黎琦，張濤允

（1.上海電力大學電氣工程學院，上海 200090；2.國網(wǎng)甘肅省電力公司電力科學研究院，甘肅蘭州 730070）

能源互聯(lián)網(wǎng)是電力系統(tǒng)智能化的高級表現(xiàn)，是電力系統(tǒng)各節(jié)點緊密聯(lián)系的新型電力網(wǎng)絡。能源互聯(lián)網(wǎng)的建設可以加強供需聯(lián)系、整合電力系統(tǒng)交易、提高電力供應的穩(wěn)定性和實效性。能源互聯(lián)網(wǎng)的建設也為國家實現(xiàn)碳中和的目標提供助力[1-2]。能源互聯(lián)網(wǎng)屬于“新基建”融合基礎設施范疇，智能化、網(wǎng)絡化、信息化是其主要特點。能源互聯(lián)網(wǎng)中應用的智能感知技術(shù)，針對性地部署于電力系統(tǒng)的各個環(huán)節(jié)，更有利于相關(guān)參數(shù)的監(jiān)視及環(huán)境信息的實時收集，可以有效地提高系統(tǒng)抗風險能力。能源互聯(lián)網(wǎng)范疇如圖1所示。

圖1 能源互聯(lián)網(wǎng)范疇圖Fig.1 Energy internet category

伴隨著能源互聯(lián)網(wǎng)戰(zhàn)略的不斷推進，智能化的感知終端設備產(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]。能源互聯(lián)網(wǎng)實現(xiàn)了云-邊緣的計算模式，由于能源互聯(lián)網(wǎng)建設的不斷推進導致數(shù)據(jù)量、數(shù)據(jù)種類和數(shù)據(jù)復雜度急劇增加。能源互聯(lián)網(wǎng)正常運行時產(chǎn)生的智能終端監(jiān)測數(shù)據(jù)和電力系統(tǒng)運行數(shù)據(jù)等參數(shù)信息的傳輸產(chǎn)生的數(shù)據(jù)流為通信傳輸層帶來了巨大挑戰(zhàn)，也是導致能源互聯(lián)網(wǎng)智能發(fā)展的挑戰(zhàn)。如何利用邊緣計算提高能源互聯(lián)網(wǎng)智能化成為研究的重點。利用邊緣計算去提高云計算的處理效果成為一種重要方式[4-5]。但是復雜的多源異構(gòu)數(shù)據(jù)的邊緣化集成為能源互聯(lián)網(wǎng)的高效邊緣計算帶來了新的挑戰(zhàn)，因此，如何在邊緣計算的基礎上運用好云計算技術(shù)是提升和保證能源互聯(lián)網(wǎng)智能化發(fā)展的研究重點[6-7]。

近年來，隨著人工智能、數(shù)據(jù)挖掘、云計算等技術(shù)的不斷發(fā)展，也為能源互聯(lián)網(wǎng)的發(fā)展提供了強大的推力和寶貴機遇。電力系統(tǒng)是一個高度耦合的復雜的非線性動力系統(tǒng)，因此對電力系統(tǒng)運行中產(chǎn)生的海量異構(gòu)數(shù)據(jù)的高效處理標志著能源互聯(lián)網(wǎng)的智能化水平。國內(nèi)外專家學者關(guān)于能源互聯(lián)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]提出了四層架構(gòu)的電力系統(tǒng)數(shù)據(jù)分析系統(tǒng)對電力系統(tǒng)數(shù)據(jù)進行分析；王伏亮等[9]提出了一種基于邊緣計算的中低壓配電網(wǎng)多類型傳感器接入技術(shù)，將邊緣計算引入中低壓配電網(wǎng)的數(shù)據(jù)融合中；Okay F Y 等[10]將云計算應用到了智能電網(wǎng)中，并針對安全問題進行了闡述；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)故障信息識別定位的策略，為有效挖掘配電網(wǎng)智能化數(shù)據(jù)應用化價值提供了研究借鑒；Barik Rabindra K 等[12]在云計算的基礎上利用霧計算提高智能電網(wǎng)的信息處理能力；常利偉等[13]在BP神經(jīng)網(wǎng)絡的基礎上結(jié)合DS（Dempster-Shafter）證據(jù)推理理論，實現(xiàn)了多源數(shù)據(jù)融合，并有效評估了網(wǎng)絡威脅狀況。

因此，文中提出一種基于邊緣計算的能源互聯(lián)網(wǎng)多源數(shù)據(jù)處理與融合技術(shù)，設計充分考慮邊緣計算的數(shù)據(jù)處理與融合架構(gòu)。首先，提出基于云計算的能源互聯(lián)網(wǎng)數(shù)據(jù)處理方法，提高數(shù)據(jù)的整合和處理能力；然后，通過構(gòu)建基于沖突優(yōu)化DS 推理的多源數(shù)據(jù)融合模型，實現(xiàn)多源異構(gòu)數(shù)據(jù)的融合處理。能源互聯(lián)網(wǎng)多源數(shù)據(jù)融合技術(shù)可有效地實現(xiàn)電力系統(tǒng)運行設備參數(shù)、智能終端數(shù)據(jù)、外部環(huán)境參數(shù)數(shù)據(jù)等多源數(shù)據(jù)的儲存和融合，為提高能源互聯(lián)網(wǎng)智能化水平奠定基礎。

1 能源互聯(lián)網(wǎng)多源數(shù)據(jù)處理與融合架構(gòu)

電力系統(tǒng)是由發(fā)電節(jié)點、輸電系統(tǒng)、用戶組成的。發(fā)電節(jié)點通過能源轉(zhuǎn)換將化石能、風能、水能等一次能源轉(zhuǎn)換成電能。然后通過輸電系統(tǒng)輸電線路，先升壓后降壓，將電能輸送到用戶處。輸電系統(tǒng)還包括信息監(jiān)測系統(tǒng)、通信系統(tǒng)、保護系統(tǒng)和調(diào)度系統(tǒng)等。而能源互聯(lián)網(wǎng)是在此基礎上將人工智能技術(shù)、通信技術(shù)、云計算等前沿技術(shù)的智能化電力系統(tǒng)，實現(xiàn)電力流全程的智能化控制[14]。由于能源互聯(lián)網(wǎng)內(nèi)融合了大量的智能化設備，導致數(shù)據(jù)存在體量大、數(shù)據(jù)結(jié)構(gòu)復雜、數(shù)據(jù)價值低、數(shù)據(jù)利用率低的特點。但是這些數(shù)據(jù)是能源互聯(lián)網(wǎng)運行的忠實體現(xiàn)，通過深入挖掘可為能源互聯(lián)網(wǎng)電力調(diào)度和系統(tǒng)調(diào)控提供數(shù)據(jù)支撐。

文中在邊緣計算的基礎上，結(jié)合云計算可有效提高能源互聯(lián)網(wǎng)數(shù)據(jù)的處理能力，實現(xiàn)數(shù)據(jù)的儲存、處理、分析和計算的全過程。充分發(fā)揮云計算的規(guī)模大、可靠性高、擴展性強的特點，以及邊緣計算速度快、成本低的優(yōu)勢，從而實現(xiàn)能源互聯(lián)網(wǎng)業(yè)務功能實時控制調(diào)整、終端擴展靈活的目標[15-16]。通過對能源互聯(lián)網(wǎng)產(chǎn)生的數(shù)據(jù)進行處理變化，實現(xiàn)異構(gòu)數(shù)據(jù)的融合，從而服務于能源互聯(lián)網(wǎng)。

能源互聯(lián)網(wǎng)多源數(shù)據(jù)處理與融合架構(gòu)如圖2所示。

圖2 多源數(shù)據(jù)處理與融合技術(shù)架構(gòu)Fig.2 The architecture of multi-source data processing and fusion technology

2 基于云計算的能源互聯(lián)網(wǎng)多源數(shù)據(jù)存儲和處理

能源互聯(lián)網(wǎng)的海量數(shù)據(jù)根據(jù)數(shù)據(jù)的來源不同分為：電力系統(tǒng)數(shù)據(jù)、用戶數(shù)據(jù)和其他數(shù)據(jù)。這些數(shù)據(jù)集成收集在平臺數(shù)據(jù)庫中，如圖3 所示。

圖3 能源互聯(lián)網(wǎng)用電數(shù)據(jù)組成Fig.3 Data components of smart power distribution and utilization

圖3中，電力系統(tǒng)數(shù)據(jù)包括：數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)數(shù)據(jù)（supervisory control and data acquisition，SCADA）、用電信息數(shù)據(jù)等電力系統(tǒng)數(shù)據(jù)。用戶數(shù)據(jù)包括：分布式電源管理系統(tǒng)（energy management system，EMS）、微電網(wǎng)電源管理系統(tǒng)（micro-power grid energy management system，MGEMS）、家庭電源管理系統(tǒng)（home energy management system，HEMS）、樓宇電源管理系統(tǒng)、企業(yè)電源管理 系 統(tǒng)（enterprise energy management system，EEMS）等用戶數(shù)據(jù)；其他數(shù)據(jù)包括：天氣監(jiān)測數(shù)據(jù)、能耗數(shù)據(jù)、城市服務數(shù)據(jù)等相關(guān)信息。

2.1 能源互聯(lián)網(wǎng)多源數(shù)據(jù)調(diào)度策略

利用電力企業(yè)構(gòu)建的專用通信網(wǎng)絡和5G 通信網(wǎng)絡作為連接紐帶，將變電站自動化信息站連接。

以現(xiàn)有的配電自動化主站平臺構(gòu)建智能配用電的大數(shù)據(jù)資源層的主節(jié)點，由于企業(yè)內(nèi)外網(wǎng)的關(guān)系，將主節(jié)點分為電力系統(tǒng)內(nèi)部主節(jié)點（負責電力系統(tǒng)的資源管理和調(diào)用，簡稱主內(nèi)節(jié)點）和外網(wǎng)主節(jié)點（負責電力系統(tǒng)的資源管理和調(diào)用，簡稱主外節(jié)點），并建立備用節(jié)點，提高系統(tǒng)的穩(wěn)定性。主節(jié)點均配置有互為備用的冗余熱備用節(jié)點，其他應用平臺和資源作為從節(jié)點服從主節(jié)點的調(diào)度和分配，從而組成一個多源異構(gòu)的能源互聯(lián)網(wǎng)多源數(shù)據(jù)中心集群，其MapReduce 的實現(xiàn)流程如圖4所示。

圖4 MapReduce 的實現(xiàn)流程Fig.4 Implementation flow of MapReduce

為提高能源互聯(lián)網(wǎng)多源數(shù)據(jù)中心集群的處理性能，提出了負載均衡優(yōu)化調(diào)整策略進行動態(tài)、靜態(tài)相結(jié)合的負荷調(diào)整。電力系統(tǒng)內(nèi)部由主內(nèi)節(jié)點負責進行內(nèi)部的調(diào)度和管理，使用權(quán)重輪循-靜態(tài)負載調(diào)節(jié)法，進行負載均衡優(yōu)化，如圖4所示。從節(jié)點節(jié)點代表的是權(quán)重系數(shù)，用圓圈表示，并進行電力系統(tǒng)內(nèi)部的資源調(diào)度和使用；電力系統(tǒng)外部由主外節(jié)點進行外部的調(diào)度和管理，使用最快響應-動態(tài)負載調(diào)節(jié)法，進行復雜均衡優(yōu)化。

圖5為智能配用電數(shù)據(jù)存儲資源層負載均衡優(yōu)化調(diào)度策略示意圖。圖5 中，從節(jié)點代表了該點的響應時間，并根據(jù)響應時間的長短進行外部系統(tǒng)資源的調(diào)用。

圖5 智能配用電數(shù)據(jù)存儲資源層負載均衡優(yōu)化調(diào)度策略Fig.5 The strategy of load balancing optimization scheduling for data storage resource layer in the intelligent power distribution

2.2 能源互聯(lián)網(wǎng)多源數(shù)據(jù)預處理

由于能源互聯(lián)網(wǎng)多源數(shù)據(jù)的特點，將數(shù)據(jù)分為兩類：

1）結(jié)構(gòu)化數(shù)據(jù)。是組織結(jié)構(gòu)整齊的數(shù)據(jù)，可以直接進行數(shù)據(jù)加工的數(shù)據(jù)類型。

2）半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)需要對數(shù)據(jù)進行相應的預處理。最終將結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)以可擴展標記語言（extensible markup language，XML）格式存入云計算節(jié)點中。XML 非常適合網(wǎng)絡快速傳輸，適用于超文本傳輸協(xié)議（hypertext transfer protocol，HTTP）網(wǎng)絡傳輸協(xié)議，并支持應用程序接口（application programming interface，API）擴展。然后基于Hadoop 平臺通過數(shù)據(jù)庫技術(shù)對能源互聯(lián)網(wǎng)多源數(shù)據(jù)進行高效地分布式存儲。

3 能源互聯(lián)網(wǎng)多源數(shù)據(jù)融合模型

信息融合是通過對能源互聯(lián)網(wǎng)多源數(shù)據(jù)處理與融合來實現(xiàn)的，只需要涉及極少簡要的數(shù)據(jù)計算，關(guān)鍵數(shù)據(jù)計算處于信息融合后的階段之中。文中在云計算的多源數(shù)據(jù)標準化處理的基礎上，構(gòu)建基于沖突優(yōu)化DS 推理的能源互聯(lián)網(wǎng)多源數(shù)據(jù)融合模型，從海量多源異構(gòu)的電力信息系統(tǒng)日志數(shù)據(jù)中通過剔除無效、過濾冗余、數(shù)據(jù)插補、整合數(shù)據(jù)等方式重新對各原始數(shù)據(jù)進行處理，從而進行異構(gòu)數(shù)據(jù)集間的特征提取、特征匹配等操作，以便下一步進行大數(shù)據(jù)融合和決策分析。

D-S 證據(jù)推理法（Dempster-Shafter，DS）是一種處理不確定性問題的人工智能推理方法，實現(xiàn)了貝葉斯概率論的進一步改進，避免了先驗概率的計算，能夠很好地表示“不知道”，被廣泛應用于各種領(lǐng)域的數(shù)據(jù)融合。但由于DS 推理法處理沖突子集時，因組合規(guī)則中的歸一化過程會出現(xiàn)違背不同數(shù)據(jù)源融合常理的結(jié)果，因此，應用主成分分析算法對數(shù)據(jù)進行降維提高多源數(shù)據(jù)融合的效果。

1）主成分分析算法可以建立m（m＜n）個新成分的目標，保留原有信息特征，提高主要特征的影響程度，成分可信度函數(shù)：

式中：Bel（A）為對數(shù)據(jù)集A的信任可信度；u為所有可能假設的集合，2u為其冪集合。

6）計算數(shù)據(jù)融合的信任空間。根據(jù)能源互聯(lián)網(wǎng)多源數(shù)據(jù)的信任函數(shù)和似然函數(shù)，計算實際應用數(shù)據(jù)的信任值，可以表示為

式中：s為根據(jù)數(shù)據(jù)的不同特征實現(xiàn)數(shù)據(jù)融合的系數(shù)。

4 實驗結(jié)果與分析

為驗證文中所提的能源互聯(lián)網(wǎng)多源數(shù)據(jù)處理和融合技術(shù)的有效性與可靠性，以電力系統(tǒng)實測數(shù)據(jù)為例，選取某省電力系統(tǒng)實際運行數(shù)據(jù)、終端監(jiān)測數(shù)據(jù)、環(huán)境參數(shù)數(shù)據(jù)。利用多源數(shù)據(jù)處理結(jié)果，圍繞能源互聯(lián)網(wǎng)故障信息診斷與挖掘這一實際應用場景需求，進行數(shù)據(jù)融合。

多源數(shù)據(jù)處理實驗結(jié)果值如表1所示。

表1 多源數(shù)據(jù)處理實驗結(jié)果值Tab.1 Multi-source data processing experimental results

根據(jù)能源互聯(lián)網(wǎng)多源異構(gòu)數(shù)據(jù)特征，尋找最佳數(shù)據(jù)融合點，變化趨勢如圖6所示。

圖6 數(shù)據(jù)融合過程中的信任區(qū)間變化Fig.6 Change of confidence interval during data fusion

對電力系統(tǒng)內(nèi)經(jīng)云計算處理后的多源數(shù)據(jù)融合實驗結(jié)果分別采用DS 推理法、BP 神經(jīng)網(wǎng)絡(back propagation neural network,BPNN)與DS推理法結(jié)合(BPNN-DS)算法及文中多主成分分析(principal component analysis, PCA) 與DS 推理法結(jié)合(PCA-DS)算法進行信息處理和數(shù)據(jù)挖掘的有效性的實驗對比，三種實驗融合結(jié)果的算法對比結(jié)果如圖7所示。

圖7 算法對比圖Fig.7 Algorithm comparison diagram

實驗表明，基于主成分分析的DS 能源互聯(lián)網(wǎng)數(shù)據(jù)融合模型從不同角度出發(fā)，結(jié)合云計算對能源互聯(lián)網(wǎng)異構(gòu)數(shù)據(jù)進行融合處理，提高了數(shù)據(jù)融合的水平。

5 結(jié)論

文中提出了能源互聯(lián)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能源互聯(lián)網(wǎng)的智能化水平，利用云計算和邊緣計算為能源互聯(lián)網(wǎng)數(shù)據(jù)分析提供了數(shù)據(jù)支撐和決策支持。通過深入分析能源互聯(lián)網(wǎng)建設過程中出現(xiàn)的數(shù)據(jù)處理和儲存問題，設計了基于邊緣計算的能源互聯(lián)網(wǎng)云計算處理與融合架構(gòu)，利用邊緣計算和云計算的整合儲存和處理能力，有效地提高了電網(wǎng)數(shù)據(jù)的處理速度，并實現(xiàn)了能源互聯(lián)網(wǎng)多源用電數(shù)據(jù)融合，提高了能源互聯(lián)網(wǎng)在狀態(tài)評估、輔助決策等等應用中的數(shù)據(jù)可靠性。