基于云場景的輸電線路全息數(shù)據(jù)平臺構(gòu)建方法研究

謝景海， 賈祎軻， 蘇東禹， 孫密， 盧詩華， 郭嘉

(1. 國網(wǎng)冀北電力有限公司 經(jīng)濟技術(shù)研究院， 北京 100038；2. 北京京研電力工程設(shè)計有限公司， 北京 100038)

0 引言

隨著輸電線路智慧化管理水平的不斷提升，采用信息管理系統(tǒng)進行輸電線路數(shù)據(jù)分析管理，通過全息數(shù)據(jù)分析和大數(shù)據(jù)融合方法，實現(xiàn)對輸電線路工程的各項業(yè)務(wù)智能化監(jiān)測，以此為基礎(chǔ)在云服務(wù)器構(gòu)建電線路數(shù)據(jù)平臺，并在相關(guān)場景的基本功能模塊中實現(xiàn)數(shù)據(jù)信息化管理和平臺支撐設(shè)計，以此提高輸電線路的信息化管理能力。因此，相關(guān)的輸電線路全息數(shù)據(jù)平臺構(gòu)建方法研究在輸電線路的智慧管理設(shè)計和信息在線監(jiān)測中具有重要意義[1]。

對輸電線路全息數(shù)據(jù)平臺構(gòu)建方法的研究已經(jīng)取得了一定進展，例如基于Hadoop框架的輸電線路全息數(shù)據(jù)平臺構(gòu)建方法[2]以及基于OpenStack的輸電線路全息數(shù)據(jù)平臺構(gòu)建方法[3]，但是這些平臺的智慧化程度并不高。因此，本文結(jié)合大數(shù)據(jù)信息處理技術(shù)，進行輸電線路的全息數(shù)據(jù)平臺模型構(gòu)建，設(shè)計的輸電線路全息數(shù)據(jù)平臺基本架構(gòu)由應(yīng)用場景、實體功能模型、數(shù)字信息對象、服務(wù)系統(tǒng)4部分組成，采用基于信息驅(qū)動交互控制的平臺設(shè)計模型，結(jié)合遞進關(guān)系設(shè)計方法進行輸電線路全息數(shù)據(jù)平臺的物理實體模型設(shè)計和數(shù)字信息對象模塊化設(shè)計，并在云服務(wù)器內(nèi)最終實現(xiàn)輸電線路數(shù)據(jù)平臺構(gòu)建。因此，本文提出基于云場景的輸電線路全息數(shù)據(jù)平臺構(gòu)建方法，最后進行仿真測試分析，驗證了本文方法的優(yōu)越性能。

1 輸電線路全息數(shù)據(jù)特征采集和融合管理

1.1 輸電線路全息數(shù)據(jù)采集

為了實現(xiàn)基于云場景的輸電線路全息數(shù)據(jù)平臺構(gòu)建，對全息數(shù)據(jù)平臺的應(yīng)用場景進行模擬以及環(huán)境信息評估[4]，構(gòu)建實體功能模塊，采用直流負荷控制方法，得到輸電線路全息云場景數(shù)據(jù)的離散時域參數(shù)分布為式(1)。

(1)

式中，i表示輸電線路全息云場景數(shù)據(jù)參數(shù)；ci表示交流頻率和直流電壓動態(tài)的聯(lián)合分布參數(shù)；rn表示全息數(shù)據(jù)特征分量。對擬構(gòu)建的全息數(shù)據(jù)平臺的應(yīng)用場景進行模擬參數(shù)調(diào)度[5]，得到輸電線路全息數(shù)據(jù)的空間狀態(tài)特征分量，如式(2)。

(2)

式中，α表示輸電線路全息數(shù)據(jù)傳播時頻；x(t)表示參數(shù)調(diào)度函數(shù)。通過對云場景的分析與挖掘，構(gòu)建全息數(shù)據(jù)平臺。在此基礎(chǔ)上采用電力數(shù)據(jù)均衡控制方法，得到輸電線路的負荷特征響應(yīng)，構(gòu)建輸電線路全息云場景數(shù)據(jù)的有限分布集[6]，則輸電線路負荷動態(tài)分布的最大波動參數(shù)為式(3)。

(3)

式中，zxy表示輸電線路的動態(tài)耦合參數(shù)；θ表示負載角。由此構(gòu)建輸電線路全息云場景數(shù)據(jù)異常波動檢測統(tǒng)計量和判決函數(shù)，分析輸電線路全息云場景數(shù)據(jù)的檢測統(tǒng)計特征量，得到數(shù)據(jù)異常波動滿足式(4)。

(4)

式中，k表示輸電線路全息云場景數(shù)據(jù)異常參數(shù)；Pn(h)表示輸電線路全息云場景數(shù)據(jù)模糊度參數(shù)；hk表示輸電線路全息云場景數(shù)據(jù)異常檢測函數(shù)。假設(shè)輸電線路全息云場景數(shù)據(jù)的驅(qū)動特征分量滿足隨機概率密度分布，得到輸電線路全息云場景數(shù)據(jù)的穩(wěn)態(tài)參數(shù)分布量化集為式(5)。

(5)

式中，hω表示輸電線路全息云場景數(shù)據(jù)的概率密度分布函數(shù)；m0表示初始驅(qū)動特征分量，則輸電線路全息云場景數(shù)據(jù)的灰色分布集為X={x1,x2,…,xn}；n表示輸電線路全息云場景數(shù)據(jù)集X中的數(shù)量，則構(gòu)建輸電線路全息云場景數(shù)據(jù)采集函數(shù)表示為式(6)。

(6)

式中，τ表示輸電線路全息云場景數(shù)據(jù)的聯(lián)合時滯分布參數(shù)；pi表示輸電線路全息云場景數(shù)據(jù)的波峰幅值。

1.2 輸電線路全息云場景數(shù)據(jù)融合

根據(jù)業(yè)務(wù)流轉(zhuǎn)和信息融合分析方法，建立數(shù)據(jù)融合調(diào)度模型，得到輸電線路全息數(shù)據(jù)融合迭代式為式(7)。

(7)

式中，c∈[0,10]表示數(shù)據(jù)融合系數(shù)；I(τ)表示輸電線路全息云場景數(shù)據(jù)采集結(jié)果；xid(t)表示輸電線路全息數(shù)據(jù)處理迭代次數(shù)函數(shù)。采用灰階樣本信息重構(gòu)的方法，分析輸電線路全息云場景數(shù)據(jù)融合的輸出增益為式(8)。

(8)

式中，VDC表示輸電線路全息云場景數(shù)據(jù)稀疏篩選判據(jù)函數(shù)；xid(t+1)表示輸電線路全息數(shù)據(jù)融合結(jié)果。

結(jié)合大數(shù)據(jù)信息融合，實現(xiàn)對輸電線路全息云場景數(shù)據(jù)的信息重構(gòu)。其中輸電線路全息云場景數(shù)據(jù)信息匹配度為式(9)。

(9)

式中，an表示輸電線路全息云場景數(shù)據(jù)的譜分量系數(shù)。用虛擬同步參數(shù)融合方法，得到輸電線路全息云場景數(shù)據(jù)的融合度關(guān)聯(lián)分布集為式(10)。

(10)

式中，ipri(t)表示輸電線路全息云場景數(shù)據(jù)的譜向量；iLmx(t)表示輸電線路全息云場景數(shù)據(jù)空間維度。采用有限數(shù)據(jù)解析方法，把輸電線路全息云場景數(shù)據(jù)X分為K類，結(jié)合高階信息融合得到輸電線路全息云場景數(shù)據(jù)的驅(qū)動能量參數(shù)分布為式(11)。

(11)

式中，αK表示輸電線路全息云場景數(shù)據(jù)的驅(qū)動檢測函數(shù)。則得到輸電線路全息云場景數(shù)據(jù)的區(qū)塊融合參數(shù)為式(12)。

(12)

式中，φ(t)表示輸電線路全息云場景數(shù)據(jù)區(qū)塊離散度；c1與c2分別表示不同的數(shù)據(jù)區(qū)塊。根據(jù)輸電線路全息云場景數(shù)據(jù)的融合結(jié)構(gòu)，采用分組回歸分析，得到輸電線路全息云場景數(shù)據(jù)的融合模型為式(13)。

(13)

式中，f(n)表示輸電線路全息云場景數(shù)據(jù)樣本數(shù)據(jù)集；a(t)表示區(qū)塊融合參數(shù)；ai表示輸電線路全息云場景數(shù)據(jù)的分塊聚類參數(shù)集[7]。

2 輸電線路全息云場景數(shù)據(jù)聚類和平臺構(gòu)建優(yōu)化

2.1 輸電線路全息云場數(shù)據(jù)聚類

在云場景中將各類命令指向場景內(nèi)的各類物理實體，采用遞進分析模型進行輸電線路全息云場景數(shù)據(jù)的驅(qū)動控制[8]，采用循環(huán)迭代實現(xiàn)對輸電線路全息云場景數(shù)據(jù)的頻率響應(yīng)分析，進行輸電線路全息云場景數(shù)據(jù)傳輸?shù)淖赃m應(yīng)調(diào)度，描述為式(14)。

(14)

(15)

式中，ri(x)表示輸電線路全息云場景數(shù)據(jù)的樣本特征匹配值。通過簇頭聚類和自適應(yīng)加權(quán)學(xué)習(xí)，進行輸電線路全息云場景數(shù)據(jù)的簇頭選取[9]，得到輸電線路全息云場景數(shù)據(jù)的分簇聚類參數(shù)(k,i)，構(gòu)建輸電線路全息云場景數(shù)據(jù)的分層聚類模型，得到聚類信息分布序列為式(16)。

(16)

式中，c表示輸電線路全息云場景數(shù)據(jù)采樣的多普勒時延。通過有功功率均衡控制和頻域調(diào)度的方法，進行輸電線路全息云場數(shù)據(jù)聚類處理，以提高數(shù)據(jù)平臺的綜合管理能力[10]。

2.2 全息數(shù)據(jù)平臺構(gòu)建

在云場景中采用交互驅(qū)動控制方法，提取輸電線路全息云場景數(shù)據(jù)的自相關(guān)特征量[11]，得到輸電線路全息云場景數(shù)據(jù)的樣本回歸分布距離為式(17)

(17)

式中，ωj=(ω0j,ω1j,…,ωk-1,j)T表示輸電線路全息云場景數(shù)據(jù)分布的節(jié)點序列，通過輪換調(diào)度計算輸電線路全息云場景數(shù)據(jù)調(diào)度的自學(xué)習(xí)參數(shù)Densityi，得到自適應(yīng)學(xué)習(xí)過程描述為式(18)。

(18)

通過數(shù)據(jù)分組檢測方法進行輸電線路全息云場景數(shù)據(jù)的信息交叉融合，得到最近簇頭中的全息數(shù)據(jù)調(diào)度模型為式(19)。

(19)

(20)

式中，t0和tg分別表示輸電線路全息云場景數(shù)據(jù)的初始采樣時間間隔和平均分布時間間隔。由此得到云場景中輸電線路全息數(shù)據(jù)優(yōu)化的回歸分析模型為式(21)。

(21)

式中，ru(0

通過標(biāo)簽識別方法，獲取輸電線路全息云場景數(shù)據(jù)的偏差函數(shù)為x(η)，得到輸電線路全息云場景數(shù)據(jù)平臺構(gòu)建優(yōu)化模型，描述為式(22)。

(22)

式中，p(ωi)表示輸電線路全息云場景數(shù)據(jù)的分簇規(guī)則向量集；ui表示輸電線路全息云場景數(shù)據(jù)調(diào)度時間延遲。

3 仿真測試分析

通過仿真測試實驗驗證本文方法在實現(xiàn)輸電線路全息云場景數(shù)據(jù)融合和聚類管理的性能，輸電線路全息云場景數(shù)據(jù)采集的帶寬為26.3 bps，數(shù)據(jù)采集環(huán)境干擾強度為-35 dB，在云場景下，得到輸電線路全息數(shù)據(jù)的測試集維數(shù)為120，樣本數(shù)為3 600，根據(jù)上述參數(shù)設(shè)定，得到輸電線路全息數(shù)據(jù)的輸出特征樣本如圖1所示。

圖1 輸電線路全息數(shù)據(jù)的輸出特征

將文獻[2]與文獻[3]方法作為實驗對比方法，3種方法的輸電線路融合度系數(shù)比較結(jié)果如圖2所示。

圖2 數(shù)據(jù)融合系數(shù)

分析圖2得知，與文獻方法相比，本文方法輸電線路全息云場景數(shù)據(jù)融合系數(shù)較高，數(shù)據(jù)融合性能較好，波動浮動小，融合效果更穩(wěn)定。

測試輸電線路全息云場景數(shù)據(jù)聚類性能，設(shè)定直流電壓最大波動8 V，得到數(shù)據(jù)聚類準(zhǔn)確率比較結(jié)果如圖3所示。

分析圖3得知，采用本文方法進行輸電線路全息云場景數(shù)據(jù)聚類的輸出聚類性能較好，穩(wěn)定在90%以上，而文獻[2]方法和文獻[3]方法的聚類準(zhǔn)確率均低于本文方法。測試3種方法的數(shù)據(jù)查全率與查準(zhǔn)率，得到對比結(jié)果如表1、表2所示。

圖3 數(shù)據(jù)聚類準(zhǔn)確率對比

表1 查全率對比

表2 查準(zhǔn)率對比

分析表1可知，文獻[2]方法的查全率在83.4%—93.2%之間變化，文獻[3]方法的查全率在88.4%—90.9%之間變化，而本文方法的查全率均在96.5%以上，說明與文獻方法相比，方法的查全率更高。

分析表2可知，文獻[2]方法的查準(zhǔn)率在82.3%—88.3%之間變化，文獻[3]方法的查準(zhǔn)率在72.6%—85.6%之間變化，而本文方法的查準(zhǔn)率均在97.6%以上，說明與文獻方法相比，采用本文方法進行輸電線路全息云場景數(shù)據(jù)管理平臺設(shè)計后，數(shù)據(jù)的查準(zhǔn)率較高。

4 總結(jié)

為提高輸電線路的信息化管理能力，本文提出基于云場景的輸電線路全息數(shù)據(jù)平臺構(gòu)建方法。對擬構(gòu)建的全息數(shù)據(jù)平臺應(yīng)用場景進行模擬參數(shù)調(diào)度，通過業(yè)務(wù)流轉(zhuǎn)和信息融合聚類分析方法，建立數(shù)據(jù)融合調(diào)度模型，結(jié)合分組學(xué)習(xí)和分段平局采樣的方法，實現(xiàn)對輸電線路全息云場景數(shù)據(jù)的融合處理。在云場景中將各類命令指向場景內(nèi)的各類物理實體，采用交互驅(qū)動控制方法提取輸電線路全息云場景數(shù)據(jù)的自相關(guān)特征量，實現(xiàn)對輸電線路全息云場景數(shù)據(jù)平臺構(gòu)建。研究得知，本文方法進行輸電線路全息數(shù)據(jù)平臺構(gòu)建，數(shù)據(jù)融合和聚類性能較好，提高了數(shù)據(jù)查全率與查準(zhǔn)率。