基于边缘计算与时序预测的海上平台电气安全监测预警系统研制

葛群 叶通 王波 胡玉松 许立阳

摘 要：为解决目前我国海上平台电气安全管控过程中缺乏低压交流系统中早期隐患预警能力的问题，研制了海上平台低压交流系统电气安全监测预警系统。该系统采用边云协同架构，在各级配电箱设置具有中早期隐患捕捉能力的边缘计算型监测终端，并在云端部署具有时序预测算法的隐患预警平台。该系统针对复杂电磁环境、耐盐性能和可靠性进行了加强设计，以适应海上平台场景潮湿、高盐和人力资源稀缺的环境特点。经测试试点，该系统报警准确率高于99.95%，投入使用后电气安全故障溯源排查平均时间从20h下降至30min，所有试点项目渐变性因素引发的电气安全事故数为0，达到了管控电气安全中早期隐患的效果，同时提升了电气维护人员的工作效率。

关键词：PLC;高空作业车;电气控制系统;蜘蛛式

中图分类号：TP277 文献标识码：A 文章编号：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

海上平臺相对于一般用电环境环境潮湿、多盐雾，此外风浪带来高速气流摩擦线路和设备使供电线路产生谐波[1]。另外，海上平台备件储存更换不易、巡检维修人力成本高、平均事故损失较大。近年来，一方面电气安全原因导致的变压器过热、仪表数据波动、电容器过载损害事故多发，已经日渐引起重视[2];另一方面因短路、触电等严重电气安全事故导致重大人身伤亡和损失的案例并不多[3]。所以，海上平台的电气安全治理工作总体而言，要求高于社会平均，但主要的工作目标是低压交流系统中的中小故障，因此除了加强电气设备采购、工程环节的质量管理，最重要的工作方式就是对电气安全隐患早发现、早管控、早消除。

低压交流系统中的电气安全中早期隐患在数据特征上往往体现为电参数的微小扰动，持续时间通常不超过30ms，发生频率较高时可以达到每秒几次至几十次，但变化幅度通常远低于报警阈值水平。目前各国采用的低压交流系统电力监测技术，采样芯片虽然支持每秒1万次以上甚至更高的高频采样功能，但受限于全系统的传输与处理能力，只能基于传统的RMS方法设计报警和保护功能，然而传统RMS方法至多只能利用每秒约100次的采样频度，因此显然，基于RMS方法设计的系统无法发现和分析代表早期安全隐患的信号特征。

为解决上述问题，安徽先兆科技有限公司创新了低压交流系统电气安全预警技术体系，在保留传统基于RMS方法设计的报警和保护功能同时，通过在监测终端中增设边缘计算模块，于高频采样的同时进行数据处理，每隔预设的时间段计算出一组特征值表征该时间段的电气安全早期隐患程度，在保留每秒1万次以上高频采样数据特征的同时，极大压缩了全系统需要传输和处理的数据量，并在此基础上建立了配套的诊断模型和时序预测算法，为发现、管控和评估低压交流系统早期电气安全隐患提供了一种全新的方法。

1 技术分析

该系统按GB14287-2014和CCCF-CPRZ-14：2018要求设计，与单纯建立在RMS方法基础上的传统电气安全监测技术相比，本系统的核心功能优势在于，提供基于采样频度不低于每秒14400次的电气安全早期隐患预警功能。此外在适用性方面，针对海上平台高湿高盐的情况，对系统防盐雾能力进行了加强设计，达到SJ20812标准要求;针对海上平台输入频率不稳定的情况[4]，对系统输入频率适应能力进行了加强设计，可在输入频率50Hz±20Hz工况下可靠工作。

2 关键技术

本系统的关键技术在于：①在终端硬件侧增设边缘计算模块，捕捉此前被基于传统RMS方法设计的报警保护功能所忽略的“数据毛刺”式早期预警信息;②在云端软件侧增设配套的诊断模型和时序预测算法。

2.1 边缘计算模块

选取STM32F103RET6芯片，在高频采样的同时对采样结果进行实时统计运算，每隔预设的时间段计算该时间段的一组特征参数，并将其每隔预设时间段通过通讯模块传输至云端服务器，汇总后进行进一步的诊断和预测分析。

具体而言，上述预警参数指的是：边缘计算模块每隔某时段（3min、1h和24h）依据基础的算法计算出该时段基于负载电流、负载电压、剩余电流实时预警采样数据的以下衍生参数：基波剩余电流、绝缘电导（基波剩余电流与对应电压的比值）、基波剩余功率（基波剩余电流与对应电压乘积）、全波负载电流的时段均值、时段错峰均值（即将预设时间段内采样值按大小排序后取中间的一部分采样值计算出的均值）、偏离计數（即落在上一预设时段均值一定百分比区间外的采样值个数）。

考虑大规模并发连接对云端服务器构成的瞬间冲击，边缘计算模块按内置芯片编号对每个预设时间段内数据上传的具体时刻进行了随机排布，使每一瞬间上传至云端服务器的数据量尽可能均匀化。

2.2 时序预测算法

相对传统技术仅对报警类型和次数进行分类统计，本系统引入了一种类卡尔曼滤波的诊断分析框架和经典统计学分析方法，以便更清晰的展现所监测电气系统的真实状态[5-8]。

（1）具体而言，该类卡尔曼滤波的诊断分析框架可叙述为以下6个步骤：①将云端服务器收到的报警、预警数据统称为实测值，将实测值构成的时间序列记为Xi，设置预测时段时长为T，第N个时段结束时刻，用时序预测算法L（·）处理前N个时段的Xi，得到第N+1时段的预测值时间序列Xi;②持续监测至N+1时段结束时刻，得到第N+1时段的数据实测值构成的时间序列Xi，将Xi加在前N个时段的Xi末尾，得到前N+1个时段的Xi;③基于第N+1时段Xi与Xi的差别修正时序预测算法的参数，并以修正后的时序预测算法L（·）处理前N+1个时段的Xi，得到第N+2时段的预测值时间序列Xi。④迭代步骤①～步骤③，得到参数不断自动调优的时序预测算法L（·）和不断更新的时间序列Xi与Xi;⑤设置事件规则库P处理时间序列Xi与Xi，基于Xi生成的事件称预警事件，对预警事件进行预警;基于Xi和Xi生成的事件称预测事件，设每隔预测时间段预测事件次数构成的时间序列为Mi;⑥以处理Xi的方法处理Mi，得到参数不断自动调优的时间序列预测算法和不断更新的时间序列Mi和Mi，以类似设置P的方式设置事件规则库Q处理Mi和Mi，得到二阶预警事件，对二阶预警事件进行预警。

（2）上述时序预测算法L（·）目前暂时取经典ARIMA算法，此时步骤③具体为：①基于扩展卡尔曼滤波算法处理第N+1时间的Xi正态分布和Xi正态分布，得到控制函数Φ，②用控制函数Φ修正实测值数列Xi并据此更新数列Xi，并生成更新后数列Xi的ACF函数和PACF函数;③判定更新后数列Xi的ACF函数和PACF函数拖尾和截尾情况，据此更新ARIMA模型的的参数p、d和q的取值;④由更新后的ARIMA模型生成N+2时段的预测值时间序列Xi。

（3）上述事件规则库P指的是：实测值超出区间A1时生成预警事件，对预警事件进行预警，A1按行业标准要求设定;预测值超出区间A2时生成预测事件，统计每月预测事件发生次数，据此构成相应的时间序列，A2按以下方式自动生成并调优：①做数列Xi的STL分解，得到Xi的周期性数列Xi1、趋势性数列Xi2、随机扰动数列Xi3;②从数列Xi1中提取周期参数t，从数列Xi2中提取趋势参数d，从数列Xi3中提取扰动参数r;③将数列Xi按周期参数t分段，每段取中位数M，均值E，方差D;用以下规则定义稳态开始事件和稳态终止事件：A、第n+1分段D小于r，且相对第n分段M、E的变化率中绝对值较小值与d同正负时小于d的，或与d不同正负时绝对值小于d绝对值的1/10时，发生稳态开始事件;B、第n+1分段相对第n分段M、E的变化率中绝对值较大值大于d绝对值大于d时，发生稳态终止事件;C、连续发生的稳态开始事件后一个不计，连续发生的稳态终止事件后一个不计;④定义最近m个（m为敏感度参数可在1～10间人为设定）稳态开始事件到稳态终止事件的时段中数列Xi的极大值Xmax与极小值Xmin组成的区间为A2。

3 试验试用

3.1 与RMS方法的对比试验

为验证本系统相对基于RMS方法的传统电气监控系统在电气安全管控实务中的性能提升，于2019年10月在贵阳进行了对比实验，在某居民社区用本系统监测终端设立监测点537个;同步基于RMS方法的传统电气监测终端共3个品牌，在本系统设立的监测点中随机选取60个，使用传统监测终端重复设立监测点，每品牌20个，观察这60个本系统监测点和相应60个传统技术监测点进行数据对比;所有用于对比试验的品牌试验设备均有国家消防电子产品质量监督检验中心出具的型式试验合格报告和出厂合格证，所有监测点位置为随机选取，自2019年10月12日同步运行至2020年1月12日，记录原始运行数据得到以下对比结果，如表1所示。

3.1.1 报警能力对比

由表1可以看出，本系统在较大范围集中应用中，与基于RMS方法的传统电气监控系统在报警功能方面无明显差异，其中漏电报警方面，因为本系统排除了谐波剩余电流超限而基波剩余电流不超限情况下的报警，故报警数较低，如图1所示。

3.1.2隐患预警能力对比

篇幅所限，仅对比一组具有代表性的监测点。基于RMS方法的传统电气安全监控系统受限于通讯能力，只能以每3min一次的采样频度记录剩余电流历史数据作为分析依据，其试验期数据形态如图2所示。

显然，这种3min一次采样频度的历史数据丢失了大量的原始数据特征，呈现出较强的随机性，使用Python中的 statsmodels 模块对该组数据进行ADF检验得到：

对该组数据进行一阶差分滞后再次进行ADF检验，同样不通过;检验所有60个传统技术监测点历史数据，ADF检验均不能通过;受篇幅所限不一一载明。事实上，仅靠目测就已经可以初步判定，基于RMS方法的传统电气安全监控系统提供的3min/次采样频度下历史数据不平稳，不适合进行时间序列分析，不适合用于基于时间序列分析的隐患诊断和预测。

本系统的隐患预警分析数据基于边缘计算模块得到的电气火灾风险参数，该参数的生成依赖预设时间段，分为小时、日、月三级，因为本次试点仅持续3个月故不考虑月级别，其试验期小时、日级别的数据形态如图3、图4所示。

同样使用Python中的 statsmodels 模块对相对应的60个监测点电气火灾风险参数试验期的小时、日数据构成的时间序列进行ADF检验，120组数据中，117组显著通过，3组在进行一阶差分后显著通过。

由此对比试验可知，本系统相对以RMS方法为基础的传统电气安全监测技术，在报警功能方面没有差异，但在隐患预警分析功能方面具备显著优势。

3.2 有效性对比试验

为验证本系统相对基于RMS方法的传统电气监控系统在电气安全管控实务中的效果，在2019年12月在山西省晋中市某养老院进行了对比试验，该院为华北地区最大规模养老院，2017年已安装传统电气安全监控系统，2019年12月增设了427个本系统监测点，覆盖了院内老年人住宿楼、宾馆、食堂、澡堂、配电房等主要用电区域，2020年1季度末该院电工部门工作报告显示：

从表3可以看出，加装本系统后，电气安全事故统计项目下各项指标均有明显下降，电气安全管控工作项目下各项指标均有明显提升，说明本系统相对传统基于RMS方法的电气安全监控系统，在电气安全管控实务中明显更为有效。

试点情况表明，本系统达到了全部设计目标，减轻了相关电气安全责任人员工作强度。所有试点项目运行期间未发生电气安全隐患转为事故的情况，受到了用户的肯定。

4 结论

该海上平台电气安全监测预警系统的设计满足国家相关标准要求，针对我国目前电气火灾报警监控系統误报率过高导致普遍被闲置弃用的现状，通过增设边缘计算模块并引入类卡尔曼滤波的时序预测算法，将电气安全隐患早期的数据特征纳入监测和分析范围，实现了电气安全监测预警功能，使有条件治理早期电气安全隐患的用户能用相对较低的成本实现对电气安全隐患的早发现早消除，为提升电气安全管控水平提供了有力的工具。

该系统兼容目前的电气火灾报警监控功能，大大提升了复杂线路环境中的适用性;该系统针对连续多次或长时间的报警、预警信息进行了优化，能为项目自动生成一段时间的电气安全分析报告，有助于电气安全责任人员高效获取隐患信息，降低巡检排查等工作的难度。

参考文献

[1]王超.海上平台电力绕组短路电流复合故障检测方法[J].舰船科学技术，2017，41（ 7A）：130-131.

[2]余颖，王新刚. 海上平台电力系统谐波分析及仿真研究[J].石油机械，2006，34（12）：10-11.

[3]徐卫东.海洋石油工作员工不安全行为特征研究[D].武汉：中国地质大学，2013.

[4]叶芳.海上平台电力系统综合故障诊断系统的研制[D].北京：华北电力大学，2012.

[5]李赛.基于多模型的状态估计及其组合方法的故障预报研究[D].武汉：华中科技大学，2018.

[6]刘洋.基于GRU神经网络的时间序列预测研究[D].成都：成都理工大学，2017.

[7]刘海洋.复杂环境下时间序列预测方法研究[D].北京：北京交通大学，2019.

[8]朱家明.基于时间序列特征驱动分解的多尺度组合预测模型及其应用[D].合肥：安徽大学，2019.