劉忠輝 ，蔡高琰 ，梁炳基 ，駱德漢 ，何家峰

(1.廣東工業(yè)大學(xué) 信息工程學(xué)院，廣東 廣州510006；2.廣東浩迪創(chuàng)新科技有限公司，廣東 佛山528200)

0 引言

目前國內(nèi)外對污染物排放的監(jiān)測主要是在各個(gè)環(huán)節(jié)安裝多種不同的傳感器，然后對每個(gè)環(huán)節(jié)的多個(gè)參數(shù)進(jìn)行采集分析[1-3]。 針對不同的產(chǎn)污企業(yè)，各個(gè)環(huán)節(jié)需放置污染物監(jiān)測傳感器可能不同，通過收集對比各傳感器的數(shù)據(jù)是否達(dá)到國家排放標(biāo)準(zhǔn)[4]，來確定產(chǎn)污企業(yè)的治污效果是否達(dá)標(biāo)。 當(dāng)前傳統(tǒng)的監(jiān)測手段存在幾個(gè)問題：一是企業(yè)排污管道、生產(chǎn)環(huán)節(jié)等環(huán)境復(fù)雜[5]，設(shè)備安裝困難且容易失效；二是傳感器易受外界影響，加大水/風(fēng)量都會(huì)使監(jiān)測結(jié)果出現(xiàn)重大偏差，且復(fù)雜的系統(tǒng)結(jié)構(gòu)容易出現(xiàn)通信等故障導(dǎo)致測量失靈[6]；三是成本較高。 在這幾個(gè)問題的影響下，傳統(tǒng)監(jiān)測系統(tǒng)難以推廣。 因此尋找一種既能減少或者杜絕人為因素干擾造成監(jiān)測失效，又可降低安裝運(yùn)行成本的解決方案是本文最主要的目的。 本文利用智能電表對用電數(shù)據(jù)進(jìn)行采集與處理，結(jié)合機(jī)器學(xué)習(xí)中的誤差反向傳播神經(jīng)網(wǎng)絡(luò)算法[7-8]構(gòu)建工業(yè)用電設(shè)備分類模型，對設(shè)備進(jìn)行啟停分析與遠(yuǎn)程在線監(jiān)管，實(shí)現(xiàn)了對工業(yè)環(huán)境下用電設(shè)備的監(jiān)測，大大加強(qiáng)了監(jiān)測的力度以及范圍，且具有低成本、易于推廣的優(yōu)勢。

1 智能電表作為采集終端

智能電表是建立在電子式電表的基礎(chǔ)之上的。隨著全球性智能電網(wǎng)建設(shè)的開始，電表不再僅作為單一計(jì)費(fèi)儀表存在，而是向著智能化、系統(tǒng)化、模塊化和多元化的系統(tǒng)終端發(fā)展。 本方法使用的是通用型智能電表，具備對用電數(shù)據(jù)進(jìn)行實(shí)時(shí)采集、分析、存儲(chǔ)等多種功能。 中央控制器MCU 采用HT6501，具有良好的計(jì)算能力和較快的處理速度，在智能電表領(lǐng)域十分常用。 其內(nèi)核處理器采用ARM Cortex-M0，F(xiàn)lash、SRAM 分別為128 K、8 K，達(dá)到本方法的計(jì)算及存儲(chǔ)標(biāo)準(zhǔn)。計(jì)量芯片ATT7022E 采樣率高達(dá)14.4 kHz，用于對電流、電壓、功率等進(jìn)行實(shí)時(shí)采集[9]。 本方法中智能電表的工作流程如圖1 所示。

圖1 電表工作流程

本方法中采用功率差值、電流時(shí)域差值、電流頻域特征作為用電設(shè)備的特征量，其中諧波系數(shù)采用快速傅里葉變換計(jì)算得到，并且考慮到智能電表的成本和多次實(shí)驗(yàn)結(jié)論，此處采用電流前四項(xiàng)奇次諧波系數(shù)即可。 同時(shí)考慮到實(shí)際生產(chǎn)運(yùn)行環(huán)境下要識(shí)別的用電設(shè)備電能參數(shù)較大，為減少不必要的數(shù)據(jù)上傳，此處設(shè)置電流波動(dòng)閾值為1 A，即當(dāng)電路中電流波動(dòng)在1 A 的范圍內(nèi)時(shí)，視為電路中正常波動(dòng)，不做進(jìn)一步處理，當(dāng)電表檢測到電路中產(chǎn)生電流波動(dòng)超過波動(dòng)閾值，即視為電路中有用電設(shè)備的啟動(dòng)或關(guān)停。

其中，I1表示功率波動(dòng)前電路中的總電流，I2表示產(chǎn)生功率波動(dòng)后的電路總電流，當(dāng)ΔI 大于1 A，此時(shí)通過電流波動(dòng)前后的兩個(gè)窗口計(jì)算出各類電能參數(shù)差值及電流前四項(xiàng)奇次諧波特征組成用電設(shè)備的特征矩陣。 同時(shí)，記錄時(shí)域電流的增減情況，當(dāng)I2的幅值大于I1的幅值，此時(shí)電路中電流增大，表明有新用電設(shè)備啟動(dòng)，當(dāng)I2的幅值小于I1的幅值，此時(shí)電路中電流減小，表明電路中有用電設(shè)備關(guān)停，以此來判定產(chǎn)生的功率告警是用電設(shè)備的啟動(dòng)或關(guān)停[10]。最后將諧波數(shù)據(jù)、電流增減標(biāo)識(shí)、告警時(shí)間等相關(guān)電能參數(shù)進(jìn)行信息組幀后上報(bào)至后臺(tái)服務(wù)器。

2 對工業(yè)設(shè)備的精準(zhǔn)識(shí)別

通過上述方法對不同用電設(shè)備的用電數(shù)據(jù)進(jìn)行采集，并手動(dòng)標(biāo)記用電設(shè)備類型，建立用電設(shè)備特征數(shù)據(jù)集，用BP 神經(jīng)網(wǎng)絡(luò)來構(gòu)建識(shí)別分類模型，該模型參數(shù)較多，通過不斷地訓(xùn)練和測試選擇合適的網(wǎng)絡(luò)層數(shù)、節(jié)點(diǎn)數(shù)、權(quán)值、激活函數(shù)等模型參數(shù)。以下為部分重點(diǎn)參數(shù)的選取過程：

(1)隱含層數(shù)確定：BP 神經(jīng)網(wǎng)絡(luò)可以包含一至多個(gè)隱含層，經(jīng)研究表明，3 層BP 神經(jīng)網(wǎng)絡(luò)模型即可實(shí)現(xiàn)任意非線性映射，因此本方法在樣本數(shù)量不多的情況下選取的隱層數(shù)為1 層。

(2)各層神經(jīng)元個(gè)數(shù)的確定：對于輸入層，由于用電設(shè)備特征向量的選擇有6 個(gè)維度，故而選取6個(gè)神經(jīng)元；對于輸出層，采用“n-1”表示法，選取4個(gè)神經(jīng)元，可以表示16 種分類標(biāo)準(zhǔn)，滿足實(shí)際環(huán)境的需要；對于隱含層，根據(jù)式(2)計(jì)算，選取4 個(gè)神經(jīng)元。

式中，m 為輸入層節(jié)點(diǎn)數(shù)，p 為輸出層節(jié)點(diǎn)數(shù)，α為1 ～10 之間的常數(shù)。 最終網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)如圖2所示。

圖2 BP 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

(3)轉(zhuǎn)移函數(shù)選?。河捎诿恳粚虞敵龆际巧弦粚拥木€性函數(shù)，為了降低少量異常數(shù)據(jù)對分類結(jié)果的影響，采用單極性Sigmoid 函數(shù)作為轉(zhuǎn)移函數(shù)。

(4)初始權(quán)值的確定：BP 神經(jīng)網(wǎng)絡(luò)采用反向誤差傳播算法不斷迭代更新確定最終的權(quán)值，因此需要給定一個(gè)初始值。初始值的選取對性能有一定影響，通常將其設(shè)置為一個(gè)較小的非零隨機(jī)數(shù)。 根據(jù)經(jīng)驗(yàn)值在區(qū)間(-2.4/N，2.4/N)中隨機(jī)選取，其中N為輸入端連接的節(jié)點(diǎn)個(gè)數(shù)。

(5)學(xué)習(xí)速率選擇：學(xué)習(xí)速率的初值一般在0 ～0.8 之間選擇，它將直接影響到整個(gè)網(wǎng)絡(luò)學(xué)習(xí)過程的速度、學(xué)習(xí)的穩(wěn)定性，保證網(wǎng)絡(luò)能夠收斂于某個(gè)極小值。 如學(xué)習(xí)速率的值設(shè)定過大，訓(xùn)練速度會(huì)加快，也會(huì)造成訓(xùn)練結(jié)果不集中；如過小，則會(huì)使得學(xué)習(xí)時(shí)間過長，學(xué)習(xí)效率降低。

(6)全局誤差選擇：在BP 神經(jīng)網(wǎng)絡(luò)運(yùn)算時(shí)，輸出的結(jié)果與期望的結(jié)果進(jìn)行對比，實(shí)際誤差與設(shè)定的誤差閾值對比，如果實(shí)際誤差小于誤差閾值則輸出，如果大于誤差閾值則返回繼續(xù)運(yùn)算。 這個(gè)誤差閾值即是網(wǎng)絡(luò)全局誤差，它是網(wǎng)絡(luò)分類精度的衡量標(biāo)準(zhǔn)。 全局誤差較小， 則輸出結(jié)果少且精度高，但需進(jìn)行循環(huán)計(jì)算量增大，會(huì)影響分類效率；全局誤差較大，則輸出多但精度不高，甚至在實(shí)際誤差遠(yuǎn)遠(yuǎn)小于全局誤差時(shí)， 神經(jīng)網(wǎng)絡(luò)的運(yùn)算過程無法完成，這時(shí)需要調(diào)整全局誤差。

理論研究表明，在隱含層神經(jīng)元個(gè)數(shù)確定的情況下，存在一個(gè)最優(yōu)的訓(xùn)練次數(shù)。 為找出這個(gè)最優(yōu)參數(shù)，本方法訓(xùn)練時(shí)將訓(xùn)練和測試交替進(jìn)行，經(jīng)過不斷分析和反復(fù)測試，得到兩種誤差曲線，如圖3 所示。

圖3 兩種數(shù)據(jù)誤差曲線

可以看出，當(dāng)訓(xùn)練次數(shù)在220 次左右時(shí)，訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)的誤差都比較低，有較好的識(shí)別精度。故將上述最優(yōu)訓(xùn)練次數(shù)作為網(wǎng)絡(luò)學(xué)習(xí)的終止條件對數(shù)據(jù)進(jìn)行BP 網(wǎng)絡(luò)訓(xùn)練，最終網(wǎng)絡(luò)的其他各參數(shù)設(shè)置如下：初始權(quán)值p=0.1，學(xué)習(xí)速率因子η=0.6，給定網(wǎng)絡(luò)全局誤差E=0.05。 經(jīng)過了220 次的學(xué)習(xí)，網(wǎng)絡(luò)模型收斂，獲得較好的分類結(jié)果。

3 設(shè)備啟停分析與在線監(jiān)管

根據(jù)相關(guān)環(huán)保部門要求，企業(yè)生產(chǎn)時(shí)的治污設(shè)備應(yīng)該不晚于產(chǎn)污設(shè)備的開啟時(shí)間，停機(jī)時(shí)間應(yīng)不早于產(chǎn)污設(shè)備停機(jī)時(shí)間，符合以上則是正常工作。通過對用電設(shè)備的精準(zhǔn)識(shí)別，可以調(diào)庫對比設(shè)備啟停時(shí)間，分析企業(yè)是否按照要求正常工作。 如果有異常，則可以通過多種方式(短信、微信公眾號(hào)、手機(jī)終端等)將告警信息通知給產(chǎn)污企業(yè)或相關(guān)部門工作人員。

以實(shí)際生產(chǎn)情況下一個(gè)常見的情況為例進(jìn)行闡述：假設(shè)佛山某印刷廠上午某時(shí)刻開啟了1 臺(tái)功率為36 kW 的印刷機(jī)，則要求在此或此前必須開啟了風(fēng)機(jī)來進(jìn)行污染物處理。 在整個(gè)生產(chǎn)過程中，若“治污設(shè)備運(yùn)行時(shí)長”-“產(chǎn)污設(shè)備運(yùn)行時(shí)長”≥δ(其中δ 為時(shí)間差， 要根據(jù)對應(yīng)設(shè)備參數(shù)和國家標(biāo)準(zhǔn)確定)，則表示是正常工作；若不滿足則平臺(tái)立刻產(chǎn)生告警信息并通知相關(guān)責(zé)任人，甚至可以根據(jù)實(shí)際要求對印刷機(jī)進(jìn)行自動(dòng)斷電處理。

4 數(shù)據(jù)驗(yàn)證

根據(jù)實(shí)際生產(chǎn)環(huán)境， 在佛山市某汽車4S 店和印刷廠進(jìn)行試點(diǎn)驗(yàn)證。 主要生產(chǎn)設(shè)備有印刷機(jī)和汽車烤漆機(jī)、治污設(shè)備有風(fēng)機(jī)和等離子設(shè)備及一些照明燈等其他背景負(fù)荷。 導(dǎo)出MongoDB 數(shù)據(jù)庫中的識(shí)別記錄分別如表1、表2 所示。

通過觀察表中記錄可以發(fā)現(xiàn)，該汽車4S 店10月21 日的設(shè)備啟停符合環(huán)保部門的要求，處于正常合法工作狀態(tài)。 該印刷廠10 月13 日設(shè)備的啟停符合環(huán)保部門的要求，可以判斷處于正常工作狀態(tài)。但是10 月14 日下午風(fēng)機(jī)比印刷機(jī)先關(guān)閉，且風(fēng)機(jī)運(yùn)行總時(shí)間小于印刷機(jī)運(yùn)行總時(shí)間，違反了環(huán)保部門的要求，可以判斷該廠生產(chǎn)處于非正常工作狀態(tài)，系統(tǒng)檢測到只有印刷機(jī)在運(yùn)行時(shí)可以立刻上報(bào)告警信息。 通過調(diào)用后臺(tái)數(shù)據(jù)服務(wù)可以發(fā)現(xiàn)，該廠10 月13 日兩類設(shè)備運(yùn)行時(shí)長一致，而10 月14 日產(chǎn)污設(shè)備比治污設(shè)備運(yùn)行時(shí)間長，以作為監(jiān)管部門的處罰依據(jù)。 后臺(tái)部分?jǐn)?shù)據(jù)統(tǒng)計(jì)如圖4、圖5 所示。

表1 汽車4S 店設(shè)備識(shí)別記錄

圖4 汽車4S 店設(shè)備運(yùn)行時(shí)長

圖5 印刷廠設(shè)備運(yùn)行時(shí)長

5 結(jié)論

基于電力數(shù)據(jù)分析的污染物排放檢測方法結(jié)合數(shù)據(jù)分析、機(jī)器學(xué)習(xí)等手段，可對排污單位的產(chǎn)污、治污和排污環(huán)節(jié)實(shí)施全過程監(jiān)控。 通過分析污染源生產(chǎn)設(shè)備和治污設(shè)備的運(yùn)行情況，實(shí)時(shí)掌握排污單位的生產(chǎn)狀況，以及進(jìn)行停、限、錯(cuò)峰生產(chǎn)等防控措施的執(zhí)行情況。 通過進(jìn)行聯(lián)動(dòng)分析預(yù)警，及時(shí)發(fā)現(xiàn)排污單位環(huán)保違法違規(guī)行為，填補(bǔ)了環(huán)保局與企業(yè)之間的監(jiān)管漏洞。 該研究為環(huán)境治理精準(zhǔn)執(zhí)法提供技術(shù)支撐，有助于降低環(huán)保部門的監(jiān)管執(zhí)法成本和工作壓力，對推動(dòng)城市生產(chǎn)制造業(yè)的發(fā)展，提高城市污染治理水平，打好城市污染防治攻堅(jiān)戰(zhàn)，打贏藍(lán)天保衛(wèi)戰(zhàn)有重要的意義。

表2 印刷廠設(shè)備識(shí)別記錄