馬占海，嚴嘉正，張俊超

（國網青海省電力公司信息通信公司，青海西寧 810008）

電力系統(tǒng)不斷向數字化、信息化的方向發(fā)展，智能電網在建設過程中產生了各種不同種類的電力大數據，如時間數據、溫度數據，人們對電力大數據的處理要求也在不斷增高，如何及時獲取電力大數據，并完成有效處理，是當今大數據時代電網處理的重要難題。數據識別一直是數據管理的關鍵性技術，對于數據處理質量有著重要影響。由于電力大數據類型復雜，因此表現方式也不一致，針對電力大數據識別問題相關學者進行了深入的研究。

低占用率電力大數據會明顯降低電力系統(tǒng)的工作效率，系統(tǒng)內部不同流的處理器線程無法得到很好地應用，電力系統(tǒng)的占用率過低，使整體性能受到嚴重影響，因此必須要及時識別低占用率電力大數據。文獻[1]利用智能電表提出了一種工業(yè)設備的大數據識別方法，在設計過程中，同時引用了低壓智能電表和長短期記憶神經網絡，通過智能識別建立系統(tǒng)，同時處理電力負載數據，識別各種標識，完成智能識別，該系統(tǒng)能夠有效提高識別效率，針對連續(xù)數據識別能力較好，但在低占用率電力大數據上顯示出局限性。文獻[2]針對電網薄弱環(huán)節(jié)在線辨識及分級預警技術進行了深入的研究，從縱向和橫向兩方面考慮，分析電網的薄弱點，并實現電網規(guī)劃，通過多方面優(yōu)化確保了電網薄弱點的處理，降低處理風險，但是識別過程需要進行大量的數據排查，耗時過長。

多源異構技術能夠在電網運行的各個階段，針對電力系統(tǒng)運行狀態(tài)和管理階段性，積累不同存儲方式的數據組成數據庫，從而從簡單的數據組成復雜的數據，形成多源異構數據源。該文引入多源異構設計了一種新的低占用率電力大數據識別系統(tǒng)，在傳統(tǒng)硬件基礎上加以優(yōu)化，并針對硬件設計了系統(tǒng)軟件，通過實驗驗證了識別系統(tǒng)的可行性。

1 系統(tǒng)硬件設計

低占用率電力大數據識別系統(tǒng)硬件由數據采集模塊、數據分析模塊和數據管理模塊三部分組成，系統(tǒng)硬件結構如圖1 所示。

圖1 系統(tǒng)硬件結構

系統(tǒng)在獲得低占用率電力大數據后，會傳遞給分析模塊，由分析模塊進行統(tǒng)一處理，并將處理結果轉移到管理模塊。

1.1 數據采集模塊

通過數據采集模塊采集電力系統(tǒng)內部的各項數據，低占用率數據為靜態(tài)數據，可以通過CMS 平臺完成分類管理，同時利用動態(tài)處理器分析[3-4]。數據采集模塊如圖2 所示。

圖2 數據采集模塊

觀察圖2 可知，數據采集模塊選取復雜可編程邏輯器件/現場可編程門陣列（Complex Programmable Logic Device/Field Progra-mmable Gate Array，CPLD/FPGA）數據采集控制器為核心，同時配合模數轉換器ADC 和數模轉換器DAC，在采集過程中，同時實現A/D 轉換、數據運算和D/A 轉換，能夠完成數據顯示。當采集輸入的電力數據后，會通過ADC 轉換成數字量，所有的輸入數據會配合按鍵，確保輸入的數據為標準數據，帶極性值判別共同輸出，由控制器處理有序輸出各種數據，采集模塊內部的CLK 控制采集速率[5-6]。

1.2 數據分析模塊

數據分析模塊對采集模塊內部的各種數據進行分析處理，確定低占用率電力數據特征，分析數據的實際值，與閾值進行比較，判斷數據是否為低占用率電力數據，在完成過濾處理后，分析電力大數據的模擬量，針對低占用率進行分析，如果確定占用率過低，需要進行額外統(tǒng)計補償[7]。在完成數據的全部循環(huán)后，利用參數配對確定指標特征，從而分析電力大數據占用率，通過軟件程序對數據進行電力計算，得出時間序列，根據時間序列隨時間的變化特征，顯示電力大數據識別的各項重要指標，并在顯示器顯示電力大數據的運行周期，完成信息更新。數據分析模塊能夠對基本的電力大數據占用率進行分析，在計算到存在異常后，根據供電范圍進一步分析，利用PMS 判斷數據是否存在異常變化，在確定異常因素和損失率后進行數據變化，確定指標異常，輸出低占用率結果[8-9]。

1.3 數據管理模塊

數據管理模塊是采集模塊和分析模塊的深化，能夠在前兩個模塊的基礎上進行多維度的組織和顯示，以針對化的方式處理低占用率電力大數據。管理器結構如圖3 所示。

圖3 管理器結構

根據圖3 可知，管理器通過譯碼電路連接多個隨機存儲器（Random-Access Memory，RAM），能夠同時完成各種信息分析，例如電力大數據域名、運行時間、數據量等。通過數據分析對信息進行全方位管理，并將管理結果存儲到數據庫中，方便工作人員更全面地了解電力大數據的運行狀態(tài)。管理模塊為用戶提供了詳細的查詢功能，用戶可以在管理模塊上對數據進行查詢和統(tǒng)計，并將得到的信息備案，整個過程都會在嚴格的監(jiān)控下進行，降低了識別系統(tǒng)工作風險。管理模塊以周期性的方式對電力數據進行計算，記錄數據的波動狀況、波動范圍和變化情況，并對變化結果進行統(tǒng)計，實現更好的數據分析[10]。

2 系統(tǒng)軟件設計

引用多源異構理論完成電力大數據識別系統(tǒng)軟件設計，通過知識的表達確定數據處理方式，方便后期集成處理，從而打破傳統(tǒng)識別系統(tǒng)效率低這一局限性。系統(tǒng)軟件識別工作流程如圖4 所示。

圖4 系統(tǒng)軟件識別工作流程

根據圖4 可知，通過離散化處理、來源及特點分析、準確率定義、信息識別完成軟件識別。

步驟1：離散化處理。利用列聯(lián)表的方式更好地定義電力大數據，從而得到不同數據的屬性模式，建立屬性集合，如式（1）所示：

式中，U表示非空有限集合，為屬性集合；V表示有效信息函數集合；C表示屬性域集合；f表示信息函數集合。根據元素的特性建立關系列表，定義數據量，根據定義結果分析數據關系，由于每一個數據都存在一種離散性方案，所以可以將數據的屬性閾分成不同的離散區(qū)間，按照離散方案分析結果，將數據排列成相應的斷點集，利用斷點集和離散化方案對應，實現對屬性的統(tǒng)一表述[11-12]。

利用離散化算法實現電力大數據占用率的統(tǒng)一識別，從本質來看，就是分析數據的尖端區(qū)間，確定數據的屬性集，通過屬性劃分，衡量數據之間的關聯(lián)性，從而完成信息篩選。

步驟2：來源及特點分析。電力數據的分布范圍很廣，數據具有很強的通信能力，且通信結果十分可靠，由于數據量過于龐大，因此需要對電力數據的來源和特點進行分析，判斷數據屬性，利用監(jiān)測器分析數據在運行過程中是否存在問題，從而提高決策效率。

步驟3：準確率定義。通過離散化處理將不同屬性的數據劃分在不同區(qū)間，確定劃分結果的屬性值。設定信息準確率計算公式為：

式中，Qi表示屬性ai所對應的信息準確率；li表示當屬性的取值為i時，能夠達到的目的值。Qi與ai呈現正相關，即Qi數值越大，選取的低占用率電力大數據信息越準確[13-14]。

步驟4：信息識別。在確定信息準確率后，利用多源異構的方式建立離散化指標，實現信息識別，從而確定電力大數據是否為低占用率電力大數據。根據異構原則，對電力數據的信息熵進行計算，計算公式為：

式中，H(X)表示得到的信息熵；d表示離散點；X表示采集器采集的數據子集；根據數據分布方式將子集分為Xd-x、Xd+x。根據式（3）的識別結果可知，隨著H(X)數值的增加，電力大數據的識別準確率越高，識別的數據為低占用率電力大數據[15-16]。log2(n)在識別過程中發(fā)揮著調節(jié)作用，作為調節(jié)因子，多源異構區(qū)間應該在一個合理的范圍內，從而防止識別過程出現不理想的狀態(tài)。

3 實驗研究

為更好地驗證多源異構的低占用率電力大數據識別系統(tǒng)的有效性，進行實驗研究，設置實驗過程中選用的PC 機為Intel Core i3.3，CPU 的工作頻率50 GHz，硬盤為500 GB，選用的操作系統(tǒng)為Windows7。設定實驗環(huán)境如圖5 所示。

圖5 實驗環(huán)境

觀察圖5 可知，在進行實驗過程中，同時配備了多個TUG，設置了TU。選用該文識別系統(tǒng)、使用智能電表實現工業(yè)設備大數據識別的系統(tǒng)和電網薄弱環(huán)節(jié)在線辨識方法進行對比，三種系統(tǒng)識別過程的融合效果如圖6 所示。

圖6 融合效果實驗結果

由圖6 可知，使用傳統(tǒng)的智能電表實現工業(yè)設備識別系統(tǒng)和電網薄弱環(huán)節(jié)在線辨識方法的融合誤差較高，而該文識別系統(tǒng)隨著迭代次數的增加，融合誤差逐漸減小，且始終在閾值附近上下波動，具有較好的融合效果。其原因是該文識別系統(tǒng)設計由采集模塊、分析模塊和管理模塊組成的低占用率電力大數據識別系統(tǒng)硬件結構，同時引用多源異構理論設計軟件結構，方便融合處理，從而打破傳統(tǒng)識別系統(tǒng)融合誤差較高的局限性。

三種系統(tǒng)的識別效果如圖7 所示。

圖7 識別系統(tǒng)效果實驗結果

根據圖7 可知，當識別的低占用率電力大數據規(guī)模較小時，三種系統(tǒng)的識別效率雖然有一定的差異，但是差異較小，且識別的數據量與實際數據量差距較大。而隨著識別數據量的增加，三種系統(tǒng)產生了識別差異，使用智能電表實現工業(yè)設備大數據識別的系統(tǒng)在識別過程中能夠通過迭代與鄰居節(jié)點進行通信，因此在數據量較小的情況下識別效果較好，但是隨著識別數據量的增加，節(jié)點之間需要進行數據共享，消耗了大量資源，數據的冗余量也相對較高。電網薄弱環(huán)節(jié)在線辨識方法僅對50%的節(jié)點進行共享，因此消耗的資源相對較少，數據之間產生的屬性沖突也有所下降，但是在處理過程中，仍然存在較多的通信鏈接。該文提出的識別系統(tǒng)利用多源異構分析，能夠直接解決數據沖突，減少冗余的數據信息，分析數據屬性之間的沖突，并解決數據之間的空域問題，確保識別結果的準確性。

4 結束語

通過完善青海公司和政務平臺的數據共享，開展基于“一證辦電”的營銷業(yè)務應用系統(tǒng)以及網上國網營銷業(yè)務的適應性調整實施，提高電力業(yè)務辦理效率，實現電力接入工程線上并聯(lián)審批機制；打通電力營銷業(yè)務應用系統(tǒng)與政務平臺的數據壁壘，豐富電力企業(yè)數據種類，為數據挖據提供了更準確、更完整、更有價值的數據來源；實現行政許可申請表卡單據的電子化；實現與辦電業(yè)務相關的互聯(lián)網渠道賬號信息的完全互通。為政府新舊動能轉換提供基礎保證，開展“獲得電力”指標提升工作，為國家經濟發(fā)展作出電力企業(yè)應有的貢獻。