摘要：為實現(xiàn)對異常數(shù)據(jù)的精準融合，文章設計了電力系統(tǒng)用電量監(jiān)測中異常數(shù)據(jù)融合方法。采集電力系統(tǒng)用電量監(jiān)測數(shù)據(jù)并對電量數(shù)據(jù)進行初始化處理，計算監(jiān)測數(shù)據(jù)權重劃分數(shù)據(jù)類別；驅動數(shù)據(jù)融合處理程序聚類異常數(shù)據(jù)；建立自組織空間映射網(wǎng)絡，融合處理同類別異常數(shù)據(jù)。實驗證明：設計的異常數(shù)據(jù)融合方法能夠實現(xiàn)對不同類別異常數(shù)據(jù)類別的精準劃分、相同類別數(shù)據(jù)的精準融合，具有較好的應用效果。

關鍵詞：電力系統(tǒng)；數(shù)據(jù)特征；融合；異常數(shù)據(jù)；監(jiān)測；用電量

中圖分類號：TP311

文獻標志碼：A

0 引言

隨著電力系統(tǒng)覆蓋范圍的增加，居民對用電量的需求也越來越大^［1］。對用電量進行監(jiān)測能夠保障電力系統(tǒng)的穩(wěn)定運行，但是大部分電力企業(yè)進行數(shù)據(jù)融合的效果不佳，導致統(tǒng)計的系統(tǒng)用電量與企業(yè)需求電量差異較大^［2］。因此，本文設計電力系統(tǒng)用電量監(jiān)測中異常數(shù)據(jù)融合方法，以期為電力系統(tǒng)用電監(jiān)測提供全面的技術支撐。

1 電力系統(tǒng)用電量監(jiān)測數(shù)據(jù)權重計算與類別劃分

利用終端傳感器、電能計量裝置等測量設備，采集電力系統(tǒng)用電量監(jiān)測數(shù)據(jù)，并通過計算監(jiān)測數(shù)據(jù)權重的方式，實現(xiàn)對數(shù)據(jù)類別的劃分^［3］。為降低監(jiān)測數(shù)據(jù)的損失，需要增加一個校正系數(shù)^［4］。對采集的電力監(jiān)測數(shù)據(jù)集合中的訓練子集初始化處理，計算初始化處理中的數(shù)據(jù)權重系數(shù)，將其表示為w，對w的計算可用公式（1）實現(xiàn)。

公式（1）中：w_i表示初始化處理中的數(shù)據(jù)i的權重系數(shù)；Ta表示電力系統(tǒng)用電量監(jiān)測數(shù)據(jù)集合；Tb表示電力系統(tǒng)用電量監(jiān)測期望數(shù)據(jù)集合；n表示子集訓練迭代處理次數(shù)；m表示子集期望訓練次數(shù)^［5］。在上述設計內容的基礎上，引進一個數(shù)據(jù)類別劃分參數(shù)，將此參數(shù)表示為β，β可用公式（2）計算。

公式（2）中：p表示電力系統(tǒng)用電需求系數(shù)；M表示電力系統(tǒng)用電量監(jiān)測數(shù)據(jù)集合中訓練子集數(shù)據(jù)量。上述計算公式中，參數(shù)p應滿足表達式（3）所示的需求。

公式（3）中：j表示目標領域數(shù)據(jù)處理系數(shù)。按照上述步驟，實現(xiàn)對電力系統(tǒng)用電量監(jiān)測數(shù)據(jù)權重的計算與類別劃分。

2 監(jiān)測數(shù)據(jù)中異常數(shù)據(jù)聚類

驅動數(shù)據(jù)融合處理程序^［6］，在數(shù)據(jù)輸入層錄入若干個數(shù)據(jù)，定義數(shù)據(jù)的聚類中心，建立電網(wǎng)云計算模型，使用PMU、 SCADA等功率測量設備收集的數(shù)據(jù)經(jīng)過單向的數(shù)據(jù)流^［7］，利用計算節(jié)點和管理節(jié)點之間的反饋，對大量的數(shù)據(jù)進行實時分析和計算，并將挖掘到的數(shù)據(jù)傳送到電網(wǎng)控制中心和其他應用程序^［8］。計算空間數(shù)據(jù)在二維坐標系下，第a點與聚類中心的歐式距離，計算公式如下。

公式（4）中：d（a，k）表示第a點與聚類中心的歐式距離；x_ab表示點x的橫向坐標與縱向坐標；μ表示更新后的空間點坐標。按照上述方式，計算配電系統(tǒng)中不同輸電節(jié)點與聚類中心之間的歐式距離^［9］。將具有相同特征的數(shù)據(jù)點整合處理，實現(xiàn)監(jiān)測數(shù)據(jù)中異常數(shù)據(jù)的聚類。

3 同類別異常數(shù)據(jù)融合處理

考慮到電力系統(tǒng)的作業(yè)環(huán)境較為復雜，因此，需要對采集的數(shù)據(jù)歸一化處理^［10］。處理過程如公式（5）所示。

公式（5）中：c表示歸一化處理后的數(shù)據(jù)集合；c^-表示數(shù)據(jù)集合均值；c_min表示數(shù)據(jù)集合最小取值；c_max表示數(shù)據(jù)集合最大取值。

建立自組織空間映射網(wǎng)絡，將完成處理后的數(shù)據(jù)映射到網(wǎng)絡環(huán)境中，使數(shù)據(jù)在空間中呈現(xiàn)三維狀態(tài)。將此過程中產(chǎn)生的數(shù)據(jù)作為融合網(wǎng)絡的輸入向量，記為A，對A的加權輸入向量計算可用公式（6）實現(xiàn)。

公式（6）中：A～表示歸一化處理后的加權輸入向量；‖A‖表示加權輸入向量。完成上述計算后，根據(jù)輸入向量得到數(shù)據(jù)集合的部分神經(jīng)元，通過此種方式，確定融合節(jié)點的加權向量。同時，使用余弦相似度計算方法，對不同異常數(shù)據(jù)之間的相似度展開計算。計算公式如下。

公式（7）中：cosδ表示不同異常數(shù)據(jù)之間的相似度；A^T表示加權向量A的展開度量T。通過上述計算，掌握不同維度與不同類別數(shù)據(jù)之間的相似度，對具有相同特征的數(shù)據(jù)融合處理。對于此過程中相似度較差的數(shù)據(jù)，可以提取對應數(shù)據(jù)的特征，重新建立一個聚類中心，對此部分相關的數(shù)據(jù)進行融合處理。實現(xiàn)對同類別異常數(shù)據(jù)的融合處理，完成電力系統(tǒng)用電量監(jiān)測中異常數(shù)據(jù)融合方法的設計。

4 對比實驗

為驗證本文設計融合方法的應用性能，以某地區(qū)大型電力企業(yè)為例，設計對比實驗。采集電力系統(tǒng)用電量監(jiān)測數(shù)據(jù)，建立測試平臺，將采集的數(shù)據(jù)統(tǒng)一格式處理后錄入平臺。平臺參數(shù)如表1所示。

完成上述設計后，在終端建立電力系統(tǒng)用電量監(jiān)測中異常數(shù)據(jù)融合并行計算環(huán)境，如圖1所示。

在云端數(shù)據(jù)庫中建立不同類型用電量監(jiān)測數(shù)據(jù)的子文件，分別為HDR監(jiān)測數(shù)據(jù)標題文件、CFG配置文件、DAT數(shù)據(jù)文件、INF信息文件，建立不同類型文件之間的通信聯(lián)系，并按照如表2所示的內容，建立用電量監(jiān)測數(shù)據(jù)與異常信息的對應表格。

將基于K-means算法的異常數(shù)據(jù)融合方法（傳統(tǒng)方法1）和基于CNN-LSTM的異常數(shù)據(jù)融合方法（傳統(tǒng)方法2）作為對比方法，與本文設計方法共同進行測試。不同方法的數(shù)據(jù)融合效果如圖2所示。

從圖2所示的數(shù)據(jù)融合效果可以看出，本文方法精準地將數(shù)據(jù)組融合并劃分為3個類別，融合效果較好。傳統(tǒng)方法1在融合數(shù)據(jù)時，出現(xiàn)了不同類別數(shù)據(jù)混淆的現(xiàn)象，整體融合效果欠佳。傳統(tǒng)方法2未能實現(xiàn)對相同類別異常數(shù)據(jù)的融合，即電力系統(tǒng)用電監(jiān)測數(shù)據(jù)在空間中仍以離散化狀態(tài)呈現(xiàn)。因此，在完成上述研究后，得到如下實驗結論：相比傳統(tǒng)的融合方法，本文設計的電力系統(tǒng)用電量監(jiān)測中異常數(shù)據(jù)融合方法應用效果最好，該方法可以在實際應用中，實現(xiàn)對不同類別異常數(shù)據(jù)類別的精準劃分、相同類別數(shù)據(jù)的精準融合。

5 結語

為了融合多渠道監(jiān)測的電力系統(tǒng)用電異常數(shù)據(jù)，本文通過電力系統(tǒng)用電量監(jiān)測數(shù)據(jù)權重計算與類別劃分、監(jiān)測數(shù)據(jù)中異常數(shù)據(jù)聚類、異常數(shù)據(jù)融合處理與故障診斷決策，完成了電力系統(tǒng)用電量監(jiān)測中異常數(shù)據(jù)融合方法的設計。該方法在通過檢驗后證明了融合效果良好，可以為電力系統(tǒng)運行異常診斷提供決策支撐。

參考文獻

［1］廉亞紅，云靜，張紫，等.基于數(shù)據(jù)融合與K-means的扶貧廉政風險點檢測模型［J］.內蒙古工業(yè)大學學報（自然科學版），2022（4）：367-372.

［2］余曉峰，段丁強.促進湖北省制造業(yè)與現(xiàn)代服務業(yè)融合發(fā)展之對策——基于稅收和電力數(shù)據(jù)的分析視角［J］.長江技術經(jīng)濟，2022（3）：84-88.

［3］唐毅，祁甘露，池坤鵬，等.基于三維時空特性數(shù)據(jù)融合的電力物聯(lián)網(wǎng)用戶側負荷識別方法研究［J］.山東師范大學學報（自然科學版），2022（2）：120-127.

［4］周顯春.ARMA融合CNN-LSTM的傳感器流數(shù)據(jù)異常檢測方案［J］.國外電子測量技術，2022（4）：55-61.

［5］夏英，韓星雨.融合統(tǒng)計方法和雙向卷積LSTM的多維時序數(shù)據(jù)異常檢測［J］.計算機應用研究，2022（5）：1362-1367，1409.

［6］吳悅，張忠會，游志剛，等.基于可視化和數(shù)據(jù)融合的光伏電站電氣設備異常運行狀態(tài)檢測方法［J］.制造業(yè)自動化，2021（9）：16-19，55.

［7］李遠松，高博，須琳，等.基于差分序列方差與CPS融合的數(shù)字變電站數(shù)據(jù)異常檢測方法［J］.電網(wǎng)與清潔能源，2021（2）：30-41.

［8］孫海全，王崢，郭彥，等.事件驅動傳感器網(wǎng)絡中基于學習向量量化模型的數(shù)據(jù)融合機制［J］.電子技術與軟件工程，2020（24）：207-210.

［9］王寧，李欣，秦臻.全球DEM數(shù)據(jù)融合EGM2008在不同試驗區(qū)的應用研究——以江蘇、廣東、陜西為例［J］.地礦測繪，2020（2）：1-4.

［10］高寶龍，胡正旺，李端，等.多層等效源方法在地面與航空磁異常數(shù)據(jù)融合中的應用［J］.地球科學，2021（5）：1881-1895.

（編輯 王雪芬）

Fusion analysis of abnormal data in power system power consumption monitoring

Chang Fuhong， Li Qi， Wang Yuanyuan

（State Grid Xuchang Electric Power Supply Company， Xuchang 461000， China）

Abstract： In order to achieve accurate fusion of abnormal data， an abnormal data fusion method in power system power consumption monitoring is designed. Collect the power consumption monitoring data of the power system and initialize the data， calculate the weight of the monitoring data and divide the data into categories; Driving data fusion processing program to cluster abnormal data; Self organizing space mapping network is established to fuse and process the same kind of abnormal data. The experiment proves that the designed anomaly data fusion method can achieve accurate classification of different types of anomaly data and accurate fusion of the same type of data， and has good application effect.

Key words： power system; data characteristics; fusion; abnormal data; monitoring; power consumption