基于邊緣計算與時序預測的海上平臺電氣安全監測預警系統研制

葛群 葉通 王波 胡玉松 許立陽

摘 要：為解決目前我國海上平臺電氣安全管控過程中缺乏低壓交流系統中早期隱患預警能力的問題，研制了海上平臺低壓交流系統電氣安全監測預警系統。該系統采用邊云協同架構，在各級配電箱設置具有中早期隱患捕捉能力的邊緣計算型監測終端，并在云端部署具有時序預測算法的隱患預警平臺。該系統針對復雜電磁環境、耐鹽性能和可靠性進行了加強設計，以適應海上平臺場景潮濕、高鹽和人力資源稀缺的環境特點。經測試試點，該系統報警準確率高于99.95%，投入使用后電氣安全故障溯源排查平均時間從20h下降至30min，所有試點項目漸變性因素引發的電氣安全事故數為0，達到了管控電氣安全中早期隱患的效果，同時提升了電氣維護人員的工作效率。

關鍵詞：PLC;高空作業車;電氣控制系統;蜘蛛式

中圖分類號：TP277 文獻標識碼：A 文章編號：1001-5922（2021）06-0094-05

Abstract：In order to solve the problem of lack of early warning ability of low-voltage AC system in the process of electrical safety control of offshore platforms in China， an electrical safety monitoring and early warning system of low-voltage AC system of offshore platforms is developed. The system adopts a side-cloud collaborative architecture， the edge computing monitoring terminal with the ability of catching the early and middle hidden dangers is set up in the distribution boxes at all levels， and the hidden danger warning platform with the time series prediction algorithm is deployed in the cloud. The system is designed for the complex electromagnetic environment， salt resistance and reliability to adapt to the environment characteristics of humid， high salt and scarce human resources in offshore platform scene. After testing， the alarm accuracy of the system is higher than 99.95%. After putting into use， the average time of electrical safety fault tracing and troubleshooting is reduced from 20 hours to 30 minutes. The number of electrical safety accidents caused by gradual factors in all pilot projects is 0， which achieves the effect of controlling early hidden dangers in electrical safety and improves the working efficiency of electrical maintenance personnel.

Key words：offshore platform; hidden danger warning; edge calculation; timing series prediction

0 引言

海上平臺相對于一般用電環境環境潮濕、多鹽霧，此外風浪帶來高速氣流摩擦線路和設備使供電線路產生諧波[1]。另外，海上平臺備件儲存更換不易、巡檢維修人力成本高、平均事故損失較大。近年來，一方面電氣安全原因導致的變壓器過熱、儀表數據波動、電容器過載損害事故多發，已經日漸引起重視[2];另一方面因短路、觸電等嚴重電氣安全事故導致重大人身傷亡和損失的案例并不多[3]。所以，海上平臺的電氣安全治理工作總體而言，要求高于社會平均，但主要的工作目標是低壓交流系統中的中小故障，因此除了加強電氣設備采購、工程環節的質量管理，最重要的工作方式就是對電氣安全隱患早發現、早管控、早消除。

低壓交流系統中的電氣安全中早期隱患在數據特征上往往體現為電參數的微小擾動，持續時間通常不超過30ms，發生頻率較高時可以達到每秒幾次至幾十次，但變化幅度通常遠低于報警閾值水平。目前各國采用的低壓交流系統電力監測技術，采樣芯片雖然支持每秒1萬次以上甚至更高的高頻采樣功能，但受限于全系統的傳輸與處理能力，只能基于傳統的RMS方法設計報警和保護功能，然而傳統RMS方法至多只能利用每秒約100次的采樣頻度，因此顯然，基于RMS方法設計的系統無法發現和分析代表早期安全隱患的信號特征。

為解決上述問題，安徽先兆科技有限公司創新了低壓交流系統電氣安全預警技術體系，在保留傳統基于RMS方法設計的報警和保護功能同時，通過在監測終端中增設邊緣計算模塊，于高頻采樣的同時進行數據處理，每隔預設的時間段計算出一組特征值表征該時間段的電氣安全早期隱患程度，在保留每秒1萬次以上高頻采樣數據特征的同時，極大壓縮了全系統需要傳輸和處理的數據量，并在此基礎上建立了配套的診斷模型和時序預測算法，為發現、管控和評估低壓交流系統早期電氣安全隱患提供了一種全新的方法。

1 技術分析

該系統按GB14287-2014和CCCF-CPRZ-14：2018要求設計，與單純建立在RMS方法基礎上的傳統電氣安全監測技術相比，本系統的核心功能優勢在于，提供基于采樣頻度不低于每秒14400次的電氣安全早期隱患預警功能。此外在適用性方面，針對海上平臺高濕高鹽的情況，對系統防鹽霧能力進行了加強設計，達到SJ20812標準要求;針對海上平臺輸入頻率不穩定的情況[4]，對系統輸入頻率適應能力進行了加強設計，可在輸入頻率50Hz±20Hz工況下可靠工作。

2 關鍵技術

本系統的關鍵技術在于：①在終端硬件側增設邊緣計算模塊，捕捉此前被基于傳統RMS方法設計的報警保護功能所忽略的“數據毛刺”式早期預警信息;②在云端軟件側增設配套的診斷模型和時序預測算法。

2.1 邊緣計算模塊

選取STM32F103RET6芯片，在高頻采樣的同時對采樣結果進行實時統計運算，每隔預設的時間段計算該時間段的一組特征參數，并將其每隔預設時間段通過通訊模塊傳輸至云端服務器，匯總后進行進一步的診斷和預測分析。

具體而言，上述預警參數指的是：邊緣計算模塊每隔某時段（3min、1h和24h）依據基礎的算法計算出該時段基于負載電流、負載電壓、剩余電流實時預警采樣數據的以下衍生參數：基波剩余電流、絕緣電導（基波剩余電流與對應電壓的比值）、基波剩余功率（基波剩余電流與對應電壓乘積）、全波負載電流的時段均值、時段錯峰均值（即將預設時間段內采樣值按大小排序后取中間的一部分采樣值計算出的均值）、偏離計數（即落在上一預設時段均值一定百分比區間外的采樣值個數）。

考慮大規模并發連接對云端服務器構成的瞬間沖擊，邊緣計算模塊按內置芯片編號對每個預設時間段內數據上傳的具體時刻進行了隨機排布，使每一瞬間上傳至云端服務器的數據量盡可能均勻化。

2.2 時序預測算法

相對傳統技術僅對報警類型和次數進行分類統計，本系統引入了一種類卡爾曼濾波的診斷分析框架和經典統計學分析方法，以便更清晰的展現所監測電氣系統的真實狀態[5-8]。

（1）具體而言，該類卡爾曼濾波的診斷分析框架可敘述為以下6個步驟：①將云端服務器收到的報警、預警數據統稱為實測值，將實測值構成的時間序列記為Xi，設置預測時段時長為T，第N個時段結束時刻，用時序預測算法L（·）處理前N個時段的Xi，得到第N+1時段的預測值時間序列Xi;②持續監測至N+1時段結束時刻，得到第N+1時段的數據實測值構成的時間序列Xi，將Xi加在前N個時段的Xi末尾，得到前N+1個時段的Xi;③基于第N+1時段Xi與Xi的差別修正時序預測算法的參數，并以修正后的時序預測算法L（·）處理前N+1個時段的Xi，得到第N+2時段的預測值時間序列Xi。④迭代步驟①～步驟③，得到參數不斷自動調優的時序預測算法L（·）和不斷更新的時間序列Xi與Xi;⑤設置事件規則庫P處理時間序列Xi與Xi，基于Xi生成的事件稱預警事件，對預警事件進行預警;基于Xi和Xi生成的事件稱預測事件，設每隔預測時間段預測事件次數構成的時間序列為Mi;⑥以處理Xi的方法處理Mi，得到參數不斷自動調優的時間序列預測算法和不斷更新的時間序列Mi和Mi，以類似設置P的方式設置事件規則庫Q處理Mi和Mi，得到二階預警事件，對二階預警事件進行預警。

（2）上述時序預測算法L（·）目前暫時取經典ARIMA算法，此時步驟③具體為：①基于擴展卡爾曼濾波算法處理第N+1時間的Xi正態分布和Xi正態分布，得到控制函數Φ，②用控制函數Φ修正實測值數列Xi并據此更新數列Xi，并生成更新后數列Xi的ACF函數和PACF函數;③判定更新后數列Xi的ACF函數和PACF函數拖尾和截尾情況，據此更新ARIMA模型的的參數p、d和q的取值;④由更新后的ARIMA模型生成N+2時段的預測值時間序列Xi。

（3）上述事件規則庫P指的是：實測值超出區間A1時生成預警事件，對預警事件進行預警，A1按行業標準要求設定;預測值超出區間A2時生成預測事件，統計每月預測事件發生次數，據此構成相應的時間序列，A2按以下方式自動生成并調優：①做數列Xi的STL分解，得到Xi的周期性數列Xi1、趨勢性數列Xi2、隨機擾動數列Xi3;②從數列Xi1中提取周期參數t，從數列Xi2中提取趨勢參數d，從數列Xi3中提取擾動參數r;③將數列Xi按周期參數t分段，每段取中位數M，均值E，方差D;用以下規則定義穩態開始事件和穩態終止事件：A、第n+1分段D小于r，且相對第n分段M、E的變化率中絕對值較小值與d同正負時小于d的，或與d不同正負時絕對值小于d絕對值的1/10時，發生穩態開始事件;B、第n+1分段相對第n分段M、E的變化率中絕對值較大值大于d絕對值大于d時，發生穩態終止事件;C、連續發生的穩態開始事件后一個不計，連續發生的穩態終止事件后一個不計;④定義最近m個（m為敏感度參數可在1～10間人為設定）穩態開始事件到穩態終止事件的時段中數列Xi的極大值Xmax與極小值Xmin組成的區間為A2。

3 試驗試用

3.1 與RMS方法的對比試驗

為驗證本系統相對基于RMS方法的傳統電氣監控系統在電氣安全管控實務中的性能提升，于2019年10月在貴陽進行了對比實驗，在某居民社區用本系統監測終端設立監測點537個;同步基于RMS方法的傳統電氣監測終端共3個品牌，在本系統設立的監測點中隨機選取60個，使用傳統監測終端重復設立監測點，每品牌20個，觀察這60個本系統監測點和相應60個傳統技術監測點進行數據對比;所有用于對比試驗的品牌試驗設備均有國家消防電子產品質量監督檢驗中心出具的型式試驗合格報告和出廠合格證，所有監測點位置為隨機選取，自2019年10月12日同步運行至2020年1月12日，記錄原始運行數據得到以下對比結果，如表1所示。

3.1.1 報警能力對比

由表1可以看出，本系統在較大范圍集中應用中，與基于RMS方法的傳統電氣監控系統在報警功能方面無明顯差異，其中漏電報警方面，因為本系統排除了諧波剩余電流超限而基波剩余電流不超限情況下的報警，故報警數較低，如圖1所示。

3.1.2隱患預警能力對比

篇幅所限，僅對比一組具有代表性的監測點?；赗MS方法的傳統電氣安全監控系統受限于通訊能力，只能以每3min一次的采樣頻度記錄剩余電流歷史數據作為分析依據，其試驗期數據形態如圖2所示。

顯然，這種3min一次采樣頻度的歷史數據丟失了大量的原始數據特征，呈現出較強的隨機性，使用Python中的 statsmodels 模塊對該組數據進行ADF檢驗得到：

對該組數據進行一階差分滯后再次進行ADF檢驗，同樣不通過;檢驗所有60個傳統技術監測點歷史數據，ADF檢驗均不能通過;受篇幅所限不一一載明。事實上，僅靠目測就已經可以初步判定，基于RMS方法的傳統電氣安全監控系統提供的3min/次采樣頻度下歷史數據不平穩，不適合進行時間序列分析，不適合用于基于時間序列分析的隱患診斷和預測。

本系統的隱患預警分析數據基于邊緣計算模塊得到的電氣火災風險參數，該參數的生成依賴預設時間段，分為小時、日、月三級，因為本次試點僅持續3個月故不考慮月級別，其試驗期小時、日級別的數據形態如圖3、圖4所示。

同樣使用Python中的 statsmodels 模塊對相對應的60個監測點電氣火災風險參數試驗期的小時、日數據構成的時間序列進行ADF檢驗，120組數據中，117組顯著通過，3組在進行一階差分后顯著通過。

由此對比試驗可知，本系統相對以RMS方法為基礎的傳統電氣安全監測技術，在報警功能方面沒有差異，但在隱患預警分析功能方面具備顯著優勢。

3.2 有效性對比試驗

為驗證本系統相對基于RMS方法的傳統電氣監控系統在電氣安全管控實務中的效果，在2019年12月在山西省晉中市某養老院進行了對比試驗，該院為華北地區最大規模養老院，2017年已安裝傳統電氣安全監控系統，2019年12月增設了427個本系統監測點，覆蓋了院內老年人住宿樓、賓館、食堂、澡堂、配電房等主要用電區域，2020年1季度末該院電工部門工作報告顯示：

從表3可以看出，加裝本系統后，電氣安全事故統計項目下各項指標均有明顯下降，電氣安全管控工作項目下各項指標均有明顯提升，說明本系統相對傳統基于RMS方法的電氣安全監控系統，在電氣安全管控實務中明顯更為有效。

試點情況表明，本系統達到了全部設計目標，減輕了相關電氣安全責任人員工作強度。所有試點項目運行期間未發生電氣安全隱患轉為事故的情況，受到了用戶的肯定。

4 結論

該海上平臺電氣安全監測預警系統的設計滿足國家相關標準要求，針對我國目前電氣火災報警監控系統誤報率過高導致普遍被閑置棄用的現狀，通過增設邊緣計算模塊并引入類卡爾曼濾波的時序預測算法，將電氣安全隱患早期的數據特征納入監測和分析范圍，實現了電氣安全監測預警功能，使有條件治理早期電氣安全隱患的用戶能用相對較低的成本實現對電氣安全隱患的早發現早消除，為提升電氣安全管控水平提供了有力的工具。

該系統兼容目前的電氣火災報警監控功能，大大提升了復雜線路環境中的適用性;該系統針對連續多次或長時間的報警、預警信息進行了優化，能為項目自動生成一段時間的電氣安全分析報告，有助于電氣安全責任人員高效獲取隱患信息，降低巡檢排查等工作的難度。

參考文獻

[1]王超.海上平臺電力繞組短路電流復合故障檢測方法[J].艦船科學技術，2017，41（ 7A）：130-131.

[2]余穎，王新剛. 海上平臺電力系統諧波分析及仿真研究[J].石油機械，2006，34（12）：10-11.

[3]徐衛東.海洋石油工作員工不安全行為特征研究[D].武漢：中國地質大學，2013.

[4]葉芳.海上平臺電力系統綜合故障診斷系統的研制[D].北京：華北電力大學，2012.

[5]李賽.基于多模型的狀態估計及其組合方法的故障預報研究[D].武漢：華中科技大學，2018.

[6]劉洋.基于GRU神經網絡的時間序列預測研究[D].成都：成都理工大學，2017.

[7]劉海洋.復雜環境下時間序列預測方法研究[D].北京：北京交通大學，2019.

[8]朱家明.基于時間序列特征驅動分解的多尺度組合預測模型及其應用[D].合肥：安徽大學，2019.