基于知識圖譜的跨系統電網多維數據自動挖掘

畢艷冰，于希永，杜旭光，朱春艷，李明

（北京國網信通埃森哲信息技術有限公司，北京 100052）

在電力系統中，電網必須實時保持發電量與電網之間的動態平衡，一旦超出需求范圍，將影響電力系統的運行狀態。這種情況一旦發生，不僅增加了用電成本，浪費了能源，同時也對電能質量造成了嚴重影響，無法保證電力系統的安全運行，合理分配電能是預測未來負荷變化的重要手段。目前，使用的基于關聯分析算法的挖掘技術，通過處理跨系統的電網多維數據，構建相關性指標模型，并校驗冗余數據。結合關聯分析算法，挖掘跨系統電網數據[1]；基于灰靶理論與云模型的挖掘技術，利用自適應高斯云變換算法，處理跨系統電網數據。構建實際場景與多維數據匹配模型，挖掘跨系統電網多維數據[2]。上述兩種方法由于受到來源多、結構化程度復雜數據的影響，導致挖掘結果與理想結果不一致。為了解決以上存在的問題，該文提出了基于知識圖譜的跨系統電網多維數據自動挖掘方法。

1 多維數據三維融合展示

為充分展示跨系統多維數據間的相互關系，更直觀、有效地挖掘跨系統的多維數據，采用基于知識圖譜的三維融合顯示方法，使各種數據的相關特性可視化。

1.1 空域數據的顯著可視化

為實現多維數據的知識圖譜可視化，在系統電網上對多維數據進行投影，具體步驟如下：

第一步：選擇最佳的低階子空間，選取最大范數的行列向量，保證了稀疏矩陣的逼近性，確定低水平空間，并對子空間進行抽樣和特征分析[3]；

第二步：計算低層樣本子空間中每一類物體的類別比例的概率；

第三步：在低水平空間內嵌入樣本數據，保證輸入樣本與低水平空間的數據差異最小[4]。

通過這三個步驟，實現了低層空間大規模數據的可視化。

1.2 時空域數據的顯著可視化

該方法融合了空間和時間可視化的重要性，在動態大數據領域具有以下獨特的性能：

1）時間效率：該可視化方法的運行時間是線性的，與其他可視化方法相比，它的時間復雜度為O(n2)。另外，對于高精度可視化方法，時空域數據要比空域數據快。

2）空間效率：該可視化方法在空間復雜性方面具有很強的可視化能力，空間復雜度為O(n)，而其他算法一般需要O(n2)存儲單元。此外，對時空域數據有意義的可視化方法并沒有分配所有的歷史日歷數據空間，因此在處理變化的數據和無法一次裝載的大量數據時特別有用[5]。

3）稀疏性：在時空域數據可視化方法中，保留最低空間的稀疏數據。

4）解釋性：分解特征子空間矩陣，形成三個子空間，并對子空間進行選擇和更新，避免數據排列的混亂和重疊。

1.3 可視數據的分析與交互

基于空域和時空域顯著可視化特征，進行了跨系統電網多維數據的分析與交互，基于知識圖譜的三維融合顯示結果如圖1 所示。

圖1 基于知識圖譜的三維融合展示

由圖1 可知，圖（a）、（b）分別為t-1 時刻的可視化和t時刻的可視化，其中每一點代表了視頻中特征點的分布。圖中顯示記錄數量遞增的視覺分布變化很小，代表了一段時間的一致性。圖（c）不僅增強了知識圖譜的可視化程度，還可以更新數據。通過整合圖（a）、（b）、（c），可確定完整的可視化區域，將該區域轉換為放大視圖來顯示詳細數據[6-7]。

2 多維數據挖掘模型構建

在計算機上挖掘多維數據時，如果將供電可靠性提高，并用0 到5 六個不同字符來表示，則可使用[1,0,0]表示改進。因此，當一個數據被映射到一個D維向量時，這個數據不對應向量矩陣L。這種表示方式存在兩個潛在的問題：一是容易產生數據稀疏性，二是數據屬性相似[8]。為此，提出了一種適用于計算機多維數據挖掘的方法，結合知識圖譜，將電網多維數據中得到的原始數據進行變換，并對數據向量矩陣L進行優化[9]。構建基于知識圖譜的多維數據挖掘模型，如圖2所示。由圖2 可知，對于確定的n元任意組，利用中心數據的向量f(αi)來預測跨系統電網多維數據中的第t個數據αt的概率，計算公式為：

圖2 基于知識圖譜的多維數據挖掘模型

式中，αi表示中心數據；f(αi)∈Rn表示中心數據對應的n維數據向量，該向量可通過檢索n維數據向量矩陣L可以獲取[10-11]。

基于知識圖譜的目標函數是一種n維數據向量矩陣，使全部數據的對數似然最大化，該過程可描述為：

式中，C表示挖掘背景窗口大小。

跨系統電網多維數據經過挖掘后，獲取優化后的n維數據向量矩陣包含了所有挖掘目標的分布式向量[12]。

3 跨系統電網多維數據挖掘

結合構建的基于知識圖譜的多維數據挖掘模型，詳細設計了跨系統電網多維數據挖掘流程：

步驟一：初始化處理實時數據庫、已知故障區域、未知故障區域。在已知的故障區域和實時數據庫分別添加初始訓練樣本集，共有N個待測樣本[13]。

步驟二：該算法以現有的實時數據庫為樣本，采用迭代優化方法，獲得懲罰系數λ。在選定多維數據挖掘模型參數的基礎上建立了新的多維數據挖掘模型參數[14]。

步驟三：提出了一個新的多維數據挖掘模型來檢測第n個樣本。設樣本xi是n維數據，通過非線性映射?將數據映射到高維空間中，結合SVDD 算法檢索最小區間，保證所有非線性映射樣本φ(xi)均包含在該區間，可將SVDD算法的求解轉化為式（3）優化問題：

式中，R表示區間周長；λ表示懲罰系數；ξi表示變量系數；O表示區間中心[15]。如果計算結果大于0，則判斷樣本為已知的故障類型，并轉移至已知的故障區域；反之則移入未知故障區域。

得到多維數據自動分類樣本如式（4）所示：

步驟四：如果故障區中的樣本數增量為numi，則執行步驟六；否則，繼續執行步驟三。

步驟五：當未知故障區域樣本數達到上限numuni時，利用知識圖譜聯合搜索未知分組故障，總搜索次數總計numuni-1 次。在第nuni(0 ≤nuni≤numuni-1)次搜索過程時，基于知識圖譜聚類后，確定某一類未知故障的樣本數目達到設定下限numunf。在第numi次聚類中，此類別中樣本數目最大的組可被視為新故障，并把這組新故障的樣本群從未知故障區域轉移至實時數據庫中，并更新未知故障區域[16]。

步驟六：對當前已知故障區域的樣本集聚類后，判斷每個樣本的類別。更新群集結構(群集分布、群集中心)到實時數據庫。如果已知故障區域中的樣本數量等于N，則執行步驟七；如果已知的錯誤區域的樣本量小于N，則執行步驟二。

步驟七：判斷所有N個測試樣本的故障類型，完成跨系統電網多維數據自動挖掘。

4 仿真實驗

研究基于知識圖譜的跨系統電網多維數據自動挖掘方法在某市公司試點進行仿真實驗分析。其數據來源于110 kV 變電站工程，非結構化數據為該工程實驗報告，實驗數據為2 900 個字符串和35個長度為150 的列表，為了方便實驗分析，需抽取實驗數據。

4.1 數據庫分析

對于來源多、結構化程度復雜的跨系統電網多維數據，獲取設備名稱、種類、材料和成本明細描述四類實體數據共500 個，屬性關系489 條。其數據庫的結構如圖3 所示。

由圖3 可知，過濾重復數據，完成數據庫的開發。從word 文件和excel 文件中抽取四類實體數據共400 個。

圖3 數據庫結構

4.2 實驗結果與分析

將準確率、召回率和F 值作為指標，對比分析基于關聯分析算法、灰靶理論與云模型的基于知識圖譜的挖掘技術字符串抽取結果。其三個指標計算公式，如下所示：

式中，Recall 表示準確率；Precision 表示召回率；f表示正確劃分數據種類數；M表示實際劃分數據種類數；G表示劃分數據種類數。

三種方法在1 000 個測試字符串上，共劃分為150 種類別，對應的三個指標計算結果如表1 所示。

表1 三種方法三個指標計算結果對比分析

由表1 可知，使用基于知識圖譜的挖掘技術表現明顯優于關聯分析算法和灰靶理論與云模型挖掘方法。抽取數據間的屬性關系，確定考慮依存關系指標和不考慮依存關系指標，如下所示：

式中，U表示考慮依存關系指標；L′表示不考慮依存關系指標；r表示核心數據正確的數量；r′表示核心數據正確且依存關系也正確的數據量；R′表示總數據量。使用三種方法對比分析不同數據字符串間的依存關系，對比結果如表2 所示。

表2 三種方法不同數據字符串間依存關系對比結果

由表2 可知，使用的基于知識圖譜的挖掘技術可以取得比基于關聯分析算法、灰靶理論與云模型挖掘技術更加精確的結果。

5 結束語

利用知識圖譜實現跨系統電網多維數據的自動挖掘方法，既能滿足不同用戶的自動檢索需求又能解決基礎設施項目間數據跨系統交換的障礙。隨著現代化智能電網的不斷建設與發展，知識圖譜的構建也需要不斷更新和完善。未來應考慮數據一致性和ETL 技術，以研究知識庫的自動更新，確保知識庫的有效性。