邊云協同下的電氣設備狀態異常記錄數據統計方法

白明輝，苗宏佳，張婉明，寧巖，孫文宇

（國網冀北電力有限公司承德供電公司，河北承德 067000）

邊云協同是多數部署邊緣計算方法中的關鍵處理原則，可根據應用場景邊緣側節點的分布情況，確定協同方案的實際實施強度，大體上包含智能協同、數據協同、應用協同、資源協同等幾種不同的執行方向。“邊云”也叫“云邊緣”，指的是中心云服務在網絡邊緣側的延伸行為，在邏輯關系上，它屬于中心云的核心組成部分，其主要能力的提供及處理都必須依賴中心云服務之間的緊密協同關系[1-2]。在實際應用過程中，邊云協同能夠針對所涉及場景的表現情況，對相關數據信息量進行妥善的安排與規劃。

在電網應用環境中，傳統數據挖掘型統計策略在標識映射條件的支持下，對各項電氣異常數據參量進行重排處理，再根據殘余電壓的具體數值結果，確定單向挖掘指令的實際執行深度[3-5]。然而此類方法對于電量數據的處理能力相對有限，并不能將電氣設備異常行為的所有表現形式全部考慮在內。為解決此問題，提出基于邊云協同的電氣設備狀態異常記錄數據統計方法，在邊緣云架構的支持下，計算數據處理響應比的具體數值，再根據數據降維的實施條件，得到準確的統計度量數值結果。

1 電氣網絡的邊云協同體系

電氣網絡的邊云協同體系由邊緣云架構、統計任務格式條件、數據處理響應比三部分共同組成，具體搭建方法如下。

1.1 邊緣云架構

電氣網絡的邊緣云架構由應用層、邊緣服務層、邊緣云場景三部分共同組成，如圖1 所示。其中，邊緣服務層由應用開發接口、設備接入中間件、服務提供中心、數據中心等多個結構共同組成。服務提供中心直接與上級應用開發接口相連，在已知電氣設備主機運行情況的前提下，應用層體系的執行能力越強，電氣網絡邊云協同體系的穩定性程度就越高。數據中心負責與下級設備接入中間件相連，能夠根據云執行主機的具體執行能力，更改體系內電氣數據資源的管理與控制情況，并可在維護資源共享交換水平的前提下，對電氣設備狀態異常記錄數據進行定向化的分析與處理[6]。

圖1 邊緣云架構形式

1.2 統計任務格式條件

統計任務格式條件包含服務要求、數據信息、認證token、客戶端標識號、時間戳、標識號6 個主要信息條件。

1）服務要求：表示電氣設備出現異常行為的情況下，各項數據統計任務對邊云協同體系服務的具體要求，如實時性、可靠性等。

2）數據信息：表示電氣設備狀態異常記錄數據統計任務的實際數據信息。

3）認證token：電氣網絡邊云協同體系利用認證token 驗證數據統計任務的合法性，并拒絕不合理的服務連接請求[7-8]。

4）客戶端標識號：客戶端是數據統計任務請求的發起方，包括邊云網絡設備及體系平臺用戶，所有數據字段都能表明電氣執行任務的來源。

5）時間戳：統計任務產生的時間，用于避免數據信息的重復出現。

6）標識號：標識電氣設備狀態異常記錄數據統計任務的唯一編號。

1.3 數據處理響應比

邊云協同體系的任務處理時間主要消耗在數據分析、數據匯總等多個方面。電氣設備狀態異常記錄數據處理響應比是一種定向化的信息參量指標，表示信息參量在單位時間內的消化與執行情況，一般來說，數據處理響應比的物理數值越大，電氣網絡邊云協同體系的穩定性水平也就越高[9-10]。在不考慮其他干擾條件的情況下，數據處理響應比指標同時受到異常記錄數據單位傳輸量、統計判別時間兩項物理量的直接影響。設代表異常記錄數據單位傳輸量，Δt代表統計判別時長，聯立上述物理量，可將數據處理響應比計算結果表示為：

式中，μ表示邊云協同體系中的電氣設備狀態異常記錄數據判別系數，λ表示數據統計特征值，表示待統計數據信息的協同處理均值量。

2 電氣設備狀態異常記錄數據統計

在電氣網絡邊云協同體系的支持下，按照數據降維、iTree 構造、統計度量計算的處理流程，完成邊云協同下電氣設備狀態異常記錄數據統計方法的設計與應用。

2.1 數據降維

數據降維是一種重要的電氣設備狀態異常記錄數據統計與度量方法，可在邊云協同環境下，分析待統計數據參量之間的關聯性關系，一方面可保障物理信息參量之間的特征相似性，另一方面也能夠避免數據信息過量負荷行為的出現[11-12]。對于電氣網絡的邊云協同體系來說，任何一種信息參量的偏轉都有可能導致異常記錄數據的維度條件出現相對混亂的狀態。設k代表異常記錄數據的原始維度存在條件，隨著電氣設備運行時間的延長，該項物理系數在單位時間內的最大值結果能夠達到物理數值y，聯立式（1），可將電氣設備狀態異常記錄數據的降維處理結果表示為：

式中，β表示電氣設備狀態異常記錄數據之間的相似性特征，qmax表示統計量的最大值結果，I表示待統計數據參量的原始存在特征值。

2.2 iTree構造

iTree 結構決定了電氣設備狀態異常記錄數據在單位時間內的傳輸方向，可在已知邊云協同原則作用能力的基礎上，對最高電氣利用率、電量負荷率、電量數據傳輸行為等統計量特征進行重新規劃，不但能夠輔助異常記錄數據集合的制定，也可以實現對數據統計特征的定義與安排。一個完整的iTree 結構需要同時包含統計量節點、特征統計行為等多項應用指標[13-14]。其中，統計量節點直接與電氣設備的負荷曲線對應，一般情況下，iTree 結構中的節點數量越多，電氣設備負荷曲線的偏移程度越大。特征統計行為則與待統計的電氣設備狀態異常記錄數據對應，記錄了電氣設備在邊云協同環境下的運行狀態與連接狀態，能夠使異常記錄數據長期呈現出絕對穩定的存在狀態。iTree 結構的構造流程圖如圖2 所示。

圖2 iTree結構的構造流程圖

2.3 統計度量計算

統計度量描述了電氣設備狀態異常記錄數據所具備的集合應用能力，在iTree 結構之中，由于邊云協同體系始終保持相對穩定的存在狀態，所以統計度量條件能夠決定數據信息參量的最終統計與處理結果[15-16]。規定g1、g2、…、gn分別代表n個不同的數據指標量統計權限值，在邊云協同環境中，系數值n的可取值結果必須為正整數，且隨著待統計電氣設備狀態異常記錄數據量的增大，系數值n的取值結果也會不斷增大。在上述物理量的支持下，聯立式（2），可將統計度量計算結果表示為：

式中，μ表示基于iTree 結構的電氣網絡邊云協同體系穩定系數，f表示電氣設備狀態異常記錄數據集合中的信息統計條件，χ表示既定的電氣設備異常運行數據標度量。至此，完成各項系數指標的計算與處理，在邊云協同原則的支持下，實現電氣設備狀態異常記錄數據統計方法的順利應用。

3 實例分析

以50 min 作為實驗時長，每隔5 min 對圖3 所示電氣設備主機中的運行數據信息進行一個記錄，整合所有記錄數據，并從中選取多個異常記錄信息作為實驗對象。在整個實驗過程中，對實驗組數據信息采取邊云協同下的電氣設備狀態異常記錄數據統計方法，對對照組數據信息采取數據挖掘型統計處理策略。

圖3 電氣設備主機

規定電壓不超過220 V、電流不超過35 A 為非異常數據記錄結果，表1 記錄了實驗過程中，異常數據、非異常數據的具體存在情況。

表1 電氣設備狀態異常記錄數據采集

分析表1可知，在第15 min、第20 min、第30 min、第35 min、第45 min 時，電氣設備狀態數據均屬于異常數據，因此該次實驗必須分5 組同時進行。

測量在上述5 種情況下，待統計數據電量行為的具體變化情況，電量行為變化趨勢如圖4 所示。

圖4 電量行為變化趨勢

分析圖4 可知，實驗組待統計數據電量行為始終保持相對穩定的波動存在狀態；對照組待統計數據電量行為的變化趨勢基本與實驗組保持一致，但其均值水平卻相對較低。從極限值角度來看，實驗組最大值9.7×105C，與之對應的時間節點為第35 min，此時的電壓數值為223 V，電流數值為36.2 A；對照組最大值7.0×105C，與之對應的時間節點為第45 min，此時的電壓數值為234 V，電流數值為36.0 A，與實驗組數值相比，電量水平下降了2.7×105C。實驗組最小值為8.9×105C，與之對應的時間節點為第20 min，此時的電壓數值為226 V，電流數值為36.8 A；對照組最小值2.1×105C，與之對應的時間節點為第30 min，此時的電壓數值為232 V，電流數值為35.7 A，與實驗組數值相比，電量水平下降了6.8×105C。若僅從自體差值的角度來看，實驗組最大電量、最小電量之間的物理差值為0.8×105C，而對照組最大電量、最小電量之間的物理差值為4.9×105C，其數值遠高于實驗組。

綜上可知，在基于邊云協同記錄數據統計方法的作用下，電氣設備狀態異常記錄數據的電量行為明顯更穩定，極大值、極小值之間的物理差值水平相對較低，能夠從電量數據的角度上，將所有電氣設備的異常行為全部考慮在內，較為符合實際應用需求。

4 結束語

電氣設備狀態異常記錄數據統計方法在邊云協同原則的作用下，對原有邊緣云架構進行完善，一方面定義統計任務格式的具體類型，另一方面計算數據處理響應比的實際數值。在已知數據降維條件的前提下，iTree 結構能夠提供較為全面的參考因素，不僅可實現對統計度量值的有效計算，也可避免電壓、電流等外界要素對電氣設備運行狀態的影響。實驗結果表明，對于已知的電氣設備狀態異常記錄數據來說，電量行為變化程度明顯縮小，可輔助后續信息參量整合與處理指令的順利進行，在穩定記錄異常數據表現行為方面具有較強的實際應用價值。