蘇紀臣

（國網(wǎng)寧夏電力有限公司，寧夏 銀川 750001）

隨著我國電力自動化水平的穩(wěn)步提升，針對變電站的管理也逐漸趨于智能化[1]。由于變電站生產(chǎn)安全決定了電力系統(tǒng)運行的安全性和高效性，再加上通過變電站工程現(xiàn)場的智能測量設備實時監(jiān)測變電站運行情況[2]，對提高變電站內設備檢修與維護的準確性、實時性與經(jīng)濟效益，降低變電站運行維護成本等方面都有著重要意義。

由于智能化變電站是我國電力發(fā)展的一個趨勢，同時，智能化變電站在線監(jiān)測與診斷技術近年來在電力行業(yè)受到了高度重視，其在線監(jiān)測數(shù)據(jù)現(xiàn)場并行處理技術得到了深入研究，這對電力系統(tǒng)的安全運行具有重要的意義。在變電站工程現(xiàn)場中有很多智能測量設備，如直流電源監(jiān)控裝置、高壓設備絕緣監(jiān)測裝置、諧波在線監(jiān)測裝置、電壓監(jiān)測儀以及小電流接地裝置等設備，這些智能測量設備均具有數(shù)據(jù)上傳功能[3]。但是，目前缺乏統(tǒng)一的管理以及采集手段[4]，智能測量設備具有各自的監(jiān)控領域以及監(jiān)控任務，使得變電站管理維護費用上升。不僅如此，智能測量設備傳輸信息量較少，受通訊規(guī)約約束，導致傳輸距離短以及傳輸速度慢，無法接入具有串口通信功能的設備[5]等，不能夠實現(xiàn)設備信息資源的充分利用。

目前，針對數(shù)據(jù)導出的研究已經(jīng)取得了一定的研究成果，例如數(shù)字化變電站中測量儀表數(shù)據(jù)采集系統(tǒng)設計[6]以及基于信息融合的智能變電站繼電保護設備自動測試系統(tǒng)[7]，這兩種系統(tǒng)分別利用STM32處理器和信息融合技術實現(xiàn)變電站繼電保護設備測試，實現(xiàn)變電站機電保護設備數(shù)據(jù)采集與導出處理，但是這兩種系統(tǒng)在設計過程中并未考慮到要對數(shù)據(jù)進行進一步處理，導致數(shù)據(jù)處理效率較低以及導出時延較高。因此，本文研究時考慮到以上問題，利用歸一化方法對數(shù)據(jù)進行處理，在此基礎上利用K-means算法對數(shù)據(jù)處理結果進行聚類處理，以期提升變電站工程現(xiàn)場智能測量設備數(shù)據(jù)導出效率，并提升變電站工程智能測量設備數(shù)據(jù)管理水平。

1 變電站工程現(xiàn)場智能測量設備數(shù)據(jù)批量導出系統(tǒng)

1.1 系統(tǒng)總體結構

變電站具有利用智能電子設備實現(xiàn)眾多設備的信息采集、信息監(jiān)測、協(xié)同互動、分析決策以及智能調節(jié)等眾多功能。所設計變電站工程現(xiàn)場智能測量設備數(shù)據(jù)批量導出系統(tǒng)總體結構如圖1所示。

圖1 系統(tǒng)總體結構圖Fig.1 Overall structure of the system

設置智能測量設備信息采集儀（下文簡稱采集儀）作為變電站工程現(xiàn)場智能測量設備數(shù)據(jù)批量導出系統(tǒng)的數(shù)據(jù)采集裝置，其可與變電站工程現(xiàn)場各類智能測量設備連接，利用透明轉發(fā)技術實現(xiàn)不同設備接入。選取SDH光纖環(huán)網(wǎng)將所采集到的海量數(shù)據(jù)遠程發(fā)送至數(shù)據(jù)中心，數(shù)據(jù)中心處理所采集的海量智能測量設備數(shù)據(jù)[8]，利用批量導出算法將數(shù)據(jù)導出至Excel表格中。變電站管理人員及生產(chǎn)運行人員通過批量導出的Excel表格查詢與處理變電站工程現(xiàn)場智能測量設備的測量結果。

1.2 硬件設計

1.2.1 串口設備光電隔離總線

將RS485串行通信口應用于采集儀中，實現(xiàn)與眾多變電站工程現(xiàn)場智能測量設備通信。為提升智能測量設備通信可靠性，導出智能測量設備數(shù)據(jù)時，需重視不同智能測量設備之間的信號隔離與抗干擾情況[9]。將光電信號隔離裝置安置于不同智能測量設備接入總線端口中，令不同電位的智能測量設備可實現(xiàn)與系統(tǒng)保持良好的通信。RS485通信線路處于室外時，需設置雷擊保護電路，避免通信線路損壞。

1.2.2 智能測量設備采集儀

選取RS485，RS232以及RJ45等端口接入不同的電能采集終端等智能測量設備。通過應答方式采集智能測量設備數(shù)據(jù)[10]，利用以太網(wǎng)通過透明轉發(fā)方式傳送至數(shù)據(jù)中心，數(shù)據(jù)中心向各個智能測量設備發(fā)送數(shù)據(jù)采集以及遙控設備等各種指令。

系統(tǒng)選取透明轉發(fā)技術，無需將編寫協(xié)議解釋程序應用于現(xiàn)場設備中以實現(xiàn)數(shù)據(jù)規(guī)約，具有調試安裝簡單以及成本投入低的優(yōu)勢[11]。選取網(wǎng)絡地址轉發(fā)技術，以改善變電站工程現(xiàn)場智能測量設備IP地址資源過于緊缺的情況。

1.3 數(shù)據(jù)處理

1.3.1 數(shù)據(jù)歸一化處理

采集智能測量設備數(shù)據(jù)時，不同設備所采集數(shù)據(jù)格式存在較大差異，因此數(shù)據(jù)的歸一化處理極為重要[12]。采用標準轉換方式轉換采集儀所采集到的數(shù)據(jù)。用X=(X1,X2,…,Xp)表示維度為p的矢量，所采集數(shù)據(jù)觀測矩陣如下：

經(jīng)標準化處理后的數(shù)據(jù)矩陣如下：

矩陣中隨機元素公式如下：

經(jīng)過標準化變換后的原矩陣各行均值以及標準差分別為0和1。

1.3.2 智能測量設備數(shù)據(jù)分析

K-means聚類算法是目前應用較為廣泛的聚類算法，設存在樣本數(shù)量以及聚類數(shù)量分別為N和K，隨機選取K個樣本作為初始聚類算法的簇中心，計算未被劃分為簇中心的樣本1次迭代至初始簇中心點的距離，迭代過程中需設置聚類準則[13]，根據(jù)聚類準則進行簇類分配。簇類分配完成后，獲取簇內全部數(shù)據(jù)平均值，將聚類中心不停移動，直至類內誤差平方和最小且數(shù)據(jù)集內數(shù)據(jù)無變化時表示聚類完成。

K-means聚類算法實現(xiàn)過程如下：

1）設置初始聚類中心{g1,g2,…,gk}為數(shù)據(jù)集內數(shù)量為k的隨機對象；

2）依據(jù)最小距離原則將樣本集內全部樣本分配至聚類的不同類別，公式如下：

3）更新聚類中心，聚類中心為各聚類中全部樣本均值，其計算公式如下：

4）聚類中心變化時，重復步驟2）和步驟3），直至聚類中心不發(fā)生改變，此時聚類中心的公式如下：

K-means聚類算法是基于劃分的聚類算法，具有較好的聚類效果，可應用于處理大規(guī)模變電站工程現(xiàn)場智能測量設備數(shù)據(jù)處理中，算法簡單，可伸縮性高，實際應用效果更好。

由于變電站工程現(xiàn)場智能測量設備數(shù)據(jù)量大，系統(tǒng)采集海量數(shù)據(jù)后，需采用合理的聚類分析處理方法實現(xiàn)數(shù)據(jù)分析[14]，以提升數(shù)據(jù)批量導出效果。海量智能測量設備數(shù)據(jù)處理流程如下：

1）數(shù)據(jù)準備。采集不同的智能測量設備數(shù)據(jù)后，將所采集的數(shù)據(jù)置于HBase表內，存儲于本地；

2）提取信號特征。提取智能測量設備數(shù)據(jù)特征，并將所提取特征結果存儲于SequenceFile內；

3）獲取聚類中心。提取已知類別的少量樣本，其聚類中心的計算公式如下：

式中：Centerj，xi分別為類別Gj的聚類中心以及全部樣本；m為樣本數(shù)量。

利用式（8）獲取第1次迭代時聚類中心，并將聚類中心存儲于SequenceFile內；

4）K-means聚類。設置K-means聚類的終止條件，并將已完成特征提取的智能測量設備數(shù)據(jù)以及聚類中心的SequenceFile路徑進行聚類，將聚類結果發(fā)送至HDFS內，同樣存儲于Sequence?File內；

5）將利用K-means聚類方法所獲取結果應用于數(shù)據(jù)批量導出中。

以上過程可將海量變電站工程現(xiàn)場智能測量設備數(shù)據(jù)聚類處理，所獲取聚類結果可直觀體現(xiàn)智能測量設備數(shù)據(jù)具體情況[15]，令所導出的數(shù)據(jù)更為精準。

1.4 批量導出算法

將完成數(shù)據(jù)處理的變電站工程現(xiàn)場智能測量設備數(shù)據(jù)批量導出至Excel文件中，一是通過提取系統(tǒng)所在服務器的Excel進程使用數(shù)量，將數(shù)據(jù)集轉存至數(shù)組內；二是通過將系統(tǒng)所采集的智能測量設備數(shù)據(jù)集存放至數(shù)組內，以此獲取Excel內眾多單元格。通過以上兩個過程控制Excel使用進程在合理范圍，將所采集的數(shù)據(jù)批量導出至Excel文件內，實現(xiàn)智能測量設備數(shù)據(jù)的批量導出[16]，提升所采集的智能測量設備數(shù)據(jù)實用性。

2 系統(tǒng)測試

為檢測所設計的變電站工程現(xiàn)場智能測量設備數(shù)據(jù)批量導出系統(tǒng)的有效性，選取某電力公司作為實驗對象，該電力公司包含兩個智能變電站，變電站內包含智能測量設備16臺。采用所設計系統(tǒng)于2019年11月13日批量導出該電力公司兩個變電站智能測量設備的數(shù)據(jù)，以驗證系統(tǒng)的有效性。為直觀驗證所設計系統(tǒng)批量導出性能，選取文獻[6]系統(tǒng)和文獻[7]系統(tǒng)作為對比系統(tǒng)。

2.1 理論深度比較

為檢驗所設計的變電站工程現(xiàn)場智能測量設備數(shù)據(jù)批量系統(tǒng)的理論深度，對不同系統(tǒng)的數(shù)據(jù)處理時間進行了比較，結果如表1所示。

表1 數(shù)據(jù)處理時間對比Tab.1 Comparison of data processing time

分析表1可知，隨著實驗文件數(shù)量的增加，三種系統(tǒng)的數(shù)據(jù)處理時間均呈現(xiàn)上升趨勢，但是所設計系統(tǒng)的數(shù)據(jù)處理時間始終是最低的，這是因為該系統(tǒng)采用歸一化方法，提升了數(shù)據(jù)處理效率。

為進一步驗證所設計系統(tǒng)在理論上的優(yōu)勢，對三種系統(tǒng)的數(shù)據(jù)聚類時間進行了比較，結果如表2所示。

表2 數(shù)據(jù)聚類時間對比Tab.2 Comparison of data clustering time

分析表2可知，隨著實驗文件數(shù)量的增加，三種系統(tǒng)的數(shù)據(jù)聚類時間均呈現(xiàn)上升趨勢，但是所設計系統(tǒng)的數(shù)據(jù)聚類時間始終是最低的，這是因為所設計系統(tǒng)采用K-means聚類算法對數(shù)據(jù)進行了聚類處理，降低了數(shù)據(jù)聚類時間，提升了數(shù)據(jù)聚類效率。

2.2 實際應用效果比較

統(tǒng)計不同系統(tǒng)處理海量智能測量設備數(shù)據(jù)的迭代次數(shù)，并將所設計系統(tǒng)與另兩種系統(tǒng)對比，對比結果如圖2所示。

圖2 不同系統(tǒng)迭代次數(shù)對比Fig.2 Comparison of iteration times of different systems

從圖2實驗結果可以看出，隨著智能測量設備數(shù)量的增加，不同系統(tǒng)處理數(shù)據(jù)的迭代次數(shù)有所增加。所設計系統(tǒng)在智能測量設備數(shù)量為16臺時，達到全局最優(yōu)收斂的迭代次數(shù)僅為86次；另兩種系統(tǒng)在智能測量設備為16臺時，分別需要186次以及159次才可實現(xiàn)全局最優(yōu)收斂，驗證了所設計系統(tǒng)具有較高的數(shù)據(jù)處理迭代性能，可有效提升數(shù)據(jù)批量導出速率。

Sort是衡量數(shù)據(jù)管理性能的重要工具，可有效衡量不同系統(tǒng)的數(shù)據(jù)處理能力，Sort中自帶排序程序[17]。利用所設計系統(tǒng)采集智能測量設備數(shù)據(jù)并排序，重復3次排序取其中間值，將所設計系統(tǒng)與文獻[6]系統(tǒng)及文獻[7]系統(tǒng)對比，統(tǒng)計所設計系統(tǒng)批量導出數(shù)據(jù)的排序時間，對比結果如表3所示。

表3 不同系統(tǒng)導出數(shù)據(jù)排序時間對比Tab.3 Comparison of sorting time of exported data in different systems

從表3的實驗結果可以看出，所設計系統(tǒng)可對批量導出的智能測量設備數(shù)據(jù)進行Sort排列，具有較短的排序時間。采用所設計系統(tǒng)排序批量導出的不同智能測量設備數(shù)據(jù)時間均在300～400 ms之間；采用文獻[6]、文獻[7]系統(tǒng)導出的智能測量設備數(shù)據(jù)排序時間均高于800 ms。所設計系統(tǒng)具有較短的排序時間，驗證所設計系統(tǒng)具有較強的數(shù)據(jù)計算能力。

統(tǒng)計采用所設計系統(tǒng)批量導出變電站工程現(xiàn)場智能測量設備數(shù)據(jù)的導出時延，并將所設計系統(tǒng)與另兩種系統(tǒng)對比，對比結果如表4所示。

表4 不同系統(tǒng)批量導出性能對比Tab.4 Comparison of batch export performance of different systems

從表4對比結果可以看出，采用所設計系統(tǒng)批量導出變電站工程現(xiàn)場智能測量設備數(shù)據(jù)的時間明顯低于另兩種系統(tǒng)，且導出單條數(shù)據(jù)的平均時延均低于另兩種系統(tǒng)，有效驗證所設計系統(tǒng)具有較高的實時性。因此所設計系統(tǒng)具有較高的靈活性以及擴展性，可實現(xiàn)海量智能測量設備數(shù)據(jù)快速導出，數(shù)據(jù)處理性能優(yōu)越。

變電站工程現(xiàn)場智能測量設備數(shù)據(jù)具有多變性，其采集以及導出操作較為頻繁，系統(tǒng)的讀取性能極為重要[18]。統(tǒng)計采用所設計系統(tǒng)批量導出變電站工程現(xiàn)場智能測量設備數(shù)據(jù)的吞吐量，統(tǒng)計結果如圖3所示。

圖3 不同系統(tǒng)吞吐量對比結果Fig.3 Throughput comparison results of different systems

從圖3統(tǒng)計結果可以看出，采用所設計系統(tǒng)批量導出智能測量設備數(shù)據(jù)的吞吐量明顯高于另兩種系統(tǒng)，運行40 s時的吞吐量高達8 264條；另兩種系統(tǒng)批量導出智能測量設備數(shù)據(jù)運行40 s時的吞吐量僅為4 056條以及3 867條。所設計系統(tǒng)具有較高的吞吐量，有效驗證采用所設計系統(tǒng)不僅可批量導出智能測量設備數(shù)據(jù)，并且具有較高的數(shù)據(jù)處理能力，系統(tǒng)運行時具有較高的吞吐量，導出性能較好。

統(tǒng)計采用不同系統(tǒng)批量導出智能測量設備數(shù)據(jù)時的加速比，統(tǒng)計結果如圖4所示。

圖4 不同系統(tǒng)加速比對比Fig.4 Comparison of acceleration ratio of different systems

從圖4統(tǒng)計結果可以看出，采用所設計系統(tǒng)批量導出智能測量設備數(shù)據(jù)的加速比明顯高于另兩種系統(tǒng)[19]，有效驗證所設計系統(tǒng)具有較高的批量導出性能。原因在于所設計系統(tǒng)采用的K-means聚類算法具有較高的并行性能[20]，因此隨著智能測量設備數(shù)量的增加，加速比有所提升，另兩種系統(tǒng)在不同數(shù)量智能測量設備情況下均有較低的加速比。所設計系統(tǒng)可在較高加速比情況下實現(xiàn)智能測量設備數(shù)據(jù)的批量導出，可應用于變電站工程現(xiàn)場，主要原因是所設計系統(tǒng)充分考慮變電站不同智能測量設備的通信情況，為眾多智能測量設備通信提供便利，實現(xiàn)智能測量設備與數(shù)據(jù)中心的快速通信[21]。

3 結論

設計變電站工程現(xiàn)場智能測量設備數(shù)據(jù)批量導出系統(tǒng)，利用統(tǒng)一的數(shù)據(jù)采集手段采集變電站工程現(xiàn)場智能測量設備數(shù)據(jù)，采用透明轉發(fā)技術實現(xiàn)設備運行信息快速接入，利用現(xiàn)有網(wǎng)絡資源實現(xiàn)變電站工程現(xiàn)場智能測量設備數(shù)據(jù)批量導出，以實現(xiàn)設備數(shù)據(jù)的采集與集中管理以及眾多智能測量設備的數(shù)據(jù)共享，提升數(shù)據(jù)利用率。系統(tǒng)測試結果驗證采用該系統(tǒng)批量導出智能測量設備數(shù)據(jù)，可靠性較高，可滿足變電站智能測量設備海量數(shù)據(jù)存儲與處理需求，為變電站智能測量設備運行信息提供統(tǒng)一處理平臺。