多参数优化下的智能电源箱物联态势实时监控方法

2023-12-13高勇范龙

微型电脑应用 2023年11期

高勇, 范龙

(河北省送变电有限公司, 河北, 石家庄 050000)

0 引言

物联网的发展速度迅猛,在工业领域中的应用十分广泛[1],由于物联网资源种类繁多,智能电源箱内的态势监测数据庞大,用户很难直接应用。对智能电源箱内的物联网情况进行监控,不仅可以解决物联网情况在电源箱内难以存储的问题,还可以解决物联网情况信息的控制和交互问题[2-3]。胡启洲等[4]为了实时了解高速公路的交通状况,基于车路协同理念,设计公路运行态势监控方法,将通信技术与车辆行驶态势结合在一起,构建公路态势监控体系,以高速公路中行驶的车辆为感知对象,在大数据技术的基础上,将不确定性数学方法应用到公路态势评估模型的建立过程中,不仅可以对公路中的不安全行为进行控制,还可以解决公路、车辆以及环境之间的协同问题;杨亚龙等[5]将以太网控制自动化技术应用到电源现场层监控方法设计过程中,根据ITER大功率极向场电源装置的特点,通过环网冗余拓扑电源现场层监控的拓扑结构设计,保证了环网冗余拓扑的可靠性,从而保证了扩展模块的高可靠性,应用组态软件配置了监控拓扑结构的各个层次,可以满足电源现场层监控的实时性,满足电源运行可靠性的控制要求。

本文以多参数优化为手段,设计一种电源箱物联态势实时监控方法,从而提高物联态势监控性能。

1 电源箱物联态势实时监控方法设计

1.1 优化电源箱物联态势监控参数

为了实现电源箱物联态势监控的实时性,基于多参数优化方法[6],对电源箱物联态势的监控参数进行优化。在物联态势监控核函数中,待优化的参数为θ,其取值范围为[θmin,θmax],那么物联态势监控参数在训练过程中分布的期望半径ER可以通过下式计算:

(1)

式(1)中,K表示物联态势监控核函数,xi表示智能电源箱中存在第i个训练的监控参数样本,xj表示智能电源箱中存在第j个训练的监控参数样本,n表示监控参数训练样本的总数。

如果第一、二类监控参数样本分布在物联态势监控中的期望半径分别为Er1和Er2,计算公式为

(2)

式(2)中,k表示智能电源箱中监控参数样本的类型,xki表示智能电源箱中存在第k类中第i个训练的监控参数样本,xkj表示智能电源箱中存在第k类中第j个训练的监控参数样本,nk表示第k类监控参数样本在智能电源箱中的总数。

假设T代表多参数优化的目标函数,物联态势监控参数的优化目标就是利用多参数优化方法对目标函数T最小化[7],最小化处理公式为

(3)

将步长Δθ赋值给监控参数θ,通过以上计算步骤,获取到一个新的多参数优化目标函数,将新的函数值与最初的函数值进行对比,保留函数值比较小的目标函数和对应的监控参数[9]。利用式(1)～式(3)循环迭代监控参数样本,直到监控参数θ达到θmax,停止循环迭代,得到目标函数最小值T0和对应的参数θ0,那么θ0就是物联态势监控中的最优参数,完成电源箱物联态势监控参数的优化。

1.2 计算电源箱物联态势监控矩阵参数权重

在对电源箱物联态势的实时监控过程中,影响电源箱物联态势安全的参数为ui,监控矩阵V中的第j个元素为vj,那么利用式(4)可以计算参数ui对监控矩阵V中第j个元素vj的权值,公式为

(4)

式(4)中,nij表示参数集合中第i个参数ui作出第j个监控反应的设备数量,ntotal表示监控设备总数。

利用式(4)中的监控权值,得到参数ui的监控向量,表达式为

(5)

式(5)中,ri1、ri2和rik表示参数ui的监控参数。

在智能电源箱中,影响物联态势安全的参数向量与参数之间的映射关系为R[10],利用式(5)中的向量,建立电源箱物联态势监控矩阵,表示为

(6)

假设ui(k)代表物联态势监控矩阵参数的观测数据,在多参数优化的支撑下,得到电源箱物联态势监控矩阵中参数ui的关联序列,表达式为

(7)

(8)

式(8)中,m表示参数关联序列的数量,ξi表示关联系数,(k)表示分辨系数。

假设r表示组成关联系数r0i的向量,根据式(7)中的监控参数关联系数均值,计算电源箱物联态势监控矩阵参数权重,即:

(9)

通过计算监控参数的权值,得到监控参数的向量,建立了电源箱物联态势监控矩阵,在多参数优化的支撑下,电源箱物联态势监控矩阵中参数的关联序列,计算电源箱物联态势监控矩阵参数权重。

1.3 设计电源箱物联态势监控算法

设计电源箱物联态势监控算法,计算电源箱物联态势信度分配函数,判断物联态势安全等级;计算智能电源箱每一个结构的物联安全态势,构建电源箱遭受攻击的分配函数;根据攻击产生的支持率,实现了电源箱物联态势的监控。

为了提高电源箱物联态势的监控性能,令m1H为物联态势置信度,利用式(10)计算电源箱物联态势的信度分配函数,即:

(10)

式(10)中,κhpo表示当前的物联态势级别,mdrt表示当前物联态势级别对应的低威胁信度,pklp表示监控设备的响应行为。

将hhkko定义为物联态势安全等级权重,利用式(11)可以计算物联态势安全等级,即:

(11)

式(11)中,kkyui表示当前物联态势安全级别对应的高威胁信度,λfrty表示物联态势安全级别指数的推理证据,hjk表示当前物联态势安全级别对应的中威胁信度。

根据电源箱物联态势安全等级,计算智能电源箱的物联态势,公式为

(12)

式(12)中,Cj表示智能电源箱Si受到外界攻击的次数,Tij表示电源箱物联态势遭受攻击的严重程度,Hi表示电源箱主机。

将电源箱主机Hi的安全比重权值向量定义为νhui,利用式(13)计算电源箱主机遭受攻击的态势:

(13)

其中,pHi表示防御指数,lkop表示主机Hi在电源箱系统中的权重。

假设电源箱主机成功防御外界攻击的次数为μjio,得到电源箱中每一个结构的物联态势,即:

(14)

式(14)中,ξkoi表示成功防御次数占总防御次数的比值,khji表示即将产生的外界攻击等级。

在智能电源箱遭受到的所有攻击中,可能发生的最大攻击等级为sfgy,那么智能电源箱遭受攻击的分配函数表示为

(15)

将外界攻击的融合形式定义为∂drf,攻击级别定义为mser,那么电源箱对攻击产生的支持率计算公式为

(16)

式(16)中,χgyu表示电源箱物联态势遭受攻击的时刻,μdrt表示电源箱在χgyu时刻的物联态势值。

假设智能电源箱物联态势遭受攻击的先验概率密度为∂fty,那么利用式(17)可以对电源箱物联态势进行监控,即:

(17)

式(17)中,∂sef表示攻击步骤。

综上所述,完成电源箱物联态势监控算法设计,实现了电源箱物联态势的实时监控。

2 实验分析

2.1 实验数据预处理

为了验证多参数优化下物联态势监控方法的有效性,选取智能电源箱物联态势中的200个测试样本作为仿真对象。智能电源箱柜体结构如图1所示。

图1 智能电源箱柜体结构图

(1) 柜门(前)、柜门(后)可开启;

(2) 装置安装层:设备安装于本层前面,主要导电线路布置于本层后面;

(3) 遮挡层:本层主要作用为遮挡内部导线与设备的接头,留出适合设备的孔洞,使漏电保护器等设备面板露出便于操作,本层要便于拆卸方便更换或检查设备;

(4) 柜体安装轮子方便移动。

当电源箱在使用过程中发生故障跳闸或发生电气火灾时以及各项参数偏离正常运行值时,应及时发出报警/预警信号,该信号除应包含现场声光报警外,相关管理人员应能及时通过PC端、手机端App及短信形式接收到事故报警信息,以便第一时间作出响应。为避免物联态势时间序列对监控结果产生影响,需要对200个测试样本进行归一化处理,即:

(18)

根据式(18)的计算结果,得到电源箱物联态势的归一化结果,如图2所示。

图2 电源箱物联态势的归一化结果

在图2的结果中可知,电源箱物联态势值的归一化处理结果在0～1之间,避免了物联态势时间序列对监控结果产生影响。

2.2 设置实验参数

为了确保实验结果的准确性,设置了如表1所示的实验参数。

表1 实验参数

表1中的3种物联态势类型:物联网攻击态势、物联网防御态势、整体安全态势[11]。

2.3 设置实验指标

在实验过程中,引入车路协同下的态势监控方法(文献[4]方法)和基于EtherCAT的态势监控方法(文献[5]方法)作对比,将物联态势信息识别率作为评价指标,衡量电源箱物联态势监控质量,物联态势识别率计算式为

(19)

式(19)中,kder表示物联态势安全等级,χhuk表示攻击数据包发送速率,χhuk表示物联态势变量,jhk的值越大说明物联态势监控质量越好。

利用本文方法比较归一化数据与电源箱物联态势样本值差异,提取偏离正常的运行值,根据电源箱物联态势信度和电源箱物联态势遭受攻击的严重程度,融合外界攻击总体形式,计算攻击产生的支持率,基于表2判断电源箱每一个结构的物联安全等级,实现了电源箱物联态势的监控。

表2 3种物联态势类型的等级界定

同时利用其他两种方法测试电源箱物联态势值,衡量3种方法的准确性。

2.4 结果分析

3种方法的物联态势信息识别率测试结果如图3所示。

图3 物联态势信息识别率测试结果

从图3的结果可知,采用车路协同下的态势监控方法时,物联态势信息识别率的最大值为50%,当实验进行到20～40 s之间时,物联态势信息识别率出现了下降的趋势,导致后期的识别率偏低;采用基于EtherCAT的态势监控方法时,物联态势信息识别率的最大值达到了80%,比车路协同下的态势监控方法提高了60%;而采用多参数优化下物联态势监控方法时,在实验初期物联态势信息识别率就达到了80%,随着实验的进行,到了实验后期,物联态势信息识别率达到了96%,因此说明文中方法可以通过提高物联态势信息识别率,来提高电源箱物联态势监控质量。

3种方法的电源箱物联态势值测试结果如图4所示。

图4 电源箱物联态势值测试结果

从图4的结果可知,随着时间的变化,3种方法得到电源箱物联态势值的变化趋势与实际的物联态势值变化趋势相同,采用车路协同下的态势监控方法时,电源箱物联态势值与实际的物联态势值之间的误差比较大,而基于EtherCAT的态势监控方法得到的电源箱物联态势值与实际的物联态势值之间的误差,比车路协同下的态势监控方法小,采用文中方法时,得到的电源箱物联态势值与实际的物联态势值之间的误差比较接近,但是仍然存在0.05%的误差,说明多参数优化下物联态势监控方法可以保证智能电源箱物联态势实时监控的准确性。