面向電力大數據的多源異構數據融合技術研究

萬磊 陳洪勝 王曉婷 喻暢

（1.國網湖北省電力有限公司 湖北省武漢市 430000 2.國網武漢供電公司 湖北省武漢市 430013）

1 基于電力大數據的多源異構數據融合技術研究

1.1 研究背景

1.1.1 數據來源

電力大數據的產生與處理與傳統數據處理模式存在差異，現階段，電力系統運行期間產生的基礎性數據主要包括電網模型、設備參數、運行檢測以及變電數據，數據基本特征如表1所示[1]。

1.1.2 融合過程

電力系統運行過程中，產生的電力數據信息眾多，基于電力大數據，采用多源異構數據融合技術進行數據信息處理，利用多重傳感器對系統內部數據源進行轉換，采用多源異構數據融合結構，對數據進行預處理，在融合中心將電力數據信息基本特征進行提取，通過云端進行數據融合運算，減少數據信息冗余、噪音、殘缺等情況，提升電力數據信息處理的精準度，期間要根據電力數據信息類型，選擇合適的數據融合算法，滿足電力系統運行的實際需求，針對多源異構電力大數據的融合，具體流程圖詳見圖1。

1.2 結構類型

1.2.1 像素級

電力大數據處理過程中，采用多源異構數據融合技術，像素級融合作為第一步驟的技術融合方式，將電力原始數據進行關聯和融合，最大限度地保留初始數據的基本特征，為電力系統運行提供諸多細節性信息，但由于數據種類和來源難以確定，綜合關聯與融合后對電力數據信息的完整性和穩定性造成一定不良影響，加之傳感器同質性特征明顯，對電力數據容錯能力較低，導致像素級數據融合抗干擾能力差，不適合深入應用。

1.2.2 特征級

特征級電力大數據融合作為數據處理的中間環節，對原始數據特征進行信息提取，綜合運用人工神經網絡、多種假設法或特征壓縮聚類法等手段，將提取后的電力大數據進行有效融合，特征級融合具有較好的實時性，為電力系統運行提供依據，提升電力大數據信息融合的準確程度。

1.2.3 決策級

決策級電力大數據融合是多源異構數據融合技術應用中較高層次的數據融合系統，主要面向電力系統中各傳感器，對個體信息進行決策和識別后，方可進行數據融合，保證電力大數據的整體性和統一性。采用決策級數據融合系統，基本實現對電力大數據的壓縮傳輸，傳輸效率和質量高，對數據傳感器依賴程度較低，具有良好的數據容錯性，常用的決策級融合方式為專家理論系統、模糊推理結構、D-S 證據理論結構等，保證電力大數據融合與處理工作順利完成。

2 電力系統構建

研究框架：

2.1 總體設計

基于電力大數據融合發展的時代背景，利用多源異構數據融合技術，以電力網絡為前提，構建技術應用研究模型，將XML 作為電力大數據的交換與融合平臺，旨在通過對電力系統各部門之間不同的設計結構和運行標準的優化，改善電力大數據處理環境，規范數據接口，保證電力大數據同步與備份的安全性，提高電力系統各部門之間的工作協同效果，實現電力大數據之間的相互連接與溝通，完成數據信息的交換與共享，提高電力系統運行協同能力。

2.2 構建模型

電力大數據處理過程中，以多源異構數據融合技術為基礎，采用SOA 模型架構方式，將電力大數據服務功能應用于電力網絡運行結構之中，進而解決電力大數據處理問題，提升數據信息的真實性和完整性。SOA 模型以電力大數據為主要作用對象，采用分布式結構對電力大數據系統進行改進，以電力數據為主要目標，結合SOA 模型的顆粒感與耦合性特征，對電力系統進行統一設計，實現對不同數據采集或處理接口的規范和優化，利用通訊設備，向主系統發送信號信息，系統內部將傳感器收集到的信息進行匯總和聚集，基本實現電力系統內部不同設備之間的協同配合，便于系統運維人員進行設備服務調用[2]。

SOA 模型的建構，主要通過Web 端口進行應用服務，將電力大數據處理平臺和軟件進行有效連接，為耦合性數據信息進行異構處理，制定信息交換標準，規范SOA 模型的程序編制流程。除此之外，SOA 通過網絡終端，將數據通用處理格式轉換為XML 格式，在HTTP 協議框架內，根據電力系統運行的實際需求，對電力大數據端口下發請求或命令，防止出現特殊端口通信防火墻阻攔情況。

SOA 模型在構建過程中，主要目的是為電力大數據信息融合提供技術服務，利用傳感器對電力大數據進行采集和歸類，借助API 技術，統一電力大數據融合與處理標準，對數據接口進行封裝，根據不同服務需求，整合多源異構數據融合技術資源，同時將Web 作為技術性數據處理協議，通過數據異構模型，實現電力大數據之間的交互與共享。技術人員對SOA 模型應用效果進行深入分析，綜合考慮服務流程、技術發現、數據描述、信息發布等功能，將WSFL、WSDL、HTTP 等協議進行交叉應用，提升電力大數據融合處理與電力系統運行的協同性與匹配度，最終實現電力數據的交換與共享。

2.3 融合平臺

基于SOA 模型，技術人員根據電力大數據基本特征，構建多源異構數據融合平臺，綜合運用多種數據處理技術，以XML 為核心技術，明確電力大數據交換共享統一標準，解決電力系統運行過程中各部門協調工作期間出現的“信息孤島”問題，充分發揮電力大數據信息交換共享功能，提升數據信息的可靠性與安全性，實現對電力數據的云端儲存和管理。應用多源異構數據融合平臺，對電力系統運行狀況進行實時監測，全面掌握電力系統登錄信息，完善用戶訪問權限記錄，為電力系統穩定運行提供安全的數據運營環境，實現對電力大數據的高效處理。

2.4 系統參數

電力大數據多源異構數據融合系統建設期間，以數據發布、服務請求、運行代理為三大系統運營主體內容，通過系統功能之間的相互作用與相互影響，以提供服務為系統運行的核心思想，利用服務功能，對電力大數據處理程序進行整理，形成相對應的索引目錄，要求數據處理請求主體根據實際需求進行服務檢索，自動生成電力大數據處理和服務的具體方案，提升數據處理質量和效率。

針對電力大數據融合問題，技術人員利用Web Service 搭建數據融合通信端口，通過建立通信協議、統一數據格式標準等方式，為電力大數據多源異構數據融合提供技術服務，總體結構由數據采集層、信息交換層、技術集成層與融合應用層組成，數據采集層主要承擔電力系統各部門異構數據的采集工作，為SOA 模型構建提供數據參考；信息交換層主要利用多源異構數據融合系統，通過XML 技術，對電力系統中異構數據格式進行雙向轉換，保證數據節點的真實完整；技術集成層由系統管理中心、交換中心和處理中心構成，負責電力大數據的儲存與處理，保障數據的安全，提升數據轉換和共享效率，為電力系統穩定運行提供技術支持；融合應用層以人工智能為核心技術，負責電力大數據多源異構融合系統的維護與運營，實現人機交互的全過程，通過網絡終端進行協調，將電力大數據系統中分散或耦合較弱的數據信息進行連接，繼而構成穩定有序、相互支撐、協同合作的有機整體，解決數據信息多源異構問題，具有較強的數據處理能力，實現電力大數據的融合與共享。

2.5 應用優勢

基于電力大數據，技術人員以SOA 為基本模型，構建多源異構電力數據融合系統，采用XML 技術，系統功能面向維持電力系統的穩定，其主要應用優勢分為三部分：

（1）采用多源異構數據融合系統，提高電力大數據處理效率，方便數據的協同和共享；

（2）采用統一的標準格式，有效解決電力數據格式不一致問題，將電力系統不同部門之間的業務進行有機融合，實現對系統數據格式的轉換和利用，通過云端數據儲存平臺，完成電力大數據的交換，強化系統數據應用效果；

（3）多源異構數據融合系統基于SOA 模型進行總體設計，以Web 為通信平臺，保證電力大數據信號接收端口信息量一致，將電力系統中不同部門工作協調起來，具有較強的拓展性和延伸性，保證數據處理和共享效果，提升電力系統運行效率和質量。

3 關鍵技術

3.1 可視化技術

電力大數據多源異構融合系統構建期間，充分利用數據處理可視化技術，對電力系統運行過程中產生的海量數據進行篩選、提取、預處理與融合，技術人員利用數據處理可視化技術，對電力大數據進行自動提取，通過可視化模型，將數據信息格式進行轉換，該模型主要包括監控層、處理層和儲存層，將完成多源數據異構后的電力大數據訪問權限及訪問形式進行確定，結合數據具體來源渠道，建立電力大數據訪問機制，利用數據信息提取功能，將格式轉換后的電力大數據進行實施儲存，便于日后調取、利用和加工。

3.2 估算統計技術

電力大數據信息進行多源異構融合處理過程中，要綜合運用現代技術和傳統手段，完成對數據信息的估算和統計，保證電力數據的真實準確。常用的估算和統計方法包括加權平均數法、卡爾曼濾波法、非線性估計法和多貝葉斯統計法，需要技術人員根據相對應的計算公式完成電力大數據統計與運算[3]。

3.3 人工智能技術

人工智能技術在電力大數據融合工作中具有重要意義，大多采用神經網絡技術、遺傳算法、專家系統、邏輯模糊等技術手段，構建完整的電力大數據信息融合處理模型，結合不同技術的具體要求，對電力數據進行集中處理，確保收獲較好的數據融合效果。

表1：電力大數據基本特征統計表

圖1：電力大數據多源異構數據融合流程圖

4 結束語

綜上所述，電力系統運行產生眾多數據，技術人員綜合運用人工智能、XML、數據可視化等多種技術，通過構建SOA 模型的方式，逐步完善電力大數據多源異構融合系統，實現對電力數據信息的交換與共享，突破技術或平臺的限制，提升電力大數據信息的準確性和真實性，進而保證電力系統平穩、健康、有序運行。