基于ASP的電力施工安全質量監測系統的設計與實現

劉 沁，王春麗，尹 琛，陳秉乾，高 獻，林曉寧，吳慧瑩

(1.國網福建省電力有限公司，福建 福州 350009； 2.國網福建省電力有限公司 經濟技術研究院，福建 福州 350012)

電力施工安全質量管理工作受到眾多電力領域研究學者的重視，目前電力施工安全質量監測技術已取得較大進步。電力施工環境具有較高的復雜性[1]，人工方式無法獲取電力施工安全質量的有效監測。目前人類生活已步入信息化以及智能化[2]，人工智能等眾多技術的誕生，為電力施工安全質量監測提供了新的發展方向。將信息化技術應用于電力施工安全質量管理中，利用信息化技術實現電力施工安全質量的有效監管[3-4]，提升電力施工監管水平。高效的電力施工安全質量監測工作對于智能化電網的建設維護以及升級均具有重要意義。

ASP技術是服務器端動態網頁技術，是常應用于系統開發的重要技術。目前針對電力監測的研究較多，叢培杰等[5-6]針對電力系統變壓器和帶電作業設計了監測系統，可實現電力系統變壓器以及帶電作業的有效監測，但未針對電力施工安全質量進行研究，實用性較差。本文設計了基于ASP的電力施工安全質量監測系統，將ASP技術作為電力施工安全質量監測系統開發的網頁技術。通過系統測試驗證，所設計電力施工安全質量監測系統可以監測電力施工安全質量，具有較高的電力施工安全質量監測性能，可以保障電力施工人員的施工安全，為智能化電力系統建設以及電力系統維護提供基礎。

1 基于ASP的電力施工安全質量監測系統

1.1 系統總體結構

將ASP技術與超文本類標識語言作為系統的技術核心，分別采用B/S架構和.NET平臺，充分考慮電力企業施工安全質量監測需求，設計基于ASP的電力施工安全質量監測系統。該系統具有開發簡單的優勢，用戶通過系統表示層可以實現信息刪除、修改以及增加等各項功能。系統采用B/S架構，依據MVC分層設計思想，避免系統各層之間存在較高的耦合性，令系統開發更加簡單，易于維護?；贏SP的電力施工安全質量監測系統的總體結構如圖1所示。

圖1 系統總體結構Fig.1 Overall structure of the system

從圖1可以看出，系統包括表示層、智能監測層、通信層以及數據層。將ZigBee節點設置于電力施工現場，通過ZigBee節點采集電力施工安全質量信息，節點所采集的信息利用通信層的無線收發模塊傳送至智能監測層，智能監測層的智能監測模塊利用卷積神經網絡處理數據，監測電力施工現場是否存在安全質量問題，并將監測結果傳送至表示層展示至用戶。

(1)表示層。表示層位于系統最上層，是展示至用戶的最外層。通過系統表示層接收用戶提交的數據，表示層是系統與用戶交互的重要操作界面[7]，電力施工安全質量監測結果通過表示層將系統監測結果直觀展示至用戶。

(2)通信層。通信層實現電力施工安全質量監測的遠程控制以及數據傳輸，無線收發模塊可以實現不同操作點檢索與控制數據庫服務器內數據，系統利用ZigBee通信方式，可將不同電力施工現場的監測數據實時傳送至系統各層。

(3)智能監測層。智能監測層是系統的核心部分，是處理電力施工安全質量監測用戶提交的各項功能請求的重要部分。智能監測層在系統中的位置極為關鍵。智能監測層具有較高的擴展性能，同時具有調用數據層數據的功能[8]。系統的智能監測層利用ASP.NET MVC框架作為網頁開發技術。

(4)數據層。數據層是電力施工安全質量監測的數據基礎，通過數據層接收以及處理系統各層數據，依據數據分析結果實時監測電力施工安全質量。系統數據層可以實時生成報表，為系統提供用戶所需的歷史數據。系統選取ORACLE數據庫作為系統數據庫，ORACLE數據庫可實現與ASP.NET MVC框架的良好結合。

1.2 系統硬件設計

1.2.1 無線收發模塊

無線收發模塊位于系統的通信層。電力施工安全質量監測系統在電力施工現場設置監測節點，所設置的監測節點作為系統的傳感器載體，通過所設置的節點采集現場信息。利用ZigBee無線通信技術傳輸現場信息。選取JN5148芯片作為無線收發模塊的微控制器，該控制器具有成本低以及功耗低的優點。JN5148芯片中設置了ZigBee PRO協議棧作為無線數據收發協議。將IEEE802.15.4協議標準應用于系統數據傳輸中，該協議可以滿足電力施工安全質量監測的通信需求。無線收發模塊的電路如圖2所示。從圖2可以看出，JN5148芯片作為無線收發模塊的核心，利用該芯片通過SPI總線接口與UART異步串口實現與系統DSP數據處理芯片的通信，利用DSP數據處理芯片控制無線收發模塊。無線收發模塊設置限流電阻將狀態指示燈提升至電源端，利用限流電阻指示無線收發模塊的工作狀態[9]。系統設置了高頻濾波電容，通過高頻濾波電容避免無線收發模塊受到高頻干擾，保障JN5148芯片的穩定工作。

圖2 無線收發模塊電路Fig.2 Wireless transceiver module circuit diagram

1.2.2 智能監測模塊

系統智能監測模塊硬件結構如圖3所示。智能監控模塊主要包括監控主板以及無線調制解調器模塊2部分。其中，監控主板包括微控制單元外圍電路、數字模擬信號以及電平轉換電路等；無線調制解調器模塊包括TC35i外圍電路。

圖3 智能監測模塊結構Fig.3 Structure diagram of intelligent monitoring module

智能監控模塊設置了3個16位的定時計數器，設置并行口以及中斷源，可以滿足電力施工安全質量監測系統開發需求。智能監控模塊設置了鎖存器，可以實現程序存儲器以及外部數據的有效擴展。智能監控模塊利用A/D轉換芯片實現模擬量的輸入，A/D轉換芯片選取ADC0809芯片，該芯片可擴展至64路模擬信號的有效采集。智能監控模塊的ATMEI89C52微控制器中，固化了卷積神經網絡的電力施工安全質量監測算法等監控軟件，具有極高的數據處理實時性，微控制器中設置了8個P1口，利用4078型或非門與中斷源INTO連接。系統電平信號存在變化導致系統出現中斷時，利用中斷服務程序實時處理系統數據，避免電源切斷等突發情況下影響電力施工安全質量的實時監測。

1.3 卷積神經網絡的電力施工安全質量監測

智能監控模塊利用卷積神經網絡算法作為電力施工安全質量監測算法。卷積神經網絡是深度學習中的重要算法，通過卷積神經網絡提取所采集的電力施工現場圖像，提取圖像中的電力施工安全質量相關特征，稀疏化所提取的特征，獲取最終電力施工安全質量監測結果。xi與yi分別為卷積神經網絡中電力施工安全質量的神經元輸入、輸出安全質量信號，卷積神經網絡中神經元輸入與輸出間關系表達式如下[10]：

(1)

式中，ω與f()分別為權值矩陣以及激勵函數；b為偏置。

卷積神經網絡監測電力施工安全質量時，采用損失函數K衡量卷積神經網絡與實際安全質量監測結果之間的偏差。將卷積神經網絡權值矩陣ω利用梯度下降法更新，更新表達式如下：

ωk=ωk-1-μ?K/μ?ωk-1

(2)

式中，μ為學習率。

通過卷積神經網絡的學習率衡量采用該算法監測電力施工安全質量時的學習效率以及學習速度。

1.4 ASP.NET MVC框架的系統網頁開發

ASP開發模塊位于系統的智能監測層，ASP開發模塊利用ASP.NET MVC框架作為開發技術。ASP.NET MVC是微軟MVC框架中的開源代碼，ASP.NET是加載頁面以及綁定數據，通過瀏覽器頁面獲取數據的重要技術。ASP.NET MVC框架應用于電力施工安全質量監測系統中的開發流程如圖4所示。

圖4 ASP.NET MVC開發流程Fig.4 ASP.NET MVC development flow chart

通過圖4可以看出，ASP.NET MVC開發主要包括視圖層、模型層以及控制器3部分。

(1)視圖層。通過視圖層展示用戶所需的電力施工安全質量監測數據，系統運行過程中的電力施工安全質量監測業務通過視圖層展示。視圖層可以展示模型層的數據，具有刷新數據模型層數據的功能。

(2)模型層。通過ASP.NET MVC框架的模型層封裝或應用電力施工安全質量監測系統的業務邏輯，模型層同樣可以應用于數據處理。電力施工安全質量監測系統網頁中需要使用視圖時，網頁所需使用的視圖需通過該模型登記，完成模型登記后的視圖，才能實現電力施工安全質量監測業務邏輯的有效應用與封裝。

(3)控制器。通過控制器控制電力施工安全質量監測系統網頁中各項應用程序的流程，控制器可以實現網頁不同層面的組織作用，可以處理與響應電力施工安全質量監測系統的用戶行為以及數據模型的變化。

ASP.NET MVC框架具有如下特點：①ASP.NET MVC框架具有URL重寫策略，可將視圖引擎加入框架中，具有較高的可擴展性，可以為電力施工安全質量監測系統實現重載action、移植以及定制等各項功能；②將ASP.NET MVC框架應用于電力施工安全質量監測系統中，可以建立易于搜索的URL，建立不包括文件擴展名的易于理解的URL。

2 系統測試

為驗證所設計系統監測電力施工安全質量的有效性，選取某電力企業的電力施工過程作為監測對象。在電力施工現場中，設置50個監測節點，采用所設置的監測節點采集電力企業施工現場圖像，采用本文系統監測電力施工是否存在安全質量問題。

采用本文系統采集電力施工現場圖像，電力施工安全質量監測系統輸出的監測結果如圖5所示。從圖5可以看出，采用本文系統可以有效監測電力施工安全質量，識別電力施工現場的工作人員是否佩戴安全帽、安全帶、工作服等施工安全質量問題。系統監測電力施工安全質量時，監測結果為安全時，采用紅色標識直觀展示監測結果；監測結果出現影響電力施工安全質量的異常情況時，如圖5(b)中的工作人員未穿戴工作服，系統采用黃色標識展示至監測人員，監測人員可以依據監測結果，明確電力施工過程中的安全質量問題。

圖5 電力施工安全質量監測系統監測結果Fig.5 Monitoring results of power construction safety and quality monitoring system

采用本文系統正式監測電力施工安全質量時，通過設置于電力施工現場的眾多節點采集現場圖像，利用所采集圖像中包含的電力施工安全質量監測元素訓練卷積神經網絡。統計采用本文監測系統對電力施工現場安全質量監測內容的識別速度，統計結果如圖6所示。從圖6可以看出，在不同監測數據量情況下，采用本文系統均可以保障在100 ms以內識別一幀電力施工安全質量監測圖像，表明本文系統具有極高的監測性能。本文系統可在短時間內高速識別電力施工安全質量監測圖像，為電力施工安全質量精準監測提供有效依據。本文系統具有較高的數據處理性能，應用于電力施工安全質量監測中，實用性較高。

圖6 監測內容識別速度Fig.6 Monitoring content recognition speed

統計采用本文系統監測該電力企業于2019年11月的電力施工安全質量，電力施工現場存在異常情況的監測結果，并將本文系統的監測結果與實際電力施工現場異常情況對比，對比結果見表1。

表1 電力施工安全質量監測結果Tab.1 Monitoring results of power construction safety and quality

從表1可以看出，采用本文系統可以有效監測電力施工安全質量問題，在電力企業不同類型電力施工過程中，均可以有效監測其中存在的電力施工安全質量異常情況。本文系統可以有效監測電力施工過程中的異常情況，監測安全質量異常結果與電力施工安全質量實際異常次數極為吻合，驗證了本文系統具有極高的電力施工安全質量監測有效性。

統計采用本文系統監測該電力企業于2019年不同類型電力施工的安全質量時，監測安全帶、安全帽等安全質量內容的監測精度，監測結果如圖7所示。從圖7可以看出，采用本文系統監測電力施工安全質量，不同類型電力施工監測內容的監測精度均高于98%。系統測試結果驗證本文系統具有較高的監測性能。本文系統具有較高的監測速度，監測電力施工安全質量問題的監測精度較高，整體表現較好。本文系統在施工人員身體遮擋等復雜情況下，仍可以精準監測安全帶等較難監測部分，監測性能良好。

圖7 系統監測精度Fig.7 System monitoring accuracy

采用本文系統監測電力施工安全質量問題，監測結果顯示電力施工現場存在異常情況時，精準定位施工人員對于保障電力施工現場的安全施工極為重要。統計采用本文系統監測電力施工現場存在異常時對8名異常電力施工人員的定位結果，統計結果如圖8所示。

圖8 電力施工現場人員定位結果Fig.8 Personnel location results of power construction site

從圖8可以看出，采用本文系統可以有效監測電力施工現場存在的異常情況，發現電力施工現場存在異常時，可以精準定位電力施工人員，有助于施工管理者快速找到施工人員，解決施工現場存在的異常，保障電力施工安全進行，提升電力施工安全質量，最大限度地避免電力施工安全事故發生。

3 結論

目前我國電力施工安全質量監測多依賴現場巡檢，現場巡檢實時性較差，通過現場巡檢發現安全質量問題時，將問題上報至運維部門，運維部門接到上報后處理安全質量問題，工作效率較低，容易影響電力施工質量，嚴重者可能出現重大安全事故，造成嚴重損失。基于ASP技術設計電力施工安全質量監測系統，通過智能化的電力施工安全質量監測系統，明確電力施工安全質量問題，提升電力系統的施工安全性。通過系統測試，驗證了所設計系統具有較高的電力施工安全質量監測有效性，可以及時發現電力施工現場存在的問題，提升電力系統運行的智能化以及信息化。