深度学习在电力安全生产监督管理云平台中的应用研究

发布时间：2020-03-26 17:50

【摘要】：近年来,随着我国社会工业生产水平的提高,用户的用电需求也日益增长,这种变化对电力生产的安全性和可靠性提出了严峻挑战。现如今电力企业主要按照《电力安全工作规程》的组织措施和技术措施来预防人为操作事故,但随着电力系统日益复杂,需监督的电力施工现场和检修设备不断增多,技术人员的规范性操作显得愈发重要,电力企业急需完善信息化建设,以此释放现场端的监督压力。然而传统的监督管理模式跟本无法进行远程监督,操作人员的动作也无法比对反馈进而提醒更正,不能实现电力安全生产的统一监督管理与决策分析,致使各类电力安全生产事故频发。为解决此问题,本文将云平台、OpenPose与TensorFlow等先进技术应用到电力安全生产监督云平台,借助这些技术对设备生产过程和技术人员操作过程进行监督管理。本文首先阐述了电力安全生产监督管理(以下简称电力安监)系统的发展概况,总结了现有电力安监系统中存在的问题,明晰研究思路并界定研究内容。然后结合某市级供电公司实际工程情况利用云平台与深度学习,对电力安监系统的总体架构、数据流程和网络拓扑进行了详细设计。本研究旨在构建一个基于云平台的电力安监系统,该系统借助深度学习中的神经网络算法结合云技术,把电力生产设备、工作人员和生产过程有机的结合在一起抽象为参量,最终在云端生成模型统一对整个电力安监过程进行管理。该系统借助阿里云GPU云服务器的强大计算能力对海量影音数据进行实时处理分析,在保证高速运算的同时节约了成本,利用TensorFlow训练测试了语音模型的良好收敛性,还利用了OpenPose预处理图像数据提高了系统工程现场的实测识别率。本研究表明,将云计算与深度学习等技术应用到电力安全生产监督管理云平台中,能显著提高系统的兼容性、实时性和监管能力,在增加人体姿态的识别率同时降低运算成本和存储成本。
【图文】：

电力需求预测

研究背景和意义当前，中国能源的战略目标逐步从扩张体量向提升质量转变，而电能在构建低碳清洁的能源体系中扮演着重要角色。如图1-1所示，我国电力需求增速放缓，节约优先为核心的能源消费革命将被推进，而传统粗放的电力安全生产监督管理（以下简称 “安监”）方式将不再能满足当前电力企业安全监督的需求。为此，企业必须建立合理规范的电力安全生产监督管理系统并且降低系统开发维护成本，才能进一步加强电能的精细化管理和电网运行的稳定性。图1-1 我国中长期电力需求预测输变电生产监督管理是电力安监的主体内容，包括变电站设备和线路的运维与检修。其特点是设备出现故障的概率大，，需要运维人员经常维护；工作繁琐乏味，容易造成工作人员思想上放松警惕；人员较为分散难于集中管理[1]。值班人员的主要任务是操作和维护电力设备，大量的设备造成工作任务繁重，影响安全生产的隐患潜伏于各个运维与检修环节中。现如今

总体结构,平台

华中科技大学硕士学位论文10本系统的总体结构如图2-1所示，现场的设备或终端通过各类通讯协议连接到阿里云平台上。系统使用云平台将数据采集子系统（变电站与输电线路）、市级供电公司办公室、安监调控中心、移动安监部与移动安监办公平台有机的结合在一起，通过专有网络和各类通讯协议完成数据的流通，所有机构可以通过互联网轻松访问云端监控现场生产状况。图2-1 电力安全生产监控云平台的总体结构图如图2-2是系统总体的功能展示，主要分为现场设备层、云控制台和客户应用层。现场设备采集数据通过各类驱动协议上传至物联网云平台IoT Hub[28]；之后将仪器设备上获取的数据通过规则引擎写入时序时空数据库TSDB，TSDB中的数据既可以传给Grafana来在云平台实时显示，也可以传给客户端监控分析，而监控器中的影音数据则通过Java SDK传入GPU云服务器ECS；ECS中的异构计算架构使用OpenPose对图像进行预处理再经过TensorFlow调用识别模型，来判断现场的安全生产状况；如果系统判定需要进行及时响应的事件
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F426.61;TM08

【参考文献】