基于經(jīng)驗(yàn)進(jìn)化的水電廠管網(wǎng)故障檢測(cè)模型研究

李 莉 李 軍

（1. 新疆新能發(fā)展有限責(zé)任公司大山口水電廠 2. 新疆電力有限公司博湖縣供電公司）

0 引言

水電廠管網(wǎng)故障檢測(cè)系統(tǒng)中的傳感器數(shù)量眾多，信號(hào)繁復(fù)，數(shù)據(jù)結(jié)構(gòu)復(fù)雜，因此其數(shù)據(jù)分析與處理模型存在著諸多困難。新疆大山口水電廠2013年引進(jìn)了國(guó)外的IFC公司的水電廠管網(wǎng)故障檢測(cè)系統(tǒng)，但通過(guò)實(shí)踐發(fā)現(xiàn)，該系統(tǒng)的性能尚有待提高，如：管損檢測(cè)系統(tǒng)中的傳感器種類較多，傳回的信號(hào)較多，而整個(gè)檢測(cè)系統(tǒng)建設(shè)分為多期進(jìn)行，采用的傳感器型號(hào)和規(guī)格不盡相同，F(xiàn)DDC模型的數(shù)據(jù)結(jié)構(gòu)的動(dòng)態(tài)類型較少，難以完全兼容上述信息，后續(xù)的信息融合非常困難。國(guó)內(nèi)外眾多研究人員針對(duì)這些問(wèn)題開展了一系列的工作：文獻(xiàn)[1]中討論管網(wǎng)的數(shù)學(xué)建模問(wèn)題；文獻(xiàn)[2-3]討論了在管網(wǎng)故障檢測(cè)中引入智能算法的相關(guān)問(wèn)題與解決措施；文獻(xiàn)[4-5]研究了復(fù)雜管網(wǎng)仿真建模以及相關(guān)的故障診斷算法；文獻(xiàn)[6]研究了基于神經(jīng)網(wǎng)絡(luò)的水電廠系統(tǒng)故障診斷方法；文獻(xiàn)[7]研究了液體管網(wǎng)的智能優(yōu)化設(shè)計(jì)策略。但在實(shí)際應(yīng)用中，上述研究成果暴露出一些問(wèn)題，基于已有研究成果，綜合大山口水電廠的實(shí)際項(xiàng)目要求，本文提出了一種基于經(jīng)驗(yàn)進(jìn)化的水電廠管網(wǎng)故障檢測(cè)模型 FDEE（Water Pipe Network Fault Diagnosis Model based on Experience Evolution）。

1 模型結(jié)構(gòu)與主要單元

針對(duì)現(xiàn)場(chǎng)需求和研究成果的不足，F(xiàn)DEE與傳統(tǒng)的檢測(cè)模型相比，進(jìn)行了以下主要改進(jìn)，模型的總體結(jié)構(gòu)與主要處理流程如圖1所示。

圖1 FDEE模型結(jié)構(gòu)

圖1為FDEE模型的結(jié)構(gòu)與處理流程，從圖中可以看出該模型主要包括四個(gè)模塊：專家經(jīng)驗(yàn)處理模塊、現(xiàn)場(chǎng)數(shù)據(jù)直接判斷模塊、現(xiàn)場(chǎng)數(shù)據(jù)融合判斷模塊以及用以存儲(chǔ)數(shù)據(jù)的專家經(jīng)驗(yàn)庫(kù)模塊?；谶@些模塊，F(xiàn)DEE模型充分利用了管網(wǎng)故障檢測(cè)過(guò)程中的歷史數(shù)據(jù)與專家經(jīng)驗(yàn)，破除了以前工作中的一些問(wèn)題與瓶頸，如：現(xiàn)有模型（本文的研究主體對(duì)象為 IFC公司的 FDDC模型）的問(wèn)題根源之一是歷史數(shù)據(jù)與處置經(jīng)驗(yàn)應(yīng)用不充分，過(guò)分依賴傳感器生成的信息。當(dāng)傳感網(wǎng)絡(luò)復(fù)雜到一定程度，出現(xiàn)故障“蝴蝶效應(yīng)”時(shí)，現(xiàn)有模型一方面難以應(yīng)付大批量的告警數(shù)據(jù)，另一方面浪費(fèi)了大量已有的成功案例等經(jīng)驗(yàn)數(shù)據(jù)[8]。針對(duì)這些情況，F(xiàn)DEE模型將既有的歷史處置經(jīng)驗(yàn)與現(xiàn)場(chǎng)實(shí)時(shí)數(shù)據(jù)相融合，在進(jìn)行復(fù)雜判斷前，先將檢測(cè)數(shù)據(jù)與歷史處置經(jīng)驗(yàn)（專家經(jīng)驗(yàn)）進(jìn)行匹配，通過(guò)對(duì)專家經(jīng)驗(yàn)庫(kù)的搜索，檢索到一定的歷史經(jīng)驗(yàn)，對(duì)當(dāng)前的管網(wǎng)故障檢測(cè)實(shí)施信息支持，在一定程度上解決了這些問(wèn)題。FDEE模型研究了新型的管網(wǎng)故障檢測(cè)專家經(jīng)驗(yàn)應(yīng)用算法。這部分算法的核心是匹配算法，主要解決了管網(wǎng)故障診斷系統(tǒng)對(duì)歷史專家經(jīng)驗(yàn)難以利用的瓶頸。其主體思路是提取現(xiàn)場(chǎng)數(shù)據(jù)的特征，與專家經(jīng)驗(yàn)庫(kù)中的案例進(jìn)行匹配，生成初次判斷，加速檢測(cè)過(guò)程；在檢測(cè)結(jié)果生成，并得到驗(yàn)證后，將相關(guān)數(shù)據(jù)反饋給專家?guī)?，使其中的信息得以進(jìn)化，以便提供更為全面、精準(zhǔn)的專家經(jīng)驗(yàn)。

2 FDEE模型數(shù)據(jù)處理流程

首先將整個(gè)水電廠管網(wǎng)的故障問(wèn)題視為一個(gè)可測(cè)度空間（向量構(gòu)成空間）：(X, P( X ))。其中的測(cè)度函數(shù)第一位為：： P( X ) → NR，當(dāng)且僅當(dāng)(?)=[0,0]時(shí)成立。而對(duì)于其中的模糊測(cè)度可以有：另有：M={μ| μl≤ μ≤ μr}；如果為可測(cè)度空間(X, P( X))上的模糊測(cè)度值[9]，則存在可測(cè)度函數(shù) f：X→(-∞,+∞)。進(jìn)一步可以定義其關(guān)于的積分有：綜上所述，有： yl(f)=是經(jīng)典的 Choquet積分。其詳細(xì)的處理步驟如下。

Step1：檢測(cè)開始，初始化參數(shù)和最大循環(huán)次數(shù)。

Step2：計(jì)步器設(shè)為 0，開始進(jìn)行專家經(jīng)驗(yàn)/現(xiàn)場(chǎng)數(shù)據(jù)集合的初步匹配，即通過(guò)專家經(jīng)驗(yàn)與現(xiàn)場(chǎng)數(shù)據(jù)匹配 ， 將 現(xiàn) 場(chǎng) 數(shù) 據(jù) X = {x1, x2,… ,xn}生 成 一 個(gè) μ 在P( X)上的模糊測(cè)度。

Step3：如果有專家經(jīng)驗(yàn)/現(xiàn)場(chǎng)數(shù)據(jù)集合的高匹配項(xiàng)，則直接告警，并跳轉(zhuǎn)到 Step6，如果沒(méi)有則進(jìn)行下一步；其中的關(guān)鍵算法參見下文。

Step4：通過(guò)閾值，對(duì)現(xiàn)場(chǎng)數(shù)據(jù)進(jìn)行直接判斷。

Step5：對(duì)現(xiàn)場(chǎng)數(shù)據(jù)進(jìn)行融合處理，即：進(jìn)一步對(duì)集合 x1,x2,… ,xn進(jìn)行排序和刪除誤匹配點(diǎn)，可以生成有并進(jìn)行下列處理：

進(jìn)一步得到：

Step6：計(jì)步器加1；如果在閾值判斷中檢測(cè)到了故障或有高匹配項(xiàng)，則告警，并在結(jié)束處理后根據(jù)式（3）更新專家?guī)?，促使專家?jīng)驗(yàn)進(jìn)化；如果都沒(méi)有，但計(jì)步器超過(guò)閾值，則退出，重新獲取現(xiàn)場(chǎng)數(shù)據(jù)。

3 專家經(jīng)驗(yàn)/現(xiàn)場(chǎng)數(shù)據(jù)匹配算法

如上所述，F(xiàn)DEE模型采用了新型的專家經(jīng)驗(yàn)/現(xiàn)場(chǎng)數(shù)據(jù)匹配算法，該匹配算法的描述如下。

假設(shè)專家經(jīng)驗(yàn)/現(xiàn)場(chǎng)數(shù)據(jù)集合分別為X={ x1, x2,… ,xm}與 Y = { y1,y2,… ,yn}；匹配算法的詳細(xì)實(shí)施步驟如下。

Step1：計(jì)步器設(shè)置為0。

Step2：對(duì)專家經(jīng)驗(yàn)/現(xiàn)場(chǎng)數(shù)據(jù)集合X和Y進(jìn)行初始匹配；即：可以根據(jù) X集合的某點(diǎn) xi，得到剩下n-1個(gè)點(diǎn)的匹配上下文環(huán)境：

式中，i=1,2,…,m，而K是故障劃分?jǐn)?shù)。以此類推，可以定義 Y集合的某點(diǎn) yj的上下文 hj(k)，從而定義xi和yj的匹配代價(jià)，有：

至此，可以通過(guò)匈牙利法對(duì)兩個(gè)集合進(jìn)行初始匹配。初始處理后，可以有兩個(gè)對(duì)應(yīng)的排列X={ x1, x2,… ,xn}和 Y = { y1,y2,… ,yn}， 其 中 的 雙 元 組(xi, yi)是最初的匹配元組。至此，現(xiàn)場(chǎng)數(shù)據(jù)集 X可以構(gòu)建一個(gè)中值圖 GX(VX,EX)來(lái)映射到專家經(jīng)驗(yàn)集中。假設(shè)某個(gè)獨(dú)立點(diǎn)（特征）xi是專家經(jīng)驗(yàn)集中的一個(gè)對(duì)應(yīng)節(jié)點(diǎn)vi，有： VX= v1,… ,vn。

首先進(jìn)行精度匹配，刪除其中的誤匹配項(xiàng)目；此時(shí)，如果xj和xi能夠符合連接條件：xj是xi在經(jīng)驗(yàn)集中最近的點(diǎn)，且而μ為VX為節(jié)點(diǎn)間所有距離的中值則二者相關(guān)，可以通過(guò)排序求得一個(gè) GX(VX,EX)的鄰接矩陣：

接著可以利用經(jīng)驗(yàn)集 Y建造一個(gè) GY(VY,EY)的鄰接矩陣AY。并通過(guò)相似計(jì)算法來(lái)求得二者的匹配度，有 A=|AX-AY|，可得：

由于專家經(jīng)驗(yàn)集中的數(shù)據(jù)量很大，如果直接進(jìn)行匹配，將會(huì)有較多的誤匹配，并且系統(tǒng)資源消耗較多，因此需要通過(guò)刪除算法縮小兩個(gè)需要匹配的集合，具體的算法參見文獻(xiàn)[1]。對(duì)雙方集合進(jìn)行刪除誤匹配點(diǎn)后，將有和k＜n。此時(shí)，可以開展深度匹配，由下式進(jìn)行判斷：

由式（8）進(jìn)一步得：

其中的U(r)=r2logr2是匹配核函數(shù)；而相關(guān)參數(shù)a和w可以如下得之：

Step3：將現(xiàn)場(chǎng)數(shù)據(jù)的參數(shù)變換；將 X1轉(zhuǎn)化成專家經(jīng)驗(yàn)集中的X。

Step4：計(jì)步器加1，此時(shí)如果計(jì)算次數(shù)超過(guò)計(jì)算次數(shù)限制 Mmax或匹配度超過(guò)設(shè)定的閾值，則停止；反之退回到Step2。

4 實(shí)驗(yàn)結(jié)果分析

4.1 宏觀性能測(cè)試

為驗(yàn)證FDEE模型的性能，在新疆庫(kù)爾勒市大山口水電廠對(duì)其進(jìn)行了實(shí)地測(cè)試。對(duì)比對(duì)象為未經(jīng)修改的IFC公司的FDDC模型（2012年上線）；測(cè)試環(huán)境共包括475個(gè)（套）傳感器檢測(cè)點(diǎn)和相關(guān)的配套設(shè)施（包括主控站和二級(jí)監(jiān)測(cè)站）。對(duì)比中，F(xiàn)DEE模型和 FDDC模型均運(yùn)行在主控站，對(duì)整個(gè)檢測(cè)系統(tǒng)獲取的數(shù)據(jù)進(jìn)行處理，并進(jìn)行性能對(duì)比。最終的測(cè)試結(jié)果如下：

1）檢測(cè)精度：如圖2所示，F(xiàn)DEE模型的檢測(cè)精度明顯高于 FDDC模型（由于水電廠的傳感網(wǎng)絡(luò)規(guī)模較大且結(jié)構(gòu)復(fù)雜，造成FDDC模型誤檢率很高，曾極大地影響了整個(gè)系統(tǒng)的效能發(fā)揮）。在10個(gè)檢測(cè)周期中，F(xiàn)DEE模型的平均誤報(bào)率低于27%，顯示了良好的檢測(cè)精度，減少了管損人員的人工出勤次數(shù)，降低了對(duì)應(yīng)的開銷。

圖2 誤檢率對(duì)比

2）檢測(cè)效率：如圖3所示，F(xiàn)DEE模型的檢測(cè)效率明顯高于 FDDC模型。在 10個(gè)檢測(cè)周期中，F(xiàn)DEE模型充分利用了之前的專家經(jīng)驗(yàn)，使得平均檢測(cè)發(fā)現(xiàn)時(shí)耗（從故障發(fā)生到檢測(cè)告警之間的時(shí)間差），均大大少于 FDDC模型，而檢測(cè)時(shí)耗的降低，為管網(wǎng)故障的早期預(yù)警和管損處理贏得了寶貴的時(shí)間。

圖3 發(fā)現(xiàn)時(shí)耗對(duì)比

3）系統(tǒng)開銷：如圖 4所示，F(xiàn)DEE模型的檢測(cè)性能超出了 FDDC模型，但由于經(jīng)驗(yàn)進(jìn)化的整個(gè)處理過(guò)程，相對(duì)平均地分?jǐn)傇谡麄€(gè)檢測(cè)過(guò)程中，因此其系統(tǒng)開銷（此處重點(diǎn)關(guān)注了內(nèi)存占用率）與 FDDC模型相當(dāng)，甚至有部分檢測(cè)周期內(nèi)的平均內(nèi)存占用率低于 FDDC模型（原因是處理速度較快，匹配的系統(tǒng)開銷少于現(xiàn)場(chǎng)數(shù)據(jù)直接或融合檢測(cè)的系統(tǒng)開銷），實(shí)際應(yīng)用時(shí)并不需要配置高性能服務(wù)器，可以沿用原有設(shè)備就獲得較高的檢測(cè)性能，模型的性價(jià)比較高。

圖4 系統(tǒng)開銷對(duì)比

4.2 微觀應(yīng)用實(shí)例

下面以2017年8月17日的一次故障排除作業(yè)闡述FDEE模型的微觀應(yīng)用過(guò)程。下表是系統(tǒng)獲取的傳感器檢測(cè)信息。

表 檢測(cè)信息（2017-08-17）

兩種檢測(cè)模型在PTH-27檢測(cè)點(diǎn)的檢測(cè)量1和2發(fā)生異常變化時(shí)，都將實(shí)施故障診斷操作，但方法上卻大相徑庭。FDDC模型將直接把該檢測(cè)點(diǎn)的上行和下行管線作為故障線路上報(bào)，后續(xù)的人工檢測(cè)工作量很大。而FDEE模型將首先進(jìn)行專家經(jīng)驗(yàn)庫(kù)匹配，自動(dòng)輸入?yún)?shù)為上表PTH-27檢測(cè)信息以及該檢測(cè)點(diǎn)的上下行管道的拓?fù)浣Y(jié)構(gòu)等，通過(guò)匹配算法得到專家經(jīng)驗(yàn)記錄；并根據(jù)專家經(jīng)驗(yàn)記錄，進(jìn)行上下管線的檢測(cè)信息查詢，從而判斷該故障是PTH-27-02檢測(cè)的管線故障導(dǎo)致的。管損人員在處理完該項(xiàng)故障之后，將反饋信息至FDEE模型，調(diào)整專家經(jīng)驗(yàn)庫(kù)對(duì)應(yīng)記錄的經(jīng)驗(yàn)值，并生成此次處理的對(duì)應(yīng)記錄促進(jìn)專家經(jīng)驗(yàn)進(jìn)化。

5 結(jié)束語(yǔ)

針對(duì)水電廠管網(wǎng)故障模型存在的種種問(wèn)題，提出了一種基于經(jīng)驗(yàn)進(jìn)化的水電廠管網(wǎng)故障檢測(cè)模型，給出了FDEE模型的基本原理與關(guān)鍵算法，并詳述了經(jīng)驗(yàn)進(jìn)化算法的細(xì)節(jié)。最終的實(shí)驗(yàn)結(jié)果表明，F(xiàn)DEE模型的故障檢測(cè)精度和處理效率較高，較之 FDDC模型，需要的系統(tǒng)資源也比較少，能夠適應(yīng)水電廠生產(chǎn)的實(shí)際需要，實(shí)用性和適用性較強(qiáng)。

[1] 胡小英, 吳九輔, 程環(huán). 支狀管網(wǎng)的數(shù)學(xué)模型[J]. 工業(yè)儀表與自動(dòng)化裝置, 2004, 1(3)： 58-60.

[2] 高相銘, 劉付斌, 楊世鳳. 基于極限學(xué)習(xí)機(jī)的供水管網(wǎng)故障智能診斷方法[J]. 計(jì)算機(jī)工程與設(shè)計(jì), 2013,34(8)： 2887-2891.

[3] 鄭德忠, 何樂(lè), 周潯. 基于 Fuzzy理論的供熱管網(wǎng)故障診斷系統(tǒng)的研究[J]. 傳感技術(shù)學(xué), 2003, 1(9)： 367-370.

[4] 李楠楠, 郄志紅, 古田均. 供水管網(wǎng)爆管故障診斷的PSO-SVM方法[J]. 系統(tǒng)工程理論與實(shí)踐, 2012, 32(9)：2104-2110.

[5] 姜春雷, 郭遠(yuǎn)博, 付興濤. 基于多傳感器數(shù)據(jù)融合的供熱管網(wǎng)泄漏檢測(cè)技術(shù)[J]. 大慶石油學(xué)院學(xué)報(bào), 2011,35(3)： 91-96.

[6] 曾婧, 李訓(xùn)銘. 基于神經(jīng)網(wǎng)絡(luò)的水電廠故障診斷優(yōu)化[J]. 控制工程, 2009, 16(9)： 111-114.

[7] 喬俊飛, 佟磊, 潘廣源. 基于改進(jìn)蟻群算法的 Hanoi給水管網(wǎng)優(yōu)化設(shè)計(jì)[J]. 控制工程, 2013, 20(5)： 483-488.

[8] 爨瑩, 陳曉妮. 受限最小生成樹算法在城鎮(zhèn)管網(wǎng)布局優(yōu)化中的應(yīng)用研究[J]. 西安石油大學(xué)學(xué)報(bào)(自然科學(xué)版), 2011, 26(1)： 82-87.

[9] 崔之健, 王菁, 張曉陽(yáng), 等. 基于遺傳算法的油氣集輸管網(wǎng)運(yùn)行效率優(yōu)化[J]. 西安水電廠大學(xué)學(xué)報(bào)(自然科學(xué)版), 2008, 23(6)： 59-63.