基于極限學習機的用電數(shù)據(jù)異常動態(tài)監(jiān)測系統(tǒng)

孫志杰，張艷麗，王利賽，劉繼鵬

（國網(wǎng)冀北電力有限公司計量中心，北京 100045）

用電數(shù)據(jù)的運行狀態(tài)會直接反映出用電系統(tǒng)的工作狀態(tài)，任何數(shù)據(jù)之間都存在相關性，為了保障監(jiān)測系統(tǒng)的準確性，一方面系統(tǒng)不僅對電力系統(tǒng)的運行條件、環(huán)境、狀態(tài)進行監(jiān)測[1]；另一方面還對儀器工作產(chǎn)生的數(shù)據(jù)進行監(jiān)測，如果電力系統(tǒng)內(nèi)用電數(shù)據(jù)出現(xiàn)超出或者與規(guī)定用電數(shù)據(jù)不達標的情況，即使對電力系統(tǒng)監(jiān)測無誤，也需要對異常電力數(shù)據(jù)進行分析[2]，及時診斷出電力系統(tǒng)的故障，保障電網(wǎng)的用電安全。傳統(tǒng)的基于大數(shù)據(jù)挖掘的異常用電監(jiān)測方法[3]與基于局部離群因子的電力系統(tǒng)數(shù)據(jù)檢測方法[4]，在進行數(shù)據(jù)分析時不能降低網(wǎng)絡權重，存在分析迭代次數(shù)多、分析范圍小的問題。為了解決目前用電數(shù)據(jù)異常動態(tài)監(jiān)測系統(tǒng)存在的應用問題，該文設計的系統(tǒng)不僅融入了極限學習機網(wǎng)絡訓練方法，還借助格蘭杰因果關系理論，完成對用電數(shù)據(jù)的分析，提高異常數(shù)據(jù)的監(jiān)測準確度。

1 系統(tǒng)硬件設計

該文設計的基于極限學習機[5]的用電數(shù)據(jù)異常動態(tài)監(jiān)測系統(tǒng)硬件結(jié)構如圖1 所示。

圖1 系統(tǒng)硬件結(jié)構

1.1 服務器接收端

服務器接收端的工作任務是調(diào)用監(jiān)測系統(tǒng)的發(fā)動機，協(xié)助軟件區(qū)域的交叉監(jiān)測方法完成監(jiān)測任務[6]，為了提高系統(tǒng)的運行效率，選擇Hg-56 服務器接收端完成系統(tǒng)的設計。此服務器的傳輸數(shù)據(jù)速率為20 M/s，器件運行后臺與GPS 技術、電頻測量器等器件相互協(xié)調(diào)[7]，完成監(jiān)測任務。服務器接收端的負載率小于50%，向其他器件發(fā)送數(shù)據(jù)幀的頻率為50 幀每秒，服務器每秒可以處理15 萬個節(jié)點的數(shù)據(jù)。服務器接收端結(jié)構如圖2 所示。

圖2 服務器接收端結(jié)構

1.2 麒麟980芯片

考慮到基于極限學習機的用電數(shù)據(jù)異常動態(tài)監(jiān)測系統(tǒng)的工作性質(zhì)，該文選擇麒麟980 系列的超薄芯片[8]，此芯片與其他器件連接遵守IEC0061970 組件的通信原則，可識別任何格式的編程語言，芯片內(nèi)存儲的內(nèi)容可以根據(jù)實時的需求，進行維護和修改。芯片示意圖如圖3 所示。

圖3 麒麟980芯片示意圖

硬件區(qū)域內(nèi)所有的連接接口都采用非實時的CIS 接口，可以完成數(shù)據(jù)訪問和數(shù)據(jù)模型的導入。

1.3 數(shù)據(jù)通信器

數(shù)據(jù)通信器在該文設計系統(tǒng)中的作用是將監(jiān)測到的數(shù)據(jù)傳輸給管理中心，并且在數(shù)據(jù)監(jiān)測過程中完成監(jiān)測需要的數(shù)據(jù)通信[9]。數(shù)據(jù)通信器的傳輸實驗為10 ms，器件單個向量數(shù)據(jù)包的大小為64 字節(jié)，系統(tǒng)內(nèi)各個器件之間數(shù)據(jù)的傳輸時間為5 ms，可以滿足用電異常數(shù)據(jù)監(jiān)測系統(tǒng)的需求。

2 系統(tǒng)軟件設計

2.1 極限學習機工作原理

極限學習機算法簡稱為ELM，是目前最簡便的單隱層神經(jīng)網(wǎng)絡訓練方法，具有較高的訓練學習速度和學習精度[10]。極限學習機算法的本質(zhì)是一個集合，用來計算訓練集合內(nèi)部存儲數(shù)據(jù)的狀態(tài)。因為數(shù)據(jù)的性質(zhì)，集合存在多個隱層，存儲不同類型的節(jié)點，初始化極限學習機算法的集合網(wǎng)絡如下：

其中，g(·)表示激活函數(shù)表示連接第i個隱層節(jié)點的輸出權重向量；表示第i個隱層節(jié)點的輸入權重向量；bi表示第i個隱層節(jié)點的偏置系數(shù)；l表示集合內(nèi)隱層節(jié)點的數(shù)量；β表示單隱層訓練網(wǎng)絡；i表示集合內(nèi)需要訓練的數(shù)據(jù)樣本。

極限學習機算法將需要訓練的數(shù)據(jù)樣本收納到集合內(nèi)，首先對集合內(nèi)所有的數(shù)據(jù)進行分層處理[11]，將相同數(shù)據(jù)屬性的數(shù)據(jù)存儲在集合的同一隱層，為后期數(shù)據(jù)分析奠定數(shù)據(jù)基礎。集合內(nèi)部的分層遵守以下規(guī)則：

其中，T表示隱層節(jié)點的輸出矩陣；p表示期望輸出矩陣，其他未知數(shù)的意義同上。

每一個隱層內(nèi)數(shù)據(jù)樣本的個數(shù)是有限的，當每層存儲滿后，立即輸出此隱層的逆矩陣，數(shù)據(jù)層不再接收數(shù)據(jù)[12]。集合內(nèi)所有數(shù)據(jù)完成分層后，即可進行數(shù)據(jù)訓練。算法對數(shù)據(jù)進行訓練是以每個隱層為單位進行工作，根據(jù)每個隱層初始化的輸出權重和隱層的偏置值完成數(shù)據(jù)的訓練[13]，尋找集合內(nèi)隱層的數(shù)據(jù)是否存在異常數(shù)據(jù)，如果存在則將隱層內(nèi)的所有數(shù)據(jù)和異常數(shù)據(jù)輸出，等待處理；如果不存在，則直接保存隱層內(nèi)的數(shù)據(jù)。極限學習機算法的網(wǎng)絡權重參數(shù)的值越小，表示數(shù)據(jù)訓練的精度越大，此算法的優(yōu)勢在于根據(jù)最小范數(shù)參數(shù)可以保證數(shù)據(jù)集合的最小數(shù)據(jù)訓練誤差[14]，另外極限學習機算法對于數(shù)據(jù)訓練速度快，并且在訓練計算過程中可以保證數(shù)據(jù)的安全性。

2.2 格蘭杰因果檢驗

因為極限學習機算法只是完成異常數(shù)據(jù)的初次篩選，為了提高該文設計系統(tǒng)監(jiān)測的準確性，在極限學習機算法的基礎上應用了格蘭杰因果檢驗方法，對極限學習機算法訓練結(jié)果進行檢驗[15]。格蘭杰因果檢驗的原理是利用計量檢驗每個數(shù)據(jù)之間關系，一旦相同隱層內(nèi)的數(shù)據(jù)變量關系不符合關系設定，那么此層次內(nèi)存在異常數(shù)據(jù)。格蘭杰因果檢驗方法要求被計算的變量時間序列具有平穩(wěn)性，并且向量之間是同階的關系。如果通過格蘭杰因果檢驗方法計算出極限學習機算法輸出的異常數(shù)據(jù)與對應隱層集合內(nèi)的數(shù)據(jù)存在因果關系，那么此異常數(shù)據(jù)是誤判的，應是正常數(shù)據(jù)。反之，此異常數(shù)據(jù)是真實的異常數(shù)據(jù)。

2.3 用電數(shù)據(jù)異常動態(tài)監(jiān)測

該文設計的系統(tǒng)對異常數(shù)據(jù)動態(tài)監(jiān)測的核心是觀察異常數(shù)據(jù)幀的三相總功率的波動情況，當異常數(shù)據(jù)幀的三相總功率因子大于0.5，并且功率實時處于不規(guī)律的狀態(tài)下，需要發(fā)出警告。通過以上算法計算出用電數(shù)據(jù)集合內(nèi)的異常數(shù)據(jù)，然后調(diào)用系統(tǒng)持續(xù)對異常數(shù)據(jù)進行長期監(jiān)測，保證用電系統(tǒng)的安全，具體監(jiān)測流程如下：首先，調(diào)用系統(tǒng)的數(shù)據(jù)采集器采集需要監(jiān)測的用電系統(tǒng)內(nèi)近期的數(shù)據(jù)。然后，調(diào)用極限學習機算法和格蘭杰因果檢驗方法對需要監(jiān)測的用電系統(tǒng)進行數(shù)據(jù)訓練和數(shù)據(jù)分析。最后，根據(jù)輸出結(jié)果確定用電異常數(shù)據(jù)對應的數(shù)據(jù)幀[16]，利用用電系統(tǒng)有效功率的輸出情況，開始實時動態(tài)監(jiān)測。如果用電異常數(shù)據(jù)的有效功率和數(shù)據(jù)幀的異常率持續(xù)5 min 高于20%，則向調(diào)度員發(fā)送實時的告警信息。

3 實驗分析

通過以上的論述，完成了基于極限學習機的用電數(shù)據(jù)異常動態(tài)監(jiān)測系統(tǒng)的設計，為了檢驗系統(tǒng)的性能，進行了實驗對比測試。測試選擇基于大數(shù)據(jù)挖掘的異常用電監(jiān)測方法（以下統(tǒng)稱為傳統(tǒng)系統(tǒng)1）和基于葉根載荷辨識方法的用電數(shù)據(jù)異常動態(tài)監(jiān)測系統(tǒng)（以下統(tǒng)稱為傳統(tǒng)系統(tǒng)2）共同完成實驗測試。實驗測試選擇的用電系統(tǒng)是沈陽市陽光街道的用電系統(tǒng)，將3 種監(jiān)測方法同時接入用電系統(tǒng)中進行測試，測試時間為48 h，如果在規(guī)定前24 h 內(nèi)，此用電系統(tǒng)內(nèi)的數(shù)據(jù)不存在異常數(shù)據(jù)，那么在剩余的時間內(nèi)，對此用電系統(tǒng)進行人工異常數(shù)據(jù)的干預，使得系統(tǒng)內(nèi)的數(shù)據(jù)出現(xiàn)異常狀態(tài)，完成系統(tǒng)性能的檢驗。如果存在數(shù)據(jù)異常情況，則不需對實驗進行干預，在規(guī)定時間內(nèi)結(jié)束實驗即可。

1）準確性

實驗結(jié)束后，首先將三套系統(tǒng)輸出的用電異常數(shù)據(jù)幀的基本信息與人工干預形成的用電異常數(shù)據(jù)幀的信息進程匹配，匹配結(jié)果顯示，傳統(tǒng)系統(tǒng)1 和該文設計的系統(tǒng)都能準確定位到異常的用電數(shù)據(jù)，傳統(tǒng)系統(tǒng)2 對于異常數(shù)據(jù)的定位存在偏差。因此傳統(tǒng)系統(tǒng)2 不具有對比的條件。接下來計算兩套系統(tǒng)輸出用電異常數(shù)據(jù)與真實的用電異常數(shù)據(jù)的精準度，實驗結(jié)果如圖4 所示。

圖4 精準度實驗結(jié)果

由圖4 可知，該文設計系統(tǒng)對于用電異常數(shù)據(jù)動態(tài)監(jiān)測的精準度始終較高，但是傳統(tǒng)系統(tǒng)1 的監(jiān)測精準度隨著用電異常數(shù)據(jù)樣本增加而降低，不具有穩(wěn)定性，并且個別異常數(shù)據(jù)幀的誤差率超過了標準。

2）靈敏性

在用電異常數(shù)據(jù)準確定位的基礎上，繼續(xù)分析系統(tǒng)對用電異常數(shù)據(jù)動態(tài)監(jiān)測的靈敏性，此靈敏性是系統(tǒng)性能的重要評估指標，監(jiān)測系統(tǒng)的靈敏性越高，表示系統(tǒng)對于異常數(shù)據(jù)變化參數(shù)的捕獲量越多，對于異常數(shù)據(jù)的波動監(jiān)測效果越真實。系統(tǒng)靈敏性對比如圖5 所示。

由圖5 可知，該文設計的基于極限學習動態(tài)監(jiān)測系統(tǒng)輸出的用電異常監(jiān)測數(shù)據(jù)絕對誤差較小，兩套傳統(tǒng)系統(tǒng)對于系統(tǒng)輸出的用電異常監(jiān)測數(shù)據(jù)始終趨近于穩(wěn)定，在數(shù)據(jù)中不能展現(xiàn)出異常數(shù)據(jù)的波動趨勢以及其他信息，只是對異常用電數(shù)據(jù)進行追蹤，沒有對異常數(shù)據(jù)的波動進一步分析和預測。基于極限學習的用電數(shù)據(jù)異常動態(tài)監(jiān)測系統(tǒng)卻具有此功能，對異常用電數(shù)據(jù)進行深度解析，不僅監(jiān)測異常數(shù)據(jù)的波動情況，而且對可能影響異常數(shù)據(jù)波動的因素也同時進行監(jiān)測，從而使得用電異常數(shù)據(jù)動態(tài)變化時，系統(tǒng)響應的時間快于傳統(tǒng)的系統(tǒng)，具有較高的靈敏性。

圖5 系統(tǒng)靈敏性對比

綜上所述，該文設計的基于極限學習機的用電數(shù)據(jù)異常動態(tài)監(jiān)測系統(tǒng)對于異常數(shù)據(jù)的定位具有較高的準確性，在對異常數(shù)據(jù)監(jiān)測的過程中，誤差幾乎為零，并可以在不同狀態(tài)內(nèi)作出反應，保障用電系統(tǒng)的運行安全。

4 結(jié)束語

數(shù)據(jù)監(jiān)測是診斷用電系統(tǒng)運行狀態(tài)的關鍵，該文設計的基于極限學習機的用電數(shù)據(jù)異常動態(tài)監(jiān)測系統(tǒng)在對數(shù)據(jù)進行分析時，采用極限學習機方法，提高對用電數(shù)據(jù)分析訓練的速度和精度，但是極限學習機方法在對數(shù)據(jù)進行訓練時，具有不穩(wěn)定性，為了解決該問題，在系統(tǒng)的軟件區(qū)域增加了格蘭杰因果檢驗策略，對系統(tǒng)監(jiān)測的異常用電數(shù)據(jù)進行檢驗，提高監(jiān)測系統(tǒng)工作的準確度。該文設計的監(jiān)測系統(tǒng)，可以提前對電力系統(tǒng)的故障發(fā)出預警，促進用電系統(tǒng)安全性的發(fā)展。