買(mǎi)合布拜·肖開(kāi)提，薛高倩，雪拉提·司馬義，呂娜

（國(guó)網(wǎng)新疆電力有限公司信息通信公司，新疆烏魯木齊 830002）

在電力系統(tǒng)中，為增強(qiáng)管理和可視化的分析能力，需要根據(jù)GIS 地理信息，實(shí)現(xiàn)各方面用電項(xiàng)目的應(yīng)用。在電力地理信息系統(tǒng)中，網(wǎng)絡(luò)設(shè)備的圖形顯示是其基礎(chǔ)。據(jù)統(tǒng)計(jì)，目前我國(guó)大多數(shù)省份的低壓電力系統(tǒng)的數(shù)據(jù)總量已經(jīng)達(dá)到了幾千萬(wàn)乃至幾十億字節(jié)。如何在大容量的電網(wǎng)地理信息系統(tǒng)中進(jìn)行數(shù)據(jù)的調(diào)度和顯示，是當(dāng)前迫切需要解決的問(wèn)題。

文獻(xiàn)[1]提出了結(jié)合GIS 的可視化重建技術(shù)，該技術(shù)通過(guò)使用數(shù)據(jù)采集與監(jiān)控系統(tǒng)獲取電網(wǎng)GIS 數(shù)據(jù)，結(jié)合系統(tǒng)空間數(shù)據(jù)引擎分析能力，向GIS 反饋電網(wǎng)實(shí)時(shí)狀態(tài)信息。使用GIS 和系統(tǒng)圖模數(shù)方法，實(shí)現(xiàn)電網(wǎng)GIS 數(shù)據(jù)可視化監(jiān)控。雖然使用該方法能夠可視化顯示調(diào)度結(jié)果，但是服務(wù)端需要在短時(shí)間內(nèi)立刻完成數(shù)據(jù)查詢(xún)?nèi)蝿?wù)，導(dǎo)致其所承受的負(fù)載超過(guò)正常狀態(tài)；文獻(xiàn)[2]提出了基于大數(shù)據(jù)調(diào)度方法，該方法構(gòu)建了多任務(wù)調(diào)度隊(duì)列，利用優(yōu)先級(jí)調(diào)度方法進(jìn)行GIS 數(shù)據(jù)調(diào)度。雖然使用該方法能夠在規(guī)定時(shí)間內(nèi)有效分配節(jié)點(diǎn)負(fù)載，但是難以實(shí)現(xiàn)數(shù)據(jù)調(diào)度的智能交互。針對(duì)上述問(wèn)題，提出了基于人工智能的海量電網(wǎng)GIS 數(shù)據(jù)動(dòng)態(tài)調(diào)度方法。

1 海量電網(wǎng)GIS數(shù)據(jù)壓縮

海量電網(wǎng)GIS 數(shù)據(jù)與電網(wǎng)中的節(jié)點(diǎn)數(shù)目有關(guān)，而架空線路的節(jié)點(diǎn)數(shù)目與桿塔一一對(duì)應(yīng)。電網(wǎng)線路較多，導(dǎo)致在顯示大范圍電網(wǎng)線路時(shí)，需要加載的線路數(shù)據(jù)量十分龐大，這為數(shù)據(jù)調(diào)度帶來(lái)較大影響[3]。為此，需要對(duì)海量電網(wǎng)GIS 數(shù)據(jù)進(jìn)行壓縮。

因?yàn)殡娋W(wǎng)GIS 坐標(biāo)在容差范圍內(nèi)各點(diǎn)的間距投影到屏幕上的像素點(diǎn)相同，所以針對(duì)可視化表達(dá)角度，可以將這些點(diǎn)簡(jiǎn)化為一個(gè)點(diǎn)[4-5]。通過(guò)對(duì)屏幕上的點(diǎn)進(jìn)行簡(jiǎn)單處理，可以確保屏幕中的任意像素僅被一個(gè)地理坐標(biāo)點(diǎn)所覆蓋，從而節(jié)約了數(shù)據(jù)的傳輸和繪制[6]。詳細(xì)壓縮過(guò)程如下所示：將每一條曲線首尾相連，求取該曲線起始點(diǎn)到末端的距離，可記為lmax，如式（1）：

式中，vmax表示使用一個(gè)節(jié)點(diǎn)從曲線起始點(diǎn)到末端的最大運(yùn)行速度；t0→n表示從起始點(diǎn)到末端的節(jié)點(diǎn)運(yùn)行所耗費(fèi)的時(shí)間。將lmax與理想距離值L對(duì)比。如果lmax＜L，則說(shuō)明該曲線從起始點(diǎn)到末端上的重復(fù)節(jié)點(diǎn)被舍棄；如果lmax≥L，則說(shuō)明該曲線從起始點(diǎn)到末端上的節(jié)點(diǎn)被全部保留[7-9]。在滿足上述條件情況下，在矢量數(shù)據(jù)中，通過(guò)讀出各節(jié)點(diǎn)的幾何坐標(biāo)，按順序從左向右移動(dòng)，從而獲得M矩陣。按每一行首位數(shù)的尺寸排列矩陣中的元素，將該排列的最后一列取出來(lái)，儲(chǔ)存于原來(lái)的位置，并將原坐標(biāo)上的編號(hào)記錄下來(lái)。對(duì)重新排列的坐標(biāo)值進(jìn)行編碼壓縮，由此獲取簡(jiǎn)化后的GIS 數(shù)據(jù)。

2 海量電網(wǎng)GIS數(shù)據(jù)人工智能動(dòng)態(tài)調(diào)度

2.1 調(diào)度模型構(gòu)建

根據(jù)海量電網(wǎng)GIS 數(shù)據(jù)壓縮結(jié)果，獲取簡(jiǎn)化后的GIS 數(shù)據(jù)。使用人工智能調(diào)度的神經(jīng)網(wǎng)絡(luò)方法，根據(jù)海量電網(wǎng)GIS 動(dòng)態(tài)調(diào)度數(shù)據(jù)，生成誤差修補(bǔ)函數(shù)，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練[10-11]，并將其與理想結(jié)果進(jìn)行對(duì)比，修改神經(jīng)網(wǎng)絡(luò)權(quán)值，生成人工智能調(diào)度模型。

神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的第λ個(gè)神經(jīng)元，使用線性加權(quán)求和得到的神經(jīng)元凈輸入為：

式中，ωλ表示連接權(quán)值；x0λ表示給定的訓(xùn)練集；n表示訓(xùn)練集合個(gè)數(shù)。將神經(jīng)元凈輸入和閾值相比較，由于輸出值沒(méi)有約束條件，所以使用線性激活函數(shù)求解輸出值，公式為：

式中，f表示選擇的激活函數(shù)。在訓(xùn)練數(shù)據(jù)過(guò)程中，神經(jīng)網(wǎng)絡(luò)訓(xùn)練理想輸出結(jié)果為：

由此計(jì)算動(dòng)態(tài)調(diào)整誤差，可用最小二乘法表示：

式中，?表示輸出向量。利用梯度下降方法進(jìn)一步訓(xùn)練動(dòng)態(tài)調(diào)整誤差。由于線性函數(shù)是隨著自變量因素變化最快的函數(shù)，因此，需要設(shè)定一個(gè)變化的參數(shù)，即學(xué)習(xí)速率v，從而得到的神經(jīng)網(wǎng)絡(luò)權(quán)值修改公式為：

式中，ωλ表示動(dòng)態(tài)調(diào)整誤差偏導(dǎo)數(shù)[12]。結(jié)合該導(dǎo)數(shù)，構(gòu)建人工智能調(diào)度模型[13]，如圖1 所示。

圖1 人工智能調(diào)度模型

由圖1 可知，為了滿足各種電力用戶(hù)需求，使用該模型能夠?qū)﹄娋W(wǎng)整體進(jìn)行調(diào)度，有效保證了模型內(nèi)部和外部數(shù)據(jù)調(diào)度的協(xié)調(diào)性。

2.2 調(diào)度實(shí)現(xiàn)流程

在人工智能調(diào)度模型支持下，設(shè)計(jì)數(shù)據(jù)調(diào)度的實(shí)現(xiàn)流程如下所示：

步驟一：在客戶(hù)機(jī)中建立兩個(gè)緩存容器，分別是請(qǐng)求緩存容器和反饋緩存容器，這兩種容器都采用R 樹(shù)數(shù)據(jù)結(jié)構(gòu)[14]。在R 樹(shù)數(shù)據(jù)結(jié)構(gòu)中，海量電網(wǎng)GIS數(shù)據(jù)結(jié)構(gòu)的每一個(gè)節(jié)點(diǎn)都有兩個(gè)細(xì)節(jié)層次級(jí)別。

步驟二：客戶(hù)端可以通過(guò)掃描、移動(dòng)或放大來(lái)更改當(dāng)前的視野；客戶(hù)端計(jì)算當(dāng)前窗口的顯示水平及空間查詢(xún)距離[15]。

步驟三：客戶(hù)端搜索分析請(qǐng)求緩存情況，以決定是否向目前的視點(diǎn)傳送資料要求。如有需要，繼續(xù)進(jìn)行下一步驟；如果沒(méi)有需要，返回步驟二。

步驟四：客戶(hù)端將信息作為請(qǐng)求，發(fā)送給服務(wù)端；服務(wù)端接受該請(qǐng)求，并根據(jù)該請(qǐng)求參數(shù)分析該數(shù)據(jù)查詢(xún)的屬性和空間狀況；服務(wù)端執(zhí)行數(shù)據(jù)查詢(xún)?nèi)蝿?wù)，對(duì)于非線路設(shè)備，可直接從空間資料庫(kù)中查詢(xún)?cè)季幪?hào)；對(duì)于線路設(shè)備，首先需要確定是否對(duì)壓縮的數(shù)據(jù)進(jìn)行查詢(xún)。如果需要，可以詢(xún)問(wèn)相對(duì)于壓縮水平的行數(shù)[16]；如果不需要，則直接調(diào)取數(shù)據(jù)庫(kù)中的資料，并將資料在服務(wù)端組成字符串形式，返回給客戶(hù)端。

步驟五：海量電網(wǎng)GIS 數(shù)據(jù)高性能顯示是人工智能調(diào)度的關(guān)鍵，常規(guī)顯示方法只是利用畫(huà)布繪制電網(wǎng)設(shè)備元素，無(wú)法滿足電網(wǎng)運(yùn)行分析實(shí)時(shí)動(dòng)態(tài)著色需求。因此，為了提高調(diào)度效率，提出了基于人工智能調(diào)度的數(shù)據(jù)動(dòng)態(tài)渲染方法。在電力場(chǎng)景漫游過(guò)程中，電網(wǎng)GIS 數(shù)據(jù)可以被渲染，因此，可以有效縮短數(shù)據(jù)動(dòng)態(tài)調(diào)度響應(yīng)時(shí)間。基于此，設(shè)計(jì)的電網(wǎng)GIS數(shù)據(jù)渲染的實(shí)現(xiàn)流程包括如下步驟：

啟動(dòng)圖像瀏覽，通過(guò)移動(dòng)或縮小地圖來(lái)改變目前的視野區(qū)域。將當(dāng)前視野范圍內(nèi)的數(shù)據(jù)作為待緩存數(shù)據(jù)，并判定遍歷過(guò)程是否完成。根據(jù)遍歷確定渲染后的節(jié)點(diǎn)數(shù)量，自動(dòng)調(diào)節(jié)每個(gè)節(jié)點(diǎn)渲染程度，其中，對(duì)于任意節(jié)點(diǎn)的橫坐標(biāo)可表示為：

式中，xmax、xmin分別表示區(qū)域橫向坐標(biāo)最大值和最小值；ki表示在同一級(jí)別的索引位置；hi表示i節(jié)點(diǎn)在R 樹(shù)數(shù)據(jù)結(jié)構(gòu)中的深度。

任意節(jié)點(diǎn)縱坐標(biāo)范圍計(jì)算公式如下：

式中，ymax、ymin分別表示區(qū)域縱向坐標(biāo)最大值和最小值；kj表示索引位置；hj表示j節(jié)點(diǎn)在R 樹(shù)緩存結(jié)構(gòu)中的高度。

步驟六：通過(guò)數(shù)據(jù)動(dòng)態(tài)渲染，提高GIS 網(wǎng)格清晰度，因此繪制得到的特征數(shù)據(jù)清晰度較高，這樣能夠滿足GIS 數(shù)據(jù)使用者對(duì)清晰度的高標(biāo)準(zhǔn)要求，有效提高了數(shù)據(jù)動(dòng)態(tài)調(diào)度效率?？蛻?hù)端利用Web Worker界面分析多線程數(shù)據(jù)，并將分析結(jié)果插入數(shù)據(jù)緩存，由此完成數(shù)據(jù)動(dòng)態(tài)調(diào)度。

3 實(shí) 驗(yàn)

使用Pentium/1.6G 作為節(jié)點(diǎn)機(jī)構(gòu)成Cluster 系統(tǒng)，利用該系統(tǒng)進(jìn)行實(shí)驗(yàn)驗(yàn)證分析。

3.1 實(shí)驗(yàn)數(shù)據(jù)與過(guò)程

基于某省電網(wǎng)資源數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，在電網(wǎng)GIS中空間數(shù)據(jù)主要包括基本的地理信息數(shù)據(jù)和配電設(shè)備層。依據(jù)GIS 地理信息繪制電網(wǎng)矢量數(shù)據(jù)的等高線，通過(guò)該線能夠分析海量電網(wǎng)GIS 數(shù)據(jù)之間的距離，方便進(jìn)行數(shù)據(jù)調(diào)度，該調(diào)度內(nèi)容如表1 所示。

表1 調(diào)度內(nèi)容

調(diào)度表1 的內(nèi)容后，對(duì)某地區(qū)變電站2021 年11月11 日的電網(wǎng)GIS 數(shù)據(jù)進(jìn)行分析，如表2 所示。

表2 電網(wǎng)GIS數(shù)據(jù)分析

由表2 可知，變電站電網(wǎng)GIS 數(shù)據(jù)的最大值和最小值之差不能大于20 kB，否則冗余數(shù)據(jù)過(guò)大，影響實(shí)驗(yàn)結(jié)果。對(duì)于這部分?jǐn)?shù)據(jù)，四個(gè)變壓器理想狀態(tài)下的調(diào)度響應(yīng)總時(shí)長(zhǎng)在110 s以?xún)?nèi)，以此為標(biāo)準(zhǔn)展開(kāi)實(shí)驗(yàn)分析。

3.2 實(shí)驗(yàn)結(jié)果與分析

分別使用文獻(xiàn)[1]方法、文獻(xiàn)[2]方法和所提方法，對(duì)比分析電網(wǎng)GIS 數(shù)據(jù)動(dòng)態(tài)調(diào)度結(jié)果，如表3 所示。

表3 不同方法電網(wǎng)GIS數(shù)據(jù)調(diào)度結(jié)果

由表3 可知，文獻(xiàn)[1]方法與實(shí)際數(shù)據(jù)存在最大為50 kB 的誤差；文獻(xiàn)[2]方法與實(shí)際數(shù)據(jù)存在最大為80 kB 的誤差；而該文方法與實(shí)際數(shù)據(jù)存在最大為10 kB 的誤差。通過(guò)上述對(duì)比結(jié)果可知，使用該文方法的電網(wǎng)GIS 數(shù)據(jù)調(diào)度結(jié)果更理想。

在此基礎(chǔ)上，分別使用文獻(xiàn)[1]方法、文獻(xiàn)[2]方法和所提方法，對(duì)比分析電網(wǎng)GIS 數(shù)據(jù)調(diào)度響應(yīng)時(shí)間，如圖2 所示。

圖2 不同方法調(diào)度響應(yīng)時(shí)間

由圖2 可知，使用文獻(xiàn)[1]方法的電網(wǎng)GIS 數(shù)據(jù)調(diào)度響應(yīng)時(shí)間為133 s；使用文獻(xiàn)[2]方法的電網(wǎng)GIS 數(shù)據(jù)調(diào)度響應(yīng)時(shí)間為134 s；而使用該文方法的電網(wǎng)GIS 數(shù)據(jù)調(diào)度響應(yīng)時(shí)間為100 s。由此可知，與文獻(xiàn)[1]方法和文獻(xiàn)[2]方法相比，該文方法的電網(wǎng)GIS數(shù)據(jù)調(diào)度響應(yīng)時(shí)間較短。

4 結(jié)束語(yǔ)

為了確保電網(wǎng)GIS 數(shù)據(jù)調(diào)度效果，縮短調(diào)度響應(yīng)時(shí)間，文中提出了基于人工智能的海量電網(wǎng)GIS數(shù)據(jù)動(dòng)態(tài)調(diào)度方法。該方法壓縮處理海量電網(wǎng)GIS數(shù)據(jù)，并結(jié)合人工智能調(diào)度的神經(jīng)網(wǎng)絡(luò)方法，構(gòu)建人工智能調(diào)度模型。設(shè)計(jì)動(dòng)態(tài)調(diào)度流程，并進(jìn)行了渲染，由此實(shí)現(xiàn)電網(wǎng)GIS 數(shù)據(jù)動(dòng)態(tài)調(diào)度。該方法具有較好的調(diào)度效果，能有效縮短調(diào)度響應(yīng)時(shí)間。