林士明 趙雪婷 張光亞 侯紅麗 劉少華 姚 嵐 程 曦 吳 周 王紅梅 張東平

智能診斷技術(shù)在能源互聯(lián)網(wǎng)中的研究

林士明 趙雪婷 張光亞 侯紅麗 劉少華 姚 嵐 程 曦 吳 周 王紅梅 張東平

隨著全球能源結(jié)構(gòu)的變化，智能化正逐漸主導(dǎo)未來的電網(wǎng)發(fā)展方向和技術(shù)發(fā)展方向，能源互聯(lián)網(wǎng)的發(fā)展將改變電力網(wǎng)固有運(yùn)營模式。智能電網(wǎng)給電力企業(yè)帶來的是技術(shù)革新，給用戶帶來的是新的體驗(yàn)和高效快捷的服務(wù)滿意度。研究與設(shè)計(jì)基于智能診斷技術(shù)的高級(jí)數(shù)據(jù)診斷與分析挖掘系統(tǒng)將有助于為未來構(gòu)建能源互聯(lián)網(wǎng)提供技術(shù)支撐。本文基于SOA系統(tǒng)研究開發(fā)數(shù)據(jù)分析平臺(tái)，并采用k-means聚類均值算法，將聚類算法與樸素貝葉斯網(wǎng)絡(luò)基礎(chǔ)融合，實(shí)現(xiàn)能源數(shù)據(jù)流的深度挖掘。

智能診斷技術(shù)源于歐美，其最早是采用單信號(hào)處理、多信號(hào)處理以及濾波技術(shù)的簡單應(yīng)用，這類傳統(tǒng)的診斷技術(shù)最初應(yīng)用與機(jī)械及電子類設(shè)備的診斷，在航空、汽車等領(lǐng)域均有應(yīng)用。美國宇航局等國際知名研究機(jī)構(gòu)及公司均有相關(guān)技術(shù)和產(chǎn)品在應(yīng)用，國內(nèi)高校和科研機(jī)構(gòu)在電廠汽輪機(jī)的智能診斷上面也成功研制出具有國際水平的智能故障診斷系統(tǒng)。隨著各類智能知識(shí)算法技術(shù)、大數(shù)據(jù)云計(jì)算、傳感器、神經(jīng)網(wǎng)絡(luò)、模糊控制等技術(shù)的發(fā)展進(jìn)步，智能診斷技術(shù)越來越在諸多復(fù)雜設(shè)備故障處理應(yīng)用中發(fā)揮其不可替代的優(yōu)勢。

智能診斷系統(tǒng)設(shè)計(jì)

智能診斷系統(tǒng)開發(fā)主要在現(xiàn)有各類電力網(wǎng)數(shù)據(jù)平臺(tái)上進(jìn)行，基于SOA的架構(gòu)設(shè)計(jì)，通過服務(wù)總線約定與外部系統(tǒng)信息交互規(guī)則?；谥悄茉\斷分析的電力分析系統(tǒng)物理架構(gòu)圖見圖1。

系統(tǒng)在線監(jiān)測各類終端電能計(jì)量數(shù)據(jù)、電力信息系統(tǒng)統(tǒng)計(jì)數(shù)據(jù)等通過請(qǐng)求ESB服務(wù)總線傳遞至其他電力信息系統(tǒng)，在“私有云”平臺(tái)將調(diào)度過來的數(shù)據(jù)分析處理后將數(shù)據(jù)或查詢結(jié)果反饋給ESB服務(wù)總線或?qū)崟r(shí)在線傳輸給系統(tǒng)。該架構(gòu)實(shí)現(xiàn)業(yè)務(wù)流程易操作，可隨時(shí)新增或刪減新老業(yè)務(wù)類型，且不影響系統(tǒng)整體運(yùn)行，實(shí)現(xiàn)了電力數(shù)據(jù)業(yè)務(wù)流之間的數(shù)據(jù)任務(wù)調(diào)配。

基于SOA的架構(gòu)設(shè)計(jì)

系統(tǒng)開發(fā)基于SOA的架構(gòu)體系，面向電網(wǎng)及電力客戶服務(wù)的設(shè)計(jì)采用WebService技術(shù)和規(guī)范來實(shí)現(xiàn)SOA架構(gòu)的應(yīng)用接口，結(jié)構(gòu)如圖2所示。

圖1　基于智能診斷分析的電力分析系統(tǒng)物理架構(gòu)圖

圖2　多層分布式體系結(jié)構(gòu)圖

客戶層用于訪問實(shí)際業(yè)務(wù)系統(tǒng)和處理人機(jī)交互的客戶端，包括外部網(wǎng)頁客戶端、Flash Player等。表示層由界面控制器組件負(fù)責(zé)統(tǒng)一調(diào)用不同的界面操作組件，采用J2EE技術(shù)體系下的MVC應(yīng)用框架。業(yè)務(wù)邏輯層用于部署業(yè)務(wù)邏輯組件。數(shù)據(jù)持久層由數(shù)據(jù)映射層和數(shù)據(jù)源構(gòu)成，數(shù)據(jù)映射層完成對(duì)數(shù)據(jù)源的訪問封裝，并使得業(yè)務(wù)邏輯層的設(shè)計(jì)和實(shí)現(xiàn)更集中于系統(tǒng)本身的功能。數(shù)據(jù)庫層配置Oracle數(shù)據(jù)庫。

分布式存儲(chǔ)與計(jì)算架構(gòu)

電力網(wǎng)內(nèi)各類設(shè)備數(shù)量巨大，因此，系統(tǒng)在開發(fā)數(shù)據(jù)分析時(shí)需考慮數(shù)據(jù)庫面臨海量數(shù)據(jù)的承壓能力以及運(yùn)算處理能力。為適應(yīng)大規(guī)模的存儲(chǔ)應(yīng)用需要，系統(tǒng)采用分布式數(shù)據(jù)存儲(chǔ)系統(tǒng)，通過網(wǎng)絡(luò)將存儲(chǔ)任務(wù)分散到多個(gè)節(jié)點(diǎn)，再通過應(yīng)用集群將各節(jié)點(diǎn)的存儲(chǔ)能力匯流在一起。系統(tǒng)通過多臺(tái)設(shè)備的獨(dú)立運(yùn)算，極大減輕了數(shù)據(jù)庫的頻繁操作，并能實(shí)現(xiàn)數(shù)據(jù)的離線處理與統(tǒng)計(jì)分析。

系統(tǒng)采用基于Hadoop的分布式系統(tǒng)基礎(chǔ)架構(gòu)實(shí)現(xiàn)HDFS分布式多文件系統(tǒng)存儲(chǔ)以及MapReduce大數(shù)據(jù)計(jì)算功能，具有高容錯(cuò)、高吞吐量、擴(kuò)展性強(qiáng)等特點(diǎn)。利用Hive數(shù)據(jù)倉庫工具為計(jì)量裝置在線監(jiān)測與智能診斷系統(tǒng)提供數(shù)據(jù)挖掘提取與查詢，且免開發(fā)MapReduce應(yīng)用即可進(jìn)行分析處理功能的事項(xiàng)。

系統(tǒng)框架設(shè)計(jì)實(shí)現(xiàn)：

（1） 數(shù)據(jù)量和計(jì)算量的規(guī)?？s小；

（2） 就近計(jì)算原則，即任務(wù)會(huì)分配到存放著所需數(shù)據(jù)的節(jié)點(diǎn)上進(jìn)行計(jì)算；

（3） 各任務(wù)并行計(jì)算，彼此間基本無依賴關(guān)系。

基于電力營銷系統(tǒng)的任務(wù)調(diào)度

通過整合共享現(xiàn)行電網(wǎng)信息數(shù)據(jù)網(wǎng)，將現(xiàn)行的調(diào)度自動(dòng)化系統(tǒng)、營銷業(yè)務(wù)系統(tǒng)、配網(wǎng)自動(dòng)化系統(tǒng)、用電信息采集系統(tǒng)等數(shù)據(jù)源匯合形成電力“私有云”大數(shù)據(jù)平臺(tái)，智能診斷是基于對(duì)各類數(shù)據(jù)源的資源整合后實(shí)現(xiàn)的數(shù)據(jù)調(diào)度與挖掘。系統(tǒng)開發(fā)設(shè)計(jì)中對(duì)各類系統(tǒng)的任務(wù)調(diào)度是系統(tǒng)的核心開發(fā)內(nèi)容，對(duì)實(shí)現(xiàn)多數(shù)據(jù)源并行的科學(xué)工作流效率尤為關(guān)鍵。

任務(wù)調(diào)度服務(wù)的設(shè)計(jì)目標(biāo)：實(shí)現(xiàn)智能在線監(jiān)測與診斷系統(tǒng)與采集平臺(tái)的解耦。方便實(shí)現(xiàn)靈活的任務(wù)調(diào)度策略，實(shí)現(xiàn)統(tǒng)一的任務(wù)管理平臺(tái)。

數(shù)據(jù)分析與診斷的算法

智能診斷分析流程采用k-means聚類均值算法進(jìn)行異常計(jì)量數(shù)據(jù)挖掘，將聚類算法與樸素貝葉斯網(wǎng)絡(luò)基礎(chǔ)融合提高分類算法的準(zhǔn)確性。數(shù)值聚類是同時(shí)選取 N 種特征，將它們放在組合在一起形成N維向量，從而得到一個(gè)從原始數(shù)據(jù)集合到 N 維向量空間的映射，然后基于某種規(guī)則進(jìn)行分類，在該規(guī)則下，同組分類具有最大的相似性。算法的基本核心思想是初始隨機(jī)給定K個(gè)簇中心，按照最鄰近原則把待分類樣本點(diǎn)分到各個(gè)簇。然后按平均法重新計(jì)算各個(gè)簇的質(zhì)心，從而確定新的簇心。一直迭代，直到簇心的移動(dòng)距離小于某個(gè)給定的值。具體編程算法描述如下

步驟1：從待聚類數(shù)據(jù)集合D｛x1，x2，…xD｝中隨機(jī)選擇K個(gè)數(shù)值為初始聚類簇中心t1， t2， …tk。

步驟2：分別計(jì)算剩余D-K個(gè)數(shù)值到k個(gè)聚類簇中心對(duì)象的差異度，再將值分配對(duì)應(yīng)到差值最低的簇：

步驟3：根據(jù)聚類結(jié)果重新計(jì)算K個(gè)聚類數(shù)值簇的均

步驟4：反復(fù)執(zhí)行上述步驟直至聚類結(jié)果不變化或聚類中心無大范圍轉(zhuǎn)移時(shí)算法結(jié)束，否則返回至公式2重新計(jì)算。

小結(jié)

智能診斷技術(shù)未來在大數(shù)據(jù)和云計(jì)算等新型信息技術(shù)的推動(dòng)下將會(huì)實(shí)現(xiàn)電網(wǎng)的全覆蓋和實(shí)用化，可以預(yù)見，隨著售電側(cè)市場的放開，智能診斷與在線監(jiān)測可能將融合互聯(lián)網(wǎng)+技術(shù)、物聯(lián)網(wǎng)技術(shù)等給用戶帶來不同的體驗(yàn)和更好的服務(wù)價(jià)值。智能計(jì)量技術(shù)的應(yīng)用有利于建立新的電力需求側(cè)響應(yīng)體系，構(gòu)建新型電力服務(wù)體系，打造基于電力數(shù)據(jù)源的能源互聯(lián)網(wǎng)。

10.3969/j.issn.1001-8972.2015.24.027