李繼成，段寶倉(cāng)，陳 琦，孟 威，劉源濤，田 豐，張海波，閆佳佳

（1.國(guó)網(wǎng)東北分部綠源水力發(fā)電公司云峰發(fā)電廠，吉林 集安 134200；2.沈陽(yáng)工業(yè)大學(xué) 電氣工程學(xué)院，遼寧沈陽(yáng) 110870）

0 引言

隨著水電廠自動(dòng)化水平的不斷提高，廠內(nèi)多種類(lèi)水電設(shè)備數(shù)量不斷增加，水電廠系統(tǒng)數(shù)據(jù)規(guī)模和復(fù)雜程度隨之提高。目前水電廠在運(yùn)行過(guò)程中無(wú)法進(jìn)行有效數(shù)據(jù)記錄與實(shí)時(shí)數(shù)據(jù)計(jì)算，影響了電廠生產(chǎn)管理數(shù)據(jù)與電廠實(shí)際運(yùn)行情況間的信息交互，同時(shí)造成水電廠整體生產(chǎn)的安全性降低[1]～[3]。具有去中心化、公開(kāi)透明的區(qū)塊鏈可信數(shù)據(jù)交換技術(shù)，可有效提高水電廠水電設(shè)備安全生產(chǎn)的積極性和有效性[4]～[6]。因此，為了提高水電廠對(duì)水電設(shè)備在生產(chǎn)和運(yùn)行過(guò)程中存在的不確定因素和安全隱患的應(yīng)對(duì)能力，實(shí)現(xiàn)人力資源成本降低，提高水電設(shè)備利用率，促進(jìn)組織結(jié)構(gòu)優(yōu)化，本文基于區(qū)塊鏈技術(shù)提出了水電設(shè)備故障風(fēng)險(xiǎn)動(dòng)態(tài)計(jì)算模型，該模型可為水電廠穩(wěn)定運(yùn)行提供重要的理論與技術(shù)支撐。

目前，已有學(xué)者針對(duì)水電廠水電設(shè)備的安全生產(chǎn)、故障風(fēng)險(xiǎn)等方面展開(kāi)了相關(guān)研究并取得了一定的成果。文獻(xiàn)[7]考慮水電廠水電設(shè)備運(yùn)行數(shù)據(jù)縱向分層和橫向分區(qū)的原則，構(gòu)建了智能水電廠全景式數(shù)據(jù)中心，能夠?qū)崿F(xiàn)水電廠數(shù)據(jù)跨區(qū)同步的功能，對(duì)水電設(shè)備故障風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)。文獻(xiàn)[8]通過(guò)采集研究水電廠水電設(shè)備在運(yùn)行生產(chǎn)過(guò)程中的危險(xiǎn)源數(shù)據(jù)特征，建立了水電廠危險(xiǎn)源辨識(shí)系統(tǒng)，通過(guò)實(shí)時(shí)監(jiān)測(cè)以及風(fēng)險(xiǎn)值與危險(xiǎn)類(lèi)型的評(píng)估，提高水電設(shè)備作業(yè)的安全性能。文獻(xiàn)[9]分析了水電設(shè)備生產(chǎn)環(huán)境的不確定性，針對(duì)水電設(shè)備安全生產(chǎn)形態(tài)進(jìn)行了狀態(tài)登記劃分，同時(shí)考慮水電設(shè)備安全生產(chǎn)狀態(tài)評(píng)估與趨勢(shì)預(yù)測(cè)，建立了水電設(shè)備故障風(fēng)險(xiǎn)演化分析模型，可以提升水電廠穩(wěn)態(tài)運(yùn)行的安全水平。文獻(xiàn)[10]為提高水電廠生產(chǎn)管理的安全性，減少異構(gòu)無(wú)關(guān)數(shù)據(jù)的影響，采用水電廠跨區(qū)數(shù)據(jù)同時(shí)搜索、互相協(xié)調(diào)的方法，構(gòu)建了水電廠跨區(qū)數(shù)據(jù)安全融合體系。文獻(xiàn)[11]考慮水電廠安全生產(chǎn)管理監(jiān)測(cè)與運(yùn)行性能差的問(wèn)題，采用威努特網(wǎng)絡(luò)威脅感知技術(shù)對(duì)水電設(shè)備的各類(lèi)型數(shù)據(jù)密度、增益等特征進(jìn)行了提取與分析，并在此基礎(chǔ)上構(gòu)建了水電設(shè)備安全運(yùn)行情況計(jì)算模型。上述文獻(xiàn)對(duì)水電廠內(nèi)水電設(shè)備的安全生產(chǎn)、故障風(fēng)險(xiǎn)方面進(jìn)行了相關(guān)研究，并取得了一定的成果，為解決基于區(qū)塊鏈的水電設(shè)備故障風(fēng)險(xiǎn)動(dòng)態(tài)計(jì)算問(wèn)題提供了一定的理論指導(dǎo)，但仍存在一些問(wèn)題須要解決：如何充分考慮水電廠內(nèi)水電設(shè)備在生產(chǎn)和運(yùn)行過(guò)程中存在的不確定性與數(shù)據(jù)關(guān)聯(lián)的影響，如何對(duì)水電設(shè)備的安全生產(chǎn)情況進(jìn)行動(dòng)態(tài)計(jì)算，實(shí)現(xiàn)水電設(shè)備生產(chǎn)管理數(shù)據(jù)與電廠實(shí)際運(yùn)行情況間的信息交互，提高水電廠整體生產(chǎn)的安全性，是目前為保障水電廠水電設(shè)備穩(wěn)定運(yùn)行的主要措施之一。

本文提出了基于區(qū)塊鏈的水電設(shè)備故障風(fēng)險(xiǎn)動(dòng)態(tài)計(jì)算模型。首先結(jié)合區(qū)塊鏈的可信數(shù)據(jù)交換技術(shù)，構(gòu)建了水電廠水電設(shè)備故障風(fēng)險(xiǎn)數(shù)據(jù)傳輸、交換與存儲(chǔ)的架構(gòu)體系；之后采用自適應(yīng)混沌粒子群算法優(yōu)化徑向基神經(jīng)網(wǎng)絡(luò)參數(shù)，建立水電廠設(shè)備故障風(fēng)險(xiǎn)數(shù)據(jù)預(yù)測(cè)計(jì)算模型，在此基礎(chǔ)上采用Jaccard距離進(jìn)行結(jié)果校正，實(shí)現(xiàn)計(jì)算誤差反饋和計(jì)算模型優(yōu)化；最后通過(guò)算例仿真驗(yàn)證本文所提水電設(shè)備故障風(fēng)險(xiǎn)動(dòng)態(tài)計(jì)算模型的可行性和優(yōu)越性。

1 基于區(qū)塊鏈的水電設(shè)備故障風(fēng)險(xiǎn)數(shù)據(jù)架構(gòu)

水電廠的實(shí)際水電設(shè)備故障風(fēng)險(xiǎn)相關(guān)數(shù)據(jù)主要包括部門(mén)生產(chǎn)數(shù)據(jù)、員工操作數(shù)據(jù)、設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)、環(huán)境條件數(shù)據(jù)等，數(shù)據(jù)規(guī)模龐大、種類(lèi)復(fù)雜多樣，會(huì)制約水電廠安全生產(chǎn)管理的有效性，影響水電廠水電設(shè)備故障風(fēng)險(xiǎn)計(jì)算速度和精度。因此，本文采用DBSCAN算法[12]將數(shù)據(jù)進(jìn)行預(yù)處理。該算法通過(guò)空間點(diǎn)的不同密度將低密度區(qū)域的點(diǎn)劃分為噪聲點(diǎn)，能夠剔除水電廠水電設(shè)備故障風(fēng)險(xiǎn)數(shù)據(jù)中的無(wú)關(guān)變量和異常值，減小對(duì)水電設(shè)備故障風(fēng)險(xiǎn)預(yù)測(cè)模型的影響，能夠保證計(jì)算速度和精度。

設(shè) 數(shù) 據(jù) 集R={r1，r2，…，ri，…，rn}，數(shù) 據(jù) 集 內(nèi) 某個(gè)個(gè)體ri為中心發(fā)散至個(gè)體之間距離的臨界值ε，得到包含核心點(diǎn)和邊界點(diǎn)的最大化區(qū)域，將數(shù)據(jù)集R區(qū)域劃分為b個(gè)數(shù)據(jù)群和c個(gè)噪聲點(diǎn)集合。

式中：Aa為由水電設(shè)備故障風(fēng)險(xiǎn)數(shù)據(jù)集劃分出的第a個(gè)數(shù)據(jù)群；Ba為由水電設(shè)備故障風(fēng)險(xiǎn)數(shù)據(jù)集劃分出的第a個(gè)白噪聲。

本文分別對(duì)水電設(shè)備故障風(fēng)險(xiǎn)數(shù)據(jù)中的無(wú)關(guān)變量和異常值進(jìn)行劃分和剔除，并根據(jù)式（2）對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行歸一化處理，能夠有效降低不同量綱引起的數(shù)據(jù)差異導(dǎo)致的水電設(shè)備故障風(fēng)險(xiǎn)技術(shù)模型的計(jì)算誤差。

式中：maxA和minA分別為ri所屬數(shù)據(jù)特征A的最大值、最小值；ri'為原始數(shù)據(jù)ri歸一化處理后的數(shù)值。

考慮到預(yù)處理后的水電設(shè)備故障風(fēng)險(xiǎn)數(shù)據(jù)間的關(guān)聯(lián)性較強(qiáng)，基于具有去中心化、公開(kāi)透明的區(qū)塊鏈可信數(shù)據(jù)交換技術(shù)，本文提出了水電設(shè)備故障風(fēng)險(xiǎn)數(shù)據(jù)傳輸、交換與存儲(chǔ)的架構(gòu)體系，能夠有效避免水電廠在生產(chǎn)和運(yùn)行過(guò)程中存在的不確定性影響，防止數(shù)據(jù)被篡改，可以在保障安全隱私的同時(shí)實(shí)現(xiàn)數(shù)據(jù)信息共享。

將水電設(shè)備故障風(fēng)險(xiǎn)動(dòng)態(tài)計(jì)算模塊添加到構(gòu)成區(qū)塊鏈的最小單元哈希塊中，構(gòu)成的新組合結(jié)構(gòu)如圖1所示。通過(guò)計(jì)算模塊的高速度和高精度的計(jì)算與區(qū)塊鏈具有的去中心化和安全性，實(shí)現(xiàn)水電設(shè)備運(yùn)行過(guò)程中各類(lèi)數(shù)據(jù)交互的安全性和高效性，同時(shí)，本文將可信數(shù)據(jù)交換技術(shù)和區(qū)塊鏈技術(shù)相結(jié)合，實(shí)現(xiàn)水電設(shè)備故障風(fēng)險(xiǎn)數(shù)據(jù)的加密傳輸、交換與存儲(chǔ)。

圖1 用于水電設(shè)備故障風(fēng)險(xiǎn)動(dòng)態(tài)計(jì)算的區(qū)塊鏈結(jié)構(gòu)圖Fig.1 Block chain structure diagram for dynamic calculation of failure risk of hydropower equipment

2 水電設(shè)備故障風(fēng)險(xiǎn)動(dòng)態(tài)計(jì)算模型

2.1 水電設(shè)備故障風(fēng)險(xiǎn)數(shù)據(jù)預(yù)測(cè)模型

基于去中心化的區(qū)塊鏈可信數(shù)據(jù)交換技術(shù)進(jìn)行水電設(shè)備故障風(fēng)險(xiǎn)數(shù)據(jù)傳輸、交換與存儲(chǔ)，本文綜合考慮水電設(shè)備實(shí)際運(yùn)行情況變化，采用自適應(yīng)混沌粒子群算法優(yōu)化徑向基函數(shù)（Radial Basis Function，RBF）神經(jīng)網(wǎng)絡(luò)[13]對(duì)水電設(shè)備故障風(fēng)險(xiǎn)情況進(jìn)行合理預(yù)測(cè)，計(jì)算出水電設(shè)備精準(zhǔn)的實(shí)時(shí)故障風(fēng)險(xiǎn)率，從而提高生產(chǎn)和運(yùn)行過(guò)程中存在的不確定因素和安全隱患的應(yīng)對(duì)能力，嚴(yán)格監(jiān)督水電廠運(yùn)營(yíng)與檢修計(jì)劃。

RBF神經(jīng)網(wǎng)絡(luò)的激活函數(shù)可表示為

式 中：rs=（r1，s，r2，s，…，rb，s）表 示 第s個(gè) 水 電 廠 安 全生產(chǎn)數(shù)據(jù)的輸入樣本；ci為隱含層節(jié)點(diǎn)中心；‖rsci‖為歐式距離系數(shù)；σ為方差。

則輸出函數(shù)可表示為

式中：wik為隱含層到輸出層的連接權(quán)值；yk為輸出值，即水電設(shè)備故障風(fēng)險(xiǎn)計(jì)算結(jié)果；m表示隱含節(jié)點(diǎn)數(shù)；δk表示輸出層節(jié)點(diǎn)的閥值。

本文通過(guò)更改網(wǎng)絡(luò)中各層級(jí)間的聯(lián)系，能夠?qū)崿F(xiàn)輸入層的信息直接反饋到輸出層，并在此基礎(chǔ)上采用自適應(yīng)混沌粒子群（Self-Adaptive Chaos Particle Swarm Optimization，SA-CPSO）算 法[14]對(duì)RBF神經(jīng)網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化，實(shí)現(xiàn)整體模型的性能與精確度，具體的訓(xùn)練步驟如下。

①設(shè)置SA-CPSO算法的基本參數(shù)，初始化ci，并選取S個(gè)水電設(shè)備故障風(fēng)險(xiǎn)數(shù)據(jù)的樣本。

②按照歐式距離‖rs-ci‖，采用DBSCAN聚類(lèi)算法將rs映射至水電設(shè)備故障風(fēng)險(xiǎn)輸入數(shù)據(jù)集βs（s=1，2，…，S）中 進(jìn) 行 訓(xùn) 練 樣 本 分 類(lèi)。

③根據(jù)下式計(jì)算方差：

式中：cmax為基函數(shù)中心間的最大距離。

④根據(jù)式（6）計(jì)算輸出層與隱含層的連接權(quán)值：

⑤根據(jù)Logistic映射方程式（7）混沌初始化粒子的位置與速度：

式 中：Aε為 第 ε個(gè) 混 沌 變 量，0≤A0≤1；χ∈（0，4]為控制參量。

⑥計(jì)算粒子的適應(yīng)值，記錄各粒子自身以及全 局 最 優(yōu) 位 置，并 根 據(jù) 式（8），（9）更 新 粒 子 速 度 和位置：

式中：w為慣性權(quán)重；w'為初始慣性權(quán)值；L為迭代最大時(shí)的慣性權(quán)值；I為最大訓(xùn)練次數(shù)；c1，c2＞0為學(xué)習(xí)因子；d為搜索空間維數(shù)；e為當(dāng)前迭代次數(shù)；分別為粒子的自身和全局最優(yōu)位置。

⑦計(jì)算種群適應(yīng)值，更新粒子和種群的最優(yōu)位置。

⑧判斷是否滿(mǎn)足最大迭代次數(shù)，若是，則輸出全局最優(yōu)閾值與權(quán)值賦予神經(jīng)網(wǎng)絡(luò)，否則進(jìn)行下一步。

式 中：Yi，Y˙i分 別 為 實(shí) 際 輸 出 值 和 訓(xùn) 練 預(yù) 測(cè) 值；Xmax，Xmin分別為粒子位置遍歷范圍的上、下限。

2.2 計(jì)算誤差反饋模型

本文為了進(jìn)一步提高計(jì)算精度，實(shí)現(xiàn)水電設(shè)備故障風(fēng)險(xiǎn)實(shí)時(shí)計(jì)算結(jié)果與實(shí)際結(jié)果的誤差反饋，在建立水電設(shè)備故障風(fēng)險(xiǎn)動(dòng)態(tài)數(shù)據(jù)預(yù)測(cè)模型的基礎(chǔ)上，采用Jaccard距離對(duì)預(yù)測(cè)結(jié)果進(jìn)行 校 正[15]。

將Jaccard相似系數(shù)作為衡量指標(biāo)，可以表示為式中：B，C分別為水電設(shè)備故障風(fēng)險(xiǎn)實(shí)時(shí)計(jì)算結(jié)果與實(shí)際結(jié)果。

通過(guò)計(jì)算Jaccard距離來(lái)度量水電設(shè)備故障風(fēng)險(xiǎn)實(shí)時(shí)計(jì)算結(jié)果與實(shí)際結(jié)果之間的差異性，并反饋至式（8），基于誤差反饋更新粒子速度和位置，輸出全局最優(yōu)閾值與權(quán)值賦予神經(jīng)網(wǎng)絡(luò)。

式 中：dJ（B，C）為Jaccard距 離，數(shù) 值 越 小 表 示 樣 本相似度越高。

2.3 水電設(shè)備故障風(fēng)險(xiǎn)動(dòng)態(tài)計(jì)算模型

基于去中心化的區(qū)塊鏈可信數(shù)據(jù)交換技術(shù)，綜合水電廠水電設(shè)備故障風(fēng)險(xiǎn)動(dòng)態(tài)數(shù)據(jù)預(yù)測(cè)模型和計(jì)算誤差反饋模型，本文構(gòu)建了水電廠水電設(shè)備故障風(fēng)險(xiǎn)動(dòng)態(tài)計(jì)算模型的拓?fù)浣Y(jié)構(gòu)與流程圖，分別如圖2、圖3所示。

圖2 水電設(shè)備故障風(fēng)險(xiǎn)動(dòng)態(tài)計(jì)算模型拓?fù)鋱DFig.2 Topological diagram of dynamic calculation model of hydropower equipment failure risk

圖3 水電設(shè)備故障風(fēng)險(xiǎn)動(dòng)態(tài)計(jì)算模型流程圖Fig.3 Flow chart of dynamic calculation model for hydropower equipment failure risk

由圖2，3可以看出，水電廠內(nèi)的各數(shù)據(jù)上傳節(jié)點(diǎn)、數(shù)據(jù)使用工作人員、需求與供給方數(shù)據(jù)庫(kù)與區(qū)塊鏈主鏈經(jīng)節(jié)點(diǎn)注冊(cè)后能夠?qū)崿F(xiàn)數(shù)據(jù)上鏈，并將數(shù)據(jù)信息存儲(chǔ)在各類(lèi)數(shù)據(jù)庫(kù)中。在與區(qū)塊鏈可信數(shù)據(jù)交互平臺(tái)簽訂合約并協(xié)定密鑰體系后，水電設(shè)備實(shí)際生產(chǎn)和運(yùn)行數(shù)據(jù)能夠通過(guò)數(shù)據(jù)上傳節(jié)點(diǎn)將數(shù)據(jù)與供給方數(shù)據(jù)庫(kù)進(jìn)行信息交互與存儲(chǔ)，并經(jīng)數(shù)據(jù)加密處理后上傳至數(shù)據(jù)總庫(kù)，等待主鏈提取。同時(shí)，當(dāng)工作人員進(jìn)行水電設(shè)備故障風(fēng)險(xiǎn)計(jì)算時(shí)，能夠在區(qū)塊鏈可信數(shù)據(jù)交互平臺(tái)中提取主鏈的各區(qū)塊實(shí)現(xiàn)數(shù)據(jù)交互與計(jì)算，本文將水電設(shè)備故障風(fēng)險(xiǎn)動(dòng)態(tài)計(jì)算模塊添加在構(gòu)成區(qū)塊鏈的哈希塊中，能夠通過(guò)計(jì)算模塊與基于Jaccard距離進(jìn)行結(jié)果校正，實(shí)現(xiàn)計(jì)算誤差反饋和計(jì)算模型優(yōu)化，提高水電設(shè)備故障風(fēng)險(xiǎn)情況計(jì)算結(jié)果的準(zhǔn)確性，為指導(dǎo)水電設(shè)備實(shí)際安全操作提供指導(dǎo)，并將計(jì)算結(jié)果存儲(chǔ)至各類(lèi)數(shù)據(jù)庫(kù)，為未來(lái)水電設(shè)備故障風(fēng)險(xiǎn)數(shù)據(jù)預(yù)測(cè)與交互提供數(shù)據(jù)基礎(chǔ)，實(shí)現(xiàn)水電設(shè)備故障風(fēng)險(xiǎn)動(dòng)態(tài)計(jì)算，提高水電廠運(yùn)行安全性與穩(wěn)定性。

3 算例仿真

本文以我國(guó)某地區(qū)水力發(fā)電廠的典型日內(nèi)實(shí)際水電設(shè)備運(yùn)行數(shù)據(jù)為樣本，對(duì)所提基于區(qū)塊鏈的水電設(shè)備故障風(fēng)險(xiǎn)動(dòng)態(tài)計(jì)算模型進(jìn)行仿真驗(yàn)證。水電廠的實(shí)際水電設(shè)備故障風(fēng)險(xiǎn)相關(guān)數(shù)據(jù)主要包括部門(mén)生產(chǎn)數(shù)據(jù)、設(shè)備的運(yùn)行狀態(tài)參數(shù)、員工的操作情況相關(guān)數(shù)據(jù)、環(huán)境參數(shù)等。

本文為提高水電廠水電設(shè)備故障風(fēng)險(xiǎn)動(dòng)態(tài)計(jì)算模型的計(jì)算精度，通過(guò)對(duì)水電設(shè)備故障風(fēng)險(xiǎn)數(shù)據(jù)進(jìn)行預(yù)處理，能夠識(shí)別與剔除水電設(shè)備故障風(fēng)險(xiǎn)數(shù)據(jù)中的無(wú)關(guān)數(shù)據(jù)和異常值，減小對(duì)水電設(shè)備故障風(fēng)險(xiǎn)數(shù)據(jù)預(yù)測(cè)計(jì)算模型的影響，數(shù)據(jù)處理后篩選的結(jié)果如圖4所示。

圖4 數(shù)據(jù)處理結(jié)果Fig.4 Data processing results

分別采用本文提出的自適應(yīng)混沌粒子群算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)模型（SA-CPSO-RBF）、帶壓縮因子的粒子群算法[16]優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)模型（YSPSO-RBF）、ADAM算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)模型（ADAM-RBF）、RBF神經(jīng)網(wǎng)絡(luò)模型對(duì)本文提出的基于區(qū)塊鏈的水電設(shè)備故障風(fēng)險(xiǎn)動(dòng)態(tài)計(jì)算模型的有效性進(jìn)行驗(yàn)證測(cè)試。設(shè)置種群初始規(guī)模為200；最大訓(xùn)練次數(shù)I=200；學(xué)習(xí)因子c1=1.06，c2=1.35；迭代最大時(shí)的慣性權(quán)值L=0.25；初始 慣 性 權(quán) 值w'=0.9；SA-CPSO-RBF，ADAM-RBF和YSPSO-RBF的初始權(quán)值分別由SA-CPSO算法、ADAM算法和YSPSO算法尋優(yōu)得出并通過(guò)誤差反饋不斷更新，傳統(tǒng)RBF神經(jīng)網(wǎng)絡(luò)模型的初始權(quán)值經(jīng)隨機(jī)獲取后自動(dòng)賦值，通過(guò)仿真實(shí)驗(yàn)，4種模型的仿真結(jié)果如圖5，6與表1，2所示。

表1 算法的求解結(jié)果Table1 The results of the algorithmss

通過(guò)圖5中各算法計(jì)算輸出的對(duì)比結(jié)果可以看出，與YSPSO-RBF模型、ADAM-RBF模型、RBF神經(jīng)網(wǎng)絡(luò)模型相比，本文采用的SA-CPSORBF模型在基于區(qū)塊鏈的水電設(shè)備故障風(fēng)險(xiǎn)動(dòng)態(tài)計(jì)算模型中的預(yù)測(cè)值與實(shí)際結(jié)果最接近。

圖5 計(jì)算對(duì)比結(jié)果Fig.5 Calculate the comparison results

由圖6所示的各算法的計(jì)算誤差對(duì)比結(jié)果可知，本文提出的SA-CPSO-RBF模型水電設(shè)備故障風(fēng)險(xiǎn)數(shù)據(jù)預(yù)測(cè)結(jié)果與YSPSO-RBF模型、ADAM-RBF模型、RBF神經(jīng)網(wǎng)絡(luò)模型相比，其計(jì)算誤差分別降低了44.64%，52.83%，62.79%。因此，采用本文所提出的模型對(duì)水電設(shè)備故障風(fēng)險(xiǎn)進(jìn)行動(dòng)態(tài)計(jì)算，能夠得到更高精度的計(jì)算結(jié)果，為水電廠在應(yīng)對(duì)生產(chǎn)和運(yùn)行過(guò)程中存在的不確定因素和安全隱患時(shí)提供更精準(zhǔn)的指導(dǎo)，可有效實(shí)施水電廠安全生產(chǎn)的動(dòng)態(tài)管理，促進(jìn)組織結(jié)構(gòu)優(yōu)化，同時(shí)仿真結(jié)果也驗(yàn)證了所提模型的有效性。

圖6 計(jì)算誤差對(duì)比結(jié)果Fig.6 Computational error comparison results

由表1可知，在本文提出的基于區(qū)塊鏈的水電設(shè)備故障風(fēng)險(xiǎn)動(dòng)態(tài)計(jì)算模型中，采用SA-CPSO算法對(duì)RBF神經(jīng)網(wǎng)絡(luò)的權(quán)值進(jìn)行求解，并采用Jaccard距離進(jìn)行修正，其收斂速度與求解速度優(yōu)于ADAM算法和YSPSO算法。因此，通過(guò)使用區(qū)塊鏈技術(shù)實(shí)現(xiàn)水電設(shè)備故障風(fēng)險(xiǎn)數(shù)據(jù)記錄與數(shù)據(jù)交互能夠有效提高模型的計(jì)算速度。表2中3種數(shù)據(jù)預(yù)測(cè)模型的計(jì)算結(jié)果表明，本文采用的SACPSO-RBF模型的計(jì)算速度與計(jì)算精度優(yōu)于YSPSO-RBF模型、ADAM-RBF模型與RBF神經(jīng)網(wǎng)絡(luò)模型。

表2 數(shù)據(jù)預(yù)測(cè)模型的計(jì)算結(jié)果Table2 The results of the algorithms

4 結(jié)束語(yǔ)

針對(duì)水電廠內(nèi)水電設(shè)備在運(yùn)行和生產(chǎn)過(guò)程中存在安全隱患等問(wèn)題，實(shí)現(xiàn)水電設(shè)備生產(chǎn)管理數(shù)據(jù)與實(shí)際運(yùn)行情況的信息交互，本文提出了一種基于區(qū)塊鏈的水電設(shè)備故障風(fēng)險(xiǎn)動(dòng)態(tài)計(jì)算模型，并以我國(guó)某地區(qū)水力發(fā)電廠的典型日內(nèi)實(shí)際安全生產(chǎn)數(shù)據(jù)為樣本，通過(guò)算例仿真可得，基于去中心化的區(qū)塊鏈可信數(shù)據(jù)交換技術(shù)，采用自適應(yīng)混沌粒子群算法建立水電設(shè)備故障風(fēng)險(xiǎn)數(shù)據(jù)預(yù)測(cè)計(jì)算模型，并對(duì)計(jì)算誤差反饋和計(jì)算模型優(yōu)化建立的水電設(shè)備故障風(fēng)險(xiǎn)動(dòng)態(tài)計(jì)算模型，能夠?qū)崿F(xiàn)水電廠安全生產(chǎn)的動(dòng)態(tài)監(jiān)督，提高水電廠對(duì)生產(chǎn)和運(yùn)行過(guò)程中存在的不確定因素和安全隱患的應(yīng)對(duì)能力。