多源數(shù)據(jù)分析的電力信息物理系統(tǒng)安全態(tài)勢預(yù)測研究

彭翠紅

(咸陽師范學(xué)院，陜西 咸陽 712000)

在經(jīng)濟建設(shè)中，電力一直是一種最基礎(chǔ)、最必要的能源，人類生活與工業(yè)生產(chǎn)中提供的所有服務(wù)都離不開電力，它支撐著社會的穩(wěn)定與國家經(jīng)濟的發(fā)展。構(gòu)建智能電網(wǎng)能夠加速開發(fā)清潔能源，優(yōu)化調(diào)整能源消費結(jié)構(gòu)。當(dāng)前世界各國都在建設(shè)、發(fā)展智能電網(wǎng)，我國也已經(jīng)啟動了構(gòu)建智能電網(wǎng)的項目。隨著智能電網(wǎng)建設(shè)中信息化、自動化等方面的推進，電網(wǎng)的服務(wù)和運行模式都將發(fā)生很多重大改變。其中隨著大量控制、計算、通信、傳感設(shè)備的接入，電力系統(tǒng)逐漸發(fā)展為電力信息物理系統(tǒng)。要構(gòu)建智能電網(wǎng)，最基礎(chǔ)的就是做好電力信息物理系統(tǒng)的安全工作。其中電力信息物理系統(tǒng)的安全態(tài)勢預(yù)測問題就是一個重點研究項目。通過對電力信息物理系統(tǒng)的安全態(tài)勢預(yù)測問題進行研究，能夠提升電力信息物理系統(tǒng)對電力網(wǎng)絡(luò)的監(jiān)控能力。各國都將電力安全態(tài)勢預(yù)測問題作為電力領(lǐng)域中的重點研究問題，進行了大量研究。其中于群、李浩、屈玉清在電網(wǎng)安全態(tài)勢感知問題的研究中，通過深度學(xué)習(xí)模型實現(xiàn)了電網(wǎng)安全態(tài)勢預(yù)測[1]。

本文在此電力信息物理系統(tǒng)的控制中心上，設(shè)計了一種基于多源數(shù)據(jù)分析的電力信息物理系統(tǒng)安全態(tài)勢預(yù)測方法，對系統(tǒng)采集的設(shè)備參數(shù)進行分析，以此預(yù)測系統(tǒng)的運行安全態(tài)勢，為電力系統(tǒng)的穩(wěn)定運行提供幫助。

1 系統(tǒng)及安全態(tài)勢預(yù)測原理

1.1 電力信息物理系統(tǒng)

電力信息物理系統(tǒng)是通過通信技術(shù)、計算機控制技術(shù)等有機融合而成的，能夠通過數(shù)據(jù)共享、數(shù)據(jù)分析、設(shè)備控制等，實現(xiàn)電網(wǎng)的快速感知、智能控制、實時調(diào)度等功能。系統(tǒng)主要由通信網(wǎng)絡(luò)、分布式計算設(shè)備、控制中心、電源和電荷、輸配電網(wǎng)絡(luò)等構(gòu)成。電力信息物理系統(tǒng)的組成如圖1所示。

圖1 電力信息物理系統(tǒng)Fig.1 Power information physical system

在通信網(wǎng)絡(luò)中，主要由專用網(wǎng)絡(luò)、有線網(wǎng)絡(luò)和無線網(wǎng)絡(luò)三類組成，在非關(guān)鍵設(shè)備的連接中應(yīng)用普通有線網(wǎng)絡(luò)，在關(guān)鍵設(shè)備中應(yīng)用專用的有線網(wǎng)絡(luò)，降低傳輸時延，無線設(shè)備如傳感器等應(yīng)用無線網(wǎng)絡(luò)。為提高系統(tǒng)的算力，應(yīng)用基于云計算等技術(shù)的分布式計算設(shè)備，實現(xiàn)強大的存儲和計算功能。控制中心是系統(tǒng)的核心，其可實現(xiàn)信息采集、修正系統(tǒng)模型、仿真計算分析、發(fā)布控制指令等。

1.2 安全態(tài)勢預(yù)測原理

電力信息物理系統(tǒng)依賴于電力網(wǎng)絡(luò)能量信息及網(wǎng)絡(luò)信息的交互體系。在物理層的網(wǎng)絡(luò)中接入了各類用電設(shè)備，如電鍋爐、電轉(zhuǎn)氣等，在信息層網(wǎng)絡(luò)中通過采集各設(shè)備的關(guān)鍵參數(shù)、處理并分析相關(guān)數(shù)據(jù)，發(fā)出對物理層設(shè)備的控制指令，以此實現(xiàn)對電力信息物理設(shè)備的調(diào)度。在電力信息物理系統(tǒng)運行時，根據(jù)采集的設(shè)備參數(shù)，分析系統(tǒng)的運行狀態(tài)，當(dāng)部分參數(shù)不能滿足安全運行的條件時，即由正常狀態(tài)運行轉(zhuǎn)換為緊急狀態(tài)運行，此時，系統(tǒng)發(fā)出指令，切除發(fā)生故障的能源設(shè)備，或調(diào)整多個能源設(shè)備的協(xié)調(diào)供電，維持電力系統(tǒng)的穩(wěn)定。

對電力信息物理系統(tǒng)態(tài)勢安全進行預(yù)測，就是通過采集電力系統(tǒng)中多設(shè)備的運行狀態(tài)參數(shù)，如電網(wǎng)電壓、電網(wǎng)頻率、信息網(wǎng)數(shù)據(jù)延時等，對參數(shù)進行分析，判定系統(tǒng)的運行狀態(tài)，當(dāng)參數(shù)出現(xiàn)異常時，可預(yù)測到系統(tǒng)出現(xiàn)安全威脅。電力信息物理系統(tǒng)安全運行主要受到電網(wǎng)、多類型負荷及關(guān)鍵設(shè)備運行狀態(tài)的影響，例如，連接的熱力系統(tǒng)或燃氣系統(tǒng)等，出現(xiàn)能源供應(yīng)設(shè)備故障、供需不平衡或信息傳輸設(shè)備故障時，整個電力信息物理系統(tǒng)的運行狀態(tài)e會發(fā)生相應(yīng)的變化，如果協(xié)調(diào)恢復(fù)能力不足，可能面對系統(tǒng)進入緊急狀態(tài)甚至失控。

2 安全態(tài)勢預(yù)測方法

2.1 安全態(tài)勢數(shù)據(jù)挖掘

根據(jù)深度學(xué)習(xí)、最大均值差異算法和遷移學(xué)習(xí)，構(gòu)建電力信息物理系統(tǒng)安全態(tài)勢數(shù)據(jù)挖掘網(wǎng)絡(luò)，實施安全態(tài)勢數(shù)據(jù)的挖掘[2]。在電力信息物理系統(tǒng)安全態(tài)勢數(shù)據(jù)挖掘網(wǎng)絡(luò)的構(gòu)建中，首先構(gòu)建安全態(tài)勢數(shù)據(jù)的深度神經(jīng)網(wǎng)絡(luò)挖掘模型，并通過安全態(tài)勢源域數(shù)據(jù)對模型進行訓(xùn)練，將訓(xùn)練結(jié)果作為安全態(tài)勢源域分類[3]。通過最大均值差異算法分析安全態(tài)勢數(shù)據(jù)目標(biāo)領(lǐng)域和源領(lǐng)域之間的數(shù)據(jù)分布差異，獲取對應(yīng)的數(shù)據(jù)分布距離。接著通過最大均值差異算法調(diào)整深度神經(jīng)網(wǎng)絡(luò)挖掘模型的原始網(wǎng)絡(luò)結(jié)構(gòu)，獲取新的目標(biāo)領(lǐng)域網(wǎng)絡(luò)，并選擇性遷移原始網(wǎng)絡(luò)結(jié)構(gòu)訓(xùn)練所獲得的參數(shù)[4]。當(dāng)數(shù)據(jù)分布距離低于所設(shè)置的閾值a，表明安全態(tài)勢數(shù)據(jù)目標(biāo)領(lǐng)域和源領(lǐng)域之間的數(shù)據(jù)分布較為相近，此時不需要調(diào)整網(wǎng)絡(luò)，可以直接利用該目標(biāo)領(lǐng)域網(wǎng)絡(luò)。當(dāng)數(shù)據(jù)分布距離高于所設(shè)置的閾值a，但低于設(shè)置的另一個閾值b，在目標(biāo)領(lǐng)域網(wǎng)絡(luò)中加入新的隱藏層，或?qū)εf的隱藏層進行替換，使目標(biāo)領(lǐng)域模型能夠?qū)π轮R進行學(xué)習(xí)。當(dāng)數(shù)據(jù)分布距離高于所設(shè)置的閾值b，表明安全態(tài)勢數(shù)據(jù)目標(biāo)領(lǐng)域與源領(lǐng)域之間的數(shù)據(jù)分布差異太大，這種情況下會出現(xiàn)負遷移現(xiàn)象，表明需要對目標(biāo)領(lǐng)域網(wǎng)絡(luò)進行更換[5]。其中兩個閾值的設(shè)定需要根據(jù)實際挖掘經(jīng)驗來決定。在電力信息物理系統(tǒng)安全態(tài)勢數(shù)據(jù)挖掘網(wǎng)絡(luò)的構(gòu)建中，知識遷移的過程具體如圖2所示[6]。

圖2 知識遷移的過程Fig.2 Process of knowledge transfer

通過最大均值差異算法分析安全態(tài)勢數(shù)據(jù)目標(biāo)領(lǐng)域和源領(lǐng)域之間的數(shù)據(jù)分布差異時，使用的公式具體如下：

MMD(X，Y，Z)=

(1)

式中，MMD(X，Y，Z)為這一再生核希爾伯特空間中安全態(tài)勢數(shù)據(jù)目標(biāo)領(lǐng)域Y和源領(lǐng)域Z的距離即數(shù)據(jù)分布差異；m為安全態(tài)勢數(shù)據(jù)目標(biāo)領(lǐng)域數(shù)據(jù)集大??；n為安全態(tài)勢數(shù)據(jù)源領(lǐng)域數(shù)據(jù)集大??；k(xi，yi)為xi這一目標(biāo)領(lǐng)域數(shù)據(jù)與yi這一源領(lǐng)域數(shù)據(jù)的內(nèi)積，也就是二者的徑向基核函數(shù)；k(xj，yj)為這一目標(biāo)領(lǐng)域數(shù)據(jù)與這一源領(lǐng)域數(shù)據(jù)的內(nèi)積；k(xi，yj)為這一目標(biāo)領(lǐng)域數(shù)據(jù)與這一源領(lǐng)域數(shù)據(jù)的內(nèi)積[7]。

就此實現(xiàn)安全態(tài)勢數(shù)據(jù)目標(biāo)領(lǐng)域和源領(lǐng)域之間數(shù)據(jù)分布差異的計算。

2.2 數(shù)據(jù)預(yù)處理

挖掘的電力信息物理系統(tǒng)安全態(tài)勢數(shù)據(jù)是一種多源數(shù)據(jù)，因此基于多源數(shù)據(jù)分析技術(shù)中的多源數(shù)據(jù)預(yù)處理技術(shù)實施安全態(tài)勢數(shù)據(jù)的預(yù)處理，以實現(xiàn)安全態(tài)勢數(shù)據(jù)的多源數(shù)據(jù)變換、異構(gòu)數(shù)據(jù)集成[8]。其中多源數(shù)據(jù)變換的處理方式包括多源數(shù)據(jù)平滑、多源數(shù)據(jù)縮放、多源數(shù)據(jù)泛化[9]。多源數(shù)據(jù)平滑能夠清除安全態(tài)勢多源數(shù)據(jù)中無關(guān)緊要的數(shù)據(jù)和噪聲數(shù)據(jù)，使用的處理方法為Vondrak多源數(shù)據(jù)平滑方法，具體公式如下：

(2)

式中，yi為第i個安全態(tài)勢源數(shù)據(jù)；yi為第i個安全態(tài)勢源數(shù)據(jù)平滑值；aij為第i個安全態(tài)勢源數(shù)據(jù)和第j個安全態(tài)勢源數(shù)據(jù)的平滑度；bij為第i個安全態(tài)勢源數(shù)據(jù)和第j個安全態(tài)勢源數(shù)據(jù)的逼近度；n為正整數(shù)[10]。

分別對各數(shù)據(jù)進行平滑處理，剔除處理后與大部分數(shù)據(jù)偏差較大的數(shù)據(jù)，即可完成多源數(shù)據(jù)平滑處理。多源數(shù)據(jù)縮放主要是對范圍較大的同一屬性值進行處理，使其落到一個特定的、較小的區(qū)間，具體公式如下：

(3)

式中，Xscaled為數(shù)據(jù)縮放結(jié)果；Xsta為數(shù)據(jù)指定縮放范圍；Xmax為安全態(tài)勢某屬性數(shù)據(jù)的最大值；Xmin為安全態(tài)勢某屬性數(shù)據(jù)的最小值。

多源數(shù)據(jù)泛化能夠?qū)δ硨傩詳?shù)據(jù)原始概念層中的細節(jié)信息進行抽象，將其提升到較高的概念層。具體數(shù)據(jù)泛化過程如下：①輸入安全態(tài)勢某屬性數(shù)據(jù)的數(shù)據(jù)表；②設(shè)置泛化參數(shù)ω；③對數(shù)據(jù)表的隱私保護閾值T進行計算；④枚舉數(shù)據(jù)表中的全部策略，在策略的枚舉中將策略值大于閾值T的策略直接過濾，生成剩余策略的策略空間；⑤對于生成的策略空間，通過ω-近似Skyline實施過濾，獲取候選策略空間；⑥實施候選策略空間的Skyline，獲取推薦策略集；⑦輸出推薦策略集及其對應(yīng)的泛化。

異構(gòu)數(shù)據(jù)集成主要是對安全態(tài)勢數(shù)據(jù)的文本數(shù)據(jù)、XML數(shù)據(jù)、CSV數(shù)據(jù)、Hbase數(shù)據(jù)等實施數(shù)據(jù)集成處理，使用的工具為bigdata。

2.3 安全態(tài)勢預(yù)測

通過bagging和支持向量機集成構(gòu)建一種電力信息物理系統(tǒng)安全態(tài)勢預(yù)測模型，通過2個步驟實現(xiàn)安全態(tài)勢預(yù)測，訓(xùn)練樣本集構(gòu)造和通過模型實施預(yù)測。使用滑動窗口對訓(xùn)練樣本集進行構(gòu)造，使離散的多源安全態(tài)勢數(shù)據(jù)集變得線性相關(guān)。訓(xùn)練樣本集構(gòu)造的具體過程如圖3所示。

圖3 訓(xùn)練樣本集構(gòu)造的具體過程Fig.3 Specific process of training sample set construction

將圖中每次訓(xùn)練預(yù)測的結(jié)果作為一個訓(xùn)練樣本集，從而獲得多個訓(xùn)練樣本集。通過bagging和支持向量機集成構(gòu)建電力信息物理系統(tǒng)安全態(tài)勢預(yù)測模型，該模型由10個并列的v-SVMv-SVM子模型構(gòu)成。利用該模型進行安全態(tài)勢預(yù)測，具體步驟如下。

(1)將bagging算法的迭代最大次數(shù)設(shè)為10。

(2)將v-SVM選定為弱學(xué)習(xí)算法。

(3)通過bagging算法構(gòu)建v-SVM預(yù)測子模型。

(4)對v-SVM預(yù)測子模型序列集合參數(shù)實施初始化處理，用下式表示預(yù)測子模型序列集合為A=(A1，A2，A3，…，A10)，A10是第10個預(yù)測子模型的序列。初始化的集合參數(shù)包括子模型的核函數(shù)參數(shù)與序列參數(shù)。

(5)在訓(xùn)練樣本集中有放回的、重復(fù)、隨機抽取一半訓(xùn)練樣本，將抽取樣本作為10個預(yù)測子模型的對應(yīng)預(yù)測樣本實施訓(xùn)練。

(6)通過訓(xùn)練獲取10個預(yù)測子模型的新序列集合為：B=(B1，B2，B3，…，B10)，B10是第10個預(yù)測子模型的新序列。

(8)整合10個安全態(tài)勢預(yù)測值，整合后的結(jié)果即為集成預(yù)測模型的安全態(tài)勢預(yù)測結(jié)果。整合方式為取10個結(jié)果的平均值作為最終安全態(tài)勢預(yù)測結(jié)果，公式具體如下：

(4)

式中，X′為10個結(jié)果的平均值。

通過以上步驟實現(xiàn)電力信息物理系統(tǒng)安全態(tài)勢預(yù)測。

3 應(yīng)用效果分析

3.1 數(shù)據(jù)來源

某電力公司的電力信息物理系統(tǒng)安全態(tài)勢數(shù)據(jù)作為數(shù)據(jù)集，采集該電力公司連續(xù)9周的電力信息物理系統(tǒng)網(wǎng)絡(luò)連接數(shù)據(jù)，數(shù)據(jù)條數(shù)為52 638條數(shù)據(jù)。數(shù)據(jù)中具體包括4種類型的網(wǎng)絡(luò)攻擊，分別為非法進入攻擊、特權(quán)非法獲取攻擊、漏洞掃描檢測攻擊、拒絕服務(wù)攻擊。各種攻擊類型的具體攻擊方式見表1。挖掘的每條數(shù)據(jù)中共包括35個特征屬性，在每條數(shù)據(jù)中加入一個類型標(biāo)記屬性，使每條數(shù)據(jù)擁有36個特征屬性。對挖掘的實驗數(shù)據(jù)集實施預(yù)處理，將其作為測試本文方法性能的實驗數(shù)據(jù)。

表1 各種攻擊類型的具體攻擊方式Tab.1 Specific attack modes of various attack types

分別對本文方法的3種指標(biāo)進行測試，3種指標(biāo)具體如下：均方根誤差、均方誤差、平均絕對誤差，3種指標(biāo)的值越小，表示本文方法的電力信息物理系統(tǒng)安全態(tài)勢預(yù)測結(jié)果越準(zhǔn)確。

3.2 安全態(tài)勢預(yù)測結(jié)果分析

應(yīng)用本文方法對該電力公司電力信息物理系統(tǒng)未來1周、未來1個月、未來3個月進行安全態(tài)勢預(yù)測，預(yù)測結(jié)果的均方根誤差數(shù)據(jù)、均方誤差數(shù)據(jù)以及平均絕對誤差數(shù)據(jù)具體見表2—表4。

表2 均方根誤差數(shù)據(jù)Tab.2 Root mean square error data

表3 均方誤差數(shù)據(jù)Tab.3 Mean square error data

表4 平均絕對誤差數(shù)據(jù)Tab.4 Average absolute error data

測試結(jié)果表明，利用本文方法進行安全態(tài)勢預(yù)測后，未來1周安全態(tài)勢預(yù)測值的均方根誤差、均方誤差、平均絕對誤差數(shù)據(jù)最??；未來1個月安全態(tài)勢預(yù)測值的3種測試數(shù)據(jù)居中；未來3個月安全態(tài)勢預(yù)測值的3種測試數(shù)據(jù)最大。但3種數(shù)據(jù)整體差異較小，且整體安全態(tài)勢預(yù)測值的均方根誤差、均方誤差、平均絕對誤差均較小，表明本文方法的安全態(tài)勢預(yù)測結(jié)果較為精準(zhǔn)。

3.3 應(yīng)用效果分析

為驗證本文方法應(yīng)用后的性能，以電力信息物理系統(tǒng)發(fā)生安全威脅后的響應(yīng)時間為指標(biāo)，將應(yīng)用本文方法前與應(yīng)用本文方法后的系統(tǒng)作為實驗對象進行測試，重復(fù)進行5組，每組10次，得到結(jié)果見表5。

表5 應(yīng)用前后的系統(tǒng)響應(yīng)時間Tab.5 System response time before and after application ms

由表5可知，應(yīng)用本文方法前，系統(tǒng)的響應(yīng)時間平均為1 399.2 ms，而應(yīng)用本文方法后，系統(tǒng)的響應(yīng)時間平均為516.2 ms，這表明本文方法能夠快速運算確定系統(tǒng)的安全態(tài)勢，并及時地發(fā)出控制指令，能夠提升系統(tǒng)控制的實時性。

4 結(jié)語

當(dāng)今的電力信息物理系統(tǒng)安全問題頻發(fā)，其安全態(tài)勢預(yù)測問題引發(fā)了全球的關(guān)注，掀起了一股熱潮。在該問題的研究中，應(yīng)用了多源數(shù)據(jù)分析技術(shù)對電力信息物理系統(tǒng)安全態(tài)勢多源數(shù)據(jù)進行了預(yù)處理，并設(shè)計了一種集成化的安全態(tài)勢預(yù)測模型，實現(xiàn)了較為精準(zhǔn)的電力信息物理系統(tǒng)安全態(tài)勢預(yù)測。研究結(jié)果對智能電網(wǎng)的構(gòu)建有一定意義。