高明強(qiáng)

（山東大禹水務(wù)建設(shè)集團(tuán)有限公司）

0 引言

智能電氣控制系統(tǒng)廣泛應(yīng)用于工業(yè)自動化、建筑智能化、城市基礎(chǔ)設(shè)施管理與能源系統(tǒng)優(yōu)化領(lǐng)域，集成了先進(jìn)的控制、監(jiān)測和通信技術(shù)，實(shí)現(xiàn)了對電氣設(shè)備和能源流的高效管理。能源管理是系統(tǒng)中最關(guān)鍵的功能之一，直接關(guān)系到能源的使用效率與成本控制［1］。當(dāng)前智能電氣控制系統(tǒng)能源管理面臨的主要問題是智能化程度不夠高，在數(shù)據(jù)處理、能源監(jiān)測和預(yù)測分析等方面仍有提升空間。物聯(lián)網(wǎng)技術(shù)因其高度的連接性和智能化特性，為解決上述問題提供了有效途徑。物聯(lián)網(wǎng)技術(shù)可以實(shí)時連接和通信眾多傳感器設(shè)備，使收集、處理和分析大量能源使用數(shù)據(jù)成為可能，提升了數(shù)據(jù)收集和分析的效率，使系統(tǒng)能夠根據(jù)實(shí)時數(shù)據(jù)做出快速反應(yīng)，優(yōu)化能源管理策略，實(shí)現(xiàn)能源的節(jié)約和高效利用［2］。探討物聯(lián)網(wǎng)技術(shù)在智能電氣控制系統(tǒng)能源管理中的優(yōu)化與應(yīng)用，能夠提升智能電氣控制系統(tǒng)在能源管理方面的性能，提高能源利用效率，降低能源成本，對電氣產(chǎn)業(yè)的發(fā)展具有積極作用。

1 智能電氣控制系統(tǒng)的能源管理功能

1.1 能耗數(shù)據(jù)監(jiān)測

能耗數(shù)據(jù)監(jiān)測是智能電氣控制系統(tǒng)最重要的功能之一，用于高精度監(jiān)測系統(tǒng)能源情況，獲取狀態(tài)數(shù)據(jù)用于分析與決策［3］。系統(tǒng)將電能消耗、電壓、電流、功率因數(shù)、頻率與諧波等參數(shù)存儲為能源數(shù)據(jù)，用于反映電氣系統(tǒng)的實(shí)時運(yùn)行狀態(tài)，為能源消耗模式與趨勢提供詳細(xì)的信息。關(guān)鍵節(jié)點(diǎn)的智能傳感器可實(shí)時采集能源數(shù)據(jù)，高靈敏度、高穩(wěn)定性的傳感器能夠精確監(jiān)測和記錄電氣參數(shù)的微小變化使用無線傳輸或有線網(wǎng)絡(luò)實(shí)時上傳和遠(yuǎn)程監(jiān)控數(shù)據(jù)。最后，借助大數(shù)據(jù)分析和機(jī)器學(xué)習(xí)算法深入挖掘歷史數(shù)據(jù)，基于數(shù)據(jù)模式識別和趨勢預(yù)測為能源管理提供預(yù)警和優(yōu)化建議。能耗數(shù)據(jù)監(jiān)測為實(shí)現(xiàn)能源的高效利用提供了強(qiáng)有力的數(shù)據(jù)支撐，是電氣控制信息化的核心功能。

圖1 數(shù)據(jù)監(jiān)測功能優(yōu)化示意圖

1.2 能源報表統(tǒng)計

能源報表統(tǒng)計是智能電氣控制系統(tǒng)的關(guān)鍵環(huán)節(jié)，可匯總能源使用數(shù)據(jù)，為企業(yè)提供精確的能源使用情況反饋。能源報表的核心是對電能消耗、負(fù)荷曲線、電能質(zhì)量、設(shè)備運(yùn)行效率等關(guān)鍵指標(biāo)的記錄與整理。系統(tǒng)利用數(shù)據(jù)庫管理系統(tǒng)（DBMS）和數(shù)據(jù)倉庫技術(shù)將采集到的大量原始數(shù)據(jù)做整合處理，完成數(shù)據(jù)清洗、分類、歸納和匯總，使用回歸分析、聚類分析等統(tǒng)計學(xué)方法將分散的數(shù)據(jù)轉(zhuǎn)化為信息豐富、結(jié)構(gòu)清晰的報表，并借由柱狀圖、折線圖、餅圖等圖形化界面和數(shù)據(jù)可視化工具將復(fù)雜的數(shù)據(jù)以直觀、易于理解的方式呈現(xiàn)給用戶?？梢暬瘓蟊淼恼宫F(xiàn)提高了報表的可讀性，便于管理者快速把握能源使用狀況，在決策層面為能源管理和節(jié)能減排提供了強(qiáng)有力的支持［4］。

1.3 能源異常告警

能源異常情況主要包括電能參數(shù)異常、能耗異常增長、設(shè)備運(yùn)行效率下降等情況，反映了潛在的設(shè)備故障、能源浪費(fèi)或安全隱患。能源異常告警功能包括數(shù)據(jù)采集、實(shí)時數(shù)據(jù)分析、異常模式識別與告警觸發(fā)等環(huán)節(jié)的子功能。系統(tǒng)通過高精度傳感器不斷采集能源狀態(tài)參數(shù)，在實(shí)時數(shù)據(jù)處理平臺上實(shí)時分析數(shù)據(jù)，使用模式識別算法識別數(shù)據(jù)中的異常情況［5］。一旦系統(tǒng)檢測到能源使用參數(shù)偏離正常范圍或識別出異常模式，即會觸發(fā)告警機(jī)制。能源異常告警功能的主要模塊包括數(shù)據(jù)采集模塊、數(shù)據(jù)分析模塊、模式識別模塊和告警觸發(fā)模塊。數(shù)據(jù)采集模塊負(fù)責(zé)從各類傳感器收集電氣參數(shù)，數(shù)據(jù)分析模塊對收集到的數(shù)據(jù)進(jìn)行初步分析和處理，模式識別模塊運(yùn)用算法識別潛在的異常模式，告警觸發(fā)模塊負(fù)責(zé)在檢測到異常時發(fā)出及時的告警信號。這些模塊的協(xié)同工作保證了系統(tǒng)能夠有效識別并及時響應(yīng)能源使用中的異常情況［6-7］。

2 基于物聯(lián)網(wǎng)的能源管理功能優(yōu)化

2.1 LSTM的基本算法

以系統(tǒng)采用的長短時記憶網(wǎng)絡(luò)（LSTM）為例，根據(jù)當(dāng)前功能做算法優(yōu)化，具體過程如下：LSTM單元包含三個主要的門控機(jī)制：遺忘門、輸入門和輸出門。這些門控機(jī)制共同決定了網(wǎng)絡(luò)如何更新和維護(hù)其內(nèi)部狀態(tài)。遺忘門的作用是決定哪些信息應(yīng)該被丟棄，輸入門則決定哪些新信息被添加到單元狀態(tài)，而輸出門控制從單元狀態(tài)到輸出的信息流。具體來說，包括遺忘門ft，輸入門it和?，輸出門ot，單元狀態(tài)Ct和隱藏狀態(tài)ht。各變量計算方式如下：

其中，σ是sigmoid函數(shù)，tаnh是雙曲正切函數(shù)，W和b分別表示權(quán)重和偏置，?t-1是上一時刻的隱藏狀態(tài)，xt是當(dāng)前時刻的輸入。

2.2 LSTM算法優(yōu)化

優(yōu)化LSTM模型主要涉及調(diào)整網(wǎng)絡(luò)參數(shù)和超參數(shù)。為降低過擬合風(fēng)險，我們引入了L2正則化，在損失函數(shù)中加入權(quán)重的平方項，優(yōu)化后的損失函數(shù)J可以表示為：

而后引入權(quán)重衰減，優(yōu)化后的損失函數(shù)J可以表達(dá)為原始損失函數(shù)J0（如均方誤差）加上權(quán)重衰減項：

2.3 自適應(yīng)學(xué)習(xí)率優(yōu)化

Adаm優(yōu)化器通過計算梯度的一階矩估計mt和二階矩估計vt來調(diào)整每個參數(shù)的學(xué)習(xí)率。其更新規(guī)則可以表達(dá)為：

其中，gt是在時間t的梯度，β1和β2是衰減率，取值接近于1。

參數(shù)的更新公式如下：

3 應(yīng)用效果測試

為測試優(yōu)化效果，選擇32GB RAM服務(wù)器，收集1年內(nèi)的系統(tǒng)歷史數(shù)據(jù)，共采集數(shù)據(jù)36845條，以Python3.x為編程語言，使用TеnsorFlow或PyTorch作為深度學(xué)習(xí)框架構(gòu)建LSTM模型，使用MQTT協(xié)議的物聯(lián)網(wǎng)平臺，用于實(shí)時數(shù)據(jù)的收集和處理。主要對比測試以下指標(biāo)，具體結(jié)果如表1所示。

表1 優(yōu)化前后系統(tǒng)性能測試

準(zhǔn)確率：模型預(yù)測準(zhǔn)確性的度量，單位為百分比（%）。

均方誤差：模型預(yù)測值與實(shí)際值差異的度量，單位為平方單位（例如kWh2）。

平均絕對誤差：預(yù)測值與實(shí)際值在絕對值上的平均差異，單位為kWh。

響應(yīng)時間：系統(tǒng)從接收數(shù)據(jù)到完成預(yù)測的時間，單位為秒（s）。

系統(tǒng)穩(wěn)定性：在連續(xù)運(yùn)行條件下系統(tǒng)無故障的持續(xù)時間，單位為小時（h）。

能耗降低率：通過優(yōu)化算法實(shí)現(xiàn)的能耗降低百分比，單位為百分比（%）。

計算資源消耗：模型運(yùn)行過程中消耗的計算資源，單位為百分比（%）。

由表1可知，從最終的系統(tǒng)性能角度看，優(yōu)化后的各項關(guān)鍵指標(biāo)均表現(xiàn)出顯著改善。準(zhǔn)確率從優(yōu)化前的92.12%提升至96.23%，表明優(yōu)化后的模型在能耗預(yù)測方面更為準(zhǔn)確和可靠。均方誤差（MSE）和平均絕對誤差（MAE）分別從0.07kWh2和0.05kWh降低到0.04kWh2和0.03kWh，證實(shí)了模型預(yù)測精度的提高。響應(yīng)時間從150.23s降低至120.16s，顯示出系統(tǒng)處理速度的顯著加快。系統(tǒng)穩(wěn)定性從72.35h增加到96.50h，表明優(yōu)化后的系統(tǒng)在長期運(yùn)行中更加穩(wěn)定可靠。能耗降低率的提升（10.25%——15.38%）顯示出系統(tǒng)在能源效率方面的顯著改進(jìn)。計算資源消耗的降低（75.50%——65.40%）說明了優(yōu)化算法在提高計算效率方面的效果。研究結(jié)果表明，本次系統(tǒng)優(yōu)化能顯著提升智能電氣控制系統(tǒng)在能源管理中的整體性能。

4 結(jié)束語

物聯(lián)網(wǎng)技術(shù)的融合是一種根本性的轉(zhuǎn)變，標(biāo)志著能源管理從傳統(tǒng)的被動式監(jiān)控向主動式智能管理的重大躍遷。物聯(lián)網(wǎng)技術(shù)的引入提升了數(shù)據(jù)收集和處理的質(zhì)量與效率，提高了能源使用的透明度，增強(qiáng)了預(yù)測性維護(hù)和實(shí)時優(yōu)化的能力。在這個過程中，智能電氣控制系統(tǒng)逐漸演變?yōu)榫哂袑W(xué)習(xí)能力、適應(yīng)能力、自主優(yōu)化操作內(nèi)容的動態(tài)系統(tǒng)。這種演變能夠有效促進(jìn)能源效率提升和能源成本降低，對推動能源利用可持續(xù)發(fā)展。結(jié)果表明，物聯(lián)網(wǎng)技術(shù)的應(yīng)用可顯著優(yōu)化系統(tǒng)算法，提升算法的綜合性能，有效保障電氣控制系統(tǒng)能源管理工作的順利進(jìn)行。在電氣控制系統(tǒng)的能源管理工作中，應(yīng)持續(xù)集成和利用人工智能、大數(shù)據(jù)分析和云計算技術(shù)，提升系統(tǒng)處理數(shù)據(jù)的能力，增強(qiáng)預(yù)測和優(yōu)化能源使用的準(zhǔn)確性，擴(kuò)展傳感器的覆蓋范圍、提升精度、加強(qiáng)網(wǎng)絡(luò)穩(wěn)定性，以確保設(shè)備間高效、安全的通信和數(shù)據(jù)交換，為實(shí)現(xiàn)可持續(xù)發(fā)展目標(biāo)作出貢獻(xiàn)。