基于熵權法理論的變電站傳感器信息采集決策

沈海平，顧 帥，魯方林，吳 曦

(1.國網無錫供電公司，江蘇 無錫 21400；2.中國科學院上海高等研究院，上海 201210)

基于熵權法理論的變電站傳感器信息采集決策

沈海平1，顧 帥2，魯方林1，吳 曦1

(1.國網無錫供電公司，江蘇 無錫 21400；2.中國科學院上海高等研究院，上海 201210)

在變電站信息采集過程中，使用采集的數據評估當前變電站的信息熵，根據信息熵判斷環境信息量，決定何種策略進行信息采集，不同策略采集的數據量和消耗的系統資源不同，從而通過熵權法實現了情景感知。采用這種情景感知技術，可以平衡信息采集過程中更少的數據量與更多的環境信息的矛盾，并且減少系統功耗。

信息采集；信息熵；熵權法；情景感知

早期國內變電站的巡檢基本通過巡檢人員借助筆和紙來進行，隨著變電站相關管理與基礎設施的進步，巡檢手段漸漸優化為通過各種儀器實現巡檢狀況數據的采集、保存與匯總。在使用智能巡檢或在線監測設備對變電站的檢測目標進行監測時，信息采集過程并未做到智能化，海量的無用信息降低了數據管理效率，且長期滿負荷工作也使得設備難以滿足低功耗要求。

隨著傳感網、物聯網、嵌入式系統、通信網絡和分布式計算等技術的發展，越來越多的情景感知應用也被開發出來[1]。本文提出的基于熵權法的變電站信息采集，正是結合目前相關理論知識，將情景感知運用在變電站監測中，從數據量、節約帶寬占用率和功耗等方面，實現信息的高效采集。

1 方法介紹

本次提出的方法是基于多傳感器、多種采集模式的智能采集方法，多種傳感器指變電站監測過程中使用的傳感器，而多種采集模式是指傳感器采樣頻率、采集數據方式或最終形成的數據格式具有多種可選的形式。

1.1 基于熵權法的變電站運作情況分析

熵權法是基于特征推理技術的信息論方法，是一種檢測，分類和識別的算法。它試圖通過事件發生的概率來度量事件中所包含信息的重要程度[2]。信息熵是一種度量的方法，能夠對不確定性的變化進行量化處理，假定隨機變量x有m種可能狀態， 每種狀態出現的概率為p(xi),那么它的不確定性程度可以表示為信息熵H(X)形式：

(1)

設備的實際狀態，系統的復雜程度、評估與診斷的難易程度等，都可以用信息熵來度量[3-4]。在變電站設備運行狀況監測中，利用信息熵理論進行評估，具有很強的抗噪能力，能夠通過檢測信息源的信息熵的變化，對設備運行狀況提供預警，并且不同傳感器從不同角度對變電站運行進行檢測，它們的信息源之間存在聯系。根據信息熵的性質，在組合預測中，某單項模型誤差的信息熵H(x)越小，變化程度越大，不確定度越大，則該單項模型的權重系統就越小[5-6]。

因此，可以根據單項傳感器模型的測度值變異程度，利用信息熵原理計算出各個傳感器在組合預測中的權重系數，計算步驟如下。

設總共有j種傳感器，第i個傳感器的相對誤差的熵值Hi，則其權重系數公式為：

(2)

將各傳感器信息熵權重系數加權求和，即可計算獲得預測結果：

(3)

式中yi——第i個傳感器對環境信息熵的預測值；Y——融合后的預測值。

1.2 多采集模式方法的原理

多種類異質傳感器融合是人類和其他邏輯系統中常見的基本功能[7]。根據以往經驗，變電站運作過程中，可以通過布設在特定點的傳感器所采集到的數據，計算出環境熵值Y，若熵值或采集的數據幅值屬于正常范圍，則所含有的異常信息量較少。例如，通過紅外溫度傳感器監測到刀閘在一個小時內的溫度保持在40～45℃，則說明當前溫度檢測的數據中，含有對變電站監測的有用信息量較少；反之，若監測到的刀閘溫度在一分鐘之內，從45℃上升到50℃，則這一段數據異常信息量較多，需要采集更多的數據以便分析。再如，通過采集到的噪聲幅度，計算出的熵值與正常情況相差較大，則這一段數據異常信息量較多。

傳統的數據采集使用等時間間隔，周期性地對性能數據進行采集和分析，這種方法的優點就是比較簡單，易于實現。但是它完全忽略了數據值變化的特點與環境中信息量的關系，所以效率不高[3]。本文提出了多模式進行采集，例如，溫度采集模式根據融合計算的熵值Y，會對采樣時間間隔進行調整，通過判斷環境的信息量而選擇不同采集模式。即傳感器采集模式P是多傳感器融合計算后的熵值Y的函數P=f(Y)。

每種傳感器的采集模式P會對應不同的融合計算后的環境熵值，不同傳感器采集模式P可以是多種形式的，根據不同的現場需求，不同采集模式可以是減少單位時間采樣數據的密度、減少同時工作的采用點的物理數量、更改采樣后的分析算法等。

每種傳感器的采集模式根據環境信息量與采集數據之間的關系，以及存儲空間與傳輸帶寬來設定，設定后的采集模式與環境信息量一一對應，多種傳感器與環境信息量之間映射關系見表1。

表1 信息量——采集模式示意表

在只有一種傳感器的情況下，環境信息量的熵值可由傳感器的數據直接得出，當涉及多種異質傳感器時，環境信息量需要根據多種傳感器反饋的結果進行融合判斷。根據歷史數據得出所有傳感器的信息熵權重系數，再運用到現場監測中，這種融合策略使監測系統敏感度高，在變電站監測系統中，這種策略可以降低監測系統的失警概率。

2 實例分析

2.1 方法模型建立舉例

針對方法中的理論，選取兩種傳感器進行建模，對于更多傳感器的融合具有參考意義。

首先，對監測目標的狀態進行評估，將目標狀態下根據歷史數據求取目標狀態的Y值。

表2 設備狀態分級表

由式(3)可知，要獲取對應不同狀態下的目標Y值，首先需要確定兩種傳感器單元在對應狀態下的y1和y2，還需要知道兩種傳感器單元的權重系數。

選取的兩種傳感器評價手段分別為溫度值和噪音分貝，分別用v和w表示，則對應的預測熵值可以由式(1)得出：

式中m，n——所取樣本數據個數。

樣本數據從歷史數據中獲取，由y1和y2的值可以計算得出各自的權重系數w1和w2，再根據表2中提出的相應的分級閥值，最終可以確定不同融合Y值下的y1和y2[8]。

實際評估中，根據實時的y1和y2，以及由上述計算的權重系數w1和w2，可以算出實時的Y值，最終判斷系統的狀態，在不同狀態下，不同的傳感器采取不同的信息采集策略。

2.2 嵌入式功能結構

實際實現過程中，系統硬件包括嵌入式控制盒和多種類傳感器構成，嵌入式控制盒提供多種通信接口，并且具有4G通信功能，用來跟中心側進行交互。

嵌入式系統軟件功能如圖1所示，軟件包括數據訪問層和業務邏輯層。其中，數據訪問層涵蓋了本文方法有關的實現，訪問層又劃分為底層傳感器單元和上層數據記錄模塊、分析模塊[9]。

圖1 軟件系統結構圖

為統一化處理，每種傳感器都抽象為包括不同的采集模式和一個訪問接口的傳感器單元，傳感器單元的訪問接口提供數據訂閱和模式選擇功能。抽象后的傳感器單元建立的軟件模型也如圖1所示，傳感器單元包括不同的采集模式和一個訪問接口，通過傳感器功能單元的訪問接口，不同的上層應用可以對這個傳感器單元進行數據訂閱和模式選擇。不同的上層應用在訂閱了當前傳感器單元后，傳感器每采集一次數據，應用都可以獲得采集的數據[10]。

數據記錄模塊對訂閱的傳感器單元負責數據記錄，將數據進行保存以便定期將數據發送給后臺。數據記錄模塊可以根據實際系統配置情況，動態的增加或刪除訂閱的傳感器單元。

系統分析模塊也會對傳感器單元數據進行訂閱，系統的分析模塊對各個傳感器當前采集模式下采集的數據進行分析，判定當前環境情況信息量，并分析得出相關傳感器的采集模式是否需要切換，最后，反過來決定傳感器采集模式的選擇。

3 結語

利用多傳感器對環境異常信息量進行判別，再反饋調整采集模式的智能采集方法，在實際操作過程中，數據量大大減少，并且在正常工作中能夠迅速地反映現場的具體情況。若出現異常情況，也能及時切換采集模式進行大數據量采集，以便技術人員分析。但現場異常情況的數據量還遠遠不夠，需要積累更多的經驗來獲得一些關鍵參數，用以優化采集系統。其中，關于信息源的信息熵在不同工作狀態下不同，不僅需要實驗環境下的理論值，還需要現場實際運行數據的觀察用以斧正；關于不同信息源之間權重系數的選取，是實際設計中的重點和難點，選用熵權法能做到更加客觀，但忽略專家經驗，可以根據實際研究程度，在已知領域融入專家經驗的加權。

[1] 陳 鵬.面向情景感知計算的時空數據管理、查詢、分析與相關算法研究[D].上海：華東師范大學,2013.

[2]KLEIN LA. Sensor and Data Fusion:A Tool for Information Assessment and Decision Making, Second Edition[M].2012.

[3]于 洪.信息熵在變壓器故障診斷與狀態檢測中的應用[D].北京：華北電力大學(北京),2014.

[4]COVER T M,THOMAS J A. Elements of information theory[J].Wiley Series in Telecommunications,1991.

[5]蘇為華.多指標綜合評價理論與方法問題研究[D].廈門：廈門大學,2000.

[6]黎育紅,陳 玥,周建中,等.熵權法并聯組合建模在徑流預測中的應用[J].水電能源科學,2012,30(2):13-16.

[7]何 友.多傳感器信息融合及應用[M].北京:電子工業出版社,2000.

[8]劉樹鑫.電器設備絕緣狀態在線監測方法研究[D].沈陽：沈陽工業大學,2013.

[9] 龐希愚,姜 波,仝春玲,等.一種自適應數據變化規律的數據采集算法[J].計算機技術與發展,2013,23(2):157-161.

PANG Xi-yu, JIANG Bo, TONG Chun-ling, et al. A kind of data acquisition algorithm of adaptive data change rule[J].Computer Technology and Development, 2013, 23(2): 157-161.

[10]葛 亮,張建華,余 斌.智能變電站數據中心及其應用服務[J].電力系統自動化,2013,37(24): 54-59.

GE Liang, ZHANG Jian-hua, YU Bin. Smart substation data center and its application service[J].Automation of Electric Power Systems, 2013, 37(24): 54-59.

(本文編輯：趙艷粉)

Decision-Making Strategy for Substation Information Acquisition Based on Entropy Weight Method

SHEN Hai-ping1, GU Shuai2, LU Fang-lin2, WU Xi1

(1. State Grid Wuxi Power Supply Company, Wuxi 214000, China; 2. Shanghai Advanced Research Institute, Chinese Academy of Science, Shanghai 201210, China)

In the process of substation information acquisition, the data is collected to evaluate the current substation information entropy, thereby judge the environment information, and then decide on the strategy for information acquisition. Different strategies result in different amount of data and system resource consumption, thus realizing the situational awareness through the entropy weight method. This situation perception technology can be applied to balance between the less amount of data in the process of information gathering and the more environmental information, and can reduce system power consumption.

information acquisition; information entropy; entropy weight method; situational awareness

10.11973/dlyny201606003

國家電網公司科技項目(J2016051)

沈海平(1976)，男，碩士，高級工程師，從事電力系統科技與智能電網管理研究。

TM73

A

2095-1256(2016)06-0678-04

2016-07-05