基于分層聚合的電力系統(tǒng)不良數(shù)據(jù)自動辨識

翟佳，封冠華，張翃帆

（國網(wǎng)北京客服中心，北京 100062）

分層聚合就是按照數(shù)據(jù)的層次分布原理，求取物理數(shù)值解，統(tǒng)計最終計算結果的分布形式，將具有相似性的指標參量聚合起來，從而生成全新的數(shù)值解排列集合。與常規(guī)統(tǒng)計方法不同，分層聚合算法同時具備分裂、凝聚兩類執(zhí)行能力，在保障信息參量完整性的同時，合理運用相關數(shù)據(jù)，可以避免信息浪費行為的出現(xiàn)[1]。在實際應用過程中，“分層”“聚合”是兩個完全不同的執(zhí)行階段，前者注重對數(shù)據(jù)參量的打散處理，而后者則可將散亂分布的數(shù)據(jù)在此結合起來，一方面有效解決了數(shù)據(jù)參量分布不合理的問題，另一方面也實現(xiàn)了對數(shù)據(jù)聚合指標的合理調取與利用。

在電力系統(tǒng)實際運行過程中，由于存在電壓誤差、電信號傳輸不及時等外界因素，極易導致不良信息參量出現(xiàn)，且隨著電網(wǎng)運行時間的增加，這些數(shù)據(jù)會在數(shù)據(jù)庫主機中大量堆積，從而對電網(wǎng)主機的穩(wěn)定運行能力造成一定的不利影響[2]。傳統(tǒng)前推回代型追蹤辨識方法通過統(tǒng)計電力數(shù)據(jù)傳輸能力的方式，確定不良數(shù)據(jù)所處位置，再借助物理信道組織，將這些信息參量反饋至既定存儲位置，以此實現(xiàn)不良數(shù)據(jù)辨識[3]。然而該方法的應用能力有限，其對于不良數(shù)據(jù)的分辨準確度始終不能達到實際應用標準。為解決上述問題，設計基于分層聚合的電力系統(tǒng)不良數(shù)據(jù)自動辨識方法，并通過對比實驗的方式，驗證該方法的實際應用價值。

1 基于分層聚合的電力系統(tǒng)規(guī)劃

在分層聚合思想的支持下，電力系統(tǒng)規(guī)劃包含主電路連接、分層標準制定、聚合指標計算三個執(zhí)行環(huán)節(jié)。

1.1 主電路連接

主電路體系負責電力系統(tǒng)中的電量信號供應，以MAX811T 芯片作為核心搭建結構。在實際應用過程中，整個主電路體系中包含多個R消耗電阻，其中一部分電阻負責點傳輸電量信號的處理，另一部分電阻則負責更改供應電流的傳輸方向，在復位子回路的作用下，這些電阻結構能夠整合一切可利用的電信號資源，并可借助傳輸信道，將這些信號參量反饋回MAX811T 主芯片中[4-5]。電信號聚合器具備一定的電量感應能力，可與MAX811T 芯片直接相連，并可調取其中的電流與電壓參量。完整的連接示意圖如圖1 所示。

圖1 主電路示意圖

在電力應用系統(tǒng)中，主電路存在于高壓輸入端與低壓輸出端之間，且連接位置不會隨不良數(shù)據(jù)傳輸行為的改變而出現(xiàn)變化。

1.2 分層標準制定

分層標準約束了電力系統(tǒng)不良數(shù)據(jù)的傳輸能力，在分層聚合算法作用下，分層標準的實際取值越大，不良數(shù)據(jù)對于電量系統(tǒng)的攻擊能力也就越強，此時主機元件對于這些數(shù)據(jù)參量的辨識意愿也就更強。在不考慮其他干擾條件的情況下，分層標準計算結果只受到電力不良數(shù)據(jù)分類權限、信息分辨指標兩項物理系數(shù)的直接影響[6-7]。假設電力不良數(shù)據(jù)分類權限為α，若考慮分層聚合算法的作用能力，該項指標參量的取值結果始終處于[1,e)之間。信息分辨指標為β，一般情況下，該項指標參量的取值結果越大，分層標準的數(shù)值計算標準也就越細致。聯(lián)立上述物理量，可將分層聚合算法的分層標準計算結果表示為：

式中，rα表示α權限下的不良數(shù)據(jù)標記指標，hα表示初始標記向量，表示單位時間內的不良數(shù)據(jù)傳輸均值。在電網(wǎng)運行環(huán)境中，分層聚合算法的應用必須參考分層標準的數(shù)值精度水平。

1.3 聚合指標計算

聚合指標作為分層標準的補充說明條件，其對于分層聚合算法的影響相對較弱，在既定的電網(wǎng)運行環(huán)境中，該項物理系數(shù)的取值區(qū)間較為局限，其值并不會隨電力系統(tǒng)不良數(shù)據(jù)傳輸水平的增加而明顯增大[8-9]。設w表示電力系統(tǒng)不良數(shù)據(jù)的聚合分類條件，在考慮分層聚合能力的情況下，w≥1 的不等式條件恒成立。表示電網(wǎng)運行環(huán)境中的不良數(shù)據(jù)傳輸特征值，Δd表示主電路體系中的電信號單位傳輸量，λw表示電力系統(tǒng)對于不良數(shù)據(jù)的判別標準。在上述物理量的支持下，聯(lián)立式（1），可將分層聚合算法的聚合指標表示為：

對于電力系統(tǒng)主機而言，聚合指標選取結果將直接影響分層聚合算法的實際能力。

2 自動辨識算法

在電力系統(tǒng)應用環(huán)境中，聯(lián)合分層聚合算法，對信息不良水平進行計算，再根據(jù)加權殘差統(tǒng)計標準，確定辨識標度的具體數(shù)值，從而完成基于分層聚合的電力系統(tǒng)不良數(shù)據(jù)自動辨識方法的設計。

2.1 電力數(shù)據(jù)不良性計算

電力數(shù)據(jù)不良性通常指的是電力系統(tǒng)中存在的各種問題或異常情況，可能導致電力系統(tǒng)的不穩(wěn)定、不可靠或不安全。在分層聚合算法的作用下，數(shù)據(jù)自身的不良性越強，電力主機對于該類型數(shù)據(jù)參量的辨識作用行為也就越明顯[10-11]。設gmax表示分層聚合權限的最大數(shù)值反饋結果，gmin表示分層聚合權限的最小數(shù)值反饋結果，在電力系統(tǒng)運行環(huán)境中，gmax＞gmin且gmax≠gmin的不等式條件恒成立。δ表示電力系統(tǒng)主機中不良傳輸數(shù)據(jù)的拆分統(tǒng)計項系數(shù)，且指標δ的取值結果恒大于自然數(shù)1。表示基于分層聚合算法的數(shù)據(jù)不良性特征值，聯(lián)立上述物理量，可將電力數(shù)據(jù)不良性表達式定義為：

不良性價值決定了電力系統(tǒng)不良數(shù)據(jù)的實際傳輸能力，該值能夠幫助電網(wǎng)主機對不良數(shù)據(jù)參量進行判別與處理[12]。

2.2 不良數(shù)據(jù)加權殘差

不良數(shù)據(jù)加權殘差也稱之為不良電力數(shù)據(jù)辨識誤差，對于電力主機而言，該項指標參量能夠決定自動辨識指令的執(zhí)行強度，并可在不良性原則標準的作用下，完成對已存儲數(shù)據(jù)的分析與處理[13-14]。假設?表示電力系統(tǒng)主機對于不良數(shù)據(jù)的辨識閾值，其取值結果會隨著分層聚合算法作用強度的變化而不斷改變。表示電力系統(tǒng)主機在單位時間內所能感知到的不良數(shù)據(jù)傳輸均值，一般來說，該項物理系數(shù)的取值結果越大，不良數(shù)據(jù)加權殘差的計算數(shù)值也就越大。在上述物理量的支持下，聯(lián)立式（3），可將不良數(shù)據(jù)加權殘差表達式定義為：

其中，f表示電力系統(tǒng)主機對于不良數(shù)據(jù)的自動化判別權限，l表示辨識系數(shù)。

在考慮電力數(shù)據(jù)不良性的情況下，可認為加權殘差的物理計算值越大，電力系統(tǒng)主機對于分層聚合算法的適應性能力也就越強。

2.3 辨識標度值

辨識標度值決定了電力系統(tǒng)主機對于不良數(shù)據(jù)的承載能力，在分層聚合算法的作用下，辨識主機對于不良數(shù)據(jù)參考的分辨精度水平越高，則表示辨識標度值的取值結果越大，此時，電力系統(tǒng)不良數(shù)據(jù)的瞬時傳輸能力也就相對較強[15-16]。設ω表示分層聚合算法量化系數(shù)的最小值，若考慮分層聚合算法的實際作用能力，則ω≥1 的不等式條件恒成立。假設?、σ表示兩個不同的電力系統(tǒng)不良數(shù)據(jù)自動化分辨參量，u?表示參量取值為?時的不良數(shù)據(jù)辨識權限，uσ表示參量取值為σ時的不良數(shù)據(jù)辨識權限，A表示既定不良數(shù)據(jù)標度。在上述物理量的支持下，聯(lián)立式（4），可以得到電力系統(tǒng)不良數(shù)據(jù)辨識標度值計算結果：

至此，完成各項物理系數(shù)指標的計算與處理，在分層聚合算法的支持下，實現(xiàn)電力系統(tǒng)不良數(shù)據(jù)自動辨識方法的設計。

3 實例分析

選取如圖2 所示的供電柜主機作為實驗對象。首先，將分層聚合算法控制程序輸入實驗用供電柜主機中，所得各項實驗數(shù)據(jù)作為實驗組變量；其次，將前推回代追蹤算法控制程序輸入實驗用供電柜主機中，所得各項實驗數(shù)據(jù)作為對照組變量；然后，控制其他干擾變量完全保持一致；最后，通過進行相關實驗，得到實驗組、對照組實驗結果。

圖2 供電柜主機

電力系統(tǒng)不良數(shù)據(jù)分辨準確率η能夠描述電網(wǎng)應用環(huán)境的運行穩(wěn)定性，一般來說，不良數(shù)據(jù)分辨準確率越高，電網(wǎng)應用環(huán)境的運行穩(wěn)定性也就越強。

電力系統(tǒng)不良數(shù)據(jù)分辨準確率η的物理計算式如下：

其中，I0表示不同方法分辨出的電力系統(tǒng)不良數(shù)據(jù)數(shù)量，U0表示電力系統(tǒng)不良數(shù)據(jù)總量。

圖3 反映了實驗組、對照組電流有效值的數(shù)值變化情況。

圖3 電流有效值

分析圖3 可知，實驗組電流有效值的變化形式相對較為穩(wěn)定，整個實驗過程中的最大取值結果為56.91 A、最小取值結果為54.33 A，二者差值僅為2.58 A。對照組電流有效值的變化波動性更強，整個實驗過程中的最大取值結果為49.50 A、最小取值結果為33.00 A，二者差值為16.50 A。

圖4 反映了實驗組、對照組電壓有效值的變化情況。

圖4 電壓有效值

分析圖4 可知，整個實驗過程中，實驗組電壓有效值的平均水平相對較低，全局最大值僅能達到420 V；對照組電壓有效值的平均水平相對較高，最大值達到了500 V，與實驗組極值相比上升了80 V。

聯(lián)合圖3、圖4 對電力系統(tǒng)不良數(shù)據(jù)分辨準確率指標η進行計算，具體數(shù)值結果如表1 所示。

表1 電力系統(tǒng)不良數(shù)據(jù)分辨準確率

分析表1 可知，在整個實驗過程中，實驗組電力系統(tǒng)不良數(shù)據(jù)分辨準確率指標的均值水平相對較高，而對照組準確率指標的均值水平相對較低。

綜上可知，隨著基于分層聚合的自動辨識的應用，電力系統(tǒng)不良數(shù)據(jù)分辨準確率指標始終保持在較高的水平，與前推回代追蹤辨識方法相比，更符合穩(wěn)定電網(wǎng)運行環(huán)境的實際應用需求，可以保證電網(wǎng)的安全穩(wěn)定運行。

4 結束語

在分層聚合算法的作用下，電力系統(tǒng)不良數(shù)據(jù)自動辨識方法針對主電路連接現(xiàn)狀進行改進，在此基礎上根據(jù)不良數(shù)據(jù)加權殘差指標的計算結果，確定辨識標度的具體數(shù)值。以此實現(xiàn)電力系統(tǒng)不良數(shù)據(jù)自動辨識。從實用性角度來看，這種新型辨識方法能夠有效提升不良數(shù)據(jù)分辨準確率，對維護電網(wǎng)運行環(huán)境的穩(wěn)定性能夠起到較強的作用。