基于機(jī)器學(xué)習(xí)的配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫構(gòu)建方法

陳章國，周 波，喬治中，胡 超

(南京南瑞信息通信科技有限公司，江蘇 南京 210003)

城市基礎(chǔ)設(shè)施中的核心部分之一即為電力系統(tǒng)，電力生產(chǎn)與工作的過程主要分成發(fā)電、輸電、變電、配電以及用電，其中，配電環(huán)節(jié)直接影響用戶對配電服務(wù)的滿意度。配電是通過一次設(shè)備所建立的配電網(wǎng)，與二次設(shè)備聯(lián)合應(yīng)用后建立為配電系統(tǒng)，配電系統(tǒng)根據(jù)固定的規(guī)則運(yùn)行，可以為用戶提供其所需的電力服務(wù)。

為實(shí)現(xiàn)配電網(wǎng)自動化管理，需要引入配電網(wǎng)信息智能分析技術(shù)，如文獻(xiàn)[5]方法和文獻(xiàn)[6]方法做出的貢獻(xiàn)，但是因電力領(lǐng)域數(shù)據(jù)量近幾年出現(xiàn)爆發(fā)式增長，導(dǎo)致配電網(wǎng)信息智能分析效率較低，實(shí)時(shí)性受限。

為此，提出基于機(jī)器學(xué)習(xí)的配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫構(gòu)建方法，主要使用此方法建立配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫，并引入故障檢測識別、故障信息關(guān)聯(lián)規(guī)則更新方法，保證配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫的使用效果，使其可滿足配電網(wǎng)監(jiān)控的信息分析需求。

1 基于機(jī)器學(xué)習(xí)的配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫構(gòu)建方法

1.1 規(guī)則庫構(gòu)建

為了保證各類設(shè)備(變壓器、電抗器、電容器、組合電器、斷路器)操作、電網(wǎng)操作規(guī)則及相互間的關(guān)系的完整性，使規(guī)則庫中的信息具有整體性，基于機(jī)器學(xué)習(xí)的配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫結(jié)構(gòu)圖如圖1所示。

圖1 基于機(jī)器學(xué)習(xí)的配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫結(jié)構(gòu)圖

如圖1所示，配電網(wǎng)監(jiān)控信息智能分析規(guī)則頭與規(guī)則選項(xiàng)2種邏輯部分統(tǒng)稱為規(guī)則，規(guī)則頭可描述規(guī)則行為信息，規(guī)則選項(xiàng)可描述警告信息、故障數(shù)據(jù)包所在方位。

首先，全部規(guī)則根據(jù)規(guī)則頭排序，并設(shè)成主鏈，按照配電網(wǎng)監(jiān)控信息智能分析規(guī)則選項(xiàng)，將規(guī)則導(dǎo)進(jìn)鏈表里，生成規(guī)則集，此操作下，各個(gè)監(jiān)控信息數(shù)據(jù)包都存在一個(gè)分析規(guī)則。

其次，基于機(jī)器學(xué)習(xí)的配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫運(yùn)行時(shí)，使用Libpcap接口在配電網(wǎng)網(wǎng)絡(luò)里提取一個(gè)監(jiān)控信息數(shù)據(jù)包，建立數(shù)據(jù)包解析函數(shù)，按照數(shù)據(jù)包種類與所在位置，實(shí)現(xiàn)監(jiān)控信息數(shù)據(jù)包的協(xié)議解析，解析后數(shù)據(jù)存儲于Packet結(jié)構(gòu)里。

最后，在配電網(wǎng)監(jiān)控信息數(shù)據(jù)包解析后，使用基于機(jī)器學(xué)習(xí)的配電網(wǎng)故障數(shù)據(jù)分類方法，識別Packet結(jié)構(gòu)中配電網(wǎng)監(jiān)控信息中的故障數(shù)據(jù)，并按照所識別的故障數(shù)據(jù)分析規(guī)則(下文稱為頻繁項(xiàng)集)，使用基于 MapReduce 的并行關(guān)聯(lián)規(guī)則增量更新算法，更新配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫中的信息智能分析規(guī)則。

之后，可把配電網(wǎng)監(jiān)控信息中的其他數(shù)據(jù)包和配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫里二維鏈表進(jìn)行對比，若檢測到具有匹配性的規(guī)則條目，便可按照對應(yīng)的模式實(shí)現(xiàn)警示，停止此數(shù)據(jù)包的處理，以此模式循環(huán)，實(shí)現(xiàn)配電網(wǎng)監(jiān)控信息智能分析。

圖2是基于機(jī)器學(xué)習(xí)的配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫運(yùn)行流程示意圖。

1.2 基于機(jī)器學(xué)習(xí)的配電網(wǎng)故障數(shù)據(jù)分類方法

為了保證相關(guān)運(yùn)行規(guī)程符合操作的規(guī)則，即《中華人民共和國電力法》《電力監(jiān)管條例》和《電網(wǎng)調(diào)度管理?xiàng)l例》等，使用層次聚類方法分析配電網(wǎng)監(jiān)控信息中的故障數(shù)據(jù)的極端隨機(jī)數(shù)，保證其符合實(shí)際情況，使用了配電網(wǎng)監(jiān)控信息中故障數(shù)據(jù)的故障出現(xiàn)概率與聚類頻次分布，以此描述故障元素在配電網(wǎng)監(jiān)控信息中出現(xiàn)差異頻次的概率，此概率設(shè)成sup()，那么配電網(wǎng)監(jiān)控信息中故障數(shù)據(jù)故障層次聚類的模糊迭代不等式能夠變換為：

(1)

式中，配電網(wǎng)監(jiān)控信息中故障數(shù)據(jù)的類間聚類分析元素在規(guī)則庫中出現(xiàn)的次數(shù)最大值是num()；代表第個(gè)故障數(shù)據(jù)。

使用大數(shù)據(jù)分類全局檢索方法實(shí)現(xiàn)故障數(shù)據(jù)分類的動態(tài)規(guī)劃，以此運(yùn)算sup()。則：

(2)

(-|()|)}}

(3)

圖2 基于機(jī)器學(xué)習(xí)的配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫運(yùn)行流程示意圖

將配電網(wǎng)監(jiān)控信息的所有數(shù)據(jù)樣本實(shí)施抽樣訓(xùn)練，獲取故障數(shù)據(jù)的關(guān)聯(lián)特征量，通過一個(gè)四元素結(jié)構(gòu)代表故障數(shù)據(jù)的關(guān)聯(lián)特征：

(,,(sup1(),…,sup()),

(1,…,))

(4)

式中，故障數(shù)據(jù)在1時(shí)間段抵達(dá)窗口的第次出現(xiàn)的第個(gè)數(shù)據(jù)元素是；輸出優(yōu)化訓(xùn)練的最佳概率是；數(shù)據(jù)聚類中心擾動概率分布值是(sup1(),…,sup())；目前窗口元素存在故障數(shù)據(jù)的頻繁項(xiàng)是(1,,)。通過機(jī)器學(xué)習(xí)算法，對故障數(shù)據(jù)實(shí)施分類，則機(jī)器學(xué)習(xí)迭代方法是：

(5)

綜上所述，基于機(jī)器學(xué)習(xí)的配電網(wǎng)故障數(shù)據(jù)聚類方法的具體步驟是：

輸入：配電網(wǎng)監(jiān)控信息數(shù)據(jù)流、故障數(shù)據(jù)關(guān)聯(lián)樣本閾值、統(tǒng)計(jì)分布概率閾值、采樣窗口長度。輸出：

(1)初始化機(jī)器學(xué)習(xí)參數(shù)與故障數(shù)據(jù)分類系數(shù)；

(2)任意選擇一個(gè)配電網(wǎng)監(jiān)控信息數(shù)據(jù)點(diǎn)，建立故障數(shù)據(jù)分類的全部聚簇中心點(diǎn)；

(3)通過聚簇交叉運(yùn)算它的概率；

(4)通過機(jī)器學(xué)習(xí)算法提取故障數(shù)據(jù)特征；

(5)更新目前窗口中故障數(shù)據(jù)樣本，運(yùn)算故障種類的概率分布值；

(6)運(yùn)算配電網(wǎng)監(jiān)控信息中大于頻次閾值的故障數(shù)據(jù)樣本集，使用累積概率分布方法獲取統(tǒng)計(jì)特征量；

(7)將故障樣本集實(shí)施回歸分析，把故障數(shù)據(jù)導(dǎo)進(jìn)窗口集合中；

(8)檢索過期樣本元素并去除；

(9)將所有配電網(wǎng)監(jiān)控信息樣本實(shí)施抽樣訓(xùn)練，刷新窗口概率分布值；

(10)提取配電網(wǎng)監(jiān)控信息中故障數(shù)據(jù)識別的頻繁項(xiàng)集，實(shí)現(xiàn)故障數(shù)據(jù)分類。

1.3 基于 MapReduce 的并行關(guān)聯(lián)規(guī)則增量更新算法

1.3.1 原始規(guī)則庫中并行頻繁項(xiàng)集挖掘

保證針對可能發(fā)生的故障，為迅速、有序地開展應(yīng)急行動而預(yù)先制定的行動方案，本文主要使用MapReduce模型以并行挖掘的模式獲取監(jiān)控信息節(jié)點(diǎn)中數(shù)據(jù)分片的頻繁項(xiàng)集后保存，當(dāng)配電網(wǎng)監(jiān)控信息逐漸更新時(shí)，使用MapReduce模型再次更新頻繁項(xiàng)集(信息智能分析規(guī)則)。

MapReduce模型將 MapReduce分解為 Map (映射)任務(wù)和 Reduce (歸約)任務(wù)， MapReduce將任務(wù)傳遞到配電系統(tǒng)中各個(gè)監(jiān)控信息節(jié)點(diǎn)，各個(gè)監(jiān)控信息節(jié)點(diǎn)的處理過程會引入2個(gè)函數(shù)map、reduce。MapReduce模型先按照監(jiān)控信息節(jié)點(diǎn)中數(shù)據(jù)分片的數(shù)目，建立多個(gè)Map任務(wù)并行處理，各個(gè)Map任務(wù)把輸入的數(shù)據(jù)分片為多個(gè)鍵值對，map函數(shù)會將數(shù)據(jù)分片都逐次處理成，將鍵值相同的數(shù)據(jù)分片放在一起設(shè)成中心結(jié)果變成Reduce的輸入；Reduce任務(wù)獲取存在一致性的鍵值，使用reduce函數(shù)對映射頻繁項(xiàng)集和原項(xiàng)集進(jìn)行歸約處理后輸出。

將配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫里全部項(xiàng)的頻繁項(xiàng)集集合設(shè)成={,,…,}，把配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫傳輸至Hadoop分布式文件系統(tǒng)中，配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫或新增故障信息數(shù)據(jù)庫(此數(shù)據(jù)庫中故障信息主要來自2.2小節(jié)所識別的故障信息)都會保存在個(gè)節(jié)點(diǎn)中，此時(shí)={,,…,}，={,,…,}。、都存在于一個(gè)數(shù)據(jù)分片中。

輸入：原始配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫。

輸出：原始配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫的頻繁項(xiàng)集。

(1)使用MapReduce模型計(jì)算原始配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫全部頻繁項(xiàng)的支持計(jì)數(shù)，獲取的1-項(xiàng)集；

(2)建立分組，使用把各項(xiàng)與支持度進(jìn)行對比，獲取1-頻繁項(xiàng)集。然后將里的項(xiàng)分成個(gè)組，各組設(shè)置一個(gè)編碼id，把全部項(xiàng)標(biāo)記成相應(yīng)的分組號；

(3)并行挖掘頻繁項(xiàng)集，此過程需要使用MapReduce模型實(shí)現(xiàn)，主要獲取每個(gè)數(shù)據(jù)分組的頻繁項(xiàng)集。

1.3.2 增量更新

輸入：新增故障信息數(shù)據(jù)庫、原始配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫、原始配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫的1-項(xiàng)集。

輸出：更新后規(guī)則庫的頻繁項(xiàng)集。

(1)使用MapReduce模型中的map函數(shù)計(jì)算各個(gè)監(jiān)控信息頻繁項(xiàng)集在更新后規(guī)則庫中的支持計(jì)數(shù)，挖掘頻繁項(xiàng)集。頻繁項(xiàng)集各個(gè)項(xiàng)目在∪里的支持計(jì)數(shù)滿足以下條件：

support()≤()

(6)

其中，為小支持度閾值。

()=map(,)

(7)

由此建立挖掘監(jiān)控信息頻繁項(xiàng)集的map函數(shù)

函數(shù)：map()，通過和編碼id尋找頻繁項(xiàng)集。

輸入：分組號，其中記錄著頻繁項(xiàng)目下次出現(xiàn)的組號。

：用戶設(shè)定的最小支持?jǐn)?shù)；填寫了相應(yīng)支持?jǐn)?shù)的向量。

函數(shù)：Reduce()，通過和編碼id尋找分析規(guī)則庫的一致性鍵值。

輸入：候選項(xiàng)集。

遍歷原始配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫在此組的映射事務(wù)集；

計(jì)算一致性鍵值=Reduce()；

輸出：更新后規(guī)則庫的頻繁項(xiàng)集。

由此完成基于 MapReduce 的并行關(guān)聯(lián)規(guī)則庫增量更新。

2 實(shí)驗(yàn)分析

在MATLAB仿真軟件中，編寫本文方法的應(yīng)用程序，對本文方法的操作性能進(jìn)行仿真測試。

將本文方法使用在虛擬的配電網(wǎng)設(shè)備信息監(jiān)控系統(tǒng)中，測試本文方法的使用效果。虛擬的配電網(wǎng)設(shè)備信息監(jiān)控系統(tǒng)參數(shù)如表1所示。

表1 虛擬的配電網(wǎng)設(shè)備信息監(jiān)控系統(tǒng)參數(shù)

2.1 規(guī)則庫構(gòu)建效果

配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫的構(gòu)建效果，主要通過配電網(wǎng)監(jiān)控中網(wǎng)絡(luò)故障信息識別效果凸顯，故障信息識別效果好，表示構(gòu)建的規(guī)則庫中信息智能分析規(guī)則涵蓋范圍較為全面。故障信息主要以配電網(wǎng)信息監(jiān)控中DOS入侵信息(下文簡稱A-1故障)、R2L入侵信息(下文簡稱A-2故障)、U2R入侵信息(下文簡稱A-3故障)為主，測試本文方法、文獻(xiàn)[5]方法、文獻(xiàn)[6]方法的配電網(wǎng)監(jiān)控中故障信息識別效果，以準(zhǔn)確度、檢出率、假陽性率三種指標(biāo)體現(xiàn)。

(8)

(9)

(10)

其中，、、、依次表示配電網(wǎng)監(jiān)控中故障信息被準(zhǔn)確識別的次數(shù)、非故障信息被識別成非故障信息的次數(shù)、故障信息被誤識的次數(shù)、非故障信息被誤識的次數(shù)。

三種方法的配電網(wǎng)監(jiān)控中故障信息識別效果如表2、表3、表4所示。

表2 A-1 故障識別效果

表3 A-2故障識別效果

表4 A-3故障識別效果

由表2、表3、表4可知，多次測試中，文獻(xiàn)[5]方法和文獻(xiàn)[6]方法識別配電網(wǎng)監(jiān)控信息中的A-1故障、A-2故障、A-3故障時(shí)，識別結(jié)果的準(zhǔn)確度、檢出率均值都低于0.90，假陽性率都大于0.04；而使用本文方法，配電網(wǎng)監(jiān)控信息中，識別A-1故障、A-2故障、A-3故障時(shí)，識別結(jié)果的準(zhǔn)確度、檢出率均值都大于0.97，假陽性率都是0.01，由此可知，本文方法可提升配電網(wǎng)故障監(jiān)控效果。

配電網(wǎng)監(jiān)控中，故障信息識別實(shí)時(shí)性可體現(xiàn)本文方法所構(gòu)建規(guī)則庫的關(guān)聯(lián)規(guī)則更新具有實(shí)時(shí)性，在MATLAB仿真軟件中提前預(yù)設(shè)A-1故障、A-2故障、A-3故障的出現(xiàn)時(shí)間，測試使用本文方法、文獻(xiàn)[5]方法、文獻(xiàn)[6]方法的配電網(wǎng)監(jiān)控中故障信息識別實(shí)時(shí)性。測試結(jié)果如表5所示。

表5 關(guān)聯(lián)規(guī)則更新實(shí)時(shí)性測試結(jié)果

由表5可知，在MATLAB仿真軟件中提前預(yù)設(shè)A-1故障、A-2故障、A-3故障的出現(xiàn)時(shí)間后，本文方法所構(gòu)建的配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫，能夠協(xié)助配電網(wǎng)監(jiān)控系統(tǒng)實(shí)時(shí)識別配電網(wǎng)監(jiān)控中故障信息，由此證明本文方法所構(gòu)建規(guī)則庫的關(guān)聯(lián)規(guī)則更新實(shí)時(shí)性，可滿足應(yīng)用需求。

2.2 新增數(shù)據(jù)量對本文方法應(yīng)用性能的影響

為了深入測試該方法構(gòu)建的配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫是否能滿足海量數(shù)據(jù)包智能分析的應(yīng)用要求，測試該方法構(gòu)建的配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫的頻繁項(xiàng)集(信息智能分析規(guī)則)是否能隨數(shù)據(jù)包的增加而實(shí)時(shí)更新，測試了頻繁項(xiàng)集更新結(jié)果與更新速度，測試結(jié)果如圖3、表6所示。

圖3 規(guī)則庫頻繁項(xiàng)集更新結(jié)果

表6 頻繁項(xiàng)集更新速度

由圖3、表6可知，本文方法所構(gòu)建的配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫的頻繁項(xiàng)集可以伴隨數(shù)據(jù)包增多而實(shí)時(shí)更新，頻繁項(xiàng)集更新數(shù)量和新增數(shù)據(jù)包數(shù)量一致，更新時(shí)間與數(shù)據(jù)包新增時(shí)間一致。由此驗(yàn)證，新增數(shù)據(jù)量對本文方法應(yīng)用性能不存在負(fù)面影響，本文方法所構(gòu)建的配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫對配電網(wǎng)故障監(jiān)控工作存在實(shí)用價(jià)值。

3 結(jié) 論

配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫對配電網(wǎng)監(jiān)控信息分析速度與分析效果存在直接影響，而配電網(wǎng)監(jiān)控信息分析效果對配電網(wǎng)故障監(jiān)控存在直接影響。為此，提出了基于機(jī)器學(xué)習(xí)的配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫構(gòu)建方法，利用所構(gòu)建的配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫，實(shí)現(xiàn)配電網(wǎng)監(jiān)控信息智能分析。實(shí)驗(yàn)中，本文方法經(jīng)過仿真測試后，被驗(yàn)證存在以下幾點(diǎn)實(shí)用價(jià)值：

(1)多次測試中，本文方法使用前，配電網(wǎng)監(jiān)控信息中，A-1故障、A-2故障、A-3故障識別時(shí)，識別結(jié)果的準(zhǔn)確度、檢出率均值都低于0.90，假陽性率都大于0.04；使用本文方法后，配電網(wǎng)監(jiān)控信息中，A-1故障、A-2故障、A-3故障識別時(shí)，識別結(jié)果的準(zhǔn)確度、檢出率均值都大于0.97，假陽性率都是0.01。

(2)本文方法所構(gòu)建的配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫，能夠協(xié)助配電網(wǎng)監(jiān)控系統(tǒng)實(shí)時(shí)識別配電網(wǎng)監(jiān)控中故障信息。

(3)本文方法所構(gòu)建的配電網(wǎng)監(jiān)控信息智能分析規(guī)則庫的頻繁項(xiàng)集可以伴隨數(shù)據(jù)包的增多而實(shí)時(shí)更新，頻繁項(xiàng)集更新數(shù)量和新增數(shù)據(jù)包數(shù)量一致，更新時(shí)間與數(shù)據(jù)包新增時(shí)間一致。