基于用戶綜合用能信息的用能行為異常識別系統設計

王宏剛，王一蓉，趙曉龍

(國家電網有限公司大數據中心，北京 100000)

0 引言

據統計調查數據顯示，我國能源的總體利用率在32%左右。為實現節能減排，我國加大了能源設施建設，更加關注能效評價指標和用能效率[1]。用戶側分布式能源結構是我國能源體系的重要組成部分。用戶能源包括電負荷、熱負荷、冷負荷、燃氣和燃油負荷。用戶能源結構和用能角色發生了很大的變化。因此，如何降低用能費用、提高用戶用能的合理性是當前研究的關鍵[2-3]。

在當前用戶用能信息管理研究中，文獻[4]方法設計了家庭用能信息管理系統，采集用戶用電設備的電能數據，并加入了優化調度算法，基于實際用電情況規劃合適的用電方案，幫助用戶節能并提高用能效率。文獻[5]系統使用了可編程邏輯控制器，集成了交流電源插座、控制模塊和數據處理平臺，在監測用戶的用能信息的同時，對用戶電力設備進行控制。文獻[6]系統通過采集不同設備相應的各類能源數據和參數，自動生成事件記錄報告并發送到系統主站，并根據當前用戶側能源需求進行優化配置。新的用戶用能管理業務不斷涌現，對系統用能信息的交互提出更高的要求。由于用戶側的用電設備存在多種型號和種類，與系統之間交互存在障礙，用能信息難以互通互聯。

基于上述技術的不足，本文設計了1種用戶綜合用能信息管理與異常識別系統。該系統通過構建1套整體系統架構，進而實現采集時間間隔、采集精度和數據大小等關鍵參數的設置與計算；通過構建電能異常識別報警模塊，監測用戶的用能數據異常情況；通過改進型Apriori算法模型，實現用戶能耗模式關聯和數據分析。

1 用戶綜合用能信息管理與異常識別系統

本文設計的用戶綜合用能信息管理與異常識別系統的總體目標是對用戶的電負荷、熱負荷、燃氣負荷等多種能源的使用情況進行監測。該系統將采集到的綜合用能信息存儲到執行的數據庫中進行用能分析，以及時發現沒有合理利用能源或能源有效利用率不高的情況，分析用戶用能特性，識別用能異常情況，提醒運維人員對異常情況進行處理[7]。該系統的創新點如下。

①系統能夠設定采集終端的采集時間間隔、采集精度和數據大小等關鍵參數，為用戶建立綜合用能信息檔案，并可隨時生成采集任務，以實時掌握用戶用能數據。

②系統中的模塊監測到用戶某項用能數據超過系統設定的閾值或出現其他異常情況時，能夠及時識別，并能實現異常數據信息的即時報警。

③通過數據挖掘技術，如改進型Apriori算法模型，可實現用戶的能耗模式關聯分析，并將不同運行模式數據挖掘出有價值的數據信息，從而提高異常數據診斷能力。

本文設計的用戶綜合用能信息管理與異常識別系統在整體架構上包括采集層、數據層和網絡層。

采集層能夠通過接收系統實現采集任務的發送，進而輸出用戶綜合用能信息。該層能夠通過熱力參數的采集使用熱量表實現實時流量、累計流量、供回水溫度等數據的采集。其中：燃氣表中的燃氣參數包括實時流量、使用燃氣量和燃氣表狀態量等；智能水表能夠獲取用戶用水量、水流量、溫度等用水數據[8]。采集層執行網絡層發送的采集任務，并根據系統設定參數定時或實時采集綜合用能數據。集中器將多種能源采集設備獲取的數據匯集起來，共同發送到數據層中存儲[9]。

數據層主要提供用能信息管理、系統日志管理、資源管理、源數據管理、數據交換等服務，支持關系數據庫管理系統(relational database management system,RDBMS)、HBase、MongoDB、Phoenix等主流數據庫的讀寫，使用DataX工具讀取數據交換配置Json文件，完成數據任務[10]。

網絡層負責與系統用戶進行交互，提供用能信息管理服務界面，下發綜合用能信息采集任務，對用能行為異常進行識別和報警。網絡層從多個維度對用能信息進行分析，在采集到的用戶用能數據出現異常時，將觸發系統的報警模塊。

用戶綜合用能信息管理與異常識別系統整體架構如圖1所示。

圖1 系統整體架構示意圖

通過確定各類用能情況和各單元用能數據后，系統用戶可直觀地觀察到綜合的用能情況。系統能夠根據不同維度和不同能源類型進行統計和展示[11]。系統提供異常行為識別和報警功能，使用數據挖掘技術對異常用能數據進行識別和診斷，分析多種能耗設備運行參數和用能情況，實現用能行為異常的識別，找出用戶用能過高的原因[12]。在系統的報警側輸入設定好的閾值，當被監測的某項能源使用情況超出閾值，系統自動觸發報警模塊完成報警。

2 關鍵技術分析

2.1 用能異常識別報警模塊設計

用能異常識別報警時，報警模塊通常通過硬件結構設置系統的閾值，將輸出數據信息與設定閾值進行對比。當兩者數據信息匹配時，則出現正常運行信息。當兩者數據信息匹配時，則在模塊的顯示界面和系統客戶端界面上顯示報警信息，提醒運維人員或用戶及時采取相關的保護措施。在異常數據信息監測時，還可以監測反映用戶綜合用能信息的多種數據信息，如管道壓力、水流量、環境溫度、用電功率等。這些數據信息能夠被全方位地實時監測。異常識別數據信息模塊還包含了壓力傳感器、溫度傳感器、流量傳感器、信號采集模塊、控制器、顯示模塊和報警器等。這些數據傳感過程由STM32F103VET6處理器控制，能夠實現對采集到的用戶用能數據進行處理和分析，將實時用能數據顯示在液晶顯示模塊和上位機中[13]。

用能異常識別報警模塊整體結構如圖2所示。

圖2 用能異常識別報警模塊整體結構

模塊設計中使用PCM300H壓力傳感器，對用能場景中燃氣管道、燃油管道和水管道的壓力進行監測。該壓力傳感器測量量程可達到0～1.6 MPa，輸出的電流信號范圍為4～20 mA，監測精度為0.2%FS[14]。溫度傳感器中使用的熱電阻主要有Pt10、Pt100、Cu50、Cu100。電阻值與溫度的對應關系為：

Rt=R0(1+At+Bt2)

(1)

式中:Rt為報警模塊電路中熱電阻的電阻值;R0為報警模塊電路在0 ℃時的電阻值；t為報警模塊電路工作時的溫度；A、B均為報警模塊電路在工作過程中的熱電阻溫度系數[15]。

用能信息經過主控芯片分析處理后，識別到異常用能數據時，報警模塊電路中的報警模塊自動開啟。報警響應采用蜂鳴器和發光二極管(light emitting diode,LED)燈兩種方式。

報警模塊電路如圖3所示。

圖3 報警模塊電路

報警模塊電路中的報警模塊采用液晶顯示器(liquid crystal distplay,LCD)，以有效顯示異常輸出數據信息。報警電路內部還包含ILI9341液晶控制芯片，并自帶GRAM顯存。主控模塊使用8080接口與液晶顯示模塊通信。RDX引腳用于讀取數據信號和命令信號。CSX引腳用于接收片選信號[16]。LED報警燈分別與主控芯片的3個GPIO引腳相連接。報警燈的亮滅與對應GPIO引腳的電平有關。發出報警時蜂鳴器響起，則LED報警燈亮，并在顯示模塊和上位機顯示報警消息。

2.2 構建用戶異常用能行為診斷模型

用戶異常用能行為診斷模型采用Apriori算法對用戶的能耗模式進行關聯分析，挖掘不同運行模式數據匯總隱藏的有價值的數據，為用能異常行為診斷提供數據支持[17]。該模型通過綜合用能信息與規則庫的一致性判斷用能行為是否處于異常狀態。

異常用能行為診斷流程如圖4所示。

圖4 異常用能行為診斷流程

假設診斷模型中用戶綜合用能屬性數據集合為I={i1,i2,…,ix}，數據所有屬性的事務集合為T={t1,t2,…,tm}。其中：SA、SB分別為用能數據屬性項[18]、關聯規則為SA?SB。則計算支持度和置信度可表示為：

(2)

式中：SA在關聯規則中為規則前項;SB為規則后項；S為支持度；C為置信度；N為全部數據數量；P為關聯規則出現的概率。

同時滿足最小S和C的關聯規則為強關聯規則，使用lift(SA?SB)衡量是否為有效強關聯規則。首先找出所有頻繁項目集，然后生成關聯規則并進行篩選。如果lift(SA?SB)>1則表示其為有效強關聯規則。

本研究診斷模型對Apriori算法進行了優化，對改進的項目集都采用2個線性表存儲方式，以存儲事務列表和事務列表對應項[19]。在k維項目集X={i1,i2,…,ik}中，存在1個j∈X，如果滿足式(3)條件,則表示X不是頻繁項目集。

|Lk-1(j)|

(3)

式中:Lk-1(j)為頻繁項目集匯總包含項目j的數量；k-1為項目集維度。

在每次自連接時對Lk-1的所有項目進行計算，移除Lk-1中包含的頻繁項目集，得到L′k-1后保證L′k-1中所有項目數不小于k-1，用L′k-1生成候選項目集，減少生成項目集的數量。經過Apriori算法挖掘規則后，對得到的異常用能規則進行解讀，建立異常規則庫。如果當前采集到的綜合用能數據與診斷規則庫一致，則可以判斷出現異常用能行為。

3 應用測試

本研究應用試驗對系統進行測試，并對測試用能信息進行分析，驗證系統異常用能行為識別的有效性。本測試使用應用服務器、數據庫服務器、接口服務器和試驗計算機搭建試驗環境；使用Nmon工具監控系統資源使用情況；使用HttpWatch分析系統資源；使用Quality Center工具對測試過程進行管理。

試驗環境如圖5所示。

圖5 試驗環境示意圖

為了保證試驗環境符合用戶實際的應用場景，試驗環境的配置參數與用戶系統參數需保持一致。

本次試驗環境下的試驗數據集如表1所示。

表1 試驗數據集

在表1中，設備采用應用服務器，其內存為16 GB，數據庫服務器的硬盤為300 GB,型號為Power Edge M910，CPU為Intel(R) Xeon(R) CPUX5650@2.67 GHz，數據庫為Oracle 11.2.0.3.0 64 bit，并發連接設置為Processes 1500，中間件布署為Xmx 1024 MB。試驗環境中，數據庫服務器主要保存系統采集到的用戶綜合用能數據，包括用戶用能區域表、實時監測統計表、設備能耗信息表、用能區域監測點表等數據。本研究從數據庫中選取多種類型的用能信息作為試驗數據集，為應用測試提供數據。

對系統的用能信息采集功能進行測試時，本研究選擇采集用戶的用水流量數據，環境溫度設定為20～25 ℃，用水管道壓力在715～720 kPa范圍內。試驗時間設定為10 min。本研究在試驗過程中突然增加用水流量，使用文獻[3]系統和文獻[4]系統進行采集作為本文系統的對比試驗，得到用戶的用水流量數據如圖6所示。

圖6 用水流量數據

由系統采集到的用戶用水流量數據可知，試驗在7～8 min時間段內出現用水異常現象。此時，用水流量突然增加到30 L/min以上，用水異常現象持續時間為1～2 min。文獻[3]系統采集到的最大用水流量數據為33.8 L/min。文獻[4]系統采集到的異常用水流量數據為32.1 L/min。在試驗初期(0～7 min內)，用水流量穩定在23 L/min左右。試驗時間超過9 min后，用水流量開始下降，最終降低到25 L/min以下。試驗過程中，文獻[3]系統檢測到的用水流量異常情況仍存在較長的反應時間；文獻[4]系統采集到的異常用水流量數據低于實際數據，最大異常用水流量相差2.1 L/min，采集結果存在較大的誤差。

本文系統采集到的用水流量數據精度最高，可全方位實時監測用水流量變換情況。出現用水異常情況時，系統的響應速度更快，實時性更強，采集到異常用水流量最大值為34.2 L/min。系統在8 min 10 s時報警模塊自動開啟并發出報警信號，在蜂鳴器響起的同時LED燈點亮，對異常行為反應更加迅速。試驗過程中，系統運行穩定，總體工作情況較好，能夠觀察到較小的用水流量波動情況，提高了用戶用能的安全性。

從試驗數據集中抽取設備能耗數據，將能耗數據進行預處理后劃分為4種用能模式，并在試驗數據中加入300條異常能耗信息，共有25個屬性。將試驗數據劃分為5組，使用異常用能診斷模型對試驗數據進行診斷。試驗時間設定為5 min。3種系統得到的系統診斷結果如圖7所示。

圖7 系統診斷結果

由系統診斷結果可知，第三組數據中的異常能耗信息數量最多，文獻[3]系統識別的異常能耗信息數最多為55條，對第一組數據中的異常能耗信息的識別結果最少為21條。文獻[4]系統最多識別出43條異常能耗信息，識別到第二組能耗數據的異常信息數最少為23條。本文診斷模型通過對試驗數據集中的設備能耗數據進行數據挖掘，產生多個候選項目集，將異常能耗數據與模型中的異常規則進行解析，識別出的異常能耗數據的數量最多。其中，第三組的異常能耗數據高達68條，識別出第二組數據中的異常信息數量較少為30條。系統通過對異常規則進行分析，可得出用戶電力設備的異常用能行為，有助于提高用戶的能耗利用率。

4 結論

本文設計了用戶綜合用能信息管理與異常識別系統，對用戶綜合用能數據進行實時的動態掌握，對用戶的用能進行有效的追蹤，智能化、數字化管理用戶用能信息，并識別異常用能行為，對于突發的異常用能現象進行報警。該系統設計了用能異常識別報警模塊，可連接多個傳感器模塊采集用戶綜合用能信息并進行實時監測。主控芯片檢測到異常用能數據或超過設定閾值后，由報警模塊自動開啟發出報警信號，并在液晶顯示模塊和上位機上顯示報警信息。使用改進后的Apriori算法構建異常用能行為診斷模型，并優化了數據庫的映射方式，可減少計算支持度的事務集。將綜合用能信息離散化后進行診斷，可基于數據層數據識別存在的異常用能行為。

隨著系統監測的用戶數量和用能設備的增加，系統產生的數據量急劇增加，在以后研究中需要應用大數據技術提高系統的數據處理、分析和存儲能力。