侯方迪，高衛(wèi)東，張 勇，翟 哲，楊 凡，吳 亮

（中國南方電網(wǎng)有限責(zé)任公司，廣東廣州 610106）

電力供應(yīng)一直是電力企業(yè)的核心業(yè)務(wù)，隨著電力設(shè)備的改造和升級(jí)，對(duì)調(diào)度可靠性要求越來越高，通過傳統(tǒng)的電話下令模式進(jìn)行調(diào)度已經(jīng)無法滿足要求，通過移動(dòng)網(wǎng)絡(luò)及調(diào)度數(shù)據(jù)網(wǎng)實(shí)現(xiàn)配網(wǎng)調(diào)度成為當(dāng)下的主流方式[1]。然而，這種新興的調(diào)度模式興起時(shí)間較短，發(fā)展并不成熟，普遍存在披露的數(shù)據(jù)信息內(nèi)容雜亂，缺乏深層次統(tǒng)計(jì)和分析的問題。

披露的數(shù)據(jù)信息內(nèi)容雜亂主要是由不平衡性數(shù)據(jù)造成的，因此必須對(duì)不平衡性數(shù)據(jù)進(jìn)行處理。關(guān)于不平衡性數(shù)據(jù)處理的研究有很多，如：文獻(xiàn)[2]基于KFDA-Boosting 算法的不平衡數(shù)據(jù)分類模型，提取樣本非線性特征并進(jìn)行集成學(xué)習(xí)，有效地提高了數(shù)據(jù)分類處理算法的精度，去除了冗余信息；文獻(xiàn)[3]提出基于隨機(jī)森林算法的不平衡大數(shù)據(jù)動(dòng)態(tài)分類方法，通過隨機(jī)森林算法建立大數(shù)據(jù)動(dòng)態(tài)分類基本框架，利用決策樹模型實(shí)現(xiàn)不平衡數(shù)據(jù)分類；文獻(xiàn)[4]提出基于SMOTE 的不平衡數(shù)據(jù)分類算法，通過SMOTE算法根據(jù)少數(shù)類樣本間特征空間的相似性人工合成新樣本，解決了數(shù)據(jù)不平衡的問題，提高了數(shù)據(jù)處理的精度。

基于前人的研究成果，為提高披露數(shù)據(jù)信息的完整性、規(guī)范性和有效性，該文構(gòu)建了一種電網(wǎng)總調(diào)調(diào)度信息披露不平衡性數(shù)據(jù)處理模型。該模型構(gòu)建分為3 個(gè)步驟，即數(shù)據(jù)預(yù)處理、數(shù)據(jù)特征提取以及數(shù)據(jù)分類。最后進(jìn)行不平衡性數(shù)據(jù)處理性能測(cè)試，證明了該模型的準(zhǔn)確性和有效性。

1 基于分類器的不平衡性調(diào)度數(shù)據(jù)處理模型

調(diào)度機(jī)構(gòu)信息披露對(duì)于促進(jìn)電力調(diào)度運(yùn)行的公開透明以及維護(hù)公平、有序的市場(chǎng)秩序發(fā)揮著不可替代的作用。然而，當(dāng)前的電網(wǎng)總調(diào)調(diào)度信息披露中，數(shù)據(jù)處理部分由于不平衡性數(shù)據(jù)的存在，導(dǎo)致處理效率差、準(zhǔn)確性低。不平衡性數(shù)據(jù)的典型特點(diǎn)就是數(shù)據(jù)中各類別所包含的樣本數(shù)量差異較大，導(dǎo)致在后期的分類中更容易識(shí)別包含樣本較多的類別，而包含樣本較少的類別的識(shí)別準(zhǔn)確性較低。面對(duì)電網(wǎng)總調(diào)調(diào)度信息披露不平衡性數(shù)據(jù)，構(gòu)建了數(shù)據(jù)處理模型。

1.1 不平衡性數(shù)據(jù)預(yù)處理

不平衡性數(shù)據(jù)預(yù)處理對(duì)于提高數(shù)據(jù)處理模型的精度具有十分重要的意義，其主要包括數(shù)據(jù)清洗、數(shù)據(jù)標(biāo)準(zhǔn)化以及數(shù)據(jù)平衡化三部分。

1.1.1 數(shù)據(jù)清洗

電網(wǎng)總調(diào)調(diào)度披露的數(shù)據(jù)信息中，經(jīng)過采集、傳輸?shù)拳h(huán)節(jié)，數(shù)據(jù)集中難免存在缺失、異常、噪聲等問題，數(shù)據(jù)清洗主要包括缺失填補(bǔ)、異常識(shí)別以及噪聲處理，其方法如表1 所示。

表1 數(shù)據(jù)清洗方法

1.1.2 數(shù)據(jù)標(biāo)準(zhǔn)化

電網(wǎng)總調(diào)調(diào)度信息披露不平衡性數(shù)據(jù)來自不同的數(shù)據(jù)源，因此每種類型數(shù)據(jù)的量綱都不同，而不同的量綱導(dǎo)致數(shù)據(jù)彼此之間無法進(jìn)行比較和分析，因此需要對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理[5]，主要包括Min-Max 標(biāo)準(zhǔn)化、正規(guī)化方法及l(fā)og 函數(shù)轉(zhuǎn)換法，分別如下所示：

式中，x′為規(guī)范化后的大數(shù)據(jù)；x為原始數(shù)據(jù)；xmax為大數(shù)據(jù)集中最大值；xmin為大數(shù)據(jù)集中最小值；a為對(duì)應(yīng)特征均值；b為標(biāo)準(zhǔn)差。

1.1.3 數(shù)據(jù)平衡化

數(shù)據(jù)的不平衡性是導(dǎo)致電網(wǎng)總調(diào)調(diào)度數(shù)據(jù)信息處理精度不高的根本原因，因此對(duì)數(shù)據(jù)進(jìn)行平衡化處理是解決上述問題的關(guān)鍵。數(shù)據(jù)平衡化的關(guān)鍵在于增加少數(shù)類別的樣本數(shù)據(jù)，使其與少數(shù)類別的樣本數(shù)據(jù)數(shù)量相同，以維持二者平衡[6]。采用SMOTE算法實(shí)現(xiàn)數(shù)據(jù)平衡化，其原理為在一些位置距離較近的少數(shù)類樣本中線性插入新的樣本，以達(dá)到數(shù)量平衡。

SMOTE 算法數(shù)據(jù)平衡化原理如下：首先從少數(shù)類樣本點(diǎn)中隨機(jī)選取一個(gè)樣本點(diǎn)，記為x1，然后尋找該樣本點(diǎn)的同類近鄰，記為{x1，x2，…，xn}，一般情況下n取值為5～10，接著從{x1，x2，…，xn} 中隨機(jī)選擇一個(gè)樣本，記為x2，再然后計(jì)算x1和x2在對(duì)應(yīng)屬性j上的差值，記為：

然后與[0，1]范圍內(nèi)的一個(gè)隨機(jī)數(shù)相乘，再與x1j相加，即可生成一個(gè)新的的屬性值f1j，即：

利用SSR分子標(biāo)記技術(shù)進(jìn)行純度鑒定時(shí)，有些與雜交種帶型有明顯差異的單株在種植鑒定時(shí)并不一定表現(xiàn)出表型性狀的差異，因此SSR分子標(biāo)記技術(shù)用于純度鑒定時(shí)，可以有效鑒別出大田無法確定的表型以及難以鑒別的植株，因而分子鑒定和種植鑒定結(jié)果必然存在一定的差異，而種植鑒定是最符合生產(chǎn)實(shí)踐的純度鑒定方法，如何使分子鑒定結(jié)果更接近種植鑒定、更好地輔助種植鑒定結(jié)果還需進(jìn)一步研究。

不斷重復(fù)上述過程，最后得到m個(gè)屬性值，將其組合在一起，產(chǎn)生一個(gè)新的少數(shù)類樣本，將這一新的少數(shù)類樣本加入到原始少數(shù)類樣本數(shù)據(jù)集中，即可完成數(shù)據(jù)平衡化處理[7-9]。

1.2 數(shù)據(jù)特征提取

不同類別的數(shù)據(jù)擁有不同的特征，如電網(wǎng)總調(diào)調(diào)度信息中的缺失數(shù)據(jù)、趨勢(shì)突變數(shù)據(jù)等。該文選用的特征提取方法為人工蜂群算法[10-12]。

人工蜂群算法基本流程如下：

步驟1：初始化種群，隨機(jī)生成S個(gè)可行解，記為xi，i=1，2，…，S；

步驟2：計(jì)算種群中各蜜蜂的適應(yīng)值[13]；

步驟3：重復(fù)計(jì)算各蜜蜂的適應(yīng)值，得到蜂群新的解，記為vi，并計(jì)算適應(yīng)值；

步驟4：雇傭蜂根據(jù)貪心策略選擇蜜源；

步驟5：計(jì)算引領(lǐng)蜂找到蜜源xi的概率pi；判斷蜜源xi是否滿足被放棄的條件，若滿足，對(duì)應(yīng)的引領(lǐng)蜂角色變?yōu)閭刹旆?，并隨機(jī)產(chǎn)生一個(gè)新的蜜源代替舊的蜜源，否則繼續(xù)進(jìn)行下一步驟；

步驟6：判斷算法是否滿足終止條件，若滿足，則終止，記錄最優(yōu)解，否則轉(zhuǎn)到步驟2[10-12]。

1.3 不平衡性數(shù)據(jù)分類處理

基于上述研究，構(gòu)建分類器并進(jìn)行訓(xùn)練，利用訓(xùn)練好的分類器進(jìn)行不平衡性數(shù)據(jù)分類處理[14]。決策樹是一種分類算法器，其構(gòu)建基本原理是通過遞歸的方式進(jìn)行屬性歸類，生成不同的決策樹，基本流程如圖1 所示。

圖1 決策樹構(gòu)建基本流程

將構(gòu)建的決策樹作為基分類器，構(gòu)成隨機(jī)森林，實(shí)現(xiàn)分類[15]。具體過程如下：首先利用Bagging 方法進(jìn)行放回抽樣，為每棵決策樹產(chǎn)生訓(xùn)練集，然后利用訓(xùn)練集訓(xùn)練決策樹[16]。訓(xùn)練完成后，將決策樹組合構(gòu)成隨機(jī)森林，最后將測(cè)試數(shù)據(jù)集輸入到隨機(jī)森林中，通過投票方式完成分類預(yù)測(cè)。

2 仿真實(shí)驗(yàn)分析

為了驗(yàn)證該文提出的電網(wǎng)總調(diào)調(diào)度信息披露不平衡性數(shù)據(jù)處理模型的有效性，在Eclipse 環(huán)境下的Weka 平臺(tái)進(jìn)行仿真實(shí)驗(yàn)，并用文獻(xiàn)[2]、[3]、[4]提到的3 種算法作為對(duì)比項(xiàng)，進(jìn)行對(duì)比分析。

2.1 實(shí)驗(yàn)樣本

以紅水河水庫日來水?dāng)?shù)據(jù)為例，選取2020.01.01-2020.03.31 的日來水?dāng)?shù)據(jù)作為不平衡性數(shù)據(jù)示例，仿真實(shí)驗(yàn)參數(shù)設(shè)置如表2 所示。

表2 仿真實(shí)驗(yàn)參數(shù)設(shè)置

2.2 實(shí)驗(yàn)結(jié)果

分別采用文獻(xiàn)[2]、[3]算法及所提方法對(duì)實(shí)驗(yàn)數(shù)據(jù)中的不平衡性數(shù)據(jù)進(jìn)行分類處理，得到2020.01.01-2020.03.31的紅水河水庫日來水?dāng)?shù)據(jù)趨勢(shì)如圖2所示。

分析圖2，該文模型對(duì)不平衡性數(shù)據(jù)的處理性能較好，按照日來水?dāng)?shù)據(jù)整體趨勢(shì)對(duì)不平衡性數(shù)據(jù)進(jìn)行處理，得到紅水河水庫日來水?dāng)?shù)據(jù)趨勢(shì)整體在2 200～2 800 m3/s 之間波動(dòng)，而兩種文獻(xiàn)對(duì)比模型對(duì)數(shù)據(jù)的處理性能較差，不能很好地得到紅水河水庫日來水?dāng)?shù)據(jù)趨勢(shì)。

圖2 不平衡數(shù)據(jù)處理后的紅水河水庫日來水?dāng)?shù)據(jù)趨勢(shì)

經(jīng)不同方法對(duì)數(shù)據(jù)處理后，根據(jù)所得數(shù)據(jù)趨勢(shì)對(duì)2020.04.01-2020.04.31 的數(shù)據(jù)進(jìn)行預(yù)測(cè)，得到紅水河水庫日來水?dāng)?shù)據(jù)預(yù)測(cè)結(jié)果如圖3 所示。

分析圖3，該文模型預(yù)測(cè)值與實(shí)測(cè)值較為接近，說明該文模型能夠準(zhǔn)確處理不平衡性數(shù)據(jù)，實(shí)現(xiàn)水庫日來水情況的預(yù)測(cè)。

圖3 紅水河水庫日來水?dāng)?shù)據(jù)預(yù)測(cè)情況

3 結(jié)束語

綜上所述，隨著電力的需求范圍越來越廣泛，對(duì)電力調(diào)度的可靠性和效率性要求越來越高，因此，電網(wǎng)總調(diào)調(diào)度信息披露系統(tǒng)逐漸取代傳統(tǒng)的調(diào)度信息傳遞方式，提高了數(shù)據(jù)信息傳遞效率，然而披露系統(tǒng)的應(yīng)用，同時(shí)也使數(shù)據(jù)信息量劇增，導(dǎo)致數(shù)據(jù)信息內(nèi)容雜亂，缺乏深層次的統(tǒng)計(jì)和分析?；诖?，構(gòu)建一種電網(wǎng)總調(diào)調(diào)度信息披露不平衡性數(shù)據(jù)處理模型，該模型經(jīng)仿真實(shí)驗(yàn)測(cè)試，證明了其在不平衡性數(shù)據(jù)處理中的性能，提高了不平衡性數(shù)據(jù)處理的精度，規(guī)范了電網(wǎng)總調(diào)調(diào)度數(shù)據(jù)信息。