沈海平，顧 帥，魯方林，吳 曦

(1.國網(wǎng)無錫供電公司，江蘇 無錫 21400；2.中國科學院上海高等研究院，上海 201210)

基于熵權(quán)法理論的變電站傳感器信息采集決策

沈海平1，顧 帥2，魯方林1，吳 曦1

(1.國網(wǎng)無錫供電公司，江蘇 無錫 21400；2.中國科學院上海高等研究院，上海 201210)

在變電站信息采集過程中，使用采集的數(shù)據(jù)評估當前變電站的信息熵，根據(jù)信息熵判斷環(huán)境信息量，決定何種策略進行信息采集，不同策略采集的數(shù)據(jù)量和消耗的系統(tǒng)資源不同，從而通過熵權(quán)法實現(xiàn)了情景感知。采用這種情景感知技術(shù)，可以平衡信息采集過程中更少的數(shù)據(jù)量與更多的環(huán)境信息的矛盾，并且減少系統(tǒng)功耗。

信息采集；信息熵；熵權(quán)法；情景感知

早期國內(nèi)變電站的巡檢基本通過巡檢人員借助筆和紙來進行，隨著變電站相關(guān)管理與基礎(chǔ)設(shè)施的進步，巡檢手段漸漸優(yōu)化為通過各種儀器實現(xiàn)巡檢狀況數(shù)據(jù)的采集、保存與匯總。在使用智能巡檢或在線監(jiān)測設(shè)備對變電站的檢測目標進行監(jiān)測時，信息采集過程并未做到智能化，海量的無用信息降低了數(shù)據(jù)管理效率，且長期滿負荷工作也使得設(shè)備難以滿足低功耗要求。

隨著傳感網(wǎng)、物聯(lián)網(wǎng)、嵌入式系統(tǒng)、通信網(wǎng)絡(luò)和分布式計算等技術(shù)的發(fā)展，越來越多的情景感知應用也被開發(fā)出來[1]。本文提出的基于熵權(quán)法的變電站信息采集，正是結(jié)合目前相關(guān)理論知識，將情景感知運用在變電站監(jiān)測中，從數(shù)據(jù)量、節(jié)約帶寬占用率和功耗等方面，實現(xiàn)信息的高效采集。

1 方法介紹

本次提出的方法是基于多傳感器、多種采集模式的智能采集方法，多種傳感器指變電站監(jiān)測過程中使用的傳感器，而多種采集模式是指傳感器采樣頻率、采集數(shù)據(jù)方式或最終形成的數(shù)據(jù)格式具有多種可選的形式。

1.1 基于熵權(quán)法的變電站運作情況分析

熵權(quán)法是基于特征推理技術(shù)的信息論方法，是一種檢測，分類和識別的算法。它試圖通過事件發(fā)生的概率來度量事件中所包含信息的重要程度[2]。信息熵是一種度量的方法，能夠?qū)Σ淮_定性的變化進行量化處理，假定隨機變量x有m種可能狀態(tài)， 每種狀態(tài)出現(xiàn)的概率為p(xi),那么它的不確定性程度可以表示為信息熵H(X)形式：

(1)

設(shè)備的實際狀態(tài)，系統(tǒng)的復雜程度、評估與診斷的難易程度等，都可以用信息熵來度量[3-4]。在變電站設(shè)備運行狀況監(jiān)測中，利用信息熵理論進行評估，具有很強的抗噪能力，能夠通過檢測信息源的信息熵的變化，對設(shè)備運行狀況提供預警，并且不同傳感器從不同角度對變電站運行進行檢測，它們的信息源之間存在聯(lián)系。根據(jù)信息熵的性質(zhì)，在組合預測中，某單項模型誤差的信息熵H(x)越小，變化程度越大，不確定度越大，則該單項模型的權(quán)重系統(tǒng)就越小[5-6]。

因此，可以根據(jù)單項傳感器模型的測度值變異程度，利用信息熵原理計算出各個傳感器在組合預測中的權(quán)重系數(shù)，計算步驟如下。

設(shè)總共有j種傳感器，第i個傳感器的相對誤差的熵值Hi，則其權(quán)重系數(shù)公式為：

(2)

將各傳感器信息熵權(quán)重系數(shù)加權(quán)求和，即可計算獲得預測結(jié)果：

(3)

式中yi——第i個傳感器對環(huán)境信息熵的預測值；Y——融合后的預測值。

1.2 多采集模式方法的原理

多種類異質(zhì)傳感器融合是人類和其他邏輯系統(tǒng)中常見的基本功能[7]。根據(jù)以往經(jīng)驗，變電站運作過程中，可以通過布設(shè)在特定點的傳感器所采集到的數(shù)據(jù)，計算出環(huán)境熵值Y，若熵值或采集的數(shù)據(jù)幅值屬于正常范圍，則所含有的異常信息量較少。例如，通過紅外溫度傳感器監(jiān)測到刀閘在一個小時內(nèi)的溫度保持在40～45℃，則說明當前溫度檢測的數(shù)據(jù)中，含有對變電站監(jiān)測的有用信息量較少；反之，若監(jiān)測到的刀閘溫度在一分鐘之內(nèi)，從45℃上升到50℃，則這一段數(shù)據(jù)異常信息量較多，需要采集更多的數(shù)據(jù)以便分析。再如，通過采集到的噪聲幅度，計算出的熵值與正常情況相差較大，則這一段數(shù)據(jù)異常信息量較多。

傳統(tǒng)的數(shù)據(jù)采集使用等時間間隔，周期性地對性能數(shù)據(jù)進行采集和分析，這種方法的優(yōu)點就是比較簡單，易于實現(xiàn)。但是它完全忽略了數(shù)據(jù)值變化的特點與環(huán)境中信息量的關(guān)系，所以效率不高[3]。本文提出了多模式進行采集，例如，溫度采集模式根據(jù)融合計算的熵值Y，會對采樣時間間隔進行調(diào)整，通過判斷環(huán)境的信息量而選擇不同采集模式。即傳感器采集模式P是多傳感器融合計算后的熵值Y的函數(shù)P=f(Y)。

每種傳感器的采集模式P會對應不同的融合計算后的環(huán)境熵值，不同傳感器采集模式P可以是多種形式的，根據(jù)不同的現(xiàn)場需求，不同采集模式可以是減少單位時間采樣數(shù)據(jù)的密度、減少同時工作的采用點的物理數(shù)量、更改采樣后的分析算法等。

每種傳感器的采集模式根據(jù)環(huán)境信息量與采集數(shù)據(jù)之間的關(guān)系，以及存儲空間與傳輸帶寬來設(shè)定，設(shè)定后的采集模式與環(huán)境信息量一一對應，多種傳感器與環(huán)境信息量之間映射關(guān)系見表1。

表1 信息量——采集模式示意表

在只有一種傳感器的情況下，環(huán)境信息量的熵值可由傳感器的數(shù)據(jù)直接得出，當涉及多種異質(zhì)傳感器時，環(huán)境信息量需要根據(jù)多種傳感器反饋的結(jié)果進行融合判斷。根據(jù)歷史數(shù)據(jù)得出所有傳感器的信息熵權(quán)重系數(shù)，再運用到現(xiàn)場監(jiān)測中，這種融合策略使監(jiān)測系統(tǒng)敏感度高，在變電站監(jiān)測系統(tǒng)中，這種策略可以降低監(jiān)測系統(tǒng)的失警概率。

2 實例分析

2.1 方法模型建立舉例

針對方法中的理論，選取兩種傳感器進行建模，對于更多傳感器的融合具有參考意義。

首先，對監(jiān)測目標的狀態(tài)進行評估，將目標狀態(tài)下根據(jù)歷史數(shù)據(jù)求取目標狀態(tài)的Y值。

表2 設(shè)備狀態(tài)分級表

由式(3)可知，要獲取對應不同狀態(tài)下的目標Y值，首先需要確定兩種傳感器單元在對應狀態(tài)下的y1和y2，還需要知道兩種傳感器單元的權(quán)重系數(shù)。

選取的兩種傳感器評價手段分別為溫度值和噪音分貝，分別用v和w表示，則對應的預測熵值可以由式(1)得出：

式中m，n——所取樣本數(shù)據(jù)個數(shù)。

樣本數(shù)據(jù)從歷史數(shù)據(jù)中獲取，由y1和y2的值可以計算得出各自的權(quán)重系數(shù)w1和w2，再根據(jù)表2中提出的相應的分級閥值，最終可以確定不同融合Y值下的y1和y2[8]。

實際評估中，根據(jù)實時的y1和y2，以及由上述計算的權(quán)重系數(shù)w1和w2，可以算出實時的Y值，最終判斷系統(tǒng)的狀態(tài)，在不同狀態(tài)下，不同的傳感器采取不同的信息采集策略。

2.2 嵌入式功能結(jié)構(gòu)

實際實現(xiàn)過程中，系統(tǒng)硬件包括嵌入式控制盒和多種類傳感器構(gòu)成，嵌入式控制盒提供多種通信接口，并且具有4G通信功能，用來跟中心側(cè)進行交互。

嵌入式系統(tǒng)軟件功能如圖1所示，軟件包括數(shù)據(jù)訪問層和業(yè)務(wù)邏輯層。其中，數(shù)據(jù)訪問層涵蓋了本文方法有關(guān)的實現(xiàn)，訪問層又劃分為底層傳感器單元和上層數(shù)據(jù)記錄模塊、分析模塊[9]。

圖1 軟件系統(tǒng)結(jié)構(gòu)圖

為統(tǒng)一化處理，每種傳感器都抽象為包括不同的采集模式和一個訪問接口的傳感器單元，傳感器單元的訪問接口提供數(shù)據(jù)訂閱和模式選擇功能。抽象后的傳感器單元建立的軟件模型也如圖1所示，傳感器單元包括不同的采集模式和一個訪問接口，通過傳感器功能單元的訪問接口，不同的上層應用可以對這個傳感器單元進行數(shù)據(jù)訂閱和模式選擇。不同的上層應用在訂閱了當前傳感器單元后，傳感器每采集一次數(shù)據(jù)，應用都可以獲得采集的數(shù)據(jù)[10]。

數(shù)據(jù)記錄模塊對訂閱的傳感器單元負責數(shù)據(jù)記錄，將數(shù)據(jù)進行保存以便定期將數(shù)據(jù)發(fā)送給后臺。數(shù)據(jù)記錄模塊可以根據(jù)實際系統(tǒng)配置情況，動態(tài)的增加或刪除訂閱的傳感器單元。

系統(tǒng)分析模塊也會對傳感器單元數(shù)據(jù)進行訂閱，系統(tǒng)的分析模塊對各個傳感器當前采集模式下采集的數(shù)據(jù)進行分析，判定當前環(huán)境情況信息量，并分析得出相關(guān)傳感器的采集模式是否需要切換，最后，反過來決定傳感器采集模式的選擇。

3 結(jié)語

利用多傳感器對環(huán)境異常信息量進行判別，再反饋調(diào)整采集模式的智能采集方法，在實際操作過程中，數(shù)據(jù)量大大減少，并且在正常工作中能夠迅速地反映現(xiàn)場的具體情況。若出現(xiàn)異常情況，也能及時切換采集模式進行大數(shù)據(jù)量采集，以便技術(shù)人員分析。但現(xiàn)場異常情況的數(shù)據(jù)量還遠遠不夠，需要積累更多的經(jīng)驗來獲得一些關(guān)鍵參數(shù)，用以優(yōu)化采集系統(tǒng)。其中，關(guān)于信息源的信息熵在不同工作狀態(tài)下不同，不僅需要實驗環(huán)境下的理論值，還需要現(xiàn)場實際運行數(shù)據(jù)的觀察用以斧正；關(guān)于不同信息源之間權(quán)重系數(shù)的選取，是實際設(shè)計中的重點和難點，選用熵權(quán)法能做到更加客觀，但忽略專家經(jīng)驗，可以根據(jù)實際研究程度，在已知領(lǐng)域融入專家經(jīng)驗的加權(quán)。

[1] 陳 鵬.面向情景感知計算的時空數(shù)據(jù)管理、查詢、分析與相關(guān)算法研究[D].上海：華東師范大學,2013.

[2]KLEIN LA. Sensor and Data Fusion:A Tool for Information Assessment and Decision Making, Second Edition[M].2012.

[3]于 洪.信息熵在變壓器故障診斷與狀態(tài)檢測中的應用[D].北京：華北電力大學(北京),2014.

[4]COVER T M,THOMAS J A. Elements of information theory[J].Wiley Series in Telecommunications,1991.

[5]蘇為華.多指標綜合評價理論與方法問題研究[D].廈門：廈門大學,2000.

[6]黎育紅,陳 玥,周建中,等.熵權(quán)法并聯(lián)組合建模在徑流預測中的應用[J].水電能源科學,2012,30(2):13-16.

[7]何 友.多傳感器信息融合及應用[M].北京:電子工業(yè)出版社,2000.

[8]劉樹鑫.電器設(shè)備絕緣狀態(tài)在線監(jiān)測方法研究[D].沈陽：沈陽工業(yè)大學,2013.

[9] 龐希愚,姜 波,仝春玲,等.一種自適應數(shù)據(jù)變化規(guī)律的數(shù)據(jù)采集算法[J].計算機技術(shù)與發(fā)展,2013,23(2):157-161.

PANG Xi-yu, JIANG Bo, TONG Chun-ling, et al. A kind of data acquisition algorithm of adaptive data change rule[J].Computer Technology and Development, 2013, 23(2): 157-161.

[10]葛 亮,張建華,余 斌.智能變電站數(shù)據(jù)中心及其應用服務(wù)[J].電力系統(tǒng)自動化,2013,37(24): 54-59.

GE Liang, ZHANG Jian-hua, YU Bin. Smart substation data center and its application service[J].Automation of Electric Power Systems, 2013, 37(24): 54-59.

(本文編輯：趙艷粉)

Decision-Making Strategy for Substation Information Acquisition Based on Entropy Weight Method

SHEN Hai-ping1, GU Shuai2, LU Fang-lin2, WU Xi1

(1. State Grid Wuxi Power Supply Company, Wuxi 214000, China; 2. Shanghai Advanced Research Institute, Chinese Academy of Science, Shanghai 201210, China)

In the process of substation information acquisition, the data is collected to evaluate the current substation information entropy, thereby judge the environment information, and then decide on the strategy for information acquisition. Different strategies result in different amount of data and system resource consumption, thus realizing the situational awareness through the entropy weight method. This situation perception technology can be applied to balance between the less amount of data in the process of information gathering and the more environmental information, and can reduce system power consumption.

information acquisition; information entropy; entropy weight method; situational awareness

10.11973/dlyny201606003

國家電網(wǎng)公司科技項目(J2016051)

沈海平(1976)，男，碩士，高級工程師，從事電力系統(tǒng)科技與智能電網(wǎng)管理研究。

TM73

A

2095-1256(2016)06-0678-04

2016-07-05