基于自然語言處理技術(shù)和藍光存儲技術(shù)的電網(wǎng)數(shù)據(jù)池構(gòu)建研究

陳 駿，劉 敏，陳珊珊，王?飛

(江蘇蘇星資產(chǎn)管理有限公司，江蘇 南京 210000)

0 引言

電網(wǎng)業(yè)務(wù)數(shù)據(jù)規(guī)模的不斷擴大，對數(shù)據(jù)池整體性能提出了更高要求[1]。目前學(xué)術(shù)界的相關(guān)研究已經(jīng)積累了一定的研究成果，文獻[2]利用三維可視化技術(shù)方法構(gòu)建了數(shù)據(jù)分析模型，提供了較好的分析性能，但是其模型中的數(shù)據(jù)池儲存容量較小，導(dǎo)致響應(yīng)速度較慢。文獻[3]根據(jù)區(qū)塊連接技術(shù)進行智能電網(wǎng)數(shù)據(jù)管理，內(nèi)容中設(shè)計出了較為完善的數(shù)據(jù)池管理模式，但是由于自然語言處理不到位，所以響應(yīng)速度慢的問題沒有得到有效改善。將基于可視化技術(shù)的數(shù)據(jù)構(gòu)建模型和基于區(qū)塊連接技術(shù)的數(shù)據(jù)管理模型融入電網(wǎng)數(shù)據(jù)池構(gòu)建，致力于改善電網(wǎng)數(shù)據(jù)池響應(yīng)速度較慢的問題，對此展開討論。

自然語言處理技術(shù)是一門融語言學(xué)、計算機科學(xué)和數(shù)學(xué)為一體的科學(xué)，將自然語言處理技術(shù)應(yīng)用于電網(wǎng)數(shù)據(jù)池構(gòu)建，為用戶簡化了相關(guān)使用步驟。藍光儲存技術(shù)是一種應(yīng)用藍色激光，以改變無機物相位的方式對光盤上的存儲載體進行照射與掃描，以此獲取數(shù)據(jù)信息的一種技術(shù)，其優(yōu)勢在于存儲密度大，存儲能耗低并且介質(zhì)壽命長，能更加廣泛地應(yīng)用到相關(guān)領(lǐng)域中。

1 電網(wǎng)數(shù)據(jù)池構(gòu)建

1.1 獲取電網(wǎng)數(shù)據(jù)分布式特征

電網(wǎng)業(yè)務(wù)中的數(shù)據(jù)結(jié)構(gòu)類型主要包括實時型、關(guān)系型以及文本型數(shù)據(jù)，主要來源是發(fā)電、輸電、變電、配電以及用電等環(huán)節(jié)。其中，實時數(shù)據(jù)主要是來自電力調(diào)度環(huán)節(jié)，是一種經(jīng)過綜合處理后得出的數(shù)據(jù)。關(guān)系型數(shù)據(jù)主要是相關(guān)的管理人員進行參考，并完成相應(yīng)任務(wù)的數(shù)據(jù)，通常與藍光存儲技術(shù)相融合，主要是產(chǎn)生于投資統(tǒng)計數(shù)據(jù)和電能量信息采集[4]。文本型數(shù)據(jù)一般是依托自然語言處理技術(shù)，包括各環(huán)節(jié)的操作說明、數(shù)據(jù)類型描述等。通常情況下，電網(wǎng)數(shù)據(jù)池需要聯(lián)合電力發(fā)展部門、營銷部門、運檢部門和調(diào)控中心等部門的相關(guān)參數(shù)進行數(shù)據(jù)分類[5]。電網(wǎng)數(shù)據(jù)的分布式結(jié)構(gòu)示意圖如圖1所示。

圖1 電網(wǎng)數(shù)據(jù)分布式結(jié)構(gòu)示意圖

在電力行業(yè)的實際發(fā)展過程中，電網(wǎng)數(shù)據(jù)的來源和類型都比較多，包括時間序列數(shù)據(jù)、文本信息以及圖像視頻等，不同類型數(shù)據(jù)的特征空間也不同[6]。為了提高電網(wǎng)數(shù)據(jù)池的數(shù)據(jù)質(zhì)量，需要提取相對穩(wěn)定并且有效的特征[7]。在原始的數(shù)據(jù)集合中，篩選出相關(guān)的特征數(shù)據(jù)子集進行數(shù)據(jù)預(yù)處理，選定特征子集后，需要判斷數(shù)據(jù)子集的數(shù)據(jù)質(zhì)量，經(jīng)過雙向搜索后，排除無關(guān)特征[8]。將給定數(shù)據(jù)集設(shè)定為Q，在數(shù)據(jù)集Q中，存在著一個i類型樣本數(shù)據(jù)集，并且在總數(shù)據(jù)集中的占比可表示為qi= {q1,q2,q3,…}i=1, 2, 3,…。若數(shù)據(jù)集特征皆為離散性數(shù)據(jù)，設(shè)定特征子集為C，根據(jù)C的取值范圍將Q劃分為e個子集，則二者關(guān)系可表達為{Q1, Q2, Q3,…, Qe}，若特征子集中的數(shù)據(jù)樣本在C上的取值范圍相同，則特征子集C的信息評價公式為：

式中：H表示數(shù)據(jù)集的離散指數(shù)；G(C)表示特征子集的信息評價。數(shù)值越大，則表示特征子集C中包含的特征信息就越多。在保證數(shù)據(jù)信息精確性與完整性的前提下，將電網(wǎng)數(shù)據(jù)通過數(shù)學(xué)變換得到簡化后的表達方式：

式中：以數(shù)據(jù)線性特征為基礎(chǔ)，k∈Lt表示原始特征向量；P∈Lk×t為變換矩陣；k'∈Pk表示線性變換后的特征向量。應(yīng)用式(2)可以將電網(wǎng)數(shù)據(jù)的分布式特征具體量化，從而為數(shù)據(jù)池構(gòu)建提供數(shù)據(jù)基礎(chǔ)。

1.2 計算數(shù)據(jù)節(jié)點安全等級

電網(wǎng)數(shù)據(jù)安全是數(shù)據(jù)池構(gòu)建效果的主要影響因素，設(shè)定電網(wǎng)數(shù)據(jù)的輸入量與輸出量共同構(gòu)成了整個電網(wǎng)數(shù)據(jù)的數(shù)據(jù)樣本空間，在此空間內(nèi)的數(shù)據(jù)通常是輸入量大于輸出量，并且每個具體的數(shù)據(jù)都可以用向量表示[9]。將樣本空間用線性空間和非線性空間表示，其函數(shù)表達式如式(3)所示：

式中：f(y∶λ)為參數(shù)λ的函數(shù)；λ表示相應(yīng)的函數(shù)線性組合；R表示樣本矩陣。在電網(wǎng)運行過程中，電力負荷是影響電網(wǎng)數(shù)據(jù)質(zhì)量的關(guān)鍵因素之一，主要受到各種時間、天氣以及經(jīng)濟指標影響，利用歷史數(shù)據(jù)信息和相關(guān)的特征因素進行預(yù)測[10]。其表達式如式(4)所示：

式中：電網(wǎng)數(shù)據(jù)真實節(jié)點的防御等級為wn；被攻擊的概率為u，并且滿足w+u≥1的條件；n表示安全指數(shù)。當(dāng)電網(wǎng)數(shù)據(jù)的擴展能力滿足分布需求時，電網(wǎng)數(shù)據(jù)真實節(jié)點的期望值可表 達為：

式中：β表示電網(wǎng)數(shù)據(jù)的發(fā)展模塊，則電網(wǎng)數(shù)據(jù)真實節(jié)點安全性的表達式為：

式中：p表示電網(wǎng)數(shù)據(jù)真實節(jié)點的安全等級；a表示相應(yīng)的數(shù)據(jù)空間。則電網(wǎng)數(shù)據(jù)安全可以通過計p的數(shù)值來獲取，為數(shù)據(jù)池構(gòu)建提供安全等級高的數(shù)據(jù)。

1.3 利用自然語言處理技術(shù)標注數(shù)據(jù)信息

將自然語言處理技術(shù)與藍光儲存技術(shù)應(yīng)用到電網(wǎng)數(shù)據(jù)池構(gòu)建中，根據(jù)相應(yīng)的技術(shù)原理進行電網(wǎng)數(shù)據(jù)處理[13]。自然語言處理技術(shù)在計算機中通常表現(xiàn)為字符串序列，包括語法分析、語義分析和語用分析等要素[14]。用V = {v1,v2,v3,…,vn}表示語句分詞后的單詞序列集合，詞性序列集合用Y = {y1,y2,y3,…,yn}表示，詞性標注的含義就是在所有相關(guān)的語句中，尋找一個對于V來說最優(yōu)的Y，并且y1是v1的詞性。其中，yi∈ Sy,i=1, 2, 3,…,n，Sy表示詞性集合的標注集。在詞性標注過程中，將完成標注的文本當(dāng)成是數(shù)據(jù)樣本集，可觀察層包括詞語序列，隱藏層包括詞性序列，而待標注的詞語通常情況下，在其前后都各有一個或多個非兼類序列標簽，具體如圖2所示。

圖2 待標注的兼類詞序列

根據(jù)圖2可以看出，待標注的兼類詞附近都有若干個標簽，以便對數(shù)據(jù)集進行語義和序列調(diào)整。在最終標注結(jié)果為所有可能標注序列中最優(yōu)結(jié)果的理論基礎(chǔ)上，則：

式中：Ym表示最終的標注結(jié)果集合；P表示被標注的概率。則：

式中：P(V)代表電網(wǎng)數(shù)據(jù)集中的常數(shù)，若式(9)成立，則式(8)變?yōu)椋?/p>

至此，有效將電網(wǎng)數(shù)據(jù)的文本信息標注問題轉(zhuǎn)化為公式識別與計算問題。將電網(wǎng)數(shù)據(jù)的文本文檔信息應(yīng)用自然語言處理技術(shù)進行標注處理，為電網(wǎng)數(shù)據(jù)池構(gòu)建提供語義信息。

1.4 運用藍光存儲技術(shù)布局數(shù)據(jù)存儲密度構(gòu)建數(shù)據(jù)池

藍光儲存技術(shù)包括認證節(jié)點、代理節(jié)點和存儲節(jié)點，認證節(jié)點主要負責(zé)對電網(wǎng)數(shù)據(jù)進行反饋信息認證，并設(shè)定有效時間；代理節(jié)點主要負責(zé)將通過認證的電網(wǎng)數(shù)據(jù)進行請求信息和分發(fā)任務(wù)管理；存儲節(jié)點主要負責(zé)將電網(wǎng)數(shù)據(jù)以賬戶、對象、容器以三層結(jié)構(gòu)進行邏輯架 構(gòu)[15-17]。由于電網(wǎng)數(shù)據(jù)的規(guī)模較大且比較密集，若電網(wǎng)數(shù)據(jù)未經(jīng)過處理就直接放入數(shù)據(jù)池會造成提取步驟繁瑣的問題，運用藍光存儲技術(shù)，計算電網(wǎng)數(shù)據(jù)樣本集的密度分布概率以及帶寬參數(shù)的數(shù)值對電網(wǎng)數(shù)據(jù)密度的影響。函數(shù)表達式如下：

式中：x1,x1,…,xc表示電網(wǎng)數(shù)據(jù)中未知概率g的樣本數(shù)據(jù)集；h(x,xc)代表核函數(shù)。當(dāng)滿足核函數(shù)的對稱性要求時，其積分和等于1[18-19]，則：

式中：δ表示帶寬參數(shù)。帶寬參數(shù)的數(shù)值大小會影響電網(wǎng)數(shù)據(jù)集的密度分布概率，當(dāng)數(shù)值過小時，數(shù)據(jù)集整體偏差降低，估計結(jié)果較不穩(wěn)定；當(dāng)帶寬參數(shù)的數(shù)值過大時，數(shù)據(jù)集的整體偏差變大，導(dǎo)致電網(wǎng)數(shù)據(jù)過于密集，不符合電網(wǎng)數(shù)據(jù)池的構(gòu)建要求，因此需要將式(12)的計算結(jié)果控制在0～1的范圍內(nèi)[20-21]。綜合上述描述與計算，實現(xiàn)基于自然語言技術(shù)與藍光儲存技術(shù)的電網(wǎng)數(shù)據(jù)池構(gòu)建。

2 實驗研究

2.1 搭建實驗環(huán)境及參數(shù)設(shè)置

實驗選取兩種傳統(tǒng)電網(wǎng)數(shù)據(jù)池構(gòu)建方法(文獻[2]方法和文獻[3]方法)與此次設(shè)計的構(gòu)建方法進行實驗對比，得出實驗結(jié)果。根據(jù)實驗需求搭建實驗環(huán)境以及設(shè)置相關(guān)參數(shù)，操作系統(tǒng)使用Windows8.1，SybaseIQ16.0，并且使用C#語言作為電網(wǎng)數(shù)據(jù)集語義分析的工具，同時，其他相關(guān)配置見表1所列。

表1 實驗設(shè)備配置

根據(jù)上述實驗環(huán)境，進行實驗參數(shù)設(shè)置。由于單個模塊的容量直接影響著數(shù)據(jù)池的響應(yīng)速度，因此分別對電網(wǎng)數(shù)據(jù)池的擴展模塊、移植模塊、伸縮模塊、以及共享模塊的容量進行設(shè)置。隨著電網(wǎng)業(yè)務(wù)的不斷更新與發(fā)展，對應(yīng)的電網(wǎng)數(shù)據(jù)池的擴展模塊參數(shù)也需要不斷更新，在出現(xiàn)新的業(yè)務(wù)需求時，可設(shè)定標準區(qū)域與非標準區(qū)域，二者之間的區(qū)別在于標準區(qū)域內(nèi)的參數(shù)是固定的不能修改。非標準區(qū)可修改部分參數(shù)具體見表2所列。

表2 擴展模塊容量參數(shù)設(shè)置

電網(wǎng)數(shù)據(jù)池的移植模塊主要負責(zé)數(shù)據(jù)池數(shù)據(jù)的底層數(shù)據(jù)交換，在數(shù)據(jù)平臺與格式發(fā)生變化時，無需再進行整體數(shù)據(jù)池重構(gòu)，具體參數(shù)設(shè)置見表3所列。

表3 移植模塊容量參數(shù)設(shè)置

一旦出現(xiàn)了新的電力業(yè)務(wù)，電網(wǎng)數(shù)據(jù)池需要具備相應(yīng)的伸縮能力，實現(xiàn)數(shù)據(jù)的新建、刪除和提取等操作。即便是用戶操作失誤的情況下也能確保用戶歷史數(shù)據(jù)完整無損，具體參數(shù)設(shè)置見表4所列。

表4 伸縮模塊容量參數(shù)設(shè)置

在保證電網(wǎng)數(shù)據(jù)標準化的基礎(chǔ)上，根據(jù)相應(yīng)需求提取數(shù)據(jù)池的數(shù)據(jù)，具體參數(shù)設(shè)置見 表5所列。

表5 共享模塊容量參數(shù)設(shè)置

2.2 電網(wǎng)數(shù)據(jù)池響應(yīng)時長測試

分別對比基于可視化技術(shù)的數(shù)據(jù)構(gòu)建模型(以下簡稱“當(dāng)前構(gòu)建方法1”)和基于區(qū)塊連接技術(shù)的數(shù)據(jù)管理模型(以下簡稱“當(dāng)前構(gòu)建方法2”)的電網(wǎng)數(shù)據(jù)池與此次基于自然語言處理技術(shù)與藍光儲存技術(shù)構(gòu)建的電網(wǎng)數(shù)據(jù)池，在不同的用戶并發(fā)數(shù)下的響應(yīng)時長，測試結(jié)果如 圖3所示。

圖3 響應(yīng)時長測試結(jié)果

根據(jù)圖3可以得出基于可視化技術(shù)的數(shù)據(jù)構(gòu)建模型、基于區(qū)塊連接技術(shù)的數(shù)據(jù)管理模型以及此次構(gòu)建的電網(wǎng)數(shù)據(jù)池在不同的用戶并發(fā)數(shù)條件下的響應(yīng)時長，并求出三種構(gòu)建方法下電網(wǎng)數(shù)據(jù)池響應(yīng)時長的平均值，具體見表6所列。

表6 響應(yīng)時長均值ms

此次構(gòu)建的電網(wǎng)數(shù)據(jù)池響應(yīng)時長在5000～20000用戶并發(fā)數(shù)的測試條件下，其響應(yīng)時長的平均值分別比當(dāng)前兩種構(gòu)建方法下的電網(wǎng)數(shù)據(jù)池少2.82 ms和3.58 ms，證明此次融合了自然語言處理技術(shù)與藍光儲存技術(shù)的電網(wǎng)數(shù)據(jù)池響應(yīng)時長更短，說明該方法構(gòu)建數(shù)據(jù)池的速度更快，性能更佳。

3 結(jié)語

為改善現(xiàn)有的區(qū)塊連接下的數(shù)據(jù)管理方法響應(yīng)速度較慢問題，提出基于自然語言處理技術(shù)和藍光存儲技術(shù)的電網(wǎng)數(shù)據(jù)池構(gòu)建方法。預(yù)測電力負荷，計算數(shù)據(jù)節(jié)點的安全等級，利用自然語言處理技術(shù)標注電網(wǎng)數(shù)據(jù)信息，實現(xiàn)電網(wǎng)數(shù)據(jù)池構(gòu)建。

經(jīng)過實驗測試可知，在5000～20000用戶并發(fā)數(shù)的測試條件下，研究構(gòu)建的電網(wǎng)數(shù)據(jù)池響應(yīng)時長的平均值分別比兩種傳統(tǒng)方法縮短了2.82 ms 和3.58 ms，驗證了本文數(shù)據(jù)池速度更快，性能更佳。

但由于研究時間的限制，本次研究還存在缺乏統(tǒng)一數(shù)據(jù)管理平臺的缺陷。為了進一步提升配電網(wǎng)發(fā)展業(yè)務(wù)信息化水平，在日后將針對此問題不斷深入研究。