智能診斷技術在能源互聯網中的研究

林士明 趙雪婷 張光亞 侯紅麗 劉少華 姚 嵐 程 曦 吳 周 王紅梅 張東平

智能診斷技術在能源互聯網中的研究

林士明 趙雪婷 張光亞 侯紅麗 劉少華 姚 嵐 程 曦 吳 周 王紅梅 張東平

隨著全球能源結構的變化，智能化正逐漸主導未來的電網發展方向和技術發展方向，能源互聯網的發展將改變電力網固有運營模式。智能電網給電力企業帶來的是技術革新，給用戶帶來的是新的體驗和高效快捷的服務滿意度。研究與設計基于智能診斷技術的高級數據診斷與分析挖掘系統將有助于為未來構建能源互聯網提供技術支撐。本文基于SOA系統研究開發數據分析平臺，并采用k-means聚類均值算法，將聚類算法與樸素貝葉斯網絡基礎融合，實現能源數據流的深度挖掘。

智能診斷技術源于歐美，其最早是采用單信號處理、多信號處理以及濾波技術的簡單應用，這類傳統的診斷技術最初應用與機械及電子類設備的診斷，在航空、汽車等領域均有應用。美國宇航局等國際知名研究機構及公司均有相關技術和產品在應用，國內高校和科研機構在電廠汽輪機的智能診斷上面也成功研制出具有國際水平的智能故障診斷系統。隨著各類智能知識算法技術、大數據云計算、傳感器、神經網絡、模糊控制等技術的發展進步，智能診斷技術越來越在諸多復雜設備故障處理應用中發揮其不可替代的優勢。

智能診斷系統設計

智能診斷系統開發主要在現有各類電力網數據平臺上進行，基于SOA的架構設計，通過服務總線約定與外部系統信息交互規則。基于智能診斷分析的電力分析系統物理架構圖見圖1。

系統在線監測各類終端電能計量數據、電力信息系統統計數據等通過請求ESB服務總線傳遞至其他電力信息系統，在“私有云”平臺將調度過來的數據分析處理后將數據或查詢結果反饋給ESB服務總線或實時在線傳輸給系統。該架構實現業務流程易操作，可隨時新增或刪減新老業務類型，且不影響系統整體運行，實現了電力數據業務流之間的數據任務調配。

基于SOA的架構設計

系統開發基于SOA的架構體系，面向電網及電力客戶服務的設計采用WebService技術和規范來實現SOA架構的應用接口，結構如圖2所示。

圖1　基于智能診斷分析的電力分析系統物理架構圖

圖2　多層分布式體系結構圖

客戶層用于訪問實際業務系統和處理人機交互的客戶端，包括外部網頁客戶端、Flash Player等。表示層由界面控制器組件負責統一調用不同的界面操作組件，采用J2EE技術體系下的MVC應用框架。業務邏輯層用于部署業務邏輯組件。數據持久層由數據映射層和數據源構成，數據映射層完成對數據源的訪問封裝，并使得業務邏輯層的設計和實現更集中于系統本身的功能。數據庫層配置Oracle數據庫。

分布式存儲與計算架構

電力網內各類設備數量巨大，因此，系統在開發數據分析時需考慮數據庫面臨海量數據的承壓能力以及運算處理能力。為適應大規模的存儲應用需要，系統采用分布式數據存儲系統，通過網絡將存儲任務分散到多個節點，再通過應用集群將各節點的存儲能力匯流在一起。系統通過多臺設備的獨立運算，極大減輕了數據庫的頻繁操作，并能實現數據的離線處理與統計分析。

系統采用基于Hadoop的分布式系統基礎架構實現HDFS分布式多文件系統存儲以及MapReduce大數據計算功能，具有高容錯、高吞吐量、擴展性強等特點。利用Hive數據倉庫工具為計量裝置在線監測與智能診斷系統提供數據挖掘提取與查詢，且免開發MapReduce應用即可進行分析處理功能的事項。

系統框架設計實現：

（1） 數據量和計算量的規模縮小；

（2） 就近計算原則，即任務會分配到存放著所需數據的節點上進行計算；

（3） 各任務并行計算，彼此間基本無依賴關系。

基于電力營銷系統的任務調度

通過整合共享現行電網信息數據網，將現行的調度自動化系統、營銷業務系統、配網自動化系統、用電信息采集系統等數據源匯合形成電力“私有云”大數據平臺，智能診斷是基于對各類數據源的資源整合后實現的數據調度與挖掘。系統開發設計中對各類系統的任務調度是系統的核心開發內容，對實現多數據源并行的科學工作流效率尤為關鍵。

任務調度服務的設計目標：實現智能在線監測與診斷系統與采集平臺的解耦。方便實現靈活的任務調度策略，實現統一的任務管理平臺。

數據分析與診斷的算法

智能診斷分析流程采用k-means聚類均值算法進行異常計量數據挖掘，將聚類算法與樸素貝葉斯網絡基礎融合提高分類算法的準確性。數值聚類是同時選取 N 種特征，將它們放在組合在一起形成N維向量，從而得到一個從原始數據集合到 N 維向量空間的映射，然后基于某種規則進行分類，在該規則下，同組分類具有最大的相似性。算法的基本核心思想是初始隨機給定K個簇中心，按照最鄰近原則把待分類樣本點分到各個簇。然后按平均法重新計算各個簇的質心，從而確定新的簇心。一直迭代，直到簇心的移動距離小于某個給定的值。具體編程算法描述如下

步驟1：從待聚類數據集合D｛x1，x2，…xD｝中隨機選擇K個數值為初始聚類簇中心t1， t2， …tk。

步驟2：分別計算剩余D-K個數值到k個聚類簇中心對象的差異度，再將值分配對應到差值最低的簇：

步驟3：根據聚類結果重新計算K個聚類數值簇的均

步驟4：反復執行上述步驟直至聚類結果不變化或聚類中心無大范圍轉移時算法結束，否則返回至公式2重新計算。

小結

智能診斷技術未來在大數據和云計算等新型信息技術的推動下將會實現電網的全覆蓋和實用化，可以預見，隨著售電側市場的放開，智能診斷與在線監測可能將融合互聯網+技術、物聯網技術等給用戶帶來不同的體驗和更好的服務價值。智能計量技術的應用有利于建立新的電力需求側響應體系，構建新型電力服務體系，打造基于電力數據源的能源互聯網。

10.3969/j.issn.1001-8972.2015.24.027