電力物聯網中的分層聚合技術研究

楊建國

摘 要：電力物聯網是指通過智能傳感和通信裝置在電力系統中實現有效的信息感知和獲取，經由無線或有線網絡進行可靠信息傳輸，并對感知和獲取的信息進行智能處理，實現自動化信息交互與處理的網絡。電力物聯網技術應用于智能電網，將能有效地為電網中各環節提供重要技術支撐，為國家節能減排目標做出貢獻。因此電力物聯網完全可成為推動智能電網發展的重要技術手段。基于此，本文主要對電力物聯網中的分層聚合技術進行分析探討。

關鍵詞：電力物聯網;分層聚合;技術研究

1、前言

智能電網從根本上講是將信息技術與傳統電網高度“融合”，從而極大地提升電網的信息感知、信息互聯和智能控制能力，提高電網品質，實現各種新的應用。因此，它需要進行大量信息采集，并通過龐大通信網絡，形成實時、高速、雙向的信息流，采用開放的系統和共享的信息模式，促進電力流、信息流、業務流的高度融合和統一，以保證包括從需求側設施到廣泛分散的分布式發電再到電力市場的整個電力系統及相關環節的正常運行，支撐各類業務正常運轉。

2、電力物聯網信息聚合技術

物聯網信息聚合技術在傳輸數據的同時對數據進行處理，傳輸與融合并行。數據在由采集終端到用戶終端的傳輸過程中，完成了復雜的信息處理流程，而具體的信息處理方法則根據不同的智能電網應用需求進行設計和實現。由信息聚合技術帶來的直接優勢主要體現在以下2個方面。

1）從面向智能電網的物聯網網絡結構來看，數據經過大量底層的采集和感知設備層層聚集，傳輸到匯聚設備，這種網絡數據流量分布特性稱為“漏斗效應”。網絡規模越大，數據流量越多，“漏斗”的瓶頸壓力也就越大，發生阻滯和擁塞的可能性也越大，將會嚴重影響網絡性能。在智能電網的實際應用中，位置相近的傳感器節點采集到的環境信息往往具有較高的相似性，重復的發送冗余信息造成嚴重的額外消耗。因此，將具有較高相關度的多個感知設備信息先進行合并處理，得到高質量數據再進行發送將會減小網絡中傳輸的數據總量，節省網絡帶寬。網內信息聚合技術針對底層節點龐大的數據流量，隨著網內處理和數據匯聚程度的增加，保證基本信息不丟失的前提下，降低數據總量、減小網絡冗余、提高網絡性能。

2）網內信息聚合技術對原始采集數據進一步包裝整合，將大量的信息處理和計算移植到物聯網內部進行，從而簡化對用戶端的設備要求，用戶側可以使用更加低端和簡易的設備進行感知信息的讀取和應用。

網內信息聚合技術使智能電網具有更高級、更完善的信息處理能力，監測現場的感知信息將更易理解，高度契合智能化的信息需求。網內信息融合技術還擴展了單個感知小區內數據的連通性，通過協同工作的工作模式，感知設備之間信息交互，能夠進行數學計算，得到網絡管理、移動性管理、業務管理、數據傳輸等優化結果，輔助上層的業務操作、傳輸選路、用戶決策等。

3、電力物聯網的數據融合

數據融合是物聯網信息聚合技術中重要的環節，電力物聯網實現的不僅是感知數據的采集與透明傳輸，網絡在實時、可靠地傳輸數據的同時，在原始數據采集的基礎上，網絡內部進行了大量數據融合工作，傳輸到管理平臺的感知信息將是從海量的、可能是雜亂的、難以理解的原始數據中抽取并推導出的對于特定的智能電網管理者具有價值和意義的處理后數據。

網內數據融合處理與智能電網的應用模式密切相關，涉及多種數據處理功能。針對不同信息獲取需求，選擇不同的數據融合功能，從而滿足對特定應用場景的需求。數據整合功能如圖 1所示，根據操作對象的特點，網內數據融合分為：數據級、特征級、融合級、表示級。

3.1 數據級處理

1）數據存儲：數據存儲方式直接影響系統各個數據處理模塊的運行，采集的數據可以選擇性地進行分布式或者中央集控式等存儲方式，存儲方式要考慮到節點容量限制、數據收集和分發模式、冗余備份和能耗最小化等問題。

2）數據備份：網內數據具有一定的時間有效性，在進行網內數據處理時，處理的結果可以實時的傳輸到終端用戶，以便針對發生的事件進行及時有效的處理控制。但對于重要的數據，需要進行數據備份，制作歷史記錄以備查詢，備份的數據在超過數據的時間有效期之后可以刪除。

3.2 特征級處理

1）特征提取：對某一模式的一組測量值進行計算和變換，突出該模式具有代表性的特征，針對不同的數據特征，進行數據處理。同一個模擬信息源有不同的特征提取方法，根據不同的應用場景選擇需要提取的特征。

2）數據分類：利用提取的不同數據特征，可以把采集的數據按不同需求整理分類，可以按數據屬性、數據包長度、數據內容等多種規則進行分類。在分類基礎上，數據便于進行下一級的融合處理，分類規則與更高層的融合策略有關。

3）數據排序：數據排序功能需要數據庫支持，通過對數據項的特征排序，可以實現數據按不同的優先級處理，經過排序整理后的數據，便于提高傳輸有序性，同時也優化了用戶所獲得的信息結果。

3.3 融合級處理

1）數據關聯：關聯分析的目的是找出數據中隱藏的關聯網。某種情況下的感知信息獲取，單一的數據不能表征物體的特性，需要多個數據協同表示。數據關聯的結果取決于關聯規則的可信程度。關聯可分為多維度的不同數據關聯、多時刻的數據關聯、多個不同類型的數據關聯。

2）數據變換：某些信息（例如圖像特征的信息）直接處理的復雜性非常大，為了方便處理，需要對這類信息進行數據的變換，在變換域中進行數據處理。通過對這類數據的變換計算能節省傳感器網絡的計算資源。對于標量數據，數據變換主要用于計算數據的最大最小值、平均值、統計計數等。

3）數據合并：數據合并處理數據項之間的關系，合并相同的數據項，或按照關聯規則進行數據項的合并，從而減少數據量，減少冗余，降低網絡的傳輸開銷和能耗。

4）數據加密：考慮到智能電網較為敏感的安全問題，數據加密以加密格式存儲和傳輸敏感數據。加密算法是公開的，而密鑰是不公開的。密文不應為無密鑰的用戶理解，用于數據的存儲以及傳輸。傳統加密方法有替換和置換。替換的方法是使用密鑰將明文中的每1個字符轉換為密文中的1個字符，而置換僅將明文的字符按不同的順序重新排列。

4、結語

電力物聯網將為推動智能電網發展的提供重要技術手段，解決電網各個環節重要運行參數的在線監測和實時信息掌控。而針對智能電網中需要采集、感知和識別的海量終端信息，物聯網的信息聚合技術在網絡傳輸的過程中對數據計算處理，通過數據融合方法，消除信息冗余，降低網絡傳輸數據量，避免網絡擁塞，提供更精確、全面、易理解的信息。

參考文獻

[1]黃華.物聯網中傳感節點數據異常檢測方法研究[J].計算機仿真，2012，29（05）：159-162.

[2]劉海濤.物聯網應用技術[M].北京：機械工業出版社，2011.