数据融合在电力系统中的应用

数据融合在电力系统中的应用

万中田，温纪营，郑瑞春，王焕忠

佛山供电局电网规划中心， 广东 佛山 528000

摘要：为了提高工作效率、减少数据冗余和冲突性，需要将多个系统的关键数据进行融合。本文根据实际情况，选择数据融合的方式，设计电力数据融合系统，将多个体系来源的数据进行分类融合处理，得到比单一来源更加完善、全面的数据、提高了数据的有效性和可信度。

关键词：数据融合系统；有效性；可信度

0引言

随着智能电网的不断发展以及信息化技术的逐渐提升，电力系统也应该向智能化和信息化方向发展。目前，电力系统电力公司内部通常有多个业务系统同时并存，不同的系统由于开发时间节点、开发公司及开发背最等诸多历史原因，导致这些信息系统分别独立运行，或者仅有少量体系简单整合，这给体系的良好运转带来极大挑战。而且，不同体系中的数据既有交互，又有重叠，但又因特定业务系统的要求不同，其数据内容亦存在一定的不一致性，使数据提取及统一口径造成一定的统计难度。针对以上问题，为了提高工作效率、减少数据冗余和冲突性，需要将多个业务系统来源的数据进行分类融合处理，根据实际情况，选择数据融合的方式，设计电力数据融合系统，将多个业务系统来源的数据进行分类融合处理，得到比单一来源更加完善、全面的数据、提高了数据的有效性和可信度。

１数据融合方案

电网数据广泛分布、种类众多，包括实时数据、历史数据、文本数据、多媒体数据、 时同序列数据等各类结构化，半结构化数据以及非结构化数据。 电力数据来源广泛化，分为内部数据和外部数据，电网内部数据主要来源于发电，输电、变电、配电、用电、调度六大环节相关业务系统；外部数据包括可反映经济、社会、政策、气象、用户特征、地理环境等影响电网规划和运行的数据。因此，为了融合所需的不同业务系统的关键数据，包括企业用电数据，设备状态监测数据，地理空间、气象数据等，现有两种电力数据融合系统设计方案可供选择。

1.1业务整合

业务整合方案需要将所有的业务系统进行重新设计为单一系统。优点：统一入口、统一出口、无冗余、无数据冲突。缺点：整合过程复杂、投资大、设计周期长、数据维护难度大。

1.2数据融合

数据融合方案不改变原有系统，仅在原有系统的基础上开发一套数据融合引擎，对数据进行融合及分析。优点：投资小、开发周期短、具有大数据分析能力。缺点：不能实时反馈数据，需要设置数据融合周期。

通过以上两种数据融合方案的优缺点对比，并结合实际情况，选择第二种数据融合的方案，即不改变原有系统，仅在原有系统的基础上开发一套数据融合引擎，对数据进行融合及分析。

2 研究内容

2.1数据采集与交换接口技术

电力数据融合系统的数据源主要包括电力内部数据以及经济发展数据、能源数据、天气数据、地理空间、企业变电站运行数据等外部数据。数据源类型多样，既有结构化数据，也有非结构化数据，为了有效对多源异构数据进行采集、集成与存储，需要运用细节数据暂存区 SSA、细节数据存储SOR、元数据存储 MDR 以及面向分析的多维数据存储集市等相关数据采集与交换接口技术。

2.2基于多源异构信息智能融合技术

电力安全运行的数据融合严重程度不足，加之数据容量的急速上涨，导致现有的数据分析模式运行起来相对较慢，无法及时有效得出结果，不能全面真实反映当地低电压真实分布情况，不能准确确定低电压台区发生位置，无法进行未来 24 小时预警；同 时，大量实时数据被沉淀下来成为历史数据，潜在应用价值亟需深入挖据，更多的 分析工作目前拘泥于数据之间的因果关系的探究，没有在数据的相关关系中发据数 据本身的潜在价值。

基于多源异构信息智能融合技术能够融合所需的不同业务系统的关键数据，包括企业用电数据，设备状态监测数据，地理空间、气象数据等，挖据数据中的潜在价值。

2.3数据可视化展示

针对存在于多平台、多服务器的电力数据，基于非结构化、半结构化、结构化数据混杂存在的情况，结果将不同类型的数据进行可视化展示，设计电力大数据可视化的融合系统架构，整个架构分为数据层、数据融合层、数据选择层、可视化层四个层次。下图2为可视化系统架构图。

2.3.1数据层

数据层主要用来集合多源数据。该层主要是集合半结构化、非结构化、结构化的多源数据，众所周知，过去行业产生的数据类型以结构化为主，随着科技的不断发展，社会的不断进步，产生了诸如数字类、文字类、图表类等多样数据，使得要融合的数据不仅数量大而且类型多，多源异构数据的融合工作也变得愈加困难。针对同一个对象，监测、采集的数据可能来源于不同的服务器及不同的平台，所以为了使数据源间进行数据交互和权限共享，达到多源海量数据融合的最终目的，有必要研究数据的接口标准，搭建规划平台数据库，也就是人们常说的一体化规划平台，这样才能实现多源数据间的共享与交互。

2.3.2数据融合层

利用神经网络模型的模式识别功能，选用仅需一步就可直接确定权值的 Hermite 正交基神经网络模型，通过改进它的网络结构，并利用具有并行化处理模式的 MapReduce 模型，对大数据集做分类融合处理，进而实现多源异构数据的分类融合处理目标。具体内容为：利用 Hermite 正交基神经网络的聚类和非线性映射能力对数据进行分类融合，得到针对同一对象的一套更加完整和准确的数据，又因为是多源数据，针对电力大数据的特征，采用 MapReduce 模型对算法进行并行化处理。利用 MapReduce 的 Map 映射机制，划分大数据集，划分后的子数据集可分配到不同的云计算节点，利用神经网络权值直接确定法进行数据的分类融合，然后利用 MapReduce 的 Reduce 机制，对各个节点最终分类融合后得到的子集合，进行合并处理。

2.3.3数据选择层

对分类融合后的结果做进一步处理，通过模糊数学的相关理论方法，选择需要的部分数据进行可视化展示，削减数据量，使可视化展示的后台工作量得以减轻、简化。

2.3.4可视化层

在这一层中实现了不同类型数据的融合展示工作。可视化展示分类融合后的数据，可将属于同一对象的不同类型的属性参数做融合展示处理。也可将不同对象的相同属性参数做融合展示处理，并进一步做属性的相关性分析，猜测它们之间可能的内在联系，使人们更加方便得直观感受数据，做出理解和判断。

3功能

数据融合系统将电力不同系统的数据进行融合，实现报表生成、数据终端传送、统一数据出口、数据资源共享等功能。

3.1报表生成

在系统界面相应的功能区点击想要查询的数据信息，系统会自动生成数据报表，可以在线查看，也可以导出本地保存做后续使用。

3.2数据终端推送

数据信息可实时推送到特定人员的终端设备，例如通过微信或短信的形式发送到指定人员手机上。

3.3统一数据出口

制定统一数据出口的规则，防止信息泄露，保证数据融合系统的数据安全。

3.4数据资源共享

数据融合系统将电力不同系统的数据进行融合之后，数据都存储在数据融合系统，不同系统人员都可以实现对数据的查询、分析和导出。

４结语

本文选择数据融合的方案，即不改变原有系统，仅在原有系统的基础上开发一套数据融合引擎，对数据进行融合及分析。数据融合系统将多个体系来源的数据进行分类融合处理，得到比单一来源更加完善、全面的数据、提高了数据的有效性和可信度，保证电同安全高效运行，对电力系统向智能化和信息化发展的进程具有重要的意义。

参考文献：

[1]胡超，高宏慧，陈宏山，等.一种基于数据融合的电力系统故障综合分析方法研究[J]. 电气应用，2015，34(S2):398-402.

[2]窦春霞. 基于信息融合的电力系统故障检测及稳定控制研究[D]. 燕山大学，2005.