基于大數據的多源信息融合技術在電力系統中的研究

林志輝

摘 要：隨著我國電力系統發展的規模不斷擴大，通信技術、互聯網技術、傳感器等新科技的不斷發展，人類社會步步走入智能電網的時代。智能電網是以“源-網-荷-儲”為基礎，集成當時代前沿的數據采集技術、網絡通信技術、數據處理技術、智能控制技術為一體的結晶產物。而由大量傳感器以及計算機分析產生了海量的形式結構不同的數據，數據已成為堪比石油還珍貴的資源，這些數據從全方位反映著智能電網的運行狀態與運行環境。如何準確的利用這項資源已經是一個全球性的話題。大數據最先發展于互聯網、金融、通信等行業，隨著對數據的不斷挖掘，大數據相關技術的研究由此而拉開序幕。如今大數據技術正處于飛速發展階段，大數據技術對電力大數據的精準高效分析也將在未來成為現代電力系統安全可靠運行堅實基礎。

關鍵詞：電力系統;大數據;多源數據融合

引言

智能電網集中大數據各項技術能夠處理海量冗余的數據，通過分析挖掘對電力系統生產運營起決定性作用的信息數據。同時依靠相關技術，在對信息量進行精簡的同時仍要保證精確提取大部分數據的特征，不僅從數量上對數據進行極大的減少，提升了數據處理效率還能夠迅速對電網安全可靠運行提供更有利的決策及建議。

1 數據融合的基本結構

（1）數據層融合：這一層的融合是最基本、最簡單的融合。一般采用直接計算方法從所有的監測對象數據源提取研究所需要的特征狀態量。雖然所得到的結果更貼近于真實值，但是由于模型限制，在數據層中能分析綜合的數據種類要求單一。

（2）特征層融合：該層融合屬于中等層次的融合。常規方法是對原有數據源的特征相量進行提取，再與上一層提取的初級融合的特征量進行結合，做關聯分析和特征融合。得到幾個較大的對狀態判斷和模式識別起決定作用的特征向量。

（3）決策層聚合：該層融合是所有層次中最高級別的。一般是利用所得決策向量結合相關算法做出分類、推理、識別、判斷等決策。

2 針對電力系統數據的融合架構搭建

前文所提到的數據融合特有的三層結構，依照當前對電力系統提出的信息共享、可交互、高效率的要求。結合電力系統可將數據三層結構映射至電力系統三層結構的原理來搭建融合大體框架。數據層對應傳感測量層，特征層對應電力數據管理層，決策層對應電力系統應用層。傳感測量層采集例如溫度、風速等數據，通過網絡線路將數據傳輸到數據融合中心并完成存儲和分析處理。配備了諸如No SQL、HDFS等工具的數據管理層能夠對數據進一步存儲和分布計算處理，特別是利用Map Reduce編程模型構建大規模集群點對海量數據進行快速分析。在應用層將數據實現具體應用，以電力系統智能化、信息共享化、故障自愈為目標保障系統平穩可靠運行。

電力系統覆蓋的電力設備各式各樣且結構復雜，很多電氣量還未能通過儀器直接測得，而需要綜合多個可觀測的特征向量計算分析才能得出精確的結果。數據融合能對不同來源、模式、時間、地點的數據進行處理，是目前分析電力系統數據最可靠有效的方法。

2.1 數據預處理

電力系統數據種類多、數量大、相互關聯信息非常模糊，而且所采集的初始數據冗余度高，噪聲含量高。因此需要對其進行初步的信號處理、數據分類。數據預處理三個主要環節：

（1）清洗數據：是將得到的所有數據中無效的、冗余的、缺損的數據進行清理。

（2）數據統一：規格、模式表示歸一化的數據對后續展開的數據融合工作更加有利。

（3）數據壓縮：在樣本數據的有效性和完整性得到保障的前提下，應該對數據進行適當的壓縮，能夠節約有限的儲存空間并為下一步融合提高計算效率。

2.2 數據級融合

電力系統中數據級融合的數據大部分均來自多種傳感器所采集得到的數據，我們大致可以分為電氣量、過程量和狀態量三種。在數據級融合階段首先要將預處理過后的同類型數據進行二維關聯分析，然后根據物理模型、智能算法等進行跨類別的二維關聯。通過數據級融合得到結果的準確性能得到有效保證。

電力系統數據級處理是的原始數據源自于電網中先進、可靠的傳感器技術，以信息融合要求為目標的聚合。隨著監測技術手段的不斷發展和對設備運行規律的掌握，這一級別的融合會更加準確全面。

作為初級的數據融合有以下特點：

（1）以物理模型為重要基礎。同類以及跨類二維關系都是可以監測得到或能通過觀測器能觀的數據。

（2）以信息級融合需求為目標的數據轉化。數據級數據按照信息級的需求也同時對數據進行了一系列整理工作主要有：

①數據的預處理

②數據的重新排序和整理將數據按照不同的應用目標、屬性進行整理篩選，為下一步決策提出做好準備。

2.3 信息級融合

經數據級二維關聯后的數據，并不能直接作為下一級融合的輸入數據。因為這樣簡單的數據關系，不能夠對對象的全部面貌進行全方位的說明。信息層對應的數據管理層是對數據進行進一步的加工，也是數據融合特征層的重要階段，物理資源上的中間件裝載了許多數據處理工具，例如數據集成工具、數據管理工具編程模型。

3 信息三維空間的建立

電力系統相關數據主要用于對系統運行狀態估計和以及系統未來狀態預測，這些所需要的數據來源不同且結構各異，不但包括了對系統相關設備的在線監測數據，還需要設備所處的環境氣象信息等，這些多源數據彼此之間缺乏聯系，沒有被有效的整合和提取。從獨立的各自系統來看，根本沒有結合起來對電力系統相關需求信息進行挖掘的可能性。因此，在多源數據融合大結構的基礎上需要搭建一個以時間維度、數據關聯程度以及應用層次構建形成三維空間。

數據的變化速率都不是一致的，采集的過程中需要對不同類別數據設定不同采樣率，比如對于變化較快的量可以采取每半小時甚至每一分鐘一次的采樣頻率;而對于變化緩慢的量，可以固定幾個小時或者幾天采集一次。準確把握各個量的時間維度，以確保在某一個統一的時間范圍內多個數據量對一個應用維度解釋和描述的一致性。在該三維空間中，經由維度統一之后的監測數據進而可為各種各樣的需求提供服務。

4 展望

目前本文的研究課題在大數據融合上的應用還處于實驗室研究階段，還未能通過實際電力系統檢驗其效果，在實際電力系統中的應用效果更有助于數據融合結構及算法的進一步改進和修正。因此接下來的主要任務就是將本文所提出的大數據融合結構盡快在電力系統實際平臺下進行檢驗測試。觀測其在實際平臺更為復雜的情況下能否依然保持大數據融合的時效性及其工作的穩定性。并結合最終的實際結果可對整個框架及算法做出適當的改進。同時雖然實驗環節中采用了最高達到135G的數據容量，實際應用中仍會出現更為大量的數據集，接下來的實際平臺檢驗測試中將會更大程度地增加數據體積量，為將來處理更為海量地數據提供實驗依據。

本文只對大數據融合部分展開研究，在后續可以繼續對大數據另外幾門關鍵技術展開更深層次研究，例如數據挖掘、數據預處理、數據可視化等都是與大數據分析處理密不可分的并且都可以為電力系統提供既高效又有保障的技術支撐。

參考文獻

[1] 張東霞，苗新，劉麗平等.智能電網大數據技術發展研究[J].中國電機工程學報，2015，（1）：2-12.

[2] 彭小圣，鄧迪元，程時杰，等.面向智能電網應用的電力大數據關鍵技術[J].中國電機工程學報，2017，（3）：503-511.