電力企業(yè)安全評估系統(tǒng)的設計與實現(xiàn)

齊彩娟， 韋冬妮， 唐夢媛， 張瑋琪， 張澤龍

(國網(wǎng)寧夏電力有限公司經(jīng)濟技術(shù)研究院， 寧夏， 銀川 750000)

0 引言

電力企業(yè)安全生產(chǎn)和國民經(jīng)濟、人們生活存在密切關(guān)系。我國有關(guān)部門在分析電力安全管理經(jīng)驗之際，也對電力企業(yè)安全生產(chǎn)提出了新的要求，出臺了相關(guān)的法律法規(guī)[1]。一大批學者也對此開展了研究。鄧彥軍等[2]提出了供電企業(yè)安全生產(chǎn)管理的創(chuàng)新思路，通過對電力安全高度重視，完善電力施工安全管理體制，加強電力員工安全培訓和電力安全監(jiān)督，做好施工設備安全管理工作，不斷提高電力施工安全管理水平，促進電力企業(yè)更好地發(fā)展。宋祉明等[3]提出了將人、物、管理和環(huán)境進行結(jié)合，建立一套電力企業(yè)安全能力評估系統(tǒng)。劉道遠等[4]提出了模糊綜合評判法在電力企業(yè)網(wǎng)絡信息安全評估中的應用，通過采用二級模糊綜合評判法對一種基于PDRR模型的電力企業(yè)網(wǎng)絡信息安全系統(tǒng)進行安全等級評估，并采用Delphi法對評估過程中電力影響企業(yè)網(wǎng)絡安全的各項因素的權(quán)重系數(shù)進行確定，通過對評估結(jié)果的客觀分析，找出電力企業(yè)網(wǎng)絡信息安全系統(tǒng)中存在的突出問題，做出相應的安全加固。以上方法雖對電力企業(yè)安全評估能起到一定的推動作用，但是并未建立起一套特別完整的電力企業(yè)安全評估系統(tǒng)，未能實現(xiàn)電力企業(yè)內(nèi)部評估的信息化和規(guī)范化。因此，提出一種全新的電力企業(yè)安全評估系統(tǒng)。

該系統(tǒng)基于支持向量機進行開發(fā)，采用B/S分布式結(jié)構(gòu)，通過電力企業(yè)安全評估模塊、統(tǒng)計查詢模塊、系統(tǒng)維護模塊、評價結(jié)果輸出模塊來實現(xiàn)電力企業(yè)的安全性評估[5]，并通過實驗驗證本研究所設計系統(tǒng)評估值與實際故障損失電量的差值大小，同時測定不同評估樣本數(shù)量下的評估精度，從而確定本研究所設計系統(tǒng)的適應性和可靠性。

1 電力企業(yè)安全評估系統(tǒng)的設計

1.1 系統(tǒng)結(jié)構(gòu)設計

基于支持向量機的電力企業(yè)安全評估系統(tǒng)屬于B/S分布式結(jié)構(gòu)，B/S分布式結(jié)構(gòu)屬于瀏覽器與服務器相輔相助式管理結(jié)構(gòu)。系統(tǒng)由3層結(jié)構(gòu)組成，用戶能夠在瀏覽器中訪問服務器，此分層結(jié)構(gòu)靈敏性較好。基于支持向量機的電力企業(yè)安全評估系統(tǒng)的結(jié)構(gòu)示意圖如圖1所示。系統(tǒng)分為數(shù)據(jù)層、業(yè)務邏輯層、表示層。數(shù)據(jù)層可保存電力企業(yè)業(yè)務數(shù)據(jù)，為實現(xiàn)電力企業(yè)業(yè)務數(shù)據(jù)安全，本研究采用Microsoft SQL Server 2000數(shù)據(jù)庫；數(shù)據(jù)層主要使用基于模糊聚類分析的電力企業(yè)信息樣本聚類方法、基于因子分析的評價變量預處理方法實現(xiàn)電力企業(yè)安全評價時的樣本聚類與變量預處理。業(yè)務邏輯層通過數(shù)據(jù)庫仿真結(jié)構(gòu)將業(yè)務邏輯進行封裝，構(gòu)建基于支持向量機的電力企業(yè)安全評估模型。表示層為最終評估結(jié)果的展示界面。

圖1 電力企業(yè)安全評估系統(tǒng)結(jié)構(gòu)示意圖

系統(tǒng)的功能模塊如圖2所示，基于支持向量機的電力企業(yè)安全評估系統(tǒng)主要分為電力企業(yè)安全評估模塊、統(tǒng)計查詢模塊、系統(tǒng)維護模塊以及評價結(jié)果輸出模塊。各個模塊的性能具有交叉重疊性，相互協(xié)作，構(gòu)建可全面評估電力企業(yè)安全的評估系統(tǒng)[6]。電力企業(yè)安全評估模塊、統(tǒng)計查詢模塊、系統(tǒng)維護模塊設計在系統(tǒng)的業(yè)務邏輯層，統(tǒng)計查詢模塊的功能主要為用戶提供電力企業(yè)不同類型運營信息的統(tǒng)計查詢。評估結(jié)果輸出模塊屬于表示層的核心模塊，可輸出電力企業(yè)安全評估最終結(jié)果。

圖2 系統(tǒng)的功能模塊結(jié)構(gòu)圖

1.2 數(shù)據(jù)層應用方法設計

電力企業(yè)安全評估通常是安全評估指定類型的電力企業(yè)信息，所以，需要聚類電力企業(yè)信息樣本里性質(zhì)差異不大的電力企業(yè)信息樣本數(shù)據(jù)。具體步驟如下。

(1) 構(gòu)建電力企業(yè)信息樣本矩陣

聚類n種電力企業(yè)信息樣本，構(gòu)建電力企業(yè)信息樣本矩陣。矩陣的行表示一種電力企業(yè)信息樣本的全部數(shù)據(jù)，矩陣的列是電力企業(yè)信息所有樣本的等項指標。

設置電力企業(yè)信息樣本矩陣是E，則：

(1)

式中，n表示電力企業(yè)信息樣本矩陣中樣本數(shù)量。

(2) 模糊相容矩陣

計算電力企業(yè)信息樣本間近似度，建立模糊相容矩陣，將其設成W。將W的每個單元設定為wy：

(2)

式中，j、i表示第j組第i個樣本。

隸屬度屬于模糊數(shù)學里核心內(nèi)容，隸屬度值為1時表示2種電力企業(yè)信息樣本內(nèi)容相似，隸屬度值為0時表示2種電力企業(yè)信息樣本內(nèi)容不相似。

(3) 模糊等價矩陣

將第(2)步中得到的模糊相容矩陣做相乘計算，若近鄰幾次獲取的電力企業(yè)信息合成矩陣均具有重疊性才停止相乘，此時得到的結(jié)果即為電力企業(yè)信息樣本的模糊等價矩陣。

將電力企業(yè)信息模糊等價矩陣的懲罰法則設成行Wjt、列Wti相乘后求和，構(gòu)建電力企業(yè)信息新的矩陣單元。得到式(3)所示的電力企業(yè)信息樣本新得矩陣單元：

(3)

且通過邏輯乘與邏輯加表示新矩陣單元與原單元差異，如式(4)：

(4)

式中，∨、∧分別為邏輯乘與邏輯加的表達符號。

(4) 聚類

電力企業(yè)信息聚類的截集標準設成σ，當σ的值高于0.8，則隸屬度大于0.8的電力企業(yè)信息樣本屬于相同類型，完成電力企業(yè)信息樣本聚類。

1.3 業(yè)務邏輯層應用方法設計

以往使用的專家層次分析法是基于專家經(jīng)驗的每個評估變量和電力企業(yè)安全等級間的非線性關(guān)系的表達，但是每次評估均需專家打分，該方法僅適用于小電網(wǎng)，且存在較多約束。本研究構(gòu)建基于支持向量機的電力企業(yè)安全評估模型，通過支持向量機擬合電力企業(yè)安全的非線性關(guān)系，以此完成大電網(wǎng)企業(yè)安全的實時定量評估。

支持向量機屬于二分類問題，應用核心為最優(yōu)超平面。使用某種提前選取的非線性映射(核函數(shù))把輸入向量映射至高維特征空間，之后在特征空間里檢索電力企業(yè)安全評估的最佳分類超平面，充分分類2種數(shù)據(jù)點。

將電力企業(yè)安全評估所用的訓練樣本設定為{ej,ei}，ej、ei分別表示電力企業(yè)安全最底層風險變量的狀態(tài)值、電力企業(yè)安全評價結(jié)果的標識。將樣本數(shù)設成n，輸入維數(shù)是M，M屬于底層風險變量的數(shù)量。構(gòu)建式(5)所示回歸模型b：

b=+c

(5)

式中，權(quán)向量與閾值依次是h、c。把訓練誤差設成約束條件，最優(yōu)化問題能夠描述成：

(6)

基于尋優(yōu)目標函數(shù)里，通過合理的內(nèi)積函數(shù)便可以完成某一非線性轉(zhuǎn)換后的線性回歸，導進松弛變量把目標函數(shù)變換成：

(7)

(8)

式中，支持向量集是RU，T為內(nèi)積函數(shù)。若g(A)的值大于0，則b的值是1。若g(A)的值小于0，則b的值是-1，g(A)的符號和分類結(jié)果存在直接聯(lián)系。

傳統(tǒng)的支持向量機僅可以解決二分類問題，為對電力企業(yè)安全系統(tǒng)進行評估，建立多種支持向量機子分類器，在建立第j個支持向量機子分類器時，將隸屬j等級風險的電力企業(yè)安全評估樣本數(shù)據(jù)設成負類。將輸入數(shù)據(jù)通過式(8)運算分類器的決策函數(shù)值，并使用最大函數(shù)值所屬種類設成電力企業(yè)安全等級。

為通過專家層次分析法得到支持向量機的訓練樣本，通過蒙特卡洛抽樣法選取電力企業(yè)安全評估時，逐個輸入樣本集。訓練后把支持向量機決策函數(shù)使用在電力企業(yè)安全評估系統(tǒng)里，通過專家層次分析法來分析支持向量機決策函數(shù)的精度。支持向量機自適應調(diào)節(jié)方案如圖3所示。

這次五單元測試，當我念到80分左右的同學留下來改錯時，他居然跑來問我，老師，怎么沒我的卷子？看著他疑惑的認真傻樣，我忍不住笑了。告訴他考了95分，他不敢相信，隨即憨態(tài)可鞠地笑了！這是他語文測試第一次超過90分，以前總是班上的后腿分，也難怪他會問。

圖3 支持向量機自適應調(diào)節(jié)方案

(1) 通過蒙特卡洛隨機抽樣法抽樣選取電力企業(yè)安全評估的輸入數(shù)據(jù)。

(2) 通過專家評價電力企業(yè)安全評估時評估變量的分數(shù)。

(3) 使用第(1)步與第(2)步獲取電力企業(yè)安全評估所用的訓練樣本集，并通過支持向量機進行訓練，運算獲取支持向量機決策函數(shù)。

(4) 把電力企業(yè)安全評估數(shù)據(jù)導進支持向量機決策函數(shù)中，對電力企業(yè)安全進行判斷。

2 實驗結(jié)果

使用本研究所設計系統(tǒng)對某電力企業(yè)的電網(wǎng)故障風險進行評估，該電力企業(yè)的電網(wǎng)故障風險運行評估指標體系如表1所示。

表1 電力企業(yè)的電網(wǎng)故障風險評估指標體系

將該電力企業(yè)2013—2018年的16個評估變量設成輸入，將故障損失電量設成期望輸出，將該電力企業(yè)2019年的實際故障損失電量設成檢驗樣本。

使用本研究所設計系統(tǒng)對該電力企業(yè)的電網(wǎng)故障風險進行評估，并與2019年實際故障損失電量做對比分析，結(jié)果如表2所示。

表2 本研究所設計系統(tǒng)評估值與實際故障損失電量 單位：萬kW·h

使用本研究所設計系統(tǒng)對該電力企業(yè)2013—2018年的電網(wǎng)故障風險進行評估，設定評估樣本數(shù)量分別是20組、40組、60組、80組、100組，測試本研究所設計系統(tǒng)評估精度結(jié)果如圖4所示。

圖4 不同樣本數(shù)量下本研究所設計系統(tǒng)評估精度測試結(jié)果

由圖4可知，評估樣本數(shù)量分別是20組、40組、60組、80組、100組時，本研究所設計系統(tǒng)所評估的電網(wǎng)故障損失電量均值與實際故障損失電量均值相差極小，評估精度較高。

3 總結(jié)

本研究針對電力企業(yè)安全評估問題，設計基于支持向量機的電力企業(yè)安全評估系統(tǒng)，并利用所設計系統(tǒng)對某電力企業(yè)的電網(wǎng)故障風險運行評估。評估結(jié)果顯示，本研究所設計系統(tǒng)的故障風險評估值和實際故障損失電量的差值最大值是0.18萬kW·h，評估樣本數(shù)量分別是20組、40組、60組、80組、100組時，本研究所設計系統(tǒng)所評估的電網(wǎng)故障損失電量均值與實際故障損失電量均值間的差值極小。實驗數(shù)據(jù)表明了本研究所設計系統(tǒng)對電力企業(yè)安全評估具有較強應用性，評估精度較高。由于本系統(tǒng)基于支持向量機進行開發(fā)，考慮的算法相對單一，在以后的研究中，可考慮基于粒子群算法、人工神經(jīng)網(wǎng)絡算法等其他方法進行電力企業(yè)安全評估系統(tǒng)的設計，對比評估精度，從而推動電力企業(yè)安全評估系統(tǒng)的發(fā)展。