基于大數據技術的電力分區多源異構數據集成系統設計

黃勇光，黃 兵

（1.深圳供電局有限公司，廣東深圳 518000；2.南方電網深圳數字電網研究院有限公司，廣東深圳 518000）

西電東送項目的開發，使電網之間聯系越來越 緊密，電力供需關系復雜，因此電網中存在許多潛在風險，如何保障電網運行的穩定性是現階段電力企業亟待解決的問題[1-3]。電力資源是人類生產、生活的基本保障[4]，電力系統的穩定運行直接影響電力供應[5]。當電力系統發生停電事故后，快速地恢復系統正常供電，對降低電力公司與相關企業的經濟損失具有重要的意義[6]。電力分區在電網事故發生時實現減載，有利于電網系統運行的穩定。電力分區多源異構數據具有數據數量大、數據類型多、數據獲取方式多樣化等特點[7]。為了降低原始數據間的邏輯差異，采用數據集成將各類分散的數據進行統一集成、存儲[8]。

但是以往電力分區多源異構數據集成系統非常局限，如文獻[9]研究了基于三維GIS 平臺的電網數據資產可視化系統，在電力分區多源異構數據集成過程中，采用三維GIS 技術，進行空間信息集成，由于該系統比較繁瑣復雜，導致電力分區多源異構數據集成效率不佳；文獻[10]研究了基于改進局部拓展算法的電力系統，在電力分區多源異構數據集成中，采用改進局部拓展算法，對輸電線路加權化處理，構造加權無向復雜網絡模型。由于該系統智能化程度不高導致電力分區多源異構數據集成效果差。大數據技術的核心是對大量數據進行分析，在不同類型的數據中尋找有價值的信息技術。因此，該文設計了基于大數據技術的電力分區多源異構數據集成系統。

1 集成系統設計

1.1 系統總體結構

數據接口層、數據集成層和數據發布層[11-12]，構成了基于大數據技術的電力分區多源異構數據集成系統，系統總體結構如圖1 所示。

由圖1 可知，將設備數據、電力分區多源異構數據傳輸到數據接口層，在數據接口層進行數據特征提取，配置合適的交互接口，再通過數據集成層中靈活分布式集群進行數據采集并采用電力分區多源異構數據融合算法實現數據融合集成，數據發布層負責電力分區多源異構數據的發布。

圖1 系統總體結構

1.2 系統硬件

基于大數據技術的電力分區多源異構數據集成系統的硬件如圖2 所示。

由圖2 可知，系統硬件包括工作站、網絡交換機、局域網、接口服務器、集成服務器和發布服務器。其中接口服務器用于不同業務平臺數據接口處理；集成服務器用于存儲數據加工服務器信息；發布服務器用于部署配電網運行。系統硬件與軟件的連接通過電力通信光纖網實現[13]。

圖2 系統硬件

1.3 電力分區多源異構數據融合算法

設各數據源的可信度為pi，m個數據源用S=(S1,S2,…,Sm)描述，n個決策用A=(A1,A2,…,An)描述，數據融合算法的流程為：

1）求解數據源對決策的支持度

數據是在數據庫內提取，并把不同類型數據轉換成決策的支持度，用式（1）描述：

其中，支持度的三角模糊數用(aij,bij,cij)描述，且0≤aij≤bij≤cij≤1；第i數據源對第j決策目標的支持度用Sij描述。

官廳水庫黑土洼濕地系統2016年水質監測評價分析……………………………………… 楊壘，吳玉欣，王彥芹（3-137）

2）明確有序加權平均算子權重向量

按照決策者的偏好選取合適的模糊語義量化準則，明確式（1）中參數和的值。為了明確模糊語義量化算子f(x)的取值范圍，設定大多數參數值的范圍為(0.3,0.8)，至少一半參數值的范圍為(0,0.5)。

按照f(x)計算出有序加權平均權重向量q=(q1,q2,…,qn)，數據源個數用n描述，根據式（1）計算出q的值。

3）決策的支持度按照支持度值Sij與各數據源可信度pi完成轉換。

按照支持度值Sij與各數據源可信度pi由大到小排序，采用有序加權平均權重向量并通過模糊判決法進行轉換，轉化過程如式（2）所示：

其中，支持度值最小值、最大值、平均值分別用Sij_min、Sij_max、Sij_average描述。

得到轉換后的決策支持度值，用式（3）描述：

4）為了獲取各決策的最終決策值，將轉換后的支持度和有序加權平均權重向量進行電力分區多源異構數據融合[14-16]。各決策的最終決策值用式（4）描述：

5）處理電力分區多源異構數據集成問題時，決策內容按照決策值大小而定。

2 實驗分析

為了驗證該文系統的性能，在Lab Windows 測試環境下，運行內存6 GB，選取某電力分區4 000個多源異構數據作為實驗對象，實驗對比系統采用文獻[9]的三維GIS 平臺的電網數據資產可視化系統、文獻[10]的改進局部拓展算法的電力系統，分別應用三種系統進行對比實驗。

為了驗證系統的有效性，采用三種系統對實驗數據進行信息覆蓋率測試，結果如圖3 所示。

圖3 信息覆蓋率

由圖3 可知，該文系統在信息覆蓋率上比其他兩種系統具有明顯的優勢，采用該文系統最大信息覆蓋率為95%，分別比其他兩種系統高出10%、20%。

分別采用三種系統在運行相同實驗數據條件下，進行數據融合方面穩定性的對比實驗，設置三種系統的工作時間均為120 min，每間隔10 min 記錄一次數據結果，穩定性測試結果如表1 所示。

表1 系統穩定性

由表1 結果可知，該文系統比其他兩種系統的穩定性具有顯著優勢，采用該文系統的平均穩定性為97.21%，分別比其他兩種系統平均穩定性高出14.80%、8.89%。

采用三種系統進行實驗數據的融合測試，記錄數據融合時的運行時間，實驗對比結果如圖4 所示。

圖4 運行時間

通過圖4 可知，在相同條件下，該文系統數據融合運行時間明顯少于三維GIS 平臺的電網數據資產可視化系統、改進局部拓展算法的電力系統，該文系統數據融合平均運行時間低至15.75 ms，分別比其他兩種系統快11.12 ms、7.13 ms。隨著數據數量的增加，該文系統數據融合運行時間趨于穩定。

采用三種系統進行實驗數據的存儲測試，記錄三種系統的數據存儲時間，實驗對比結果如圖5所示。

圖5 數據存儲時間

由圖5 可知，在相同條件下，該文系統數據存儲時間明顯少于其他兩種系統，該文系統平均存儲時間低至19 ms，分別比其他兩種系統快13 ms、20 ms。

采用三種系統測試數據發布的準確率，結果如圖6 所示。

由圖6 可知，該文系統的數據發布準確率明顯高于其他兩種系統，該文系統的數據發布平均準確率為99%，比其他兩種系統的數據發布平均準確率高10%、19%，說明該文系統數據發布的準確率高。

圖6 數據發布準確率

3 結論

為了提高電力分區多源異構數據集成效率，設計了基于大數據技術的電力分區多源異構數據集成系統。通過該文系統對電力分區多源異構數據集成管理，實驗結果表明該文系統的信息覆蓋率高、系統穩定性良好、系統性能最佳。由于時間與精力有限，仍有很多問題需深入研究。

未來研究方向為：1）在不斷豐富電力數據后，運用更先進的技術，更加精細化處理電力分區數據。2）推廣該文系統的應用范圍，可將所設計系統運用在智能電網的建設中。