基于大數據模型分析算法的電網防災應急平臺設計

許劍川，楊定光

(云南電網有限責任公司，西雙版納供電局，云南，西雙版納 666100)

0 引言

國內的用電預測大多以同區域內的整體用電情況作為預測基準，面對較大的用電變化則會對電網防災造成巨大的壓力。因此，一個高穩定性的電網防災應急平臺的搭建，對整個電網體系具有戰略性的意義。

近些年許多專家學者在電網防災應急的平臺設計方面提出了許多具有建設性的意義，但仍有部分缺陷。文獻[1]設計了基于企業日用電量情況搭建預測模型，通過區域內企業用電的變化預測未來區域內的電網壓力，從而對電網防災進行把控與宏觀調整，但數據采集方式過于單一，無法正確預測區域內的用戶用電模型。文獻[2]提出了利用大數據平臺對電網防災應急數據進行處理，利用大數據平臺能夠確保數據的客觀性與準確性，但設計過程中系統穩定性卻沒有得到保證。本研究針對大數據模型分析算法進行創新，設計新型大數據電網防災應急平臺，基于系統的穩定性與預測準確性進行優化和創新。

1 大數據模型分析算法的創新

本研究針對大數據下的電網防災應急處理，在大數據模型技術中，需要通過算法對電網防災應急進行預測，在經過電網防災模型的分析與多種算法對應急的處理狀況的分析后，本研究決定采用FWA算法對平臺進行設計[3-5]。FWA算法的簡易流程如圖1所示。

圖1 FWA算法的簡易流程

如圖1所示，為了運用算法對電網防災應急數據進行處理與預測，首先對電網數據進行初始化，初始化的流程包括用電客戶的信息行為與防災預警的時間重置；初始化之后對數據信息中的特定單元加入爆炸算子和變異算子，其中爆炸算子主要針對電網單元鄰近區域進行搜索，變異算子主要針對多樣性的區域進行搜索，通過變異算子的增加，能夠有效增強大數據分析模型的適應性；在生成算子后，對超閾值的算子進行映射，對算子搜索到的數據進行整理；在此之后，通過閾值的計算將超閾值算子區域進行整理，確保全部區域的全部數據都在算子的搜索范圍內，如果有需要則需要重新生成變異算子，再次對數據進行迭代運算，這就是一個FWA算法在電網系統應用的基本流程[6]。

流程中針對初始爆炸算子進行適應度的相關評估。在可行域內，為了使不同的算子具備差異化，對算子不同位置的適應度值的評估必不可少，適應度值較高的算子能夠在搜索中獲得更多的有效信息，相反，適應度值低的算子獲得的有效信息有限[7]。對于算子有效信息的獲取形象圖如圖2所示。

(a)

如圖2所示，圖2(a)代表了質量好適應度值較高的算子搜索有效信息的形象圖，圖2(b)則代表了質量不好，適應度值較低的算子搜索有效信息的形象圖。由兩圖明顯可以看出圖2(a)在有效信息的數量和排布上都明顯比圖2(b)更加清晰，因此，迭代設計就是盡可能減少適應度值不好的算子，通過增加整體算子的適應度值從而增加電網防災應急系統的穩定性與強適應性[8]。

在FWA算法中，假設每個算子的影響半徑與半徑內的有效信息是根據其適應度值通過一定運算計算得來的，那么對于系統內的一個隨機算子xi，它可搜索的影響半徑Ri與影響半徑內的有效信息數目Ai的計算公式分別為

(1)

(2)

式中，ymin=min(f(xi)),i=1,2,…，N是當前電網系統有效信息的適應度值最小值，ymax=max(f(xi)),i=1,2,…，N是當前電網系統有效信息的適應度值最大值，M為一個可變化的常量，可以通過其調整算子搜索半徑的大小，同理，N也是一個可變化的常量，可以通過其來調整搜索半徑內的搜索率來改變可搜索的最高有效信息數目，f(xi)為電網防災處理過程中可優化的假設代求解適應度值，通過f(xi)的展開與求解能夠得出可優化的最佳閾值，它的大小直接影響到算法性能的優劣，ε是一個最小量，在公式中加入ε可以有效避免除數為0的情況出現，也是增加電網防災系統算法穩定性的步驟。

為了增加電網防災平臺中爆炸算子的多樣性，還需要對算子中添加變異算子，即高斯變異算子。通過對變異算子的高斯變異操作，對隨機算子xi的維度進行選擇。對于隨機算子xi中任意一個隨機選擇的維度ω進行高斯變異操作，公式為

(3)

為了使電網防災預警系統的計算準確性與系統穩定性更上一個層次，需要對算法內的爆炸算子、變異算子、算子的半徑和算子所能承受的最大有效信息的數目進行選擇，假定備選的信息集合為K，電網防災預警系統的數據種群大小為L，備選的集合中適應度值最高的信息將會被確定的選入下一代的信息中，而剩下的信息則會采用隨機選擇的方式進行整理[9]。隨機選擇的概率計算公式為

(4)

(5)

式中，R(xi)為電網防災應急系統當前信息數據到備選的信息集合K除去xi以外的所有信息之間的距離和,xi與xj都為信息個體。在備選的信息集合中，如果信息與信息之間的密度較高，即該信息周圍同樣有許多信息時，該信息被選擇的概率則會降低。

2 電網防災應急平臺的設計

2.1 模塊化的的創新

在數據采集的過程中對計算機的運算資源進行重新分配[10]，進而對數據的分配進行整理，這樣更有利于數據的模塊化實現。但是，這一過程中需要耗費巨大的計算機資源，還需要一定的計算時間，在實際使用過程中則會體現在計算延遲與反應時間過長上，同時對計算機的硬件需求也進一步加大。因此，根據上述缺點，本研究在傳統大數據模型模塊化的基礎上進行優化與創新，另外將電網防災應急平臺的數據采集和初級網絡模塊進行物理交互，令網絡數據能夠對采集得到的數據進行校正[11]；同時添加設備管理模塊，主要利用設備管理的硬件檢測部分對系統硬件進行一級處理，減少系統硬件的壓力，從而降低系統平臺對硬件的硬性需求；另外，通過改良用戶交互方式，將用戶交互與系統軟件后門進行二級處理與開發，增強交互性，降低電網相關人員對系統的操作性要求，從而增加系統的普及性[12]，側面增加了系統運維的穩定性。系統模塊化設計如圖3所示。

圖3 系統模塊化設計圖

如圖3所示，本研究工作原理如下。

(1) 通過FWA算法開發模塊實現防災人員之間的交互計算，增加算法開發模塊與二次開發模塊，同時在交互方式上進行可視化設計，不斷加強可視化操作與可視化信息交互。

(2) 通過進行防災人員交互，將網絡模塊與電網設備管理模塊進行連接，通過網絡模塊實現電網設備的遠程管理，同時對網絡模塊的內網與外網的權限進行劃分。

(3) 然后進行數據存儲，在進行數據存儲時，增加固定存儲方式，在系統對信息算子進行爆炸與變異處理時，通過固定存儲的方式更容易調用存儲過程中的變量信息，對可替代信息的替代，不同信息的分類觀察等都有可觀的幫助，同時也是一種減小系統運算時間從而減小延遲的方式。

本研究所設計的電網防災應急平臺的模塊化創新，通過以上3點對系統硬[12]件進行改造，但這只解決硬件方面的諸多不便，更深層次的優化與創新還需要對網絡架構進行建造。數據過濾如圖4所示。

圖4 數據過濾圖

2.2 大數據電網平臺網絡架構的創新

本研究所設計的大數據平臺從電網防災的基礎出發，與當前大數據分析模型相區別。針對傳統電網防災應急平臺計算速度不足，電網交互反應延遲過多以及準確性欠缺的缺點，本研究通過對電網防災應急網絡架構進行重新整合，將網絡架構分解為系統管理、實時計算、軟件配置、運行統計和監控與交互幾個大的板塊。同時在每個板塊內采用上文提到的FWA算法[13]對其進行優化，通過系統軟件的配置，解決運算力不足的問題，同時為電網防災提供良好的電力調度方案與電力維護方案。整體網絡架構圖如圖5所示。

圖5 整體網絡架構圖

3 實驗結果與分析

3.1 實驗環境及數據

本研究采用硬件計算機操作系統為Microsoft Windows 10，64位，CPU：Inter(R)Core(TM)i7[14-15]；主頻為2.59 GHz；內存16 G。

河南省鄭州市高新區有1 200余家企業，常住人口32萬余人，用電量在100 wkW左右，本研究選用高新區作為實驗區域，在實驗過程中選擇鄭州市高新區用電情況作為大數據平臺的模擬對象，通過對鄭州市高新區用電情況進行模擬，從而比較本研究所用大數據電網防災應急平臺與傳統電網平臺的優缺點，驗證本研究系統的技術優越性。

3.2 實驗設計與實驗過程

為了驗證本研究所設計的大數據電網防災平臺的技術優越性，在此設置對照組，先對電網防災應急平臺搭建進行仿真，主要通過對電網防災應急大數據平臺中的網絡架構與硬件模塊化模型進行搭建，對比文獻[1]基于企業日用電量情況搭建預測模型(下文簡稱為平臺一)與文獻[2]利用大數據平臺對電網防災應急數據進行處理的模型(下文簡稱為平臺二)，判斷三者在電網防災應急大數據信息處理過程中的系統穩定性與系統準確性。

3.3 實驗結果與分析

為了測試3類平臺的系統穩定性，將測試數據導入到系統平臺中，觀察3類平臺給出的數據反饋，利用崩潰測試對平臺穩定性進行極限化測試。輸出的誤碼率如表1所示。

表1 平臺誤碼率測試示意圖

為了形象地表達本研究的數據接收情況，將平臺反應情況繪制成折線圖，如圖6所示。

由圖6可以明顯看出，平臺一誤碼率一直處于最高的狀態，在第2～5個小時的測試時間點，誤碼率上升平緩，但剩余時間都是高上升趨勢，在第6個小時的測試時間后，誤碼率達到四個百分點。據分析，這是由于平臺一采用了單一的數據采集方式，容易造成在采集時的數據誤差沒有及時辨別，導致錯誤的數據繼續向下游反饋，進而對整個數據輸出的結果產生很大的影響，產生更大的錯誤；平臺二在第2～3個小時之間，由于算法處理到達閾值等問題無法及時更新錯誤運算，導致誤碼率在這個時間段內飛速提升，在6個小時的測試后達到2.1%；本研究設計的平臺由于更新了算法處理機制利用FWA算法對數據進行分類，能夠有效對誤碼率進行挑出，因此在6個小時的測試完成后誤碼率不超過1%，且誤碼率趨勢穩定，有利于后期審核過程中對錯誤數據有效的挑選，由此表明本研究算法對系統的穩定性處理上發揮著有效的作用。

圖6 平臺誤碼率測試

本研究對未來一季度高新區的用電情況進行分析，對比3種平臺系統的預測用電情況與真實用電情況，引入真實度的概念對準確度進行概述,具體分析結果如圖7所示。

圖7 未來一季度用電量與預測對比柱狀圖

在圖7中，虛線表示當月真實的用電量，由圖7的數據可得，本研究所用方案在用電量預測明顯優于平臺一與平臺二的預測結果。

經過上述2種實驗的分析，本研究平臺在穩定性測試與準確度測試上都明顯優于文獻[1]與文獻[2]所設計的平臺，驗證了本研究的技術優越性。

4 總結

本研究基于大數據模型分析算法，對傳統電網防災應急平臺進行改良。利用模塊化技術結構，構建出新型的大數據電網防災應急平臺的物理層設計，同時引入FWA算法對平臺的數據處理進行優化，進而增加平臺的穩定性與準確性，進一步改進了傳統電網防災平臺中相對應的技術不足的缺點，實現了高穩定性且高準確率對區域內的電網壓力計算和用電情況進行處理，這使得電力監控與電力災害防治領域提升了一個新的技術高度。