0 引言

    隨著我國現(xiàn)代化進程的推進，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)所占比例越來越大，居民用電量急劇上升。電作為一種重要的能源，對經(jīng)濟和生活起著巨大作用的同時也帶來了電氣安全隱患。據(jù)公安部消防局統(tǒng)計，2006年～2015年這十年內(nèi)，我國每年由于電氣故障引發(fā)的火災總數(shù)占總火災起數(shù)的比例高達30%，其帶來的財產(chǎn)損失和人員傷亡情況在總火災損失中占比52%^[1]。

    由于影響企業(yè)電氣安全性因素很多，因素之間的關聯(lián)性存在非線性，長期以來電氣安全評估處于一個空白區(qū)域，只能憑借人工經(jīng)驗觀察、每月巡檢的儀表測量記錄、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)驗和技術水平以及數(shù)據(jù)記錄的準確性和完整性。在實際調(diào)研中，這種方式往往存在很大漏洞，給企業(yè)安全評估帶來隱患。因此，基于人工智能模型的電氣安全風險系數(shù)預測與診斷顯得尤為重要^[2]。

1 電氣安全管理現(xiàn)狀

    在我國，承擔低壓配電系統(tǒng)電氣安全監(jiān)測的設備主要是電氣火災監(jiān)控系統(tǒng)設施，其發(fā)展起源于國外，主要應用在高層建筑、公共社區(qū)、文物建筑以及工況企業(yè)，通過監(jiān)測漏電電流和溫度等參數(shù)，判斷是否超出預定閾值，達到對配電箱電氣安全進行監(jiān)測的目的。但從近年來國內(nèi)的電氣火災數(shù)據(jù)來看，電氣火災監(jiān)控系統(tǒng)逐年推廣應用，電氣火災占比總數(shù)仍然維持在30%以上，究其原因主要有幾點^[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)有運營模式下，電氣火災監(jiān)控系統(tǒng)一般采用局域網(wǎng)進行集中監(jiān)控，導致身處一線物業(yè)電工技術人員只有在值班室才能了解整個配電運行情況，電氣安全隱患的及時處理和事后處理結(jié)果得不到反饋。電氣安全隱患問題存在嚴重的信息不對稱，上層管理人員作為企業(yè)的負責人缺乏合適的工具掌握企業(yè)配用電系統(tǒng)安全。

    (2)電氣火災防控技術缺乏

    現(xiàn)有電氣火災防控技術缺乏，大部分僅僅涉及溫度和漏電測量功能。對由于用戶的用電習慣、用電負載類型以及配電系統(tǒng)設計考慮不合理情況，導致配變出現(xiàn)三相不平衡，諧波過載，在三相四線制的低壓配電系統(tǒng)中，表現(xiàn)出中性線存在過大電流甚至短路情況，無法進行有效識別和偵測^[4]。

    (3)缺乏大數(shù)據(jù)判定電氣隱患

    缺乏平臺體系，無法通過數(shù)據(jù)支撐決策。傳統(tǒng)電氣火災監(jiān)控系統(tǒng)主要是通過報警閾值設置，一旦過限就啟動報警，無法有效挖掘問題的原因所在，對后續(xù)指導排除安全隱患指導作用不明顯。也無法通過共享數(shù)據(jù)平臺實現(xiàn)事件故障診斷、評估分析和緊急預案指導^[5]。

2 解決方案

2.1 設計理念

    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、預測型和指導型，如圖1所示。描述型側(cè)重于報警，當探測器實時監(jiān)測數(shù)據(jù)達到電氣運行危險參數(shù)閾值時，發(fā)出報警信號。診斷型在描述型系統(tǒng)基礎之上，增加了時間維度，能夠?qū)v史數(shù)據(jù)進行分析，獲取故障發(fā)生時的電氣參數(shù)特征，診斷電氣故障類型，針對性地解決某類電氣故障問題。指導型和預測型系統(tǒng)在診斷型系統(tǒng)架構上，增加了用戶用電行為分析、負荷特征和類比分析、電氣安全風險評估、知識決策樹等功能。能夠基于真實傳感數(shù)據(jù)智能評估用戶電氣安全等級，無需人工評判，依據(jù)長期動態(tài)的監(jiān)控數(shù)據(jù)自動為用戶提供專業(yè)的診斷報告和應對措施^[6-7]。

2.2 方案思路

    結(jié)合系統(tǒng)設計理念和現(xiàn)階段行業(yè)存在的痛點問題，提出了以下四點思路：

    (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，將應用場景用電安全風險等級化。

    (2)能夠通過新型技術解決傳統(tǒng)孤島式電氣安全管理存在的信息不對稱問題，建立多方互動溝通交流。

    (3)系統(tǒng)能夠針對多種電氣安全隱患問題實現(xiàn)在線偵測，多維度展示隱患根本問題，建立隱患與數(shù)據(jù)之間的關聯(lián)性，將人工經(jīng)驗逐步轉(zhuǎn)變?yōu)槠髽I(yè)用電管理知識庫。

    (4)具備強大的服務功能，電氣安全問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)督排查治理機制。從發(fā)現(xiàn)問題，到診斷原因，到預測分析，再到指導行為。

2.3 系統(tǒng)架構

    新型電氣安全智能管理系統(tǒng)主要分為2層，分別是感知層和應用層，系統(tǒng)架構如圖2所示。感知層主要通過前端探測器分別對變壓器側(cè)和用戶用電末端配電系統(tǒng)進行7×24小時實時數(shù)據(jù)監(jiān)測，建立配電系統(tǒng)基礎數(shù)據(jù)單元結(jié)構模型。在應用層上，系統(tǒng)分為3個版塊，分別是電氣安全管理、故障管理與評估預測以及輔助決策部分^[8]。

2.4 配電系統(tǒng)評估模型設計步驟

    BP神經(jīng)網(wǎng)絡評價模型主要分為兩大部分，后臺訓練學習模型和前臺監(jiān)督運行評價模型，如圖3所示。其具體設計步驟如下^[9]：

    (1)設計BP神經(jīng)網(wǎng)絡結(jié)構，其結(jié)構包含中間隱層的層數(shù)、輸入層、輸出層和隱層的節(jié)點數(shù)。

    (2)選擇并確定系統(tǒng)模型的評價指標，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)提供學習樣本，訓練神經(jīng)網(wǎng)絡模型。在學習樣本選擇過程中，應該設計多組能夠反映系統(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)電氣安全評價模型，通過網(wǎng)絡學習確定網(wǎng)絡輸入、輸出和隱節(jié)點數(shù)量以及其關聯(lián)程度網(wǎng)絡權值和偏置值。

    (6)在系統(tǒng)模型的安全評估過程中，對訓練好的神經(jīng)網(wǎng)絡將實際評估參數(shù)樣本的特征值經(jīng)過處理后輸入到具有推理功能的神經(jīng)網(wǎng)絡監(jiān)測模型中，得到評價安全的結(jié)果參數(shù)。而這個評價結(jié)果參數(shù)反過來又可以作為新的學習樣本輸入到訓練模型中不斷迭代，調(diào)整網(wǎng)絡權值和偏置值得到最優(yōu)模型。

3 基于神經(jīng)網(wǎng)絡的電氣安全評價案例分析

3.1 風險模型網(wǎng)絡學習樣本

    對電氣火災安全隱患因素進行分類，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價指標，現(xiàn)以5個配電箱的6個電氣安全綜合評價指標作為初始輸入網(wǎng)絡學習樣本，如表1所示。在這里，設計了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]，對應5種不同的安全程度等級。

3.2 風險模型評價

    在輸入量變化區(qū)間為[-1.5，1.5]，學習因子為3.56，動量因子為0.17，預設誤差值為10-5，網(wǎng)絡結(jié)構為6×8×1，模型迭代28 342次，所得的網(wǎng)絡評價結(jié)果如表2所示，表明基于深度學習后的BP神經(jīng)網(wǎng)絡的電氣安全評價模型對數(shù)據(jù)處理后的指標和期望是一致的，此模型可用^[10]。

4 結(jié)束語

    本文主要對現(xiàn)階段國內(nèi)電氣火災監(jiān)控系統(tǒng)存在的問題進行分析，針對用電安全管理，提出了基于物聯(lián)網(wǎng)、云計算、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)絡的電氣火災安全隱患評估模型，實現(xiàn)配電系統(tǒng)用電安全等級評估，為避免電氣安全評估中建立復雜數(shù)學模型描述非線性關系提出了新的技術手段。

參考文獻

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

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

[3] 佟瑞鵬，馬懷儉.基于神經(jīng)網(wǎng)絡理論的電氣安全綜合評價模型[J].哈爾濱理工大學學報，2010，10(2)：84-87.

[4] 阮學峰，韓水生，熊志剛，等.電氣故障診斷的系統(tǒng)方法[J].武漢大學學報(工學版)，2002，35(2)：88-90.

[5] 趙鳳芝，包鋒.基于人工神經(jīng)網(wǎng)絡的智能診斷系統(tǒng)(NNIDs)[J].計算機系統(tǒng)應用，2000(1)：19-21.

[6] 錢剛，達慶利.基于系統(tǒng)安全工程工程能力成熟模型的信息系統(tǒng)風險評估叨[J].管理工程學報，2001，15(4)：58-60.

[7] 李季，嚴東超.BP神經(jīng)網(wǎng)絡改進算法在電氣故障診斷系統(tǒng)中的應用[J].電力科學與工程，2005(1)：69-72.

[8] 蔡自興，徐光佑.人工智能及其應用[M].北京：清華大學出版社，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）