷特征和類(lèi)比分析、電氣安全風(fēng)險(xiǎn)評(píng)估、知識(shí)決策樹(shù)等功能。能夠基于真實(shí)傳感數(shù)據(jù)智能評(píng)估用戶電氣安全等級(jí)，無(wú)需人工評(píng)判，依據(jù)長(zhǎng)期動(dòng)態(tài)的監(jiān)控?cái)?shù)據(jù)自動(dòng)為用戶提供專(zhuān)業(yè)的診斷報(bào)告和應(yīng)對(duì)措施^[6-7]。

2.2 方案思路

    結(jié)合系統(tǒng)設(shè)計(jì)理念和現(xiàn)階段行業(yè)存在的痛點(diǎn)問(wèn)題，提出了以下四點(diǎn)思路：

    (1)系統(tǒng)能夠?qū)㈦姎獍踩[患顯性化，將用戶用電安全和能耗信息數(shù)據(jù)化，將應(yīng)用場(chǎng)景用電安全風(fēng)險(xiǎn)等級(jí)化。

    (2)能夠通過(guò)新型技術(shù)解決傳統(tǒng)孤島式電氣安全管理存在的信息不對(duì)稱問(wèn)題，建立多方互動(dòng)溝通交流。

    (3)系統(tǒng)能夠針對(duì)多種電氣安全隱患問(wèn)題實(shí)現(xiàn)在線偵測(cè)，多維度展示隱患根本問(wèn)題，建立隱患與數(shù)據(jù)之間的關(guān)聯(lián)性，將人工經(jīng)驗(yàn)逐步轉(zhuǎn)變?yōu)槠髽I(yè)用電管理知識(shí)庫(kù)。

    (4)具備強(qiáng)大的服務(wù)功能，電氣安全問(wèn)題絕不僅僅停留在工具層面，而是真正打通用戶側(cè)需求，建立一套隱患監(jiān)督排查治理機(jī)制。從發(fā)現(xiàn)問(wèn)題，到診斷原因，到預(yù)測(cè)分析，再到指導(dǎo)行為。

2.3 系統(tǒng)架構(gòu)

    新型電氣安全智能管理系統(tǒng)主要分為2層，分別是感知層和應(yīng)用層，系統(tǒng)架構(gòu)如圖2所示。感知層主要通過(guò)前端探測(cè)器分別對(duì)變壓器側(cè)和用戶用電末端配電系統(tǒng)進(jìn)行7×24小時(shí)實(shí)時(shí)數(shù)據(jù)監(jiān)測(cè)，建立配電系統(tǒng)基礎(chǔ)數(shù)據(jù)單元結(jié)構(gòu)模型。在應(yīng)用層上，系統(tǒng)分為3個(gè)版塊，分別是電氣安全管理、故障管理與評(píng)估預(yù)測(cè)以及輔助決策部分^[8]。

2.4 配電系統(tǒng)評(píng)估模型設(shè)計(jì)步驟

    BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型主要分為兩大部分，后臺(tái)訓(xùn)練學(xué)習(xí)模型和前臺(tái)監(jiān)督運(yùn)行評(píng)價(jià)模型，如圖3所示。其具體設(shè)計(jì)步驟如下^[9]：

    (1)設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，其結(jié)構(gòu)包含中間隱層的層數(shù)、輸入層、輸出層和隱層的節(jié)點(diǎn)數(shù)。

    (2)選擇并確定系統(tǒng)模型的評(píng)價(jià)指標(biāo)，包括特征參數(shù)、狀態(tài)。在這里特征參數(shù)主要為漏電、溫度、電壓、電流等電氣參數(shù)。

    (3)提供學(xué)習(xí)樣本，訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型。在學(xué)習(xí)樣本選擇過(guò)程中，應(yīng)該設(shè)計(jì)多組能夠反映系統(tǒng)不同安全狀態(tài)程度的向量值。

    (4)作用函數(shù)選擇，通常選擇非線形S型函數(shù)。

    (5)建立系統(tǒng)電氣安全評(píng)價(jià)模型，通過(guò)網(wǎng)絡(luò)學(xué)習(xí)確定網(wǎng)絡(luò)輸入、輸出和隱節(jié)點(diǎn)數(shù)量以及其關(guān)聯(lián)程度網(wǎng)絡(luò)權(quán)值和偏置值。

    (6)在系統(tǒng)模型的安全評(píng)估過(guò)程中，對(duì)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)將實(shí)際評(píng)估參數(shù)樣本的特征值經(jīng)過(guò)處理后輸入到具有推理功能的神經(jīng)網(wǎng)絡(luò)監(jiān)測(cè)模型中，得到評(píng)價(jià)安全的結(jié)果參數(shù)。而這個(gè)評(píng)價(jià)結(jié)果參數(shù)反過(guò)來(lái)又可以作為新的學(xué)習(xí)樣本輸入到訓(xùn)練模型中不斷迭代，調(diào)整網(wǎng)絡(luò)權(quán)值和偏置值得到最優(yōu)模型。

3 基于神經(jīng)網(wǎng)絡(luò)的電氣安全評(píng)價(jià)案例分析

3.1 風(fēng)險(xiǎn)模型網(wǎng)絡(luò)學(xué)習(xí)樣本

    對(duì)電氣火災(zāi)安全隱患因素進(jìn)行分類(lèi)，可以選擇配電系統(tǒng)電壓、電流、漏電電流、線纜溫度、三相不平衡、諧波電流作為電氣安全評(píng)價(jià)指標(biāo)，現(xiàn)以5個(gè)配電箱的6個(gè)電氣安全綜合評(píng)價(jià)指標(biāo)作為初始輸入網(wǎng)絡(luò)學(xué)習(xí)樣本，如表1所示。在這里，設(shè)計(jì)了5組能夠反映系統(tǒng)不同安全狀態(tài)程度的向量值，分別是：[-0.5，-0.5，-1.5，0.5，-1.5，-1.5]、[0.5，-0.5，-1.0，-0.5，-1.0，-0.5]、[0.5，-0.5，0.0，0.5，-0.5，-0.5]、[1.5，1.5，0.0，0.5，-1.5，-0.5]、[1.5，1.0，1.5，0.0，0.5，0.5]，對(duì)應(yīng)5種不同的安全程度等級(jí)。

3.2 風(fēng)險(xiǎn)模型評(píng)價(jià)

    在輸入量變化區(qū)間為[-1.5，1.5]，學(xué)習(xí)因子為3.56，動(dòng)量因子為0.17，預(yù)設(shè)誤差值為10-5，網(wǎng)絡(luò)結(jié)構(gòu)為6×8×1，模型迭代28 342次，所得的網(wǎng)絡(luò)評(píng)價(jià)結(jié)果如表2所示，表明基于深度學(xué)習(xí)后的BP神經(jīng)網(wǎng)絡(luò)的電氣安全評(píng)價(jià)模型對(duì)數(shù)據(jù)處理后的指標(biāo)和期望是一致的，此模型可用^[10]。

4 結(jié)束語(yǔ)

    本文主要對(duì)現(xiàn)階段國(guó)內(nèi)電氣火災(zāi)監(jiān)控系統(tǒng)存在的問(wèn)題進(jìn)行分析，針對(duì)用電安全管理，提出了基于物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)結(jié)合的電氣安全智能管理系統(tǒng)，建立基于BP神經(jīng)網(wǎng)絡(luò)的電氣火災(zāi)安全隱患評(píng)估模型，實(shí)現(xiàn)配電系統(tǒng)用電安全等級(jí)評(píng)估，為避免電氣安全評(píng)估中建立復(fù)雜數(shù)學(xué)模型描述非線性關(guān)系提出了新的技術(shù)手段。

參考文獻(xiàn)

[1] GB 50045—1995，高層民用建筑設(shè)計(jì)防火規(guī)范[S].1995.

[2] 譚世立，彭浩明，楊玲.電氣火災(zāi)隱患成因及解決方案[J]．消防科學(xué)與技術(shù)，2014，33(9).

[3] 佟瑞鵬，馬懷儉.基于神經(jīng)網(wǎng)絡(luò)理論的電氣安全綜合評(píng)價(jià)模型[J].哈爾濱理工大學(xué)學(xué)報(bào)，2010，10(2)：84-87.

[4] 阮學(xué)峰，韓水生，熊志剛，等.電氣故障診斷的系統(tǒng)方法[J].武漢大學(xué)學(xué)報(bào)(工學(xué)版)，2002，35(2)：88-90.

[5] 趙鳳芝，包鋒.基于人工神經(jīng)網(wǎng)絡(luò)的智能診斷系統(tǒng)(NNIDs)[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2000(1)：19-21.

[6] 錢(qián)剛，達(dá)慶利.基于系統(tǒng)安全工程工程能力成熟模型的信息系統(tǒng)風(fēng)險(xiǎn)評(píng)估叨[J].管理工程學(xué)報(bào)，2001，15(4)：58-60.

[7] 李季，嚴(yán)東超.BP神經(jīng)網(wǎng)絡(luò)改進(jìn)算法在電氣故障診斷系統(tǒng)中的應(yīng)用[J].電力科學(xué)與工程，2005(1)：69-72.

[8] 蔡自興，徐光佑.人工智能及其應(yīng)用[M].北京：清華大學(xué)出版社，1996.

[9] YANG X S，DEB S.Engineering optimization by cuckoosearch[J].International Journal of Mathematical Modeling & Numerical Optimization，2010，1(4)：330-343.

[10] TIPPING M E.Sparse Bayesian learning and the rele-vancevector machine[J].Journal of Machine Learning Research，2001，11(3)：211-244.

作者信息:

鄧宏斌1，岳江水1，曾  定2

（1. 國(guó)家衛(wèi)星氣象中心，北京100081；2.北京勝頂智控科技有限公司，北京100082）