作者：遲耀丹 ，劉永峰 ，王立光 ，趙 陽 ，趙慧強

引 言

GB 51309—2018《消防應急照明和疏散指示系統技術標準》和《建筑設計防火規范》對應急照明系統及備用電源做出規定：消防應急照明系統需采用不含重金屬等對環境有害物質的蓄電池作為應急燈具的后備保障性電源，且滿足火災延續時間內應急照明設備的用電要求[1?2]。

應急電源管理系統是以提高整個消防系統安全性能為目的，對應急電源進行集中管理、具有電源監測和異常報警功能的管理系統[3]。《2019—2025 年中國照明電源行業市場及競爭發展趨勢研究報告》中提到：2000 年以來，中國照明電源行業開始進入高速發展期，照明行業專業程度不斷提高，照明電源技術參數、性能指標差異明顯[2]。在這種發展趨勢下，對于電源管理系統的研究提出了更高的要求。

目前電源管理系統在管理上依然沿用傳統電源管理系統的管理方式，即系統對蓄電池的狀態進行無差別監測[4]，由下位機采集電源信息，上位機負責信息顯示的被動管理方式，這種管理方式在結構上缺乏合理性和科學性，無法發揮系統管理的宏觀優勢，導致系統穩定性和快速性降低。這種系統雖然能夠滿足日常生產，但其功能單一、規范性差、集成度低的問題使其無法適應安防產業發展[5]。在建筑綜合化、規模化的形式下，尋找適合于大規模并行且具有智能特征的優化算法已成為一個重要的研究方向[6]。

本文提出的基于蟻群算法的應急電源管理方案，主要用于應急照明系統自帶蓄電池的管理，采用全新、主動式的電源管理方式，充分發揮蟻群算法尋優能力，動態尋找最佳巡查路徑，實現對電池單元的智能化管理。數據采集模塊和現場控制器采用喚醒機制，減少系統能耗，系統監控主機與現場控制器采用差頻巡查機制，在減少通信模塊能量消耗的同時減少了系統的存儲負擔，解決了應急電源管理系統巡查方式缺乏靈活性、能量利用率低、電池壽命短的問題。

1 電源管理系統總體結構

應急電源管理系統由電源模塊、數據采集模塊、通信模塊和上位機顯示模塊組成，用于管理由獨立電源組成的應急電源系統[7]。

系統整體采用樹狀拓撲結構，如圖 1 所示。上位機（即系統的監控主機）控制下層現場控制器，現場控制器控制下層電源節點，系統逐層控制，同層之間相互獨立，避免節點間沖突，提高系統穩定性。應急電源系統通過對電源的輸出信息進行采集、匯總、運算等操作，實現電源的電量監測、故障報警、集中管理和建立巡查檔案等功能。

每個防護區域內設置若干電源節點和現場控制器，電源節點與現場控制器采用星型拓撲結構連接，應急電源隨設備布置在防護區域，為設備及控制器供電，各電源節點之間無通信聯系，視為獨立節點。現場控制器用于接收監控主機發送的控制信息，控制電源信息采集模塊采集電源電壓、電流、溫度信息，然后將采集到的電源數據信息通過 CAN 總線上傳至監控主機；監控主機用于對電源節點采用基于蟻群算法的智能巡查并分析電源節點的荷電狀態，檢測結果在人機交互界面顯示，并建立電源管理系統巡查檔案。

2 基于蟻群算法的電源管理方案

蟻群優化(Ant Colony Optimization，ACO)算 法 由M.Dorigo于 1991年提出，是模擬螞蟻種群外出覓食行為創立的仿生算法[8]。螞蟻外出覓食時隨機選擇一條路徑，發現食物后在返回蟻穴的路徑上釋放信息素，信息素濃度越高表示發現食物的概率越高，之后外出覓食的螞蟻根據信息素濃度選擇一條到達食物最近的路線，找到食物返回的螞蟻同樣釋放信息素，形成正反饋，通過單個螞蟻的覓食行為為螞蟻種群找到一條最短的覓食路徑[9]。

蟻群算法是一種典型的群集智能算法，具有高效并行、反饋催化的特點，通過簡單個體完成該既定功能，進而實現整個系統的智能行為[10]，提供全局分布式問題的優化求解方案，在分布式電源智能管理領域表現出很高的研究和應用價值。

電源管理系統對電源節點進行集中管理，監控主機基于蟻群算法，采用主動巡查方式結合周期性定時巡查方式確定電源節點的巡查路徑，并根據電源節點上傳的電源數據信息分析電源節點的荷電狀態。現場控制器采用固定高頻率巡查電源節點，監控主機采用固定低頻率發送巡查指令，采用不同頻率巡查方式達到減少系統CPU 運算量、存儲負荷和電能消耗的目的。

現場控制器和數據采集模塊在每個系統周期內有兩個狀態：工作狀態和休眠狀態。處于工作狀態時，數據采集模塊在現場控制器的指示下取得電源信息，現場控制器接收節點信息并處理，完成預定工作流程；處于休眠狀態時，關閉數據采集模塊以節約能量，現場控制器在休眠狀態下待機，保留接收上位機喚醒功能。

現場控制器巡查頻率高于監控主機下達巡查指令的頻率，若巡查結果無異常且未收到上位巡查指令時，現場控制器不向監控主機發送巡查結果，巡查結束后，現場控制器和節點傳感器轉入休眠狀態，等待下一輪巡查到來；若現場控制器巡查過程中發現異常情況，現場控制器立即向監控主機上傳信息，信息包含防護區域編碼、故障節點編碼及故障代碼，監控主機根據故障信息向異常節點所在區域及相鄰區域的現場控制器發出全面巡查指令，喚醒休眠狀態下的節點，并接收對應現場控制器發送的巡查結果。

系統對電源節點的管理流程如圖 2所示。

3 算法實現

本文設計中，電源節點間彼此獨立，各電源節點按一定規則分布在防護區域內，對節點本身而言，燈具控制器向現場控制器傳遞該節點電源信息，與其他節點無直接通信，對于整個系統來說，監控主機向由電源節點組成的網絡中投放“螞蟻”，探測到電源異常的事件即為“找到食物”，“螞蟻”釋放信息素，現場控制器記錄異常信息并向監控主機報告，節點上“信息素”的積累是基于巡查結果的疊加過程，“信息素”用來衡量節點出現異常狀況的可能性，指導下一輪的巡查，這種基于時間的積累方式可以有效降低系統虛警率。

3.1 算法模型

蟻群算法無需提供全局模型，僅涉及基本數學操作，數據處理過程簡單，對系統 CPU、內存要求不高，系統功能分三步實現：構建電源系統可能性解空間，建立概率分布模型；對概率分布模型進行參數化驗證，產生可行解；利用可行解進行參數化概率模型的迭代更新，構建更優化參數空間[11]。

在電源管理系統的一個防護區域內，對所有電源節點進行編碼，設置電源節點集合 C = { c1 ,c2 ,?,cn }，集合C 中任意兩個節點間距離的集合用L={ij|ci,cj?C}表示,τi(k)為第k次巡查時i 節點發生故障的頻率，代表螞蟻在k-1次巡查中積累的信息素濃度，“螞蟻”根據節點上信息素濃度和與其他節點間的距離綜合計算狀態轉移概率[12]，計算公式為：

式中：Pij表示從節點i到節點j的狀態轉移概率；allowed為“螞蟻”下一步可能到達節點集合，表示“螞蟻”在該輪巡查中還未到過的節點；α為信息啟發因子，表示τ的相對重要性；ηij為啟發函數，表示距離在節點狀態轉移過程中的影響；β為距離啟發因子，表示距離的相對重要性。

其中：

監控主機的電量估計系統根據接收的電源節點f的電源數據信息，工況下的鋰電池容量需大于額定容量的20%，因此對電源節點f的荷電狀態（SOC）進行判定：SOC≤20%，判定為電源節點f異常；SOC>20%，判定為電源節點f正常。若電源節點f異常，則其出現故障的次數mf為1，電源節點f發生故障的頻率為：

式中：k為巡查次數，記為1；若電源節點f正常，則其出現故障的次數mf為0。

蟻群算法流程圖如圖3所示。

蟻群算法在電源管理系統尋優過程中分為兩個階段：

1）適應階段。這個階段沒有信息指導系統工作，系統采用傳統順序查詢方式采集數據，完善系統參數配置，歷時較短。

2）協調階段。系統經過適應階段積累一定量的運行數據，可以自主完成巡查任務，隨后整個生命周期內不斷更新數據，動態調整巡查方式[13]。

現場控制器上電初始化進行節點編碼、設置集合，首次巡查按節點編碼順序巡查，記巡查次數k為1，監控主機的電量估計系統根據接收的電源數據信息對電源節點i的荷電狀態（SOC）進行判定，若電源節點i異常，則其出現故障的次數mi增加1次，電源節點i發生故障的頻率為τi=mik；若電源節點i正常，則其出現故障的次數mi不變，由于巡查次數的增加，電源節點發生故障的頻率τi下降。

計算電源節點i與剩余電源節點集合allowed中的電源節點的狀態轉移概率Pij，Pij最大的電源節點確定為下一巡查對象，若存在多個Pij值最大的電源節點，按編碼順序巡查，并將已巡查過的電源節點從剩余電源節點集合allowed中剔除，直至集合allowed中所有電源節點全部巡查完畢。

在電源管理系統中，根據節點發生異常的頻率和節點間的距離計算節點狀態轉移概率，狀態轉移概率反映了未巡查節點在時間和空間上的危險性，節點巡查順序按危險性由高到低排列，危險性越高的節點越先檢查，τi值的動態更新對系統新一輪的巡查起到強調作用，避免了一條巡查路徑始終處于警報狀態而忽略新的危機。

3.2仿真實驗

本文基于Matlab軟件對基于蟻群算法的電源管理系統進行仿真實驗。

基于蟻群算法的電源管理系統根據各節點的異常率和節點間的距離動態規劃巡查路徑，通過不斷的迭代運算確定最優巡查路徑。在30×30的平面內均勻布置49個電源節點，設置一只“螞蟻”模擬傳統電源管理方案，即按照一定的順序對電源節點進行逐一巡查（只有一條路徑），系統巡查一周經過的路徑約為321個單位。

相同場景下，監控主機釋放“蟻群”（實際仿真結果表明，一定范圍內螞蟻數越多，巡查的總距離越短，超過一定數量后，巡查距離差別不大，圖4為“釋放”3只螞蟻的仿真結果），從防火區內任意節點出發，每經過一個節點計算一次狀態轉移概率，標記經過的節點，直至所有節點都被巡查過一遍，表示本次巡查任務結束。

圖4為基于蟻群算法的電源管理系統仿真結果。圖4a）是優化后的電源節點巡查路徑，即系統巡查一輪的最短路徑；圖4b）是優化后的最短巡查距離，從圖中可以看出，經蟻群算法優化后，系統巡查距離最后收斂于246個單位。

如圖5所示，相同面積區域內，當電源節點增加至121個時，逐一巡查方式的巡查距離約為560個單位，當采用基于蟻群算法的巡查方式時，巡查距離收斂于385個單位，與傳統電源管理方案相比，基于蟻群算法優化后的巡查方案具有動態性和最優性。

仿真結果表明，基于蟻群算法的系統巡查方案可以有效縮短系統巡查距離，節約系統巡查時間，基于節點異常率和空間位置規劃的巡查路徑，可以針對性地優先排查高風險節點，提高系統的響應速度。

4 結 語

本文設計的應急電源管理系統主要用于應急照明系統的自帶蓄電池的管理，具有結構簡單、控制邏輯清晰、移植性好的特點。基于蟻群算法的電源管理方案，變被動檢測為主動，使系統實現智能、高效的全天候電源巡查管理任務，實現應急電源的智能化巡查管理。蟻群算法具有的反饋機制使系統不斷迭代優化尋找全局最優解，使得系統巡查具有動態優化特性，從時間積累和空間距離兩方面確定系統巡查路徑。

審核編輯：郭婷