電力物聯(lián)網(wǎng)用戶側(cè)負荷數(shù)據(jù)動態(tài)R-樹匹配方法

胡為民，杜豐夷，鄧輝，閆超，劉曉峻

（國網(wǎng)湖北省電力有限公司宜昌供電公司，湖北武漢 443000）

用戶側(cè)負荷數(shù)據(jù)是電力物聯(lián)網(wǎng)數(shù)據(jù)匯總與運營管理中的關(guān)鍵信息，其接收的業(yè)務(wù)內(nèi)容呈現(xiàn)出大量數(shù)據(jù)連接、并發(fā)數(shù)據(jù)交換、實時閉環(huán)控制等復(fù)雜多樣的快速發(fā)展態(tài)勢，必將對主站內(nèi)部的計算控制體系提出更為巨大的考驗。而伴隨智慧傳感、物聯(lián)網(wǎng)、5G網(wǎng)絡(luò)、人工智能等新信息的日益快速發(fā)展和廣泛應(yīng)用，電力物聯(lián)網(wǎng)用戶側(cè)負荷數(shù)據(jù)的動態(tài)匹配方法逐漸成為該領(lǐng)域研究的重點。

對此，相關(guān)領(lǐng)域?qū)W者進行了相關(guān)研究。文獻[1]提出采用云邊端協(xié)作的電力物聯(lián)網(wǎng)用戶側(cè)負荷數(shù)據(jù)分析應(yīng)用架構(gòu)，運用邊緣計算和云計算之間的互補性原理，設(shè)計客戶側(cè)數(shù)據(jù)分析應(yīng)用架構(gòu)，進而對客戶側(cè)數(shù)據(jù)分析實現(xiàn)更廣而深入的價值，但此方法在邊緣計算的過程中耗費時間長，運算量大，反應(yīng)速度緩慢。文獻[2]提出電力物聯(lián)網(wǎng)云主站計算負荷模式的數(shù)據(jù)優(yōu)化配置，通過馬爾可夫鏈描述設(shè)備工作狀態(tài)的規(guī)律，形成狀態(tài)相關(guān)的計算負荷模式，并將之構(gòu)建成業(yè)務(wù)數(shù)據(jù)庫，用以研究不同時期各種業(yè)務(wù)的計算負荷特點，采用云資源優(yōu)化配置雙目標優(yōu)化模式，采用逼近理想解排序算法從帕累托問題前沿求解集中得到的最佳值，完成優(yōu)化配置。但此方法在模型的穩(wěn)定性控制方面仍有不足。為了解決上述問題，提出一種電力物聯(lián)網(wǎng)用戶側(cè)負荷數(shù)據(jù)動態(tài)R-樹匹配方法。

1 用戶側(cè)負荷數(shù)據(jù)動態(tài)分析

為保障電力物聯(lián)網(wǎng)的工作安全性，實現(xiàn)數(shù)據(jù)分析管理，通過應(yīng)用數(shù)據(jù)互動對多主體電能進行交換，評估設(shè)備工作情況，分析用戶側(cè)負荷數(shù)據(jù)，分析過程主要包含數(shù)據(jù)檢測與數(shù)據(jù)動態(tài)特征提取兩部分[3-4]。

1.1 數(shù)據(jù)檢測

建立電力物聯(lián)網(wǎng)的負荷計算模型Q，通過計算模型對用戶側(cè)負荷數(shù)據(jù)進行檢測，其原理如式（1）所示：

其中，L表示電網(wǎng)運行數(shù)據(jù)集合；R表示用戶側(cè)負荷數(shù)據(jù)類型。

電力物聯(lián)網(wǎng)設(shè)備在工作過程中會產(chǎn)生多時間尺度和多空間尺寸信息，這種信息隱含著工作時間的變化，因此深入剖析運動階段的時間規(guī)律，對歷史運行信息進行統(tǒng)一化處理[5-6]。在運動的第j個k時刻的時間段內(nèi)，負荷歷史運行信息集合Y如式（2）所示：

其中，E為第j天電網(wǎng)運行數(shù)據(jù)總和；S為每天內(nèi)的總采樣個數(shù)，根據(jù)負荷歷史運行信息分析結(jié)果完成對用戶側(cè)負荷數(shù)據(jù)的檢測。

1.2 動態(tài)特征提取

采用分段線性化方式對電力物聯(lián)網(wǎng)的負荷計算模型加以處理，并通過歸一化處理提取應(yīng)用側(cè)的負載數(shù)據(jù)動態(tài)特征。針對用戶側(cè)負荷數(shù)據(jù)凸優(yōu)化問題，分析加權(quán)所形成的權(quán)重向量數(shù)值，如果所得數(shù)值均為非負值，則需要通過歸一化方案計算最優(yōu)解[7-8]。為綜合提取不同的側(cè)負荷參數(shù)及其動態(tài)特性，構(gòu)造線性歸一化技術(shù)進行處理，計算過程如式（3）所示：

其中，ρ表示在第j個目標函數(shù)歸一化后產(chǎn)生的最終數(shù)據(jù)結(jié)果；g表示所有目標函數(shù)相加值；m代表第j個目標函數(shù)的結(jié)果。采用歸一化技術(shù)把原始模型轉(zhuǎn)化為式（4）所示：

譚傳華“陰謀”第一計：抓住一切啟發(fā)機會。范成琴喜歡風花雪月，那就帶她去看電影《牧馬人》。妻子一感動，他就趁機引導(dǎo)：“你看電影里的女主角，既剛強火熱又柔情似水，既忠貞又能干，真是男人理想的人生伴侶……”可惜他低估了“敵方”的戰(zhàn)斗力。“我明白你的意思……”范成琴聞言立刻變臉，扔下丈夫，自己大步走在前面，“可惜我不是她，我就是我。”

其中，O表示轉(zhuǎn)換后的公式；w為平衡二目標函數(shù)的權(quán)重，通過計算權(quán)重值完成對電力用戶側(cè)負荷數(shù)據(jù)的動態(tài)特征提取。

2 動態(tài)R-樹匹配方法

該文提出的R-樹匹配方法是基于B-樹衍生出的一種數(shù)據(jù)結(jié)構(gòu)，其分支的長度均相同。R-樹的結(jié)點主要包括兩種：內(nèi)部結(jié)點和葉子結(jié)點。內(nèi)部結(jié)點由一些形狀如R 的詞條構(gòu)成，這些詞條表示子結(jié)點的最小界限矩形(Minimum Bounding Rectangle,MBR)。R-樹的每個結(jié)點都包含了其子結(jié)點的所有MBR，以便用于快速檢索。葉子結(jié)點由一些小詞條構(gòu)成，每個詞條代表一個目標物體，并包含了該目標物體的標識符和其對應(yīng)的最小界限矩形。動態(tài)R-樹如圖1 所示。

圖1 動態(tài)R-樹

觀察圖1 可知，動態(tài)R-樹包含多個分支，通過不同分支進行數(shù)據(jù)迭代，不斷更新，實現(xiàn)信息匹配。R-樹是一個多維空間搜索技術(shù)，R-樹匹配計算的核心是確定電力物聯(lián)網(wǎng)用戶側(cè)負荷數(shù)據(jù)的特征，其實質(zhì)上是矩形的求交問題，利用R-樹匹配機制實現(xiàn)對電力物聯(lián)網(wǎng)用戶側(cè)負荷數(shù)據(jù)的動態(tài)匹配[9-10]。

2.1 R-樹匹配矩陣計算函數(shù)

R-樹內(nèi)部的更新域關(guān)聯(lián)的每個矩形構(gòu)成的集為更新集，記做χ；與訂單域相應(yīng)的每個矩形構(gòu)成的新集叫做訂單集，記為V。利用更新集上的矩形生成R-樹，由于更新集的每個矩形發(fā)生在葉結(jié)點上，因此該文從更新集找到與該矩形交集的新矩形，矩陣計算函數(shù)如式（5）所示：

R-樹形成與保存的過程取決于對樹形結(jié)點的分割以及樹形結(jié)構(gòu)的壓縮結(jié)果[11]。

將結(jié)點上的矩形與待插入矩形放置在同一位置，從中選取距離中心間距最遠的矩形作為目標矩陣，建立兩個集合，對于剩余的矩形，將其擴充至最小界限矩形中。當最后一個集中的矩形個數(shù)小于總數(shù)的一半時，所有剩余矩形全部進入另一個集合。將兩個集中的矩形組成兩個新的結(jié)點，以代替原有的結(jié)點進入其父結(jié)點，分析父結(jié)點的分裂情況，若父結(jié)點無須分裂，就需要對相關(guān)最小界限矩形樹進行調(diào)整，按順序向前進行，到達根結(jié)點后停止。在刪除葉結(jié)點上的矩形塊后，判定目標結(jié)點的條數(shù)，對R-樹進行壓縮處理[12]。

2.2 葉結(jié)點的Hash索引

坐標空間中的矩形除其本身的長度、寬度等數(shù)據(jù)之外，中心位置數(shù)據(jù)也是關(guān)鍵數(shù)據(jù)。在分析數(shù)據(jù)過程中，利用Hash 索引進行精確定位，則有式（6）：

其中，矩形的長度和寬度分別是a和b，矩形的中心在空間中的位置為(x,y)，P、T為常量；函數(shù)k為指針函數(shù)。葉結(jié)點的Hash 索引流程如圖2 所示。

圖2 葉結(jié)點Hash索引流程

觀察圖2 可知，首先把目標結(jié)點的其余條目寫入R-樹，再刪去該結(jié)點父結(jié)點的相應(yīng)條目；確定其父結(jié)點的條目數(shù)是否等于m，若等于m，則重復(fù)上述運算；若不為m可選擇父結(jié)點上相關(guān)根的最小界限矩形，按順序向前發(fā)送，直至確定父結(jié)點數(shù)值已經(jīng)到達根結(jié)點為止，結(jié)束索引，輸出索引結(jié)果[15]。

2.3 R-樹匹配流程

按照提取的電力物聯(lián)網(wǎng)用戶側(cè)負荷數(shù)據(jù)動態(tài)特征，可把匹配算法的實現(xiàn)分成靜態(tài)和動態(tài)兩種。靜止匹配算法的更新集與訂單集在整體模擬工作的起始階段選定后，在整體模擬工作流程中保持不變化。靜止匹配算法的實現(xiàn)方式具有一定的簡便性，但缺乏彈性，僅能在一定范圍內(nèi)完成匹配，而移動匹配算法則與之完全相反，因而移動匹配算法擁有更廣泛的使用范圍。基于R-樹的匹配算法也能夠適應(yīng)移動匹配算法的功能要求，實現(xiàn)過程如式（7）所示：

其中，i表示移動匹配數(shù)值；f(x,y)表示R-樹空間坐標。

以更新集的所有矩形作為目標數(shù)據(jù)內(nèi)容建立R-樹，根據(jù)信息匹配結(jié)果完成R-樹的動態(tài)信息分析，實現(xiàn)電力物聯(lián)網(wǎng)用戶側(cè)負荷數(shù)據(jù)動態(tài)匹配[16]。

3 實驗研究

為了驗證該文提出的電力物聯(lián)網(wǎng)用戶側(cè)負荷數(shù)據(jù)動態(tài)R-樹匹配方法的實際應(yīng)用效果，設(shè)計對比實驗。選用傳統(tǒng)的基于云-邊-端協(xié)同的數(shù)據(jù)匹配方法和計算負荷模型與資源優(yōu)化配置數(shù)據(jù)匹配方法作為實驗對比方法。

在實驗過程中，選用IEE33 結(jié)點的電力物聯(lián)網(wǎng)作為實驗測試電力物聯(lián)網(wǎng)，物聯(lián)網(wǎng)內(nèi)部的工作電壓為400 V，工作電流為200 A，工作頻率為150 Hz，操作系統(tǒng)為Windows10系統(tǒng)。確定3 000個樣本場景，分析負荷資源的配置效果，根據(jù)電力物聯(lián)網(wǎng)的內(nèi)部資源配置確定計算負荷變化情況，同時使用三種匹配方法進行數(shù)據(jù)匹配，分別檢測數(shù)據(jù)插入、數(shù)據(jù)匹配、數(shù)據(jù)維護過程中的延時時間，得到的實驗結(jié)果如圖3 所示。

圖3 數(shù)據(jù)插入延時時間

觀察圖3 可知，隨著匹配數(shù)據(jù)量的增加，延時時間也在不斷增加，在匹配數(shù)據(jù)量低于150 GB時，傳統(tǒng)的基于云-邊-端協(xié)同的數(shù)據(jù)匹配方法延時時間最低，當達到150 GB時，該文提出的方法延時時間與傳統(tǒng)的基于云-邊-端協(xié)同的數(shù)據(jù)匹配方法一致，都為18 s，隨著數(shù)據(jù)量的增加，基于云-邊-端協(xié)同的數(shù)據(jù)匹配方法延時時間出現(xiàn)明顯增加，而該文提出的方法延時時間增加速度十分緩慢，在數(shù)據(jù)量為300 GB時，延時速率僅為20 ms，具有優(yōu)異的應(yīng)用性能，而傳統(tǒng)的計算負荷模型與資源優(yōu)化配置數(shù)據(jù)匹配方法延時時間始終極長，不適合實際匹配應(yīng)用。

觀察圖4 可知，基于云-邊-端協(xié)同的數(shù)據(jù)匹配方法的延時時間與數(shù)據(jù)量呈現(xiàn)正相關(guān)，隨著數(shù)據(jù)量的增加延時時間急劇增加，當數(shù)據(jù)量為300 GB時，延時時間已經(jīng)達到35 ms，而該文提出的匹配方法延時時間始終低于20 ms，匹配實時性較好。

圖4 數(shù)據(jù)匹配延時時間

觀察圖5 可知，在后期維護過程中，兩種傳統(tǒng)匹配方法的延時時間過長，在匹配過程很容易受到外界干擾。而提出的匹配方法的延時時間極短，始終低于11 ms，證明匹配效果較好，后期不需要過多維修。

圖5 數(shù)據(jù)維護延時時間

綜上所述，提出的基于R-樹匹配方法具有極強的匹配能力，匹配過程中的延時時間很短，對于電力物聯(lián)網(wǎng)的數(shù)據(jù)分析工作有關(guān)鍵意義。

4 結(jié)束語

電力物聯(lián)網(wǎng)用戶側(cè)負荷數(shù)據(jù)動態(tài)匹配對于電力物聯(lián)網(wǎng)領(lǐng)域有著至關(guān)重要的作用，利用電力物聯(lián)網(wǎng)負荷計算模型對用戶側(cè)負荷數(shù)據(jù)進行分析，并提取其動態(tài)特征，通過設(shè)計的R-樹匹配機制，完成對電力物聯(lián)網(wǎng)用戶側(cè)負荷數(shù)據(jù)動態(tài)匹配。經(jīng)實驗表明，提出的匹配方法在計算速度、成本控制、穩(wěn)定性方面都具有較好的應(yīng)用性能，適用于實際使用。