潘志新，翟學(xué)鋒，王成亮，官國(guó)飛，徐妍

（江蘇方天電力技術(shù)有限公司，江蘇 南京 211100）

配電網(wǎng)作為連接變電站與用戶的重要公共基礎(chǔ)設(shè)施，是提升智能電網(wǎng)末端供電質(zhì)量和用戶體驗(yàn)的關(guān)鍵環(huán)節(jié)[1-2]。伴隨著我國(guó)配電網(wǎng)智能化發(fā)展，除傳統(tǒng)配電網(wǎng)本身運(yùn)行和管理數(shù)據(jù)之外，智能化的感知終端設(shè)備產(chǎn)生的數(shù)據(jù)大量增加，且呈現(xiàn)種類繁多、多源、不確定等特性[3]。

傳統(tǒng)應(yīng)用配電網(wǎng)中心采用云-邊緣的計(jì)算模式，由于海量數(shù)據(jù)的急劇增加和數(shù)據(jù)復(fù)雜度的影響，產(chǎn)生的上行終端監(jiān)測(cè)數(shù)據(jù)和配電網(wǎng)運(yùn)行數(shù)據(jù)以及下行云計(jì)算處理信息為通信傳輸層帶來(lái)了巨大壓力，同時(shí)嚴(yán)重約束了智能配電網(wǎng)的推進(jìn)。深入挖掘邊緣計(jì)算在配電網(wǎng)智能化中的應(yīng)用潛力成為了主要研究熱點(diǎn)，越來(lái)越多的配電網(wǎng)數(shù)據(jù)信息終端化處理、邊緣化計(jì)算及局部化解決的方式成為一種重要方式[4-5]。但是復(fù)雜的多源異構(gòu)數(shù)據(jù)的邊緣化集成為智能配電網(wǎng)的高效邊緣計(jì)算帶來(lái)新的挑戰(zhàn)，因此，亟待實(shí)現(xiàn)智能配電網(wǎng)多源數(shù)據(jù)邊緣化模式下的處理和融合，是提升和保證基于邊緣計(jì)算的配電網(wǎng)智能化發(fā)展的重要基礎(chǔ)[6-7]。

長(zhǎng)期以來(lái)，國(guó)內(nèi)外專家學(xué)者關(guān)于智能配電網(wǎng)海量數(shù)據(jù)分析挖掘方法與多源數(shù)據(jù)處理與融合技術(shù)開展了眾多有意義的研究，周楊珺等[8]針對(duì)配電網(wǎng)數(shù)據(jù)源及數(shù)據(jù)特征展開分析，并設(shè)計(jì)了包含四個(gè)層次的配電網(wǎng)運(yùn)行數(shù)據(jù)分析系統(tǒng)架構(gòu)；孫浩洋等[9]提出了一種邊緣計(jì)算技術(shù)在配電網(wǎng)物聯(lián)網(wǎng)中的應(yīng)用方法，并深入分析了邊緣計(jì)算技術(shù)在配電行業(yè)的實(shí)際應(yīng)用中面臨的不足之處；Okay F Y等[10]提出了一種邊緣計(jì)算架構(gòu)在智能電網(wǎng)模型中的應(yīng)用方法，并結(jié)合智能終端數(shù)據(jù)與運(yùn)行量測(cè)數(shù)據(jù)，具體闡述了邊緣計(jì)算在數(shù)據(jù)安全與效率分析方面的意義；馬洲俊等[11]提出了多源異構(gòu)數(shù)據(jù)分析結(jié)果輔助配電網(wǎng)故障信息識(shí)別定位的策略，為有效挖掘配電網(wǎng)智能化數(shù)據(jù)應(yīng)用化價(jià)值提供了研究借鑒；Barik Rabindra K等[12]提出了利用先進(jìn)的計(jì)量基礎(chǔ)設(shè)施和霧計(jì)算融合實(shí)現(xiàn)智能電網(wǎng)增強(qiáng)，延伸了分布式控制、通信和計(jì)算的能力，使得智能電網(wǎng)的可靠性、彈性和可伸縮性均得到了提高；王維嘉等[13]建立了一種自適應(yīng)多目標(biāo)群交叉優(yōu)化算法實(shí)現(xiàn)多源數(shù)據(jù)分類融合與異構(gòu)數(shù)據(jù)的準(zhǔn)確融合。

綜上所述，智能配電網(wǎng)的發(fā)展已然成為一種必然趨勢(shì)，邊緣計(jì)算技術(shù)的應(yīng)用提供了分布式服務(wù)和計(jì)算的功能，但海量多源異構(gòu)配用電數(shù)據(jù)的有效清洗與聯(lián)接研究的不足，使得邊緣計(jì)算性能的巨大潛力無(wú)法發(fā)揮。文中提出一種基于邊緣計(jì)算的智能配電網(wǎng)多源數(shù)據(jù)處理與融合技術(shù)，設(shè)計(jì)充分考慮邊緣計(jì)算的數(shù)據(jù)處理與融合架構(gòu)；提出基于廣義冪變換Zscore（Box-Cox transformation Zscore，BC-Zscore）的各配電網(wǎng)數(shù)據(jù)源量綱和數(shù)量級(jí)的變換統(tǒng)一處理方法；通過(guò)構(gòu)建基于沖突優(yōu)化DS推理（principal components analysis-dempster shafer，PCA-DS）的多源數(shù)據(jù)融合模型，基于多維特征因素考量對(duì)多源異構(gòu)數(shù)據(jù)進(jìn)行分組聚合?？紤]邊緣計(jì)算的智能配電網(wǎng)多源數(shù)據(jù)的處理與融合技術(shù)研究，可有效實(shí)現(xiàn)配電運(yùn)行數(shù)據(jù)、終端監(jiān)測(cè)數(shù)據(jù)、環(huán)境信息數(shù)據(jù)等基礎(chǔ)數(shù)據(jù)源的融合，為提升智能配用電大數(shù)據(jù)多源并行挖掘和融合計(jì)算分析奠定了良好的基礎(chǔ)，具有重要的研究?jī)r(jià)值和意義。

1 基于邊緣計(jì)算的智能配電網(wǎng)多源數(shù)據(jù)處理與融合架構(gòu)

智能配電網(wǎng)（smart distribution grid，SDG）建設(shè)，是指通過(guò)引入現(xiàn)代電子、通信、網(wǎng)絡(luò)、計(jì)算機(jī)等領(lǐng)域的前沿技術(shù)，實(shí)現(xiàn)整個(gè)配電系統(tǒng)配電過(guò)程穩(wěn)定和異常運(yùn)行情況下的監(jiān)視、保護(hù)與控制[14]。

結(jié)合邊緣計(jì)算定義和技術(shù)特點(diǎn)，可有效解決智能配電網(wǎng)建設(shè)過(guò)程中的核心環(huán)節(jié)，作用于末端電力運(yùn)行設(shè)備及智能監(jiān)測(cè)設(shè)備與云主站之間，實(shí)現(xiàn)數(shù)據(jù)匯聚的基礎(chǔ)、數(shù)據(jù)計(jì)算、數(shù)據(jù)存儲(chǔ)以及更高級(jí)別的數(shù)據(jù)應(yīng)用，充分發(fā)揮本地計(jì)算的邊緣化結(jié)構(gòu)優(yōu)勢(shì)，達(dá)到智能配電網(wǎng)終端擴(kuò)展、拓?fù)潇`活、計(jì)控實(shí)時(shí)的配電業(yè)務(wù)功能目標(biāo)[15-16]。而目標(biāo)的實(shí)現(xiàn)或?qū)崿F(xiàn)程度則取決于配用電大數(shù)據(jù)下的數(shù)據(jù)匯聚操作，配用電數(shù)據(jù)的匯聚不單單是對(duì)數(shù)據(jù)的匯總與整合，應(yīng)是配電管理系統(tǒng)中多源異構(gòu)信息數(shù)據(jù)量綱和量級(jí)的處理變換，以及充分考慮不同數(shù)據(jù)源間特征屬性關(guān)聯(lián)的深度融合。高效的多源數(shù)據(jù)處理與融合可以促使配用電數(shù)據(jù)更好地服務(wù)于邊緣計(jì)算，提高邊緣計(jì)算在智能配電網(wǎng)中的應(yīng)用能力。

考慮邊緣計(jì)算下的智能配電網(wǎng)多源數(shù)據(jù)處理與融合架構(gòu)如圖1所示。

圖1 多源數(shù)據(jù)處理與融合架構(gòu)Fig.1 Multi-source data processing and fusion architecture

2 基于廣義冪變換Zscore的多源數(shù)據(jù)標(biāo)準(zhǔn)化處理

配電網(wǎng)運(yùn)行過(guò)程中各數(shù)據(jù)源特征屬性的格式、量綱、數(shù)據(jù)類型以及數(shù)量級(jí)均不相同，為實(shí)現(xiàn)智能配電網(wǎng)邊緣化的數(shù)據(jù)融合計(jì)算和信息挖掘，必須消除多種不一致因素產(chǎn)生的限制，實(shí)現(xiàn)對(duì)多源數(shù)據(jù)的標(biāo)準(zhǔn)化處理。根據(jù)配電大數(shù)據(jù)時(shí)序性的特征，通過(guò)在原有Zscore多源異構(gòu)數(shù)據(jù)標(biāo)準(zhǔn)化處理基礎(chǔ)上引入Box-Cox轉(zhuǎn)換，文中提出一種基于廣義冪變換Zscore的配電網(wǎng)多源異構(gòu)數(shù)據(jù)標(biāo)準(zhǔn)化處理方法。

由于Zscore數(shù)據(jù)標(biāo)準(zhǔn)化處理是假設(shè)多源異構(gòu)數(shù)據(jù)因子服從正態(tài)分布規(guī)律的，否則時(shí)序數(shù)據(jù)的偏度和峰度的影響會(huì)使得數(shù)據(jù)處理過(guò)程中某一因子上的得分明顯偏大或偏小，Box-Cox轉(zhuǎn)換作為一種廣義冪變換方法，可有效地處理連續(xù)響應(yīng)變量不滿足正態(tài)分布的情況，在一定程度上消除配用電數(shù)據(jù)運(yùn)行或采集過(guò)程中產(chǎn)生的多源時(shí)序數(shù)據(jù)波動(dòng)偏移問(wèn)題，保證了多源異構(gòu)數(shù)據(jù)標(biāo)準(zhǔn)化處理的準(zhǔn)確性和穩(wěn)定性。

多源數(shù)據(jù)標(biāo)準(zhǔn)化處理流程如圖2所示。

圖2 多源數(shù)據(jù)標(biāo)準(zhǔn)化處理流程Fig.2 Multi-source data standardization process

具體方法執(zhí)行步驟如下：

步驟1：將采集的智能配電網(wǎng)多源數(shù)據(jù)根據(jù)時(shí)序特征進(jìn)行分解處理，記X為標(biāo)準(zhǔn)化變換輸入，其中X能夠以多維數(shù)據(jù)的形式、矩陣形式及向量形式存在。設(shè)當(dāng)X=（X1，X2，…，Xp）以矩陣形式出現(xiàn)時(shí)：

步驟2：由于配用電大數(shù)據(jù)多源異構(gòu)的特點(diǎn)，為保證不同源數(shù)據(jù)格式均實(shí)現(xiàn)數(shù)據(jù)變換處理，分別設(shè)置應(yīng)對(duì)不同格式的BC-Zscore標(biāo)準(zhǔn)化變換方案：

1）若X是以向量的形式存在時(shí)，返回變換后的結(jié)果向量

2）若X是以矩陣的形式存在時(shí)，逐一利用X的列向量的均值和標(biāo)準(zhǔn)差對(duì)相應(yīng)的列進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，返回變換后的結(jié)果矩陣BC_Z；

3）若X是以多維數(shù)組的形式存在時(shí)，通過(guò)沿X的多個(gè)維度求解其均值和標(biāo)準(zhǔn)差，再對(duì)X進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，返回變換后的高維數(shù)組BC_Z。

步驟3：X=（X1，X2，…，Xp）經(jīng)BC-Zscore數(shù)據(jù)標(biāo)準(zhǔn)化處理后：

其中

Xj的標(biāo)準(zhǔn)差；i=1，2，…，n；j=1，2，…，p。

經(jīng)過(guò)BC-Zscore數(shù)據(jù)變換處理后X=（X1，X2，…，Xp）的每列中

步驟4：根據(jù)選定的多源數(shù)據(jù)處理方案進(jìn)行數(shù)據(jù)迭代處理，循環(huán)執(zhí)行步驟2步驟3，匯聚數(shù)據(jù)變換處理結(jié)果。

步驟5：直到任務(wù)輸入的數(shù)據(jù)源均經(jīng)過(guò)量綱與量級(jí)的統(tǒng)一變換后，進(jìn)行任務(wù)輸出保存，用于多源數(shù)據(jù)融合、邊緣數(shù)據(jù)計(jì)算或數(shù)據(jù)存儲(chǔ)，多源數(shù)據(jù)標(biāo)準(zhǔn)化變換結(jié)束。

3 構(gòu)建基于沖突優(yōu)化DS推理的多源數(shù)據(jù)融合模型

基于邊緣計(jì)算模式下的智能配電網(wǎng)主要包括三個(gè)階段：信息融合、狀態(tài)評(píng)估以及關(guān)聯(lián)決策。信息融合通過(guò)對(duì)配用電大數(shù)據(jù)處理與融合實(shí)現(xiàn)，只需要涉及極少簡(jiǎn)要的數(shù)據(jù)計(jì)算，關(guān)鍵數(shù)據(jù)計(jì)算處于信息融合后的階段之中[17-18]。因此，數(shù)據(jù)融合的性能和意義顯得極為重要，直接關(guān)系到配電網(wǎng)狀態(tài)評(píng)估和關(guān)聯(lián)決策計(jì)算結(jié)果值。文中在多源數(shù)據(jù)標(biāo)準(zhǔn)化處理的基礎(chǔ)上，構(gòu)建基于沖突優(yōu)化DS推理的配電網(wǎng)多源數(shù)據(jù)融合模型，經(jīng)過(guò)數(shù)據(jù)融合將來(lái)自多個(gè)數(shù)據(jù)源或來(lái)自相關(guān)數(shù)據(jù)庫(kù)的異構(gòu)數(shù)據(jù)結(jié)合在一起，從而相比使用單一數(shù)據(jù)源的邊緣計(jì)算獲得更高的準(zhǔn)確性。

D-S（Dempster-Shafer）推理法，以下簡(jiǎn)稱 DS推理法，作為一種處理不確定性問(wèn)題的經(jīng)典數(shù)據(jù)融合方法，實(shí)現(xiàn)了對(duì)概率論中貝葉斯條件概率的進(jìn)一步改進(jìn)，避免了先驗(yàn)概率的計(jì)算，能夠很好地表示“不確定”，被廣泛應(yīng)用于各種領(lǐng)域的數(shù)據(jù)融合[19]。但由于DS推理法處理沖突子集時(shí)，因組合規(guī)則中的歸一化過(guò)程會(huì)出現(xiàn)違背不同數(shù)據(jù)源融合常理的結(jié)果，因此，應(yīng)用PCA算法對(duì)DS推理法在處理沖突數(shù)據(jù)源融合時(shí)進(jìn)行進(jìn)一步優(yōu)化PCA可以實(shí)現(xiàn)尋找m（m＜n）個(gè)新成分的目標(biāo)，使它們反映沖突信息的主要特征，實(shí)現(xiàn)沖突信息主要成分的提取利用，而不是全部分配給未知項(xiàng)不進(jìn)行融合考慮，可利用的成分取決于所定義的成分可信度函數(shù)：

基于PCA-DS推理的多源數(shù)據(jù)融合模型具體流程如圖3所示。

圖3 多源異構(gòu)數(shù)據(jù)的特征級(jí)融合Fig.3 Feature level fusion of multi-source heterogeneous data

針對(duì)配用電大數(shù)據(jù)呈現(xiàn)出的種類繁多、多源、不確定等特性，通過(guò)將各數(shù)據(jù)源或監(jiān)測(cè)終端數(shù)據(jù)信息抽象為特征屬性子集，實(shí)現(xiàn)智能配電網(wǎng)下多源異構(gòu)數(shù)據(jù)的特征級(jí)融合，具體執(zhí)行步驟如下。

步驟1：多源特征屬性子集基本概率初始化，標(biāo)記U為智能配電網(wǎng)多源數(shù)據(jù)融合模型框架，則函數(shù)m：2U→[0，1]滿足兩項(xiàng)條件：

式中：m（A）=0為多源數(shù)據(jù)融合集合A的初始值，而m（A）的大小代表對(duì)其的信任程度。

步驟2：定義信任函數(shù)（belief function）計(jì)算不同數(shù)據(jù)融合集合的信任函數(shù)值。

式中：Bel（A）為多源數(shù)據(jù)融合集合A中所有子集分配概率值之和，每項(xiàng)分配概率值表示了該項(xiàng)子集中特征屬性組成的信任程度值，表示其中包括的配電網(wǎng)多源特征屬性可實(shí)現(xiàn)最基本的數(shù)據(jù)融合。

步驟3：定義多源數(shù)據(jù)融合似然函數(shù)（plausibility function）計(jì)算融合不確定特征屬性集合的信任程度值，不確定特征屬性的可利用成分取決于所求解的成分可信度值?，計(jì)算函數(shù)如下：

式中：pl（A）為對(duì)多源數(shù)據(jù)融合集合A似乎可能融合的不確定性特征屬性的度量為集合A融合不確定性特征屬性時(shí)沖突成分可信度值。

步驟4：計(jì)算數(shù)據(jù)融合的信任空間。根據(jù)信任函數(shù)和似然函數(shù)之間的關(guān)系：pl（A）≥Bel（A），A?U，A的不確定性可以表示為

式中：pl（A）-Bel（A）為信任空間，表示多源數(shù)據(jù)融合過(guò)程中根據(jù)配電網(wǎng)計(jì)算實(shí)際應(yīng)用允許變動(dòng)的不確定性特征屬性。

步驟5：多源異構(gòu)數(shù)據(jù)特征屬性合成。對(duì)于?A?U，智能配電網(wǎng)多源數(shù)據(jù)融合模型框架U上的有限個(gè)mass函數(shù)m1,m1,…,mn的Dempster合成規(guī)則為

根據(jù)合成規(guī)則，利用不同源中數(shù)據(jù)特征屬性索引實(shí)現(xiàn)特征級(jí)數(shù)據(jù)融合。

4 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證文中所提基于邊緣計(jì)算的智能配電網(wǎng)多源數(shù)據(jù)處理與融合技術(shù)的有效性與可靠性，以某地區(qū)配電網(wǎng)為例，配電網(wǎng)IEEE14節(jié)點(diǎn)仿真拓?fù)淙鐖D4所示。算法通過(guò)Matlab2019a實(shí)現(xiàn)，選取同一時(shí)間周期的配電網(wǎng)運(yùn)行數(shù)據(jù)、終端監(jiān)測(cè)數(shù)據(jù)、環(huán)境信息數(shù)據(jù)為實(shí)驗(yàn)多源數(shù)據(jù)，分為兩個(gè)實(shí)驗(yàn)分別測(cè)試多源數(shù)據(jù)標(biāo)準(zhǔn)化變換處理方法，以及在數(shù)據(jù)處理的基礎(chǔ)上進(jìn)行多源數(shù)據(jù)特征級(jí)融合的可行性。

圖4 配電網(wǎng)IEEE14節(jié)點(diǎn)仿真拓?fù)鋱DFig.4 Simulation topology diagram of IEEE14 nodes in distribution network

實(shí)驗(yàn)1：多源數(shù)據(jù)標(biāo)準(zhǔn)化變換處理。

配電網(wǎng)運(yùn)行量測(cè)主要使用配網(wǎng)數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)（supervisory control and data acquisition，SCADA）數(shù)據(jù)；終端監(jiān)測(cè)數(shù)據(jù)主要使用配網(wǎng)故障分布式系統(tǒng)（system of malfunction distribution，SMD）數(shù)據(jù)；有關(guān)環(huán)境信息數(shù)據(jù)使用氣象網(wǎng)公開數(shù)據(jù)，主要包括時(shí)間點(diǎn)、經(jīng)度、緯度、溫度、風(fēng)速、氣壓等對(duì)配電網(wǎng)影響顯著的特征屬性數(shù)據(jù)。各數(shù)據(jù)源分別從屬不同數(shù)據(jù)采集系統(tǒng)，數(shù)據(jù)格式復(fù)雜多樣、結(jié)構(gòu)差異較大，極大地限制了配電網(wǎng)邊緣化的混合計(jì)算。經(jīng)多源數(shù)據(jù)標(biāo)準(zhǔn)化變換處理前后結(jié)果對(duì)比如圖5、圖6所示。

圖5 多源數(shù)據(jù)處理前結(jié)果Fig.5 Results before multi-source data processing

圖6 多源數(shù)據(jù)處理后結(jié)果Fig.6 Results after multi-source data processing

為了避免處理方法的偶然性，以6～11線路為例，隨機(jī)抽取10條觀測(cè)序號(hào)展示結(jié)果。在經(jīng)本文所提基于BC-Zscore的配電網(wǎng)多源異構(gòu)數(shù)據(jù)標(biāo)準(zhǔn)化處理方法處理后三個(gè)不同格式、量綱、數(shù)據(jù)類型以及數(shù)量級(jí)的數(shù)據(jù)源特征屬性處理結(jié)果值如表1所示，單位均為標(biāo)幺值。

實(shí)驗(yàn)表明，通過(guò)對(duì)一周內(nèi)的連續(xù)原始數(shù)據(jù)進(jìn)行基于BC-Zscore的多源數(shù)據(jù)標(biāo)準(zhǔn)化處理，該方法有效實(shí)現(xiàn)了對(duì)各數(shù)據(jù)源特征屬性的格式、量綱、數(shù)據(jù)類型以及數(shù)量級(jí)的統(tǒng)一變換處理，通過(guò)表1實(shí)驗(yàn)結(jié)果可以看出，各數(shù)據(jù)源特征屬性變換后每個(gè)元素的絕對(duì)值取值均在0～1之間，明顯消除了多種不一致因素產(chǎn)生的限制，為后續(xù)的智能配電網(wǎng)邊緣化數(shù)據(jù)融合計(jì)算和信息挖掘奠定了基礎(chǔ)，保證了配電網(wǎng)的穩(wěn)定計(jì)算控制和重要信息的深度挖掘。

實(shí)驗(yàn)2：多源數(shù)據(jù)融合。

智能配電網(wǎng)各種高級(jí)應(yīng)用計(jì)算均建立在多源數(shù)據(jù)融合計(jì)算的基礎(chǔ)上，利用多源數(shù)據(jù)處理結(jié)果，圍繞配電網(wǎng)自然災(zāi)害故障信息診斷與挖掘這一實(shí)際應(yīng)用場(chǎng)景需求，進(jìn)行數(shù)據(jù)的特征級(jí)融合。以運(yùn)行數(shù)據(jù)源、終端監(jiān)測(cè)數(shù)據(jù)源、環(huán)境信息數(shù)據(jù)源為對(duì)象，結(jié)合應(yīng)用場(chǎng)景需求分析多源信息構(gòu)成及關(guān)鍵特征屬性，各數(shù)據(jù)源在故障信息診斷與挖掘中融合占比圖如圖7所示。

圖7 多源異構(gòu)數(shù)據(jù)源融合占比Fig.7 Proportion of multi-source heterogeneous data source fusion

根據(jù)多源異構(gòu)數(shù)據(jù)特征屬性合成規(guī)則，對(duì)多源數(shù)據(jù)進(jìn)行分類組合與融合，數(shù)據(jù)融合過(guò)程中不同信任函數(shù)值與似然函數(shù)值下信任區(qū)間變化如圖8所示，尋找最佳數(shù)據(jù)融合點(diǎn)，保證穩(wěn)定度的前提下盡可能多的融合不確定特征屬性。

圖8 數(shù)據(jù)融合過(guò)程中的信任區(qū)間變化Fig.8 Change of confidence interval during data fusion

為了驗(yàn)證文中提出PCA-DS推理的多源數(shù)據(jù)融合結(jié)果在后期配電網(wǎng)自然災(zāi)害故障信息診斷與挖掘的高準(zhǔn)確性。對(duì)一周內(nèi)經(jīng)BC-Zscore多源數(shù)據(jù)處理后的實(shí)驗(yàn)結(jié)果值分別采用DS推理法、BP神經(jīng)網(wǎng)絡(luò)與DS推理法結(jié)合算法（BPNN-DS）及文中算法（PCA-DS），三種算法進(jìn)行融合效果對(duì)比實(shí)驗(yàn)，三種實(shí)驗(yàn)融合結(jié)果在后期診斷分析中準(zhǔn)確率變化如圖9所示。

圖9 三種算法結(jié)果值在后期診斷分析中的準(zhǔn)確率對(duì)比Fig.9 Comparison of the accuracy of the results of the three algorithms in the later diagnosis analysis

由圖9實(shí)驗(yàn)結(jié)果可知，基于PCA-DS推理的多源數(shù)據(jù)融合模型有效地實(shí)現(xiàn)了從數(shù)據(jù)源頭、特征屬性等不同角度出發(fā)，對(duì)多源異構(gòu)數(shù)據(jù)進(jìn)行分組聚合。根據(jù)融合過(guò)程中信任區(qū)間的收縮變化，提高了多源數(shù)據(jù)分布特征的擬合精度。同時(shí)，通過(guò)考慮多源數(shù)據(jù)融合的配電網(wǎng)自然災(zāi)害故障信息診斷與挖掘?qū)Ρ冉Y(jié)果可以看出，文中利用定義成分可信度函數(shù)約束DS推理過(guò)程中不確定特征屬性融合，大幅提高了DS推理在多源數(shù)據(jù)融合中的穩(wěn)定性和準(zhǔn)確性，而且有效融合方法下的多源信息合成進(jìn)行配電網(wǎng)場(chǎng)景應(yīng)用分析計(jì)算結(jié)果值明顯優(yōu)于僅考慮單一或少量因素的傳統(tǒng)方法。

5 結(jié)論

文中提出了一種基于邊緣計(jì)算的智能配電網(wǎng)多源數(shù)據(jù)處理與融合技術(shù)，該技術(shù)的提出在一定程度上加快了邊緣計(jì)算技術(shù)在智能配電網(wǎng)中的應(yīng)用，同時(shí)又為配電網(wǎng)后續(xù)的高級(jí)計(jì)算和應(yīng)用決策分析提供了保障。通過(guò)深入分析配電網(wǎng)智能化建設(shè)過(guò)程中海量異構(gòu)數(shù)據(jù)造成的存儲(chǔ)混亂與融合計(jì)算性能不足的問(wèn)題，設(shè)計(jì)了一種充分考慮邊緣計(jì)算模式下的配用電數(shù)據(jù)處理與融合架構(gòu)，其中的廣義冪變換Zscore多源數(shù)據(jù)變換處理方法，有效地實(shí)現(xiàn)了多種配電網(wǎng)數(shù)據(jù)采集系統(tǒng)下量綱與量級(jí)的統(tǒng)一；基于沖突優(yōu)化DS推理的數(shù)據(jù)融合模型，根據(jù)智能配電網(wǎng)高級(jí)應(yīng)用場(chǎng)景需求預(yù)先實(shí)現(xiàn)了高精度的特征級(jí)配用電數(shù)據(jù)融合，進(jìn)一步為配電網(wǎng)邊緣智能化計(jì)算和高級(jí)應(yīng)用奠定了基礎(chǔ)，滿足了智能配電網(wǎng)在運(yùn)行狀態(tài)評(píng)估、故障信息診斷挖掘、突發(fā)事件數(shù)據(jù)可信度識(shí)別等高級(jí)應(yīng)用中高可靠性的需求。