基于深度學(xué)習(xí)的電力調(diào)度數(shù)據(jù)自動(dòng)備份系統(tǒng)設(shè)計(jì)

趙英寶　黃麗敏　劉慧賢

摘? 要： 針對(duì)傳統(tǒng)電力調(diào)度數(shù)據(jù)自動(dòng)備份系統(tǒng)缺少對(duì)電力數(shù)據(jù)的調(diào)度處理，導(dǎo)致其方法存在穩(wěn)定性較差等問(wèn)題，提出基于深度學(xué)習(xí)的電力調(diào)度數(shù)據(jù)自動(dòng)備份系統(tǒng)。電力系統(tǒng)調(diào)度模塊利用深度學(xué)習(xí)網(wǎng)絡(luò)，構(gòu)建不良數(shù)據(jù)辨識(shí)模型，排除電力系統(tǒng)中的不良數(shù)據(jù)，并生成電力調(diào)度數(shù)據(jù);電力調(diào)度數(shù)據(jù)備份模塊采用在線數(shù)據(jù)備份模式，并結(jié)合深度學(xué)習(xí)理論，對(duì)電力調(diào)度數(shù)據(jù)進(jìn)行統(tǒng)一備份、恢復(fù)和備份介質(zhì)管理。實(shí)驗(yàn)結(jié)果表明，文中設(shè)計(jì)系統(tǒng)能夠滿(mǎn)足電力調(diào)度數(shù)據(jù)備份的要求，且系統(tǒng)穩(wěn)定性較強(qiáng)，可以證明該系統(tǒng)的實(shí)際應(yīng)用效果更好。

關(guān)鍵詞： 電力調(diào)度數(shù)據(jù); 自動(dòng)備份系統(tǒng); 系統(tǒng)設(shè)計(jì); 深度學(xué)習(xí); 辨識(shí)模型建立; 數(shù)據(jù)處理

中圖分類(lèi)號(hào)： TN919?34; TP311.52? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2020）20?0042?04

Design of power dispatching data automatic backup system based on deep learning

ZHAO Yingbao， HUANG Limin， LIU Huixian

（Hebei University of Science and Technology， Shijiazhuang 050018， China）

Abstract： In allusion to the problem that the traditional automatic backup system of power dispatching data lacks the dispatching processing of power data， which leads to the poor stability of the system， a deep learning based automatic backup system of power dispatching data is proposed. Based on deep learning network， the power system dispatching module is used to construct the identification model for bad data， eliminate the bad data in the power system， and generate the power dispatching data. The power dispatching data backup module is used to perform the unified backup， recovery and backup media management of the power dispatching data by means of the online data backup mode and in combination with the deep learning theory. The experimental results show that the system designed in this paper can meet the requirements of power scheduling data backup， and has strong stability， which can prove that the system is more effective in practical application.

Keywords： power dispatching data; automatic backup system; system design; deep learning; identification model building; data processing

0? 引? 言

電力系統(tǒng)是國(guó)家經(jīng)濟(jì)的重要組成部分，也是國(guó)計(jì)民生的基礎(chǔ)，在其規(guī)模得到相應(yīng)擴(kuò)展的同時(shí)，相關(guān)數(shù)據(jù)量也逐漸增多[1]。電力調(diào)度數(shù)據(jù)是電力系統(tǒng)調(diào)度自動(dòng)化的產(chǎn)物[2]，隨著電力系統(tǒng)調(diào)度自動(dòng)化的普遍應(yīng)用，其承載的業(yè)務(wù)量與日俱增，在電力系統(tǒng)內(nèi)的作用逐漸突出，因此電力調(diào)度數(shù)據(jù)的可靠性與安全性成為電力系統(tǒng)廣泛關(guān)注的熱點(diǎn)。人為操作、病毒入侵、硬件損壞、自然災(zāi)害等大量原因均可能導(dǎo)致電力調(diào)度數(shù)據(jù)的損毀與丟失[3]。當(dāng)出現(xiàn)電力調(diào)度數(shù)據(jù)損毀與丟失時(shí)首要關(guān)注的是應(yīng)怎樣快速恢復(fù)數(shù)據(jù)，保障電力系統(tǒng)正常運(yùn)行。為此電力系統(tǒng)需構(gòu)建電力調(diào)度數(shù)據(jù)自動(dòng)備份系統(tǒng)[4]，備份電力調(diào)度數(shù)據(jù)，以便在數(shù)據(jù)損毀與丟失時(shí)快速?gòu)?fù)原數(shù)據(jù)，保障電力系統(tǒng)的正常運(yùn)行[5]。電力系統(tǒng)調(diào)度自動(dòng)化過(guò)程中由于外界因素干擾，易產(chǎn)生部分不良數(shù)據(jù)[6]，這些不良數(shù)據(jù)會(huì)影響電力系統(tǒng)的正常運(yùn)行，且在電力調(diào)度數(shù)據(jù)自動(dòng)備份過(guò)程中，不良數(shù)據(jù)的備份也會(huì)占用備份空間，延長(zhǎng)備份時(shí)間與數(shù)據(jù)恢復(fù)時(shí)間，拖延系統(tǒng)恢復(fù)效率。因此，在進(jìn)行電力系統(tǒng)調(diào)度過(guò)程中需檢測(cè)出不良數(shù)據(jù)并將其排除?；谝陨戏治觯O(shè)計(jì)基于深度學(xué)習(xí)的電力調(diào)度數(shù)據(jù)自動(dòng)備份系統(tǒng)，利用深度學(xué)習(xí)網(wǎng)絡(luò)構(gòu)建不良數(shù)據(jù)辨識(shí)模型，并排除不良數(shù)據(jù)，根據(jù)備份策略實(shí)現(xiàn)電力調(diào)度數(shù)據(jù)備份，提升電力系統(tǒng)運(yùn)行穩(wěn)定性。

1? 電力調(diào)度數(shù)據(jù)自動(dòng)備份系統(tǒng)整體結(jié)構(gòu)設(shè)計(jì)

電力調(diào)度數(shù)據(jù)自動(dòng)備份系統(tǒng)以BECOS32×64系統(tǒng)為基礎(chǔ)，主要由電力系統(tǒng)數(shù)據(jù)采集模塊、電力系統(tǒng)調(diào)度模塊、電力調(diào)度數(shù)據(jù)備份模塊和監(jiān)視報(bào)警模塊組成[7]，如圖1所示。

數(shù)據(jù)采集模塊的主要功能是采集電力系統(tǒng)運(yùn)行數(shù)據(jù);電力系統(tǒng)調(diào)度模塊的主要功能是根據(jù)采集的數(shù)據(jù)實(shí)行電力調(diào)度，并挖掘不良數(shù)據(jù)，生成電力調(diào)度數(shù)據(jù);電力調(diào)度數(shù)據(jù)備份模塊的主要功能是備份電力調(diào)度數(shù)據(jù);監(jiān)視報(bào)警模塊的主要功能是對(duì)系統(tǒng)整體運(yùn)行故障進(jìn)行監(jiān)視報(bào)警。

2? 基于深度學(xué)習(xí)的電力系統(tǒng)運(yùn)行模塊

2.1? 調(diào)度模塊

電力系統(tǒng)調(diào)度模塊對(duì)數(shù)據(jù)采集模塊采集的電力系統(tǒng)運(yùn)行數(shù)據(jù)進(jìn)行電力調(diào)度，主要包含智能學(xué)習(xí)與實(shí)時(shí)運(yùn)行兩個(gè)部分[8]，如圖2所示。實(shí)時(shí)運(yùn)行部分主要功能是通過(guò)遠(yuǎn)程終端設(shè)備進(jìn)行電力系統(tǒng)在線調(diào)度[9]。智能學(xué)習(xí)部分主要功能是利用深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行人工智能學(xué)習(xí)，排除不良運(yùn)行數(shù)據(jù)，其計(jì)算公式如下：

[K=λ1-P2xk?yk] （1）

式中：[λ]表示電力調(diào)度因子;[P]表示不良運(yùn)行數(shù)據(jù);[xk]和[yk]表示電力數(shù)據(jù)的兩種類(lèi)別屬性。智能學(xué)習(xí)部分所需的電力系統(tǒng)運(yùn)行數(shù)據(jù)和調(diào)度標(biāo)準(zhǔn)經(jīng)驗(yàn)由實(shí)時(shí)運(yùn)行部分提供，其輸出結(jié)果為實(shí)施運(yùn)行部分（即電力調(diào)度實(shí)施）提供決策參考。

電力系統(tǒng)調(diào)度模塊的智能學(xué)習(xí)部分采用深度學(xué)習(xí)網(wǎng)絡(luò)識(shí)別不良運(yùn)行數(shù)據(jù)，不良數(shù)據(jù)辨識(shí)模型如圖3所示，模型中包含訓(xùn)練和識(shí)別兩個(gè)環(huán)節(jié)[10]。訓(xùn)練環(huán)節(jié)依照電力系統(tǒng)歷史調(diào)度數(shù)據(jù)進(jìn)行學(xué)習(xí)，構(gòu)建待辨識(shí)數(shù)據(jù)與設(shè)定類(lèi)型間的數(shù)學(xué)關(guān)系。識(shí)別環(huán)節(jié)處理待辨識(shí)數(shù)據(jù)后將其導(dǎo)入訓(xùn)練后的模型內(nèi)，同模型參數(shù)進(jìn)行對(duì)比，依照提前設(shè)置的相似度閾值進(jìn)行不良運(yùn)行數(shù)據(jù)辨識(shí)。

深度學(xué)習(xí)網(wǎng)絡(luò)型由輸入層、前饋層、判決層組成[11]。輸入層和前饋層的主要作用分別為接收變換處理后的電力調(diào)度樣本數(shù)據(jù)和仿真人類(lèi)神經(jīng)網(wǎng)絡(luò)深層次加工處理電力調(diào)度樣本數(shù)據(jù)。電力運(yùn)行數(shù)據(jù)辨識(shí)在本質(zhì)上可理解為分類(lèi)問(wèn)題，因此以Softmax分類(lèi)器作為深度學(xué)習(xí)網(wǎng)絡(luò)決策層，最后輸出不良電力運(yùn)行數(shù)據(jù)，實(shí)現(xiàn)電力系統(tǒng)的調(diào)度處理。

2.2? 數(shù)據(jù)備份模塊

傳統(tǒng)電力調(diào)度數(shù)據(jù)備份大多采用主機(jī)直連存儲(chǔ)模式，利用磁盤(pán)陣列實(shí)現(xiàn)全部電力調(diào)度數(shù)據(jù)備份。當(dāng)出現(xiàn)單故障點(diǎn)時(shí)，將導(dǎo)致整體備份過(guò)程出現(xiàn)嚴(yán)重問(wèn)題。因此電力調(diào)度數(shù)據(jù)備份模塊采用在線數(shù)據(jù)備份模式[12]，基于深度學(xué)習(xí)對(duì)電力系統(tǒng)調(diào)度模塊生成的電力調(diào)度數(shù)據(jù)進(jìn)行統(tǒng)一備份、恢復(fù)和備份介質(zhì)管理，計(jì)算公式如下：

[H=αK-12βmxk·yk] （2）

式中：[α]表示電力數(shù)據(jù)備份特征向量;[βm]表示電力數(shù)據(jù)的存儲(chǔ)管理因子。

電力調(diào)度數(shù)據(jù)備份模塊如圖4所示，PC機(jī)承擔(dān)備份客戶(hù)端功能，采用ES40服務(wù)器為介質(zhì)服務(wù)器，同時(shí)配置RA3000磁盤(pán)陣列，供電力調(diào)度數(shù)據(jù)備份使用。兩個(gè)服務(wù)器通過(guò)主備形式進(jìn)行電力調(diào)度數(shù)據(jù)備份，也就是在正常備份條件下一臺(tái)服務(wù)器在線進(jìn)行數(shù)據(jù)備份，另一臺(tái)服務(wù)器維持備用狀態(tài)。若在線進(jìn)行數(shù)據(jù)備份的服務(wù)器出現(xiàn)故障，則備用服務(wù)器自動(dòng)開(kāi)始數(shù)據(jù)備份，保障電力調(diào)度數(shù)據(jù)備份系統(tǒng)的持續(xù)運(yùn)行。

3? 調(diào)度數(shù)據(jù)備份策略

在電力調(diào)度數(shù)據(jù)自動(dòng)備份系統(tǒng)中，備份策略尤為重要，備份策略可歸納為三種主要類(lèi)型[13]：完全備份、增量備份和差量備份。選擇備份策略的主要依據(jù)是電力調(diào)度數(shù)據(jù)的關(guān)鍵度和數(shù)據(jù)備份的緊急性[14]。

3.1? 完全備份

完全備份策略是以天為單位，對(duì)全部電力調(diào)度數(shù)據(jù)進(jìn)行備份。完全備份策略的優(yōu)勢(shì)體現(xiàn)在直觀性上，同時(shí)當(dāng)電力調(diào)度數(shù)據(jù)出現(xiàn)損毀與丟失問(wèn)題時(shí)，僅需利用問(wèn)題出現(xiàn)前一天的備份即可復(fù)原損毀與丟失的數(shù)據(jù)。完全備份策略的劣勢(shì)是在以天為單位對(duì)整個(gè)電力系統(tǒng)進(jìn)行完全備份時(shí)，存在大量重復(fù)的備份數(shù)據(jù)，導(dǎo)致浪費(fèi)大量備份空間，降低電力調(diào)度數(shù)據(jù)備份系統(tǒng)的經(jīng)濟(jì)性，并且完全備份策略下需備份的電力調(diào)度數(shù)據(jù)量非常大，導(dǎo)致備份時(shí)間較長(zhǎng)。對(duì)于具有復(fù)雜運(yùn)行環(huán)境和高穩(wěn)定運(yùn)行要求的電力系統(tǒng)來(lái)說(shuō)，使用完全備份策略不符合科學(xué)性與經(jīng)濟(jì)性。

3.2? 增量備份

與完全備份策略相比，增量備份策略?xún)H備份前一天的電力調(diào)度數(shù)據(jù)。增量備份策略的主要優(yōu)勢(shì)體現(xiàn)在備份過(guò)程中不存在重復(fù)的備份數(shù)據(jù)，節(jié)省備份空間的同時(shí)能夠縮短備份時(shí)間。但增量備份策略的缺點(diǎn)也較為突出，采用這種策略進(jìn)行電力調(diào)度數(shù)據(jù)備份時(shí)，數(shù)據(jù)復(fù)原過(guò)程極為復(fù)雜，同時(shí)數(shù)據(jù)備份的穩(wěn)定性較差。圖5為增量備份示意圖，由于不同相連盤(pán)磁帶間的緊密連接，導(dǎo)致任一磁盤(pán)存在問(wèn)題時(shí)都將造成整體備份過(guò)程的失誤。

3.3? 差量備份

差量備份策略備份數(shù)據(jù)為前一次完全備份后新增的變化數(shù)據(jù)[15]。差量備份示意圖如圖6所示。管理者在固定時(shí)間區(qū)域第一個(gè)時(shí)間段內(nèi)進(jìn)行一次電力調(diào)度數(shù)據(jù)完全備份。在剩余時(shí)間段中，備份此時(shí)間段內(nèi)全部與第一個(gè)時(shí)間段有所差異的數(shù)據(jù)。與前兩種備份策略相比，差量備份策略在集合前兩種備份策略主要優(yōu)勢(shì)的基礎(chǔ)上，能夠解決前兩種備份策略的缺陷。采用差量備份策略時(shí)不需要將全部電力調(diào)度數(shù)據(jù)完全備份，可以節(jié)省備份存儲(chǔ)空間和備份時(shí)間，同時(shí)差量備份策略在電力調(diào)度數(shù)據(jù)出現(xiàn)損毀與丟失時(shí)復(fù)原數(shù)據(jù)過(guò)程簡(jiǎn)易，管理者僅利用上一次完全備份和前一次備份的磁帶即可實(shí)現(xiàn)數(shù)據(jù)復(fù)原。因此，通常情況下采用差量備份策略進(jìn)行電力調(diào)度數(shù)據(jù)備份。

4? 實(shí)驗(yàn)分析

為測(cè)試本文設(shè)計(jì)的基于深度學(xué)習(xí)的電力調(diào)度數(shù)據(jù)自動(dòng)備份系統(tǒng)的性能，以某省電力系統(tǒng)為實(shí)驗(yàn)對(duì)象，在其管控存儲(chǔ)區(qū)域測(cè)試本文系統(tǒng)備份性能，測(cè)試部署圖如圖7所示。

4.1? 備份穩(wěn)定性測(cè)試

首先檢測(cè)不同系統(tǒng)的備份穩(wěn)定性，輸出信號(hào)頻率越接近70 Hz，波動(dòng)范圍越小，表示系統(tǒng)的穩(wěn)定性越好，實(shí)驗(yàn)結(jié)果如圖8所示。

通過(guò)圖8可知，傳統(tǒng)方法的輸出信號(hào)頻率在53～94 Hz之間，波動(dòng)范圍較大，而本文系統(tǒng)方法的輸出信號(hào)頻率始終接近70 Hz，其范圍為65～73 Hz。系統(tǒng)的輸出信號(hào)頻率越近70 Hz，表示系統(tǒng)穩(wěn)定性越強(qiáng)。通過(guò)以上測(cè)試結(jié)果，可以說(shuō)明本文系統(tǒng)更加穩(wěn)定，能夠滿(mǎn)足電力調(diào)度數(shù)據(jù)備份的要求。

4.2? 備份性能測(cè)試

對(duì)本文系統(tǒng)備份性能的穩(wěn)定性進(jìn)行驗(yàn)證。針對(duì)大小不同的電力調(diào)度數(shù)據(jù)備份源，使用本文系統(tǒng)、基于Open VMS的備份系統(tǒng)和基于增量備份策略的備份系統(tǒng)分別進(jìn)行電力調(diào)度數(shù)據(jù)備份，對(duì)比不同系統(tǒng)的備份過(guò)程，結(jié)果如表1～表3所示。其中，Y值表示不同系統(tǒng)備份電力調(diào)度數(shù)據(jù)性能的預(yù)測(cè)值。

分析表1～表3能夠得到，使用本文系統(tǒng)備份不同大小的電力調(diào)度數(shù)據(jù)備份源，備份時(shí)間在1.43～9.58 s之間，備份空間占用率為0.000 3%～0.000 7%之間，Y值隨著電力調(diào)度數(shù)據(jù)備份源大小的持續(xù)提升均呈線性平緩上升趨勢(shì)?；贠pen VMS的備份系統(tǒng)在備份源大小相同的條件下，備份時(shí)間和備份空間占用率均高于本文系統(tǒng)，Y值呈現(xiàn)顯著波動(dòng)狀態(tài)?；谠隽總浞莶呗缘膫浞菹到y(tǒng)在備份源小于100 MB時(shí)，備份時(shí)間小于本文系統(tǒng)，當(dāng)備份源高于100 MB時(shí)，備份時(shí)間呈現(xiàn)顯著上升趨勢(shì)，高于本文系統(tǒng)，而備份空間占用率持續(xù)高于本文系統(tǒng)，Y值隨著電力調(diào)度數(shù)據(jù)備份源大小的持續(xù)提升均呈線性平緩下降趨勢(shì)。綜合上述實(shí)驗(yàn)結(jié)果可知，本文系統(tǒng)備份性能明顯優(yōu)于對(duì)比系統(tǒng)。

5? 結(jié)? 論

電力調(diào)度數(shù)據(jù)備份是電力系統(tǒng)穩(wěn)定運(yùn)行的保障，基于此，本文設(shè)計(jì)基于深度學(xué)習(xí)的電力調(diào)度數(shù)據(jù)自動(dòng)備份系統(tǒng)。實(shí)驗(yàn)結(jié)果顯示，本文系統(tǒng)性能測(cè)試實(shí)際結(jié)果與預(yù)計(jì)結(jié)果完全一致，說(shuō)明本文系統(tǒng)滿(mǎn)足電力調(diào)度數(shù)據(jù)備份的要求，且具有較高的穩(wěn)定性。

注：本文通訊作者為黃麗敏。

參考文獻(xiàn)

[1] 馬曉，張番棟，封舉富.基于深度學(xué)習(xí)特征的稀疏表示的人臉識(shí)別方法[J].智能系統(tǒng)學(xué)報(bào)，2016，11（3）：279?286.

[2] 郭亮，高宏力，張一文，等.基于深度學(xué)習(xí)理論的軸承狀態(tài)識(shí)別研究[J].振動(dòng)與沖擊，2016，35（12）：166?170.

[3] 周昌令，欒興龍，肖建國(guó).基于深度學(xué)習(xí)的域名查詢(xún)行為向量空間嵌入[J].通信學(xué)報(bào)，2016，37（3）：165?174.

[4] 李志強(qiáng)，蘇盛，曾祥君，等.基于虛構(gòu)誘騙陷阱的電力調(diào)度系統(tǒng)針對(duì)性攻擊主動(dòng)安全防護(hù)[J].電力系統(tǒng)自動(dòng)化，2016，40（17）：106?112.

[5] 于丹文，楊明，翟鶴峰，等.魯棒優(yōu)化在電力系統(tǒng)調(diào)度決策中的應(yīng)用研究綜述[J].電力系統(tǒng)自動(dòng)化，2016，40（7）：134?143.

[6] 荀挺，王祥浩，胡文斌，等.電網(wǎng)綜合數(shù)據(jù)質(zhì)量評(píng)價(jià)系統(tǒng)及其軟件實(shí)現(xiàn)[J].電測(cè)與儀表，2019，56（4）：62?69.

[7] 辛?xí)詣?，王彪，李昕，?考慮風(fēng)電消納能力的含風(fēng)電場(chǎng)電力系統(tǒng)多目標(biāo)優(yōu)化調(diào)度研究[J].可再生能源，2016，34（1）：49?55.

[8] 王斌，夏葉，夏清，等.基于Benders分解法的交直流互聯(lián)電網(wǎng)安全約束經(jīng)濟(jì)調(diào)度[J].中國(guó)電機(jī)工程學(xué)報(bào)，2016，36（6）：1588?1595.

[9] 羅玉春，王毅，戴則梅，等.基于多調(diào)度控制中心的分解協(xié)調(diào)狀態(tài)估計(jì)[J].電網(wǎng)技術(shù)，2016，40（5）：1516?1521.

[10] 梁偉，郭凌旭，范廣民，等.基于拓?fù)浞謪^(qū)的變電站調(diào)度風(fēng)險(xiǎn)評(píng)估方法[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2016，28（8）：98?104.

[11] 肖浩，裴瑋，孔力.基于模型預(yù)測(cè)控制的微電網(wǎng)多時(shí)間尺度協(xié)調(diào)優(yōu)化調(diào)度[J].電力系統(tǒng)自動(dòng)化，2016，40（18）：7?14.

[12] 龔鶯飛，魯宗相，喬穎，等.基于Copula理論的光伏功率高比例異常數(shù)據(jù)機(jī)器識(shí)別算法[J].電力系統(tǒng)自動(dòng)化，2016，40（9）：16?22.

[13] 茆美琴，張劍，張榴晨，等.基于IEC 61850的微網(wǎng)能量管理系統(tǒng)數(shù)據(jù)通信模型及其驗(yàn)證[J].電力系統(tǒng)自動(dòng)化，2016，40（17）：210?216.

[14] 陳晉音，王楨，陳勁聿，等.基于深度學(xué)習(xí)的智能教學(xué)系統(tǒng)的設(shè)計(jì)與研究[J].計(jì)算機(jī)科學(xué)，2019，46（z1）：550?554.

[15] 王德文，周青.一種電力設(shè)備狀態(tài)監(jiān)測(cè)大數(shù)據(jù)的分布式聯(lián)機(jī)分析處理方法[J].中國(guó)電機(jī)工程學(xué)報(bào)，2016，36（19）：5111?5121.