魏國旺

（國網(wǎng)信通產(chǎn)業(yè)集團(tuán)北京國電通網(wǎng)絡(luò)技術(shù)有限公司，北京 100192）

智能電網(wǎng)建設(shè)是當(dāng)前我國建設(shè)能源互聯(lián)網(wǎng)過程中的重點(diǎn)推進(jìn)工作之一。電網(wǎng)的智能化核心在于智能用電，其主要表現(xiàn)在考慮用戶與電網(wǎng)雙向互動的基礎(chǔ)上，實(shí)現(xiàn)對于電網(wǎng)運(yùn)行過程中所產(chǎn)生交互信息的智能化處理，從而保障電網(wǎng)的可靠運(yùn)行。因此，研究計及電力用戶與電網(wǎng)雙向互動的智能電網(wǎng)信息實(shí)時交互關(guān)鍵技術(shù)，建立符合國內(nèi)技術(shù)規(guī)范的電網(wǎng)信息交互系統(tǒng)，完成對于電網(wǎng)海量數(shù)據(jù)的智能化處理，從而實(shí)現(xiàn)快速響應(yīng)的智能化用電，對于智能電網(wǎng)的發(fā)展具有重要作用[1-3]。

當(dāng)前供電企業(yè)在開展不同業(yè)務(wù)時，通常會使用由不同供應(yīng)商生產(chǎn)的應(yīng)用管理系統(tǒng)。由于其運(yùn)行環(huán)境主要考慮具體的業(yè)務(wù)實(shí)施環(huán)境而忽略了電網(wǎng)運(yùn)行過程中的總體情況，使得各系統(tǒng)之間相互獨(dú)立而無法實(shí)現(xiàn)實(shí)時的信息交互。其中，核心問題是對于以電網(wǎng)數(shù)據(jù)為核心的信息資源無法進(jìn)行高效的整合分析，從而難以發(fā)現(xiàn)數(shù)據(jù)中潛在的異常問題，這對電網(wǎng)的安全運(yùn)行存在極大的威脅[4-8]。因此，該文設(shè)計了集成化的電網(wǎng)信息實(shí)時交互系統(tǒng)，并在電網(wǎng)主站側(cè)采用改進(jìn)的支持向量機(jī)模型對數(shù)據(jù)進(jìn)行處理，以實(shí)現(xiàn)對異常數(shù)據(jù)的檢測，從而進(jìn)一步推進(jìn)電網(wǎng)智能化的發(fā)展。

1 電網(wǎng)信息實(shí)時交互系統(tǒng)

在該文所設(shè)計的電網(wǎng)信息實(shí)時交互系統(tǒng)中，電網(wǎng)側(cè)包括互動信息數(shù)據(jù)庫與信息服務(wù)系統(tǒng)，在該側(cè)對電網(wǎng)數(shù)據(jù)進(jìn)行采集并分析，以開展用電優(yōu)化，并實(shí)時監(jiān)測用電狀況與故障狀態(tài)，從而保障電網(wǎng)的安全運(yùn)行。而在用戶側(cè)則可完成對電力用戶數(shù)據(jù)的采集和分析，使得用戶能夠與電網(wǎng)進(jìn)行互動并達(dá)到信息交互的目的，從而使用戶深入了解自身負(fù)荷、設(shè)備能耗、節(jié)點(diǎn)方案與用電價格等信息并主動作出實(shí)時響應(yīng)，進(jìn)而減少高峰時期的用電負(fù)荷。在考慮電網(wǎng)與用戶之間雙向互動的基礎(chǔ)上，可以實(shí)現(xiàn)電網(wǎng)及用戶用電信息的交互，從而保障供電安全，且有利于節(jié)能降耗。其基本結(jié)構(gòu)框架如圖1 所示。

各部分功能描述如下：

1）電網(wǎng)數(shù)據(jù)采集系統(tǒng)的主要功能是實(shí)現(xiàn)對電力用戶用電負(fù)荷、用電量等數(shù)據(jù)的實(shí)時在線監(jiān)測。同時，電力用戶也可以基于Web 用戶端及智能終端獲取用電指導(dǎo)，并完成用電查詢、購電及報警等操作。

圖1 電網(wǎng)信息實(shí)時互動系統(tǒng)結(jié)構(gòu)框架

智能電表是電網(wǎng)數(shù)據(jù)采集系統(tǒng)的核心計量設(shè)備，其主要由上行與下行通信接口組成，本質(zhì)是一種多功能電表[9-10]。智能電表的主要功能為：①互動計量。可支撐分布式發(fā)電并網(wǎng)且完成電價的凈計量，供電企業(yè)能從新能源發(fā)電用戶處購買剩余電力并扣減消費(fèi)者用電費(fèi)用中的新能源發(fā)電量。②費(fèi)控作用。智能電表可智能化實(shí)現(xiàn)電力用戶的電費(fèi)儲存和階梯計價。當(dāng)智能電表電費(fèi)余額不足時，其將主動提示電力用戶且給出斷電信號，并切斷負(fù)荷開關(guān)。③通信功能。通信信道物理層保持獨(dú)立地位，當(dāng)產(chǎn)生嚴(yán)重事件時會主動告警。④可按照用戶需求設(shè)定用電額度，從而限定負(fù)荷。⑤對電能質(zhì)量實(shí)施監(jiān)測，并記載家用電器的狀態(tài)信息。⑥安全防護(hù)。智能電表能夠進(jìn)行編程開關(guān)防護(hù)與密碼保護(hù)，從而規(guī)避外來人員的篡改行為。

2）通信傳輸網(wǎng)絡(luò)。基于Java 語言設(shè)計的Web 用戶端，結(jié)合目前國內(nèi)電網(wǎng)運(yùn)行特性與需求，利用服務(wù)器-用戶端的組織模式完成用電信息及運(yùn)行信息的雙向互動。Web 互動過程包括建立互動信息的數(shù)據(jù)庫與互聯(lián)接口，從而對信息服務(wù)系統(tǒng)的數(shù)據(jù)資源進(jìn)行管理，并針對業(yè)務(wù)的互動需求開展用電信息的實(shí)時采集與數(shù)據(jù)的智能處理。

3）電網(wǎng)主站。在電網(wǎng)信息實(shí)時交互系統(tǒng)的通信傳輸網(wǎng)絡(luò)中，電網(wǎng)基于智能傳感器實(shí)現(xiàn)對電網(wǎng)設(shè)備的狀態(tài)監(jiān)測，以此在負(fù)荷高峰完成調(diào)度并彌補(bǔ)供應(yīng)不足的問題。而通過信息互動也可讓電力用戶對電網(wǎng)管理有所了解，且在接受用電指導(dǎo)后完成節(jié)能降耗。

在電網(wǎng)信息實(shí)時互動系統(tǒng)中，電網(wǎng)側(cè)包括互動信息數(shù)據(jù)庫與信息服務(wù)系統(tǒng)。通過智能終端設(shè)備將用戶信息經(jīng)通信傳輸網(wǎng)絡(luò)傳輸?shù)秸{(diào)控中心，并儲存在數(shù)據(jù)庫中對數(shù)據(jù)進(jìn)行智能處理；然后根據(jù)安全原則篩選信息且加密，并發(fā)布可公開的信息；再由信息服務(wù)系統(tǒng)對電力用戶進(jìn)行服務(wù)，使得用戶通過外網(wǎng)完成網(wǎng)上購電。電網(wǎng)通過系統(tǒng)完成信息交互，使得電力用戶及時獲取電網(wǎng)的停電、檢修公告及相應(yīng)的區(qū)域位置，從而提升了電網(wǎng)與用戶間的和諧度。

4）電力用戶是電網(wǎng)的服務(wù)對象，也是信息交互系統(tǒng)中的重要環(huán)節(jié)。通過系統(tǒng)媒介，電力用戶可對電網(wǎng)發(fā)布的公告進(jìn)行快速響應(yīng)，從而根據(jù)電網(wǎng)最優(yōu)用電指導(dǎo)對家用電器進(jìn)行合理使用，并實(shí)時觀察家庭用電狀態(tài)，以提升用電可靠性。電網(wǎng)與用戶的雙向交互能有效提升電網(wǎng)穩(wěn)定性，達(dá)到節(jié)能減排的目的。用戶側(cè)的交互系統(tǒng)則主要用于電網(wǎng)對電力用戶發(fā)布公告，并通過Web 服務(wù)為電力用戶提供耗能分析、階梯電價、網(wǎng)上購電及故障報警等服務(wù)。

2 智能數(shù)據(jù)處理

在電網(wǎng)信息實(shí)時交互系統(tǒng)中，包含有電網(wǎng)運(yùn)行狀態(tài)的實(shí)時性數(shù)據(jù)?；诎踩耘c實(shí)時性考慮，需在系統(tǒng)中的電網(wǎng)側(cè)完成對數(shù)據(jù)的智能實(shí)時處理，從而有效發(fā)現(xiàn)電網(wǎng)設(shè)備的異常信息。由于電網(wǎng)中存在海量的交互信息，傳統(tǒng)的人工分析難以有效處理此類問題。以支持向量機(jī)（Support Vector Machine，SVM）為代表的人工智能算法的興起，為海量數(shù)據(jù)的智能處理提供了新的解決思路。因此，該文針對性地采用以SVM 作為基礎(chǔ)的數(shù)據(jù)分析模型，對數(shù)據(jù)開展異常檢測。

2.1 SVM算法

SVM 的本質(zhì)是對數(shù)據(jù)樣本進(jìn)行分類與回歸運(yùn)算[11-12]。其基本的算法流程如下：

首先設(shè)置所獲取原始數(shù)據(jù)中的n維輸入xi與輸出yj，且{xi,yj},i,j=1,2,…,n。則SVM 定義為：

式中，?(?)是SVM 的特征映射函數(shù)，即樣本的回歸函數(shù)，其可表征為：

其中，‖ω‖2是復(fù)雜度參數(shù)，用于表征F(?) 的復(fù)雜程度；C是懲戒因子，用以表征SVM 對于分類失誤的懲戒水平，并提升全局最優(yōu)解的求解幾率；是經(jīng)驗風(fēng)險值，用于表征預(yù)測結(jié)果與實(shí)際結(jié)果間的誤差。若ε表示的是松弛變量，用于消除實(shí)際值的區(qū)域誤差，則其符合下式：

將式（3）-（4）聯(lián)立可得：

將Lagrange 乘子法代入式（5），可求解對偶優(yōu)化問題：

其中，K(xi,xj) 表示SVM 的核函數(shù)。該文選取RBF 核函數(shù)作為SVM 的核函數(shù)，具體如下所示：

將解格式設(shè)定為(a,a*)，代入可得：

將式（9）代入式（8）得：

由此實(shí)現(xiàn)對數(shù)據(jù)樣本的二分類求解，其中F(x)為+1 或-1 兩類，由分類結(jié)果便可判斷樣本類型，從而檢測出異常數(shù)據(jù)。

2.2 基于IBA的SVM參數(shù)優(yōu)化

由于SVM 的分類結(jié)果由其參數(shù)所決定，而傳統(tǒng)的人工選參通常并非最優(yōu)參數(shù)，故造成SVM 的分類效果難以滿足實(shí)際應(yīng)用的需要。因此文中針對該問題，采用改進(jìn)的蝙蝠算法（Improved Bat Algorithm,IBA）實(shí)現(xiàn)SVM 的參數(shù)尋優(yōu)。改進(jìn)的過程主要是重新構(gòu)建BA 種群中標(biāo)準(zhǔn)個體的局部尋優(yōu)公式，并引入自適應(yīng)速率權(quán)值參數(shù)w加以改進(jìn)。w可有效評估蝙蝠當(dāng)前所處的位置與全局最優(yōu)位置的區(qū)別，且隨著迭代次數(shù)的逐步增加，蝙蝠的前進(jìn)速率會逐步放緩。并按照現(xiàn)有個體飛行狀態(tài)動態(tài)調(diào)節(jié)前行速率，從而更好地尋找全局最優(yōu)解。IBA 流程如下：

1）設(shè)定算法的基礎(chǔ)參數(shù)。種群個數(shù)Sp、種群的維度D、迭代上限Imax，脈沖響度A(0)、發(fā)射率R(0)、A(0)衰退系數(shù)Af、R(0)的增強(qiáng)系數(shù)Rf以及脈沖頻率[fmin,fmax] 。

2）初始化蝙蝠種群。對于種群中蝙蝠個體的初始位置進(jìn)行運(yùn)算并對其加以評價，求出個體的適應(yīng)度值并找出現(xiàn)有的最優(yōu)解。

3）根據(jù)下式對種群個體的飛行速率與所處位置進(jìn)行更新。更新計算公式如下：

式中，fi、fmin、fmax分別表征當(dāng)前、最小和最大的脈沖發(fā)射頻率。β表示的是取值范圍為(0,1)內(nèi)的隨機(jī)數(shù)，w表示速率權(quán)值參數(shù)，vi表示當(dāng)前個體的實(shí)時速率，xi表示第i個個體當(dāng)前所處位置，x*表示空間最優(yōu)解，t表征當(dāng)前迭代次數(shù)。

4）若當(dāng)前蝙蝠個體脈沖發(fā)射率ri滿足隨機(jī)數(shù)rand>ri，則個體將根據(jù)式（12）進(jìn)行局部尋優(yōu)：

5）判 斷(rand

其中，f(xi) 表示當(dāng)前蝙蝠個體的適應(yīng)度值，f(x*)表示空間最優(yōu)適應(yīng)度。

6）判斷是否到達(dá)迭代上限，若是則輸出最優(yōu)適應(yīng)度值；否則，跳轉(zhuǎn)至步驟3）繼續(xù)尋優(yōu)。

2.3 電網(wǎng)智能數(shù)據(jù)處理模型

基于以上理論，該文將IBA-SVM 應(yīng)用于電網(wǎng)的智能數(shù)據(jù)處理，從而對交互信息系統(tǒng)所收集到的異常數(shù)據(jù)進(jìn)行檢測，模型的整體流程如圖2 所示。

3 實(shí)驗分析

3.1 實(shí)驗環(huán)境

該文實(shí)驗環(huán)境：系統(tǒng)為Windows 10 的計算機(jī)，PC的CPU 為Intel(R)Core(TM)i9-9900K @ 3.60 GHz，內(nèi)存為32 GB，硬盤容量為2 TB，所采用的仿真軟件為Matlab 2020A。數(shù)據(jù)集合來自愛爾蘭電力公司于2012 年公開的電網(wǎng)用戶用電量開源數(shù)據(jù)，該文選擇2009—2010 年中1 800 名電力用戶在300 天內(nèi)的用電數(shù)據(jù)作為基礎(chǔ)數(shù)據(jù)集，其中訓(xùn)練集與測試集的比例為9∶1。

圖2 電網(wǎng)智能數(shù)據(jù)處理模型工作流程

3.2 實(shí)驗結(jié)果

為檢驗所提方法的有效性，將該文方法與BP神經(jīng)網(wǎng)絡(luò)（Back Propagation Neural Network，BPNN）[13-14]、極限學(xué)習(xí)機(jī)（Extreme Learning Machine，ELM）[15-16]、SVM進(jìn)行對比，測試集所得分類結(jié)果如圖3 所示。

從圖3 可以看出，在該文設(shè)計的電網(wǎng)信息實(shí)時交互系統(tǒng)框架下對電網(wǎng)用戶用電量數(shù)據(jù)進(jìn)行異常檢測時，BPNN 的檢測準(zhǔn)確率為77.22%，ELM 的檢測準(zhǔn)確率為87.22%，SVM 的檢測準(zhǔn)確率為90.56%，而該文方法的準(zhǔn)確率則為94.44%。與其他方法相比，所提方法能夠較為準(zhǔn)確地檢測出電網(wǎng)數(shù)據(jù)的異常情況。其可適用于電網(wǎng)信息實(shí)時交互系統(tǒng)的智能數(shù)據(jù)處理，故具有良好的工程實(shí)際應(yīng)用能力。

為進(jìn)一步體現(xiàn)該文方法的優(yōu)勢，將以上幾種方法與該文方法進(jìn)行運(yùn)算效率對比，并采用測試集檢測的運(yùn)算時間作為運(yùn)算效率的衡量尺度，所得結(jié)果如表1 所示。

由表1 可知，該文方法的運(yùn)算耗時與BPNN、ELM 算法相比更少，而與SVM 的運(yùn)算耗時基本接近。這表明該文提出的方法能在確保運(yùn)算準(zhǔn)確率的同時也提升了運(yùn)算效率，故可高效實(shí)現(xiàn)對電網(wǎng)數(shù)據(jù)的智能處理，且工程應(yīng)用的可靠性也較高。

圖3 實(shí)驗結(jié)果

表1 運(yùn)算效率分析

4 結(jié)束語

針對當(dāng)前電網(wǎng)信息交互存在的不足，該文設(shè)計了一種電網(wǎng)信息實(shí)時交互系統(tǒng)，在系統(tǒng)框架內(nèi)采用SVM 作為數(shù)據(jù)處理的基礎(chǔ)模型，并引入改進(jìn)的BA 算法完成對電網(wǎng)數(shù)據(jù)的異常檢測。通過實(shí)驗分析可知，該文設(shè)計的系統(tǒng)能夠高效、準(zhǔn)確地處理電網(wǎng)數(shù)據(jù)，并實(shí)時檢測出數(shù)據(jù)中的異常情況，進(jìn)而保證了電網(wǎng)的安全運(yùn)行。因此，該文方法對于電網(wǎng)的信息安全具有重要的推動作用。