基于小波分析的電力信息通信過(guò)程不良數(shù)據(jù)辨識(shí)研究

王 渭,馬夢(mèng)軒,王圣杰,溫興賢,陳 崢

(國(guó)網(wǎng)寧夏電力有限公司信息通信公司，寧夏 銀川750001)

1 引言

在現(xiàn)代電力信息通訊系統(tǒng)中，歷史負(fù)荷數(shù)據(jù)的質(zhì)量變得越來(lái)越重要[1]。我國(guó)的電力信息通信過(guò)程是指電力信息通訊系統(tǒng)將來(lái)源于SCADA(Supervisory Control And Data Acquisition，監(jiān)控和數(shù)據(jù)采集系統(tǒng))數(shù)據(jù)庫(kù)的歷史負(fù)荷數(shù)據(jù)以微波或電力線(xiàn)載波的形式進(jìn)行數(shù)據(jù)傳輸。在數(shù)據(jù)的傳輸過(guò)程中不可避免會(huì)受到不同程度的隨機(jī)干擾，在各種影響因素的共同作用下可能造成SCADA數(shù)據(jù)庫(kù)的污染，導(dǎo)致傳輸數(shù)據(jù)的失真，使某些高級(jí)軟件無(wú)法識(shí)別和使用[2]。具體地說(shuō)，電力信息通信過(guò)程不良數(shù)據(jù)包括遠(yuǎn)程終端單元(Remote Terminal Unit，RTU)數(shù)據(jù)傳輸錯(cuò)誤、RTU數(shù)據(jù)丟失兩種。傳統(tǒng)的不良數(shù)據(jù)辨識(shí)方法，如基于多視角低秩分析的電力不良數(shù)據(jù)辨識(shí)方法[3]、基于長(zhǎng)短期記憶網(wǎng)絡(luò)的不良數(shù)據(jù)辨識(shí)檢測(cè)方法[4]，由于準(zhǔn)確度較低、辨識(shí)速度較慢，難以滿(mǎn)足電力信息通信的需求。

小波變換是時(shí)頻分析的一種工具，通過(guò)物理的直觀和信號(hào)處理的實(shí)際經(jīng)驗(yàn)建立反演公式。為此，針對(duì)傳統(tǒng)方法存在的不足，本文基于小波分析研究了一種新的電力信息通信過(guò)程不良數(shù)據(jù)辨識(shí)方法。通過(guò)對(duì)電力信息通信局部奇異性檢測(cè)，從而檢測(cè)出不良數(shù)據(jù)并進(jìn)行數(shù)據(jù)去噪處理。最后設(shè)計(jì)對(duì)比實(shí)驗(yàn)，將本文研究的不良數(shù)據(jù)辨識(shí)方法與兩種傳統(tǒng)形式的方法進(jìn)行對(duì)比，進(jìn)一步證明本文研究的方法具有較高的辨識(shí)效率和準(zhǔn)確性，并促進(jìn)電力信息通訊技術(shù)的進(jìn)一步發(fā)展和完善。

2 基于小波變換的電力信息通信局部奇異性檢測(cè)

負(fù)荷曲線(xiàn)是分析和預(yù)測(cè)電力信息通訊系統(tǒng)現(xiàn)狀和未來(lái)狀況的依據(jù)和基礎(chǔ)，實(shí)際上，電力信息通信所傳輸?shù)臍v史負(fù)荷數(shù)據(jù)可以看作是構(gòu)成負(fù)荷曲線(xiàn)的點(diǎn)，而電力信息通訊不良數(shù)據(jù)可以看成是負(fù)荷曲線(xiàn)中的不規(guī)則點(diǎn)即奇異點(diǎn)。通常情況下，不良數(shù)據(jù)的奇異性有兩種表現(xiàn)形式：一種是在某一時(shí)刻，歷史負(fù)荷數(shù)據(jù)的傳輸信號(hào)的幅值發(fā)生突變，造成整體信號(hào)的不連續(xù)，而幅值突變點(diǎn)為傳輸信號(hào)的斷點(diǎn)，成為第一種情況的間斷點(diǎn)；另一種情況是，整體信號(hào)連續(xù)無(wú)突變幅值，但信號(hào)的一階微分出現(xiàn)間斷點(diǎn)呈現(xiàn)出不連續(xù)狀態(tài)，該斷點(diǎn)成為第二種情況的間斷點(diǎn)。若采集的歷史負(fù)荷數(shù)據(jù)傳輸信號(hào)具有這兩種間斷點(diǎn)，則稱(chēng)該信號(hào)在間斷點(diǎn)處具有奇異性[5]。

設(shè)定具有有緊支集的二次樣條小波，通過(guò)樣條平滑函數(shù)一階導(dǎo)數(shù)。小波變化的變化結(jié)果在細(xì)微尺度上展現(xiàn)了原函數(shù)的局部性質(zhì)，因此適用于對(duì)數(shù)據(jù)的局部特異性檢測(cè)，在小波變換中，局部特異性可以定義為：

定義1 設(shè)f(x)L2(R)(平方可積空間)，若f(x)對(duì)于任意x屬于δx0，小波G(x)是滿(mǎn)足連續(xù)且可微分的集小波函數(shù)，并具有n階數(shù)據(jù)消失矩陣，采用李普西茲指數(shù)計(jì)算奇異點(diǎn)指數(shù)，其具體計(jì)算方法如下公式(1)所示：

其中，s=2j，若在某一點(diǎn)x處滿(mǎn)足上式，則a 成為點(diǎn)x的奇異點(diǎn)指數(shù)[6]。

奇異性檢測(cè)流程如圖1所示。

根據(jù)圖1可知，信號(hào)的奇異點(diǎn)檢測(cè)可以看做為小波變化值的檢測(cè)，基于小波變換的電力信息通信局部奇異性檢測(cè)步驟如下：

(1) 采用離散二進(jìn)小波的迭代公式對(duì)檢測(cè)信號(hào)作多尺度下的離散二進(jìn)小波變換，且最大選取尺度小于j=4；

(2) 獲取尺度為1時(shí)信號(hào)的閾值，保留在該尺度上絕對(duì)值大于閾值的小波變換系數(shù)，將絕對(duì)值小于閾值的小波變換系數(shù)賦值為0，從而獲取奇異點(diǎn)的模的極大值點(diǎn)；

(3) 在每級(jí)尺度上，重復(fù)步驟(3)的計(jì)算方式，計(jì)算每級(jí)尺度上對(duì)應(yīng)的奇異點(diǎn)的模的極大值點(diǎn)；

(4) 從第一個(gè)尺度開(kāi)始，對(duì)該尺度上的奇異點(diǎn)的模的極大值點(diǎn)，采用即興算法探尋該點(diǎn)的極大值線(xiàn)，尋找該奇異點(diǎn)的模的極大值點(diǎn)對(duì)應(yīng)的傳播點(diǎn)，并將不在極大值線(xiàn)的小波變換系數(shù)去掉，計(jì)算各點(diǎn)的位置，生成極大值線(xiàn)的函數(shù)表達(dá)式，利用公式(1)計(jì)算第2尺度上的奇異點(diǎn)指數(shù)；

(5) 去掉第一個(gè)尺度上所有小波變換系數(shù)大小，根據(jù)步驟(4)重新計(jì)算出第一個(gè)尺度的奇異點(diǎn)的模的極大值點(diǎn)，保持其位置的不變。

3 基于小波分析的電力信息通信過(guò)程不良數(shù)據(jù)辨識(shí)

3.1 通信過(guò)程不良數(shù)據(jù)檢測(cè)

不良數(shù)據(jù)的檢測(cè)是區(qū)分正常數(shù)據(jù)和不良數(shù)據(jù)的關(guān)鍵性技術(shù)，其檢測(cè)的原理是通過(guò)神經(jīng)網(wǎng)絡(luò)算法將檢測(cè)的數(shù)據(jù)與參考數(shù)據(jù)的數(shù)學(xué)期望進(jìn)行比較，若在某一點(diǎn)，檢測(cè)數(shù)據(jù)的期望曲線(xiàn)較參考期望曲線(xiàn)相比下降幅度較大，即同一位置二者之間的期望差較大，則該數(shù)據(jù)則可被認(rèn)為不良數(shù)據(jù)[7]。

對(duì)于某組含有正常數(shù)據(jù)和不良數(shù)據(jù)的待檢測(cè)數(shù)據(jù)集，可以將其看作是一個(gè)n×p的矩陣，其中包括擾動(dòng)序列和非擾動(dòng)序列。通過(guò)奇異值檢測(cè)初步對(duì)局部數(shù)據(jù)進(jìn)行分解。首先進(jìn)行矩陣變換，在觀察值的范圍內(nèi)以均勻分布的方式產(chǎn)生參考數(shù)據(jù)，最后通過(guò)矩陣變化得到參考數(shù)據(jù)集Z。

通信的電力數(shù)據(jù)序列如圖2所示。

生成參考數(shù)據(jù)集后，采用神經(jīng)網(wǎng)絡(luò)算法，在輸入模塊中輸入待檢測(cè)數(shù)據(jù)與參考數(shù)據(jù)之間的期望差值ek，經(jīng)過(guò)神經(jīng)網(wǎng)絡(luò)計(jì)算后生成輸出結(jié)果Ok，同時(shí)計(jì)算各點(diǎn)期望差值與數(shù)據(jù)結(jié)果間的平方值(ek-Ok)2，將這組數(shù)據(jù)生成數(shù)據(jù)集作為聚類(lèi)分析模塊的待檢測(cè)數(shù)據(jù)輸入，并在聚類(lèi)模塊中采用GSA 算法判定，確定每個(gè)數(shù)據(jù)的最佳聚類(lèi)值h。當(dāng)聚類(lèi)值為1 使，則可認(rèn)為待檢測(cè)為正常數(shù)據(jù)，而當(dāng)聚類(lèi)值為0 時(shí)，則表示待檢測(cè)數(shù)據(jù)為不良數(shù)據(jù)。除此之外，還需計(jì)算(ek-Ok)2的平均值，將具有最小(ek-Ok)2平均值的數(shù)據(jù)集視為正常數(shù)據(jù)所在的類(lèi)，而其他數(shù)據(jù)均可視為不良數(shù)據(jù)[8]。通過(guò)上述計(jì)算步驟，可以將正常數(shù)據(jù)歸到一個(gè)類(lèi)中，并與不良數(shù)據(jù)準(zhǔn)確分離，便于后期的數(shù)據(jù)處理。

3.2 基于小波分析的電力信息通信數(shù)據(jù)除噪

噪聲污染是一種難以控制、難以確定的隨機(jī)現(xiàn)象，不良數(shù)據(jù)對(duì)歷史負(fù)荷數(shù)據(jù)的隨機(jī)干擾可視為白噪聲，白噪聲的干擾會(huì)降低對(duì)歷史負(fù)荷預(yù)測(cè)的精度，因此需對(duì)電力通訊信息數(shù)據(jù)進(jìn)行除噪處理。在小波變換的分解過(guò)程中可以根據(jù)信號(hào)頻率刪除噪聲信號(hào)，但易造成其他信號(hào)的丟失，難以保留初始信號(hào)的瞬時(shí)特征，因此本文采用優(yōu)化后的軟閾值和硬閾值去噪方法消除某一設(shè)定值的細(xì)節(jié)部分，最大限度保證初始數(shù)據(jù)的完整。

其中，軟閾值是在信號(hào)小波變換后，將小波變化系數(shù)絕對(duì)值大于或等于閾值的點(diǎn)賦值為0，絕對(duì)值大于閾值的點(diǎn)賦值為該點(diǎn)與閾值之間的差值。硬閾值與軟閾值相同的是將小波變化系數(shù)絕對(duì)值大于或等于閾值的點(diǎn)賦值為0，不同的是硬閾值將絕對(duì)值大于閾值保持不變，一般來(lái)說(shuō)，采用硬閾值處理過(guò)的數(shù)據(jù)信號(hào)相較于軟閾值更加粗糙。

電力通信數(shù)據(jù)去噪過(guò)程如圖3所示。

無(wú)論采用硬閾值還是軟閾值進(jìn)行閾值確定，其步驟大體相似，首先第一步要對(duì)需處理數(shù)據(jù)進(jìn)行噪聲強(qiáng)度的計(jì)算，其計(jì)算公式如公式(2)所示：

去噪后的數(shù)據(jù)如圖4所示。

4 實(shí)驗(yàn)與分析

為驗(yàn)證基于小波分析的電力信息通信過(guò)程不良數(shù)據(jù)辨識(shí)方法的有效性，將基于多視角低秩分析的電力不良數(shù)據(jù)辨識(shí)方法、基于長(zhǎng)短期記憶網(wǎng)絡(luò)的不良數(shù)據(jù)辨識(shí)檢測(cè)方法作為對(duì)照，設(shè)計(jì)如下實(shí)驗(yàn)。

設(shè)定實(shí)驗(yàn)參數(shù)如表1所示。

表1 實(shí)驗(yàn)參數(shù)

針對(duì)電力信息通信過(guò)程不良數(shù)據(jù)辨識(shí)的困難性，需對(duì)實(shí)驗(yàn)環(huán)境進(jìn)行不斷調(diào)整，使其滿(mǎn)足電力信息通訊系統(tǒng)的運(yùn)行需求，并按照實(shí)驗(yàn)參數(shù)確保實(shí)驗(yàn)環(huán)境的統(tǒng)一性。實(shí)驗(yàn)的操作步驟如下：

(1) 準(zhǔn)備一組已知的含有不良數(shù)據(jù)的歷史負(fù)荷數(shù)據(jù)，按照電力信息通信對(duì)歷史負(fù)荷數(shù)據(jù)的傳輸準(zhǔn)則，將所需傳輸?shù)臍v史負(fù)荷數(shù)據(jù)通過(guò)本文的傳輸通道進(jìn)行傳輸，確保系統(tǒng)對(duì)數(shù)據(jù)的辨識(shí)過(guò)程處于本文的監(jiān)視范圍內(nèi)，并確保實(shí)驗(yàn)環(huán)境不受其他因素的干擾，避免出現(xiàn)實(shí)驗(yàn)誤差；

(2) 收集系統(tǒng)的運(yùn)行信息，并將這些信息錄入控制系統(tǒng)，排查系統(tǒng)是否存在運(yùn)行異常。對(duì)運(yùn)行異常的系統(tǒng)及時(shí)調(diào)整運(yùn)行狀態(tài)；

(3) 對(duì)系統(tǒng)的運(yùn)行數(shù)據(jù)進(jìn)行分析，計(jì)算各個(gè)算法對(duì)電力信息通信過(guò)程不良數(shù)據(jù)辨識(shí)的時(shí)間、數(shù)量，對(duì)照準(zhǔn)確標(biāo)準(zhǔn)，從而生成辨識(shí)效率和準(zhǔn)確率對(duì)比結(jié)果。

將上述實(shí)驗(yàn)步驟重復(fù)10 次，為保證實(shí)驗(yàn)更接近真實(shí)環(huán)境，每次選用的歷史負(fù)荷數(shù)據(jù)并不相同。對(duì)比不同方法的噪聲消除準(zhǔn)確率，實(shí)驗(yàn)結(jié)果如圖5所示。

根據(jù)圖5所示結(jié)果可知，本文方法的噪聲消除準(zhǔn)確率更高，證明其消噪能力優(yōu)于傳統(tǒng)方法，使得消噪效果更加明顯。

在此基礎(chǔ)上，對(duì)比通信過(guò)程中不良數(shù)據(jù)的辨識(shí)時(shí)間，結(jié)果如表2所示。

根據(jù)表2所示結(jié)果可知，兩種傳統(tǒng)方法對(duì)不良數(shù)據(jù)的辨識(shí)時(shí)間均高于本文方法，證明本文方法的辨識(shí)效率更高。

表2 通信數(shù)據(jù)辨識(shí)時(shí)間

由此可見(jiàn)，本文研究的基于小波分析的電力信息通信過(guò)程不良數(shù)據(jù)辨識(shí)方法的辨識(shí)效率以及準(zhǔn)確率均優(yōu)于其他傳統(tǒng)辨識(shí)方法。造成這種差異的原因在于：本文方法采用小波變換對(duì)歷史負(fù)荷數(shù)據(jù)的傳輸信號(hào)進(jìn)行分析，能夠?qū)⒔豢椩谝黄鸬挠刹煌l率組成的混合信號(hào)分解成單一的、清晰的不同頻率信號(hào)，通過(guò)對(duì)局部奇異點(diǎn)的檢測(cè)獲取奇異性信息辨識(shí)在電力信息通訊過(guò)程中存在的不良數(shù)據(jù)，具有較高的辨識(shí)準(zhǔn)確性。整體上看，該方法的計(jì)算方式簡(jiǎn)單、步驟間接，節(jié)約了不必要的計(jì)算時(shí)間，且適用于大量數(shù)據(jù)信號(hào)分析計(jì)算，因此辨識(shí)效率較高。而傳統(tǒng)的電力信息通信過(guò)程不良數(shù)據(jù)辨識(shí)方法，結(jié)構(gòu)復(fù)雜，任何一個(gè)計(jì)算環(huán)節(jié)的失誤都會(huì)導(dǎo)致最終計(jì)算結(jié)果的錯(cuò)誤，且過(guò)多的計(jì)算方式，對(duì)于處理大量的數(shù)據(jù)較為困難，計(jì)算速度過(guò)慢，導(dǎo)致整體的辨識(shí)準(zhǔn)確率和效率均不夠理想。

5 結(jié)束語(yǔ)

綜上所述，本文研究的基于小波分析的電力信息通信過(guò)程不良數(shù)據(jù)辨識(shí)方法具有較高的辨識(shí)效率和準(zhǔn)確率。該方法利用小波奇異性檢測(cè)理論對(duì)歷史負(fù)荷數(shù)據(jù)中的不良數(shù)據(jù)進(jìn)行檢測(cè)，采用神經(jīng)網(wǎng)絡(luò)算法區(qū)分正常數(shù)據(jù)和不良數(shù)據(jù)，并利用小波除噪原理對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，可以有效檢測(cè)出不良數(shù)據(jù)的存儲(chǔ)位置，避免由不良數(shù)據(jù)導(dǎo)致的信息紊亂和軟件無(wú)法識(shí)別問(wèn)題，且相較于傳統(tǒng)的辨識(shí)方法更能適應(yīng)未來(lái)電力信息通訊技術(shù)的發(fā)展。