基于大數(shù)據(jù)的多源信息融合技術(shù)在電力系統(tǒng)中的研究

林志輝

摘 要：隨著我國電力系統(tǒng)發(fā)展的規(guī)模不斷擴(kuò)大，通信技術(shù)、互聯(lián)網(wǎng)技術(shù)、傳感器等新科技的不斷發(fā)展，人類社會步步走入智能電網(wǎng)的時代。智能電網(wǎng)是以“源-網(wǎng)-荷-儲”為基礎(chǔ)，集成當(dāng)時代前沿的數(shù)據(jù)采集技術(shù)、網(wǎng)絡(luò)通信技術(shù)、數(shù)據(jù)處理技術(shù)、智能控制技術(shù)為一體的結(jié)晶產(chǎn)物。而由大量傳感器以及計算機(jī)分析產(chǎn)生了海量的形式結(jié)構(gòu)不同的數(shù)據(jù)，數(shù)據(jù)已成為堪比石油還珍貴的資源，這些數(shù)據(jù)從全方位反映著智能電網(wǎng)的運(yùn)行狀態(tài)與運(yùn)行環(huán)境。如何準(zhǔn)確的利用這項資源已經(jīng)是一個全球性的話題。大數(shù)據(jù)最先發(fā)展于互聯(lián)網(wǎng)、金融、通信等行業(yè)，隨著對數(shù)據(jù)的不斷挖掘，大數(shù)據(jù)相關(guān)技術(shù)的研究由此而拉開序幕。如今大數(shù)據(jù)技術(shù)正處于飛速發(fā)展階段，大數(shù)據(jù)技術(shù)對電力大數(shù)據(jù)的精準(zhǔn)高效分析也將在未來成為現(xiàn)代電力系統(tǒng)安全可靠運(yùn)行堅實基礎(chǔ)。

關(guān)鍵詞：電力系統(tǒng);大數(shù)據(jù);多源數(shù)據(jù)融合

引言

智能電網(wǎng)集中大數(shù)據(jù)各項技術(shù)能夠處理海量冗余的數(shù)據(jù)，通過分析挖掘?qū)﹄娏ο到y(tǒng)生產(chǎn)運(yùn)營起決定性作用的信息數(shù)據(jù)。同時依靠相關(guān)技術(shù)，在對信息量進(jìn)行精簡的同時仍要保證精確提取大部分?jǐn)?shù)據(jù)的特征，不僅從數(shù)量上對數(shù)據(jù)進(jìn)行極大的減少，提升了數(shù)據(jù)處理效率還能夠迅速對電網(wǎng)安全可靠運(yùn)行提供更有利的決策及建議。

1 數(shù)據(jù)融合的基本結(jié)構(gòu)

（1）數(shù)據(jù)層融合：這一層的融合是最基本、最簡單的融合。一般采用直接計算方法從所有的監(jiān)測對象數(shù)據(jù)源提取研究所需要的特征狀態(tài)量。雖然所得到的結(jié)果更貼近于真實值，但是由于模型限制，在數(shù)據(jù)層中能分析綜合的數(shù)據(jù)種類要求單一。

（2）特征層融合：該層融合屬于中等層次的融合。常規(guī)方法是對原有數(shù)據(jù)源的特征相量進(jìn)行提取，再與上一層提取的初級融合的特征量進(jìn)行結(jié)合，做關(guān)聯(lián)分析和特征融合。得到幾個較大的對狀態(tài)判斷和模式識別起決定作用的特征向量。

（3）決策層聚合：該層融合是所有層次中最高級別的。一般是利用所得決策向量結(jié)合相關(guān)算法做出分類、推理、識別、判斷等決策。

2 針對電力系統(tǒng)數(shù)據(jù)的融合架構(gòu)搭建

前文所提到的數(shù)據(jù)融合特有的三層結(jié)構(gòu)，依照當(dāng)前對電力系統(tǒng)提出的信息共享、可交互、高效率的要求。結(jié)合電力系統(tǒng)可將數(shù)據(jù)三層結(jié)構(gòu)映射至電力系統(tǒng)三層結(jié)構(gòu)的原理來搭建融合大體框架。數(shù)據(jù)層對應(yīng)傳感測量層，特征層對應(yīng)電力數(shù)據(jù)管理層，決策層對應(yīng)電力系統(tǒng)應(yīng)用層。傳感測量層采集例如溫度、風(fēng)速等數(shù)據(jù)，通過網(wǎng)絡(luò)線路將數(shù)據(jù)傳輸?shù)綌?shù)據(jù)融合中心并完成存儲和分析處理。配備了諸如No SQL、HDFS等工具的數(shù)據(jù)管理層能夠?qū)?shù)據(jù)進(jìn)一步存儲和分布計算處理，特別是利用Map Reduce編程模型構(gòu)建大規(guī)模集群點對海量數(shù)據(jù)進(jìn)行快速分析。在應(yīng)用層將數(shù)據(jù)實現(xiàn)具體應(yīng)用，以電力系統(tǒng)智能化、信息共享化、故障自愈為目標(biāo)保障系統(tǒng)平穩(wěn)可靠運(yùn)行。

電力系統(tǒng)覆蓋的電力設(shè)備各式各樣且結(jié)構(gòu)復(fù)雜，很多電氣量還未能通過儀器直接測得，而需要綜合多個可觀測的特征向量計算分析才能得出精確的結(jié)果。數(shù)據(jù)融合能對不同來源、模式、時間、地點的數(shù)據(jù)進(jìn)行處理，是目前分析電力系統(tǒng)數(shù)據(jù)最可靠有效的方法。

2.1 數(shù)據(jù)預(yù)處理

電力系統(tǒng)數(shù)據(jù)種類多、數(shù)量大、相互關(guān)聯(lián)信息非常模糊，而且所采集的初始數(shù)據(jù)冗余度高，噪聲含量高。因此需要對其進(jìn)行初步的信號處理、數(shù)據(jù)分類。數(shù)據(jù)預(yù)處理三個主要環(huán)節(jié)：

（1）清洗數(shù)據(jù)：是將得到的所有數(shù)據(jù)中無效的、冗余的、缺損的數(shù)據(jù)進(jìn)行清理。

（2）數(shù)據(jù)統(tǒng)一：規(guī)格、模式表示歸一化的數(shù)據(jù)對后續(xù)展開的數(shù)據(jù)融合工作更加有利。

（3）數(shù)據(jù)壓縮：在樣本數(shù)據(jù)的有效性和完整性得到保障的前提下，應(yīng)該對數(shù)據(jù)進(jìn)行適當(dāng)?shù)膲嚎s，能夠節(jié)約有限的儲存空間并為下一步融合提高計算效率。

2.2 數(shù)據(jù)級融合

電力系統(tǒng)中數(shù)據(jù)級融合的數(shù)據(jù)大部分均來自多種傳感器所采集得到的數(shù)據(jù)，我們大致可以分為電氣量、過程量和狀態(tài)量三種。在數(shù)據(jù)級融合階段首先要將預(yù)處理過后的同類型數(shù)據(jù)進(jìn)行二維關(guān)聯(lián)分析，然后根據(jù)物理模型、智能算法等進(jìn)行跨類別的二維關(guān)聯(lián)。通過數(shù)據(jù)級融合得到結(jié)果的準(zhǔn)確性能得到有效保證。

電力系統(tǒng)數(shù)據(jù)級處理是的原始數(shù)據(jù)源自于電網(wǎng)中先進(jìn)、可靠的傳感器技術(shù)，以信息融合要求為目標(biāo)的聚合。隨著監(jiān)測技術(shù)手段的不斷發(fā)展和對設(shè)備運(yùn)行規(guī)律的掌握，這一級別的融合會更加準(zhǔn)確全面。

作為初級的數(shù)據(jù)融合有以下特點：

（1）以物理模型為重要基礎(chǔ)。同類以及跨類二維關(guān)系都是可以監(jiān)測得到或能通過觀測器能觀的數(shù)據(jù)。

（2）以信息級融合需求為目標(biāo)的數(shù)據(jù)轉(zhuǎn)化。數(shù)據(jù)級數(shù)據(jù)按照信息級的需求也同時對數(shù)據(jù)進(jìn)行了一系列整理工作主要有：

①數(shù)據(jù)的預(yù)處理

②數(shù)據(jù)的重新排序和整理將數(shù)據(jù)按照不同的應(yīng)用目標(biāo)、屬性進(jìn)行整理篩選，為下一步?jīng)Q策提出做好準(zhǔn)備。

2.3 信息級融合

經(jīng)數(shù)據(jù)級二維關(guān)聯(lián)后的數(shù)據(jù)，并不能直接作為下一級融合的輸入數(shù)據(jù)。因為這樣簡單的數(shù)據(jù)關(guān)系，不能夠?qū)ο蟮娜棵婷策M(jìn)行全方位的說明。信息層對應(yīng)的數(shù)據(jù)管理層是對數(shù)據(jù)進(jìn)行進(jìn)一步的加工，也是數(shù)據(jù)融合特征層的重要階段，物理資源上的中間件裝載了許多數(shù)據(jù)處理工具，例如數(shù)據(jù)集成工具、數(shù)據(jù)管理工具編程模型。

3 信息三維空間的建立

電力系統(tǒng)相關(guān)數(shù)據(jù)主要用于對系統(tǒng)運(yùn)行狀態(tài)估計和以及系統(tǒng)未來狀態(tài)預(yù)測，這些所需要的數(shù)據(jù)來源不同且結(jié)構(gòu)各異，不但包括了對系統(tǒng)相關(guān)設(shè)備的在線監(jiān)測數(shù)據(jù)，還需要設(shè)備所處的環(huán)境氣象信息等，這些多源數(shù)據(jù)彼此之間缺乏聯(lián)系，沒有被有效的整合和提取。從獨立的各自系統(tǒng)來看，根本沒有結(jié)合起來對電力系統(tǒng)相關(guān)需求信息進(jìn)行挖掘的可能性。因此，在多源數(shù)據(jù)融合大結(jié)構(gòu)的基礎(chǔ)上需要搭建一個以時間維度、數(shù)據(jù)關(guān)聯(lián)程度以及應(yīng)用層次構(gòu)建形成三維空間。

數(shù)據(jù)的變化速率都不是一致的，采集的過程中需要對不同類別數(shù)據(jù)設(shè)定不同采樣率，比如對于變化較快的量可以采取每半小時甚至每一分鐘一次的采樣頻率;而對于變化緩慢的量，可以固定幾個小時或者幾天采集一次。準(zhǔn)確把握各個量的時間維度，以確保在某一個統(tǒng)一的時間范圍內(nèi)多個數(shù)據(jù)量對一個應(yīng)用維度解釋和描述的一致性。在該三維空間中，經(jīng)由維度統(tǒng)一之后的監(jiān)測數(shù)據(jù)進(jìn)而可為各種各樣的需求提供服務(wù)。

4 展望

目前本文的研究課題在大數(shù)據(jù)融合上的應(yīng)用還處于實驗室研究階段，還未能通過實際電力系統(tǒng)檢驗其效果，在實際電力系統(tǒng)中的應(yīng)用效果更有助于數(shù)據(jù)融合結(jié)構(gòu)及算法的進(jìn)一步改進(jìn)和修正。因此接下來的主要任務(wù)就是將本文所提出的大數(shù)據(jù)融合結(jié)構(gòu)盡快在電力系統(tǒng)實際平臺下進(jìn)行檢驗測試。觀測其在實際平臺更為復(fù)雜的情況下能否依然保持大數(shù)據(jù)融合的時效性及其工作的穩(wěn)定性。并結(jié)合最終的實際結(jié)果可對整個框架及算法做出適當(dāng)?shù)母倪M(jìn)。同時雖然實驗環(huán)節(jié)中采用了最高達(dá)到135G的數(shù)據(jù)容量，實際應(yīng)用中仍會出現(xiàn)更為大量的數(shù)據(jù)集，接下來的實際平臺檢驗測試中將會更大程度地增加數(shù)據(jù)體積量，為將來處理更為海量地數(shù)據(jù)提供實驗依據(jù)。

本文只對大數(shù)據(jù)融合部分展開研究，在后續(xù)可以繼續(xù)對大數(shù)據(jù)另外幾門關(guān)鍵技術(shù)展開更深層次研究，例如數(shù)據(jù)挖掘、數(shù)據(jù)預(yù)處理、數(shù)據(jù)可視化等都是與大數(shù)據(jù)分析處理密不可分的并且都可以為電力系統(tǒng)提供既高效又有保障的技術(shù)支撐。

參考文獻(xiàn)

[1] 張東霞，苗新，劉麗平等.智能電網(wǎng)大數(shù)據(jù)技術(shù)發(fā)展研究[J].中國電機(jī)工程學(xué)報，2015，（1）：2-12.

[2] 彭小圣，鄧迪元，程時杰，等.面向智能電網(wǎng)應(yīng)用的電力大數(shù)據(jù)關(guān)鍵技術(shù)[J].中國電機(jī)工程學(xué)報，2017，（3）：503-511.