基于ASP的电力施工安全质量监测系统的设计与实现

刘 沁，王春丽，尹 琛，陈秉乾，高 献，林晓宁，吴慧莹

(1.国网福建省电力有限公司，福建 福州 350009； 2.国网福建省电力有限公司 经济技术研究院，福建 福州 350012)

电力施工安全质量管理工作受到众多电力领域研究学者的重视，目前电力施工安全质量监测技术已取得较大进步。电力施工环境具有较高的复杂性[1]，人工方式无法获取电力施工安全质量的有效监测。目前人类生活已步入信息化以及智能化[2]，人工智能等众多技术的诞生，为电力施工安全质量监测提供了新的发展方向。将信息化技术应用于电力施工安全质量管理中，利用信息化技术实现电力施工安全质量的有效监管[3-4]，提升电力施工监管水平。高效的电力施工安全质量监测工作对于智能化电网的建设维护以及升级均具有重要意义。

ASP技术是服务器端动态网页技术，是常应用于系统开发的重要技术。目前针对电力监测的研究较多，丛培杰等[5-6]针对电力系统变压器和带电作业设计了监测系统，可实现电力系统变压器以及带电作业的有效监测，但未针对电力施工安全质量进行研究，实用性较差。本文设计了基于ASP的电力施工安全质量监测系统，将ASP技术作为电力施工安全质量监测系统开发的网页技术。通过系统测试验证，所设计电力施工安全质量监测系统可以监测电力施工安全质量，具有较高的电力施工安全质量监测性能，可以保障电力施工人员的施工安全，为智能化电力系统建设以及电力系统维护提供基础。

1 基于ASP的电力施工安全质量监测系统

1.1 系统总体结构

将ASP技术与超文本类标识语言作为系统的技术核心，分别采用B/S架构和.NET平台，充分考虑电力企业施工安全质量监测需求，设计基于ASP的电力施工安全质量监测系统。该系统具有开发简单的优势，用户通过系统表示层可以实现信息删除、修改以及增加等各项功能。系统采用B/S架构，依据MVC分层设计思想，避免系统各层之间存在较高的耦合性，令系统开发更加简单，易于维护。基于ASP的电力施工安全质量监测系统的总体结构如图1所示。

图1 系统总体结构Fig.1 Overall structure of the system

从图1可以看出，系统包括表示层、智能监测层、通信层以及数据层。将ZigBee节点设置于电力施工现场，通过ZigBee节点采集电力施工安全质量信息，节点所采集的信息利用通信层的无线收发模块传送至智能监测层，智能监测层的智能监测模块利用卷积神经网络处理数据，监测电力施工现场是否存在安全质量问题，并将监测结果传送至表示层展示至用户。

(1)表示层。表示层位于系统最上层，是展示至用户的最外层。通过系统表示层接收用户提交的数据，表示层是系统与用户交互的重要操作界面[7]，电力施工安全质量监测结果通过表示层将系统监测结果直观展示至用户。

(2)通信层。通信层实现电力施工安全质量监测的远程控制以及数据传输，无线收发模块可以实现不同操作点检索与控制数据库服务器内数据，系统利用ZigBee通信方式，可将不同电力施工现场的监测数据实时传送至系统各层。

(3)智能监测层。智能监测层是系统的核心部分，是处理电力施工安全质量监测用户提交的各项功能请求的重要部分。智能监测层在系统中的位置极为关键。智能监测层具有较高的扩展性能，同时具有调用数据层数据的功能[8]。系统的智能监测层利用ASP.NET MVC框架作为网页开发技术。

(4)数据层。数据层是电力施工安全质量监测的数据基础，通过数据层接收以及处理系统各层数据，依据数据分析结果实时监测电力施工安全质量。系统数据层可以实时生成报表，为系统提供用户所需的历史数据。系统选取ORACLE数据库作为系统数据库，ORACLE数据库可实现与ASP.NET MVC框架的良好结合。

1.2 系统硬件设计

1.2.1 无线收发模块

无线收发模块位于系统的通信层。电力施工安全质量监测系统在电力施工现场设置监测节点，所设置的监测节点作为系统的传感器载体，通过所设置的节点采集现场信息。利用ZigBee无线通信技术传输现场信息。选取JN5148芯片作为无线收发模块的微控制器，该控制器具有成本低以及功耗低的优点。JN5148芯片中设置了ZigBee PRO协议栈作为无线数据收发协议。将IEEE802.15.4协议标准应用于系统数据传输中，该协议可以满足电力施工安全质量监测的通信需求。无线收发模块的电路如图2所示。从图2可以看出，JN5148芯片作为无线收发模块的核心，利用该芯片通过SPI总线接口与UART异步串口实现与系统DSP数据处理芯片的通信，利用DSP数据处理芯片控制无线收发模块。无线收发模块设置限流电阻将状态指示灯提升至电源端，利用限流电阻指示无线收发模块的工作状态[9]。系统设置了高频滤波电容，通过高频滤波电容避免无线收发模块受到高频干扰，保障JN5148芯片的稳定工作。

图2 无线收发模块电路Fig.2 Wireless transceiver module circuit diagram

1.2.2 智能监测模块

系统智能监测模块硬件结构如图3所示。智能监控模块主要包括监控主板以及无线调制解调器模块2部分。其中，监控主板包括微控制单元外围电路、数字模拟信号以及电平转换电路等；无线调制解调器模块包括TC35i外围电路。

图3 智能监测模块结构Fig.3 Structure diagram of intelligent monitoring module

智能监控模块设置了3个16位的定时计数器，设置并行口以及中断源，可以满足电力施工安全质量监测系统开发需求。智能监控模块设置了锁存器，可以实现程序存储器以及外部数据的有效扩展。智能监控模块利用A/D转换芯片实现模拟量的输入，A/D转换芯片选取ADC0809芯片，该芯片可扩展至64路模拟信号的有效采集。智能监控模块的ATMEI89C52微控制器中，固化了卷积神经网络的电力施工安全质量监测算法等监控软件，具有极高的数据处理实时性，微控制器中设置了8个P1口，利用4078型或非门与中断源INTO连接。系统电平信号存在变化导致系统出现中断时，利用中断服务程序实时处理系统数据，避免电源切断等突发情况下影响电力施工安全质量的实时监测。

1.3 卷积神经网络的电力施工安全质量监测

智能监控模块利用卷积神经网络算法作为电力施工安全质量监测算法。卷积神经网络是深度学习中的重要算法，通过卷积神经网络提取所采集的电力施工现场图像，提取图像中的电力施工安全质量相关特征，稀疏化所提取的特征，获取最终电力施工安全质量监测结果。xi与yi分别为卷积神经网络中电力施工安全质量的神经元输入、输出安全质量信号，卷积神经网络中神经元输入与输出间关系表达式如下[10]：

(1)

式中，ω与f()分别为权值矩阵以及激励函数；b为偏置。

卷积神经网络监测电力施工安全质量时，采用损失函数K衡量卷积神经网络与实际安全质量监测结果之间的偏差。将卷积神经网络权值矩阵ω利用梯度下降法更新，更新表达式如下：

ωk=ωk-1-μ∂K/μ∂ωk-1

(2)

式中，μ为学习率。

通过卷积神经网络的学习率衡量采用该算法监测电力施工安全质量时的学习效率以及学习速度。

1.4 ASP.NET MVC框架的系统网页开发

ASP开发模块位于系统的智能监测层，ASP开发模块利用ASP.NET MVC框架作为开发技术。ASP.NET MVC是微软MVC框架中的开源代码，ASP.NET是加载页面以及绑定数据，通过浏览器页面获取数据的重要技术。ASP.NET MVC框架应用于电力施工安全质量监测系统中的开发流程如图4所示。

图4 ASP.NET MVC开发流程Fig.4 ASP.NET MVC development flow chart

通过图4可以看出，ASP.NET MVC开发主要包括视图层、模型层以及控制器3部分。

(1)视图层。通过视图层展示用户所需的电力施工安全质量监测数据，系统运行过程中的电力施工安全质量监测业务通过视图层展示。视图层可以展示模型层的数据，具有刷新数据模型层数据的功能。

(2)模型层。通过ASP.NET MVC框架的模型层封装或应用电力施工安全质量监测系统的业务逻辑，模型层同样可以应用于数据处理。电力施工安全质量监测系统网页中需要使用视图时，网页所需使用的视图需通过该模型登记，完成模型登记后的视图，才能实现电力施工安全质量监测业务逻辑的有效应用与封装。

(3)控制器。通过控制器控制电力施工安全质量监测系统网页中各项应用程序的流程，控制器可以实现网页不同层面的组织作用，可以处理与响应电力施工安全质量监测系统的用户行为以及数据模型的变化。

ASP.NET MVC框架具有如下特点：①ASP.NET MVC框架具有URL重写策略，可将视图引擎加入框架中，具有较高的可扩展性，可以为电力施工安全质量监测系统实现重载action、移植以及定制等各项功能；②将ASP.NET MVC框架应用于电力施工安全质量监测系统中，可以建立易于搜索的URL，建立不包括文件扩展名的易于理解的URL。

2 系统测试

为验证所设计系统监测电力施工安全质量的有效性，选取某电力企业的电力施工过程作为监测对象。在电力施工现场中，设置50个监测节点，采用所设置的监测节点采集电力企业施工现场图像，采用本文系统监测电力施工是否存在安全质量问题。

采用本文系统采集电力施工现场图像，电力施工安全质量监测系统输出的监测结果如图5所示。从图5可以看出，采用本文系统可以有效监测电力施工安全质量，识别电力施工现场的工作人员是否佩戴安全帽、安全带、工作服等施工安全质量问题。系统监测电力施工安全质量时，监测结果为安全时，采用红色标识直观展示监测结果；监测结果出现影响电力施工安全质量的异常情况时，如图5(b)中的工作人员未穿戴工作服，系统采用黄色标识展示至监测人员，监测人员可以依据监测结果，明确电力施工过程中的安全质量问题。

图5 电力施工安全质量监测系统监测结果Fig.5 Monitoring results of power construction safety and quality monitoring system

采用本文系统正式监测电力施工安全质量时，通过设置于电力施工现场的众多节点采集现场图像，利用所采集图像中包含的电力施工安全质量监测元素训练卷积神经网络。统计采用本文监测系统对电力施工现场安全质量监测内容的识别速度，统计结果如图6所示。从图6可以看出，在不同监测数据量情况下，采用本文系统均可以保障在100 ms以内识别一帧电力施工安全质量监测图像，表明本文系统具有极高的监测性能。本文系统可在短时间内高速识别电力施工安全质量监测图像，为电力施工安全质量精准监测提供有效依据。本文系统具有较高的数据处理性能，应用于电力施工安全质量监测中，实用性较高。

图6 监测内容识别速度Fig.6 Monitoring content recognition speed

统计采用本文系统监测该电力企业于2019年11月的电力施工安全质量，电力施工现场存在异常情况的监测结果，并将本文系统的监测结果与实际电力施工现场异常情况对比，对比结果见表1。

表1 电力施工安全质量监测结果Tab.1 Monitoring results of power construction safety and quality

从表1可以看出，采用本文系统可以有效监测电力施工安全质量问题，在电力企业不同类型电力施工过程中，均可以有效监测其中存在的电力施工安全质量异常情况。本文系统可以有效监测电力施工过程中的异常情况，监测安全质量异常结果与电力施工安全质量实际异常次数极为吻合，验证了本文系统具有极高的电力施工安全质量监测有效性。

统计采用本文系统监测该电力企业于2019年不同类型电力施工的安全质量时，监测安全带、安全帽等安全质量内容的监测精度，监测结果如图7所示。从图7可以看出，采用本文系统监测电力施工安全质量，不同类型电力施工监测内容的监测精度均高于98%。系统测试结果验证本文系统具有较高的监测性能。本文系统具有较高的监测速度，监测电力施工安全质量问题的监测精度较高，整体表现较好。本文系统在施工人员身体遮挡等复杂情况下，仍可以精准监测安全带等较难监测部分，监测性能良好。

图7 系统监测精度Fig.7 System monitoring accuracy

采用本文系统监测电力施工安全质量问题，监测结果显示电力施工现场存在异常情况时，精准定位施工人员对于保障电力施工现场的安全施工极为重要。统计采用本文系统监测电力施工现场存在异常时对8名异常电力施工人员的定位结果，统计结果如图8所示。

图8 电力施工现场人员定位结果Fig.8 Personnel location results of power construction site

从图8可以看出，采用本文系统可以有效监测电力施工现场存在的异常情况，发现电力施工现场存在异常时，可以精准定位电力施工人员，有助于施工管理者快速找到施工人员，解决施工现场存在的异常，保障电力施工安全进行，提升电力施工安全质量，最大限度地避免电力施工安全事故发生。

3 结论

目前我国电力施工安全质量监测多依赖现场巡检，现场巡检实时性较差，通过现场巡检发现安全质量问题时，将问题上报至运维部门，运维部门接到上报后处理安全质量问题，工作效率较低，容易影响电力施工质量，严重者可能出现重大安全事故，造成严重损失。基于ASP技术设计电力施工安全质量监测系统，通过智能化的电力施工安全质量监测系统，明确电力施工安全质量问题，提升电力系统的施工安全性。通过系统测试，验证了所设计系统具有较高的电力施工安全质量监测有效性，可以及时发现电力施工现场存在的问题，提升电力系统运行的智能化以及信息化。