余騰龍，胡 瀟*，劉顯明，趙 璨，王德軍

（1.國網(wǎng)江西省電力有限公司信息通信分公司，江西 南昌；2.中南民族大學(xué)計算機科學(xué)學(xué)院，湖北 武漢）

隨著電網(wǎng)技術(shù)的不斷發(fā)展，國內(nèi)電網(wǎng)結(jié)構(gòu)不斷趨于復(fù)雜化、多樣化。同時，伴隨著互聯(lián)網(wǎng)技術(shù)的飛速普及，國內(nèi)電網(wǎng)更加趨于智能化，各項數(shù)據(jù)更加趨于自動化。智能電網(wǎng)產(chǎn)生的數(shù)據(jù)激增，為充分發(fā)揮數(shù)據(jù)的優(yōu)勢，智能電網(wǎng)數(shù)據(jù)共享勢如破竹。

智能電網(wǎng)數(shù)據(jù)共享的第一步是量測數(shù)據(jù)的接入。電力調(diào)度通用數(shù)據(jù)對象結(jié)構(gòu)化設(shè)計規(guī)范中[1]，量測類數(shù)據(jù)結(jié)構(gòu)用設(shè)備ID 和量測類型標(biāo)識唯一的指標(biāo)，不同的指標(biāo)在不同的事件下?lián)碛胁煌奶幚矸绞健?021年，陳家靜等[2]設(shè)計一種電力通信大數(shù)據(jù)實時共享方法，提出將非結(jié)構(gòu)化數(shù)據(jù)與XML 文檔結(jié)合，將異構(gòu)數(shù)據(jù)轉(zhuǎn)換為同一數(shù)據(jù)格式數(shù)據(jù)，但僅限于提供想法并未進行實際轉(zhuǎn)換。2022 年，程晗蕾等[3]稱用電采集系統(tǒng)需要對數(shù)據(jù)進行中心化歸集、整理、挖掘、分析以改善電力交易質(zhì)量，但其研究重在解決傳輸過程中數(shù)據(jù)安全問題。同年，鄭曉露等[4]設(shè)計一種電網(wǎng)時序數(shù)據(jù)的云邊協(xié)同技術(shù)，使用Key-Value 數(shù)據(jù)庫進行數(shù)據(jù)處理，是目前較成熟的數(shù)據(jù)歸集方案，實驗證明了技術(shù)的可行性，但缺乏針對特定事件的信息處理方式。同年，王新柱等[5]提出基于Hadoop 生態(tài)系統(tǒng)的電網(wǎng)量測數(shù)據(jù)共享技術(shù)，對于數(shù)據(jù)集成方面，通過對量測數(shù)據(jù)訪問組件的服務(wù)化實現(xiàn)統(tǒng)一的接入規(guī)范，缺乏對異常請求及異構(gòu)數(shù)據(jù)集成的關(guān)注。

對國內(nèi)外現(xiàn)有技術(shù)分析后發(fā)現(xiàn)，數(shù)據(jù)歸集存在如下問題：缺少支持大批量數(shù)據(jù)下以定制事件形式的標(biāo)準化歸集方法，無法對一些具有特定信息（如異常、超時等）的數(shù)據(jù)流進行特殊處理。

針對上述問題，本文提出一種流式識別驅(qū)動的電網(wǎng)量測數(shù)據(jù)動態(tài)歸集方法，以定制事件形式，完成對異源異構(gòu)的電網(wǎng)量測數(shù)據(jù)的動態(tài)接入、實時同步和常態(tài)化監(jiān)測。開展工作如下：

（1） 事件特征預(yù)定義方法。給出基于字符串匹配和正則表達式的事件匹配規(guī)則，用于識別客戶端預(yù)定義的特定事件。

（2） 流式識別驅(qū)動的事件判定機制。設(shè)計事件識別算法，實時進行流式判定，高效給出事件判定結(jié)果。

（3） 動態(tài)歸集方法。根據(jù)事件判定結(jié)果，完成對數(shù)據(jù)的動態(tài)接入、實時同步和常態(tài)化監(jiān)測。其中，設(shè)計高效獲取算法對異常請求數(shù)據(jù)流進行廣播。

（4） 系統(tǒng)實現(xiàn)及實驗。搭建流式識別驅(qū)動的電網(wǎng)量測數(shù)據(jù)動態(tài)歸集系統(tǒng)，基于DLT645_2007 協(xié)議數(shù)據(jù)進行實驗，并與文獻[4]進行比較。實驗結(jié)果表明本文方法對于包含正常請求、異常請求和慢響應(yīng)等特定事件的數(shù)據(jù)流具有準確率高、性能佳的效果。

1 相關(guān)工作

本節(jié)從智能電網(wǎng)數(shù)據(jù)共享技術(shù)的角度介紹國內(nèi)外在量測數(shù)據(jù)接入方面所作研究工作。

智能電網(wǎng)數(shù)據(jù)共享技術(shù)研究主要集中于共享架構(gòu)[2，6，7，8]、數(shù)據(jù)安全[2，9，10]、數(shù)據(jù)存儲[3，11，12，13]和數(shù)據(jù)監(jiān)測[13，14，15，16]方面。每個方面的第一步均涉及量測數(shù)據(jù)接入問題。2021 年，朱紅勤等[6]設(shè)計基于改進Raft 算法的電力數(shù)據(jù)共享機制，使用電力調(diào)度中心采集數(shù)據(jù)，但未考慮如何對異構(gòu)數(shù)據(jù)進行監(jiān)測。2022 年羅濤等[7]總結(jié)電力大數(shù)據(jù)實時共享方法應(yīng)用后稱，SOA 架構(gòu)運用分布式粗粒度的方式進行數(shù)據(jù)整合，但受到現(xiàn)實的數(shù)據(jù)資源和技術(shù)水平制約。同年，王楠等[8]設(shè)計基于區(qū)塊鏈技術(shù)的數(shù)據(jù)共享系統(tǒng)，采用云邊端協(xié)同的技術(shù)實現(xiàn)數(shù)據(jù)可信接入，未對異構(gòu)數(shù)據(jù)如何處理進行說明。2021 年，王玨等[9]設(shè)計支持雙向選擇聚合的智能電網(wǎng)隱私保護方案，主要局限于用戶耗電量，數(shù)據(jù)過于單一。2022 年，張利華等[10]設(shè)計基于區(qū)塊鏈的電網(wǎng)數(shù)據(jù)安全共享方案，在數(shù)據(jù)層完成數(shù)據(jù)的采集清洗和打包，未說明異構(gòu)數(shù)據(jù)如何打包和歸集。2020 年，楊燕涵[14]完成聯(lián)盟區(qū)塊鏈下智能電網(wǎng)數(shù)據(jù)監(jiān)控研究，通過頻繁的數(shù)據(jù)交換實現(xiàn)數(shù)據(jù)監(jiān)控，但數(shù)據(jù)接入中對異常請求方面未作詳細考慮。2021 年，姚剛[15]闡述電力物聯(lián)網(wǎng)在智能配電網(wǎng)狀態(tài)檢測中的應(yīng)用，提到通過同步相量數(shù)據(jù)集中器裝置匯集數(shù)據(jù)，僅停留至設(shè)計階段，無法解決異常請求等問題。

通過以上分析，對于量測數(shù)據(jù)接入，概念層面的研究成熟，但局限于量測數(shù)據(jù)簡單接入，無法同時兼顧接入、監(jiān)測和同步。針對特定信息無特殊處理技術(shù)。可見，一種對電網(wǎng)大批量量測數(shù)據(jù)的動態(tài)接入、實時同步、常態(tài)化監(jiān)測的數(shù)據(jù)歸集方法尤為重要。

2 流式識別驅(qū)動的電網(wǎng)量測數(shù)據(jù)動態(tài)歸集方法

2.1 方法思想和核心流程

流式識別驅(qū)動的電網(wǎng)量測數(shù)據(jù)動態(tài)歸集方法的核心思想是一種根據(jù)事件判定結(jié)果觸發(fā)進行量測數(shù)據(jù)歸集的方式，見圖1。

圖1 流式識別驅(qū)動的電網(wǎng)量測數(shù)據(jù)動態(tài)歸集方法概念架構(gòu)

首先，需要針對特定事件設(shè)定事件特征，制定相應(yīng)的事件匹配規(guī)則。考慮到智能電網(wǎng)數(shù)據(jù)共享的需求以及用電采集系統(tǒng)的運行模型，特定事件定義使用唯一標(biāo)識符標(biāo)識，事件匹配規(guī)則采用正則表達式和字符串匹配規(guī)則。

其次，考慮電網(wǎng)量測數(shù)據(jù)歸集的實時性要求，采用流計算模型對各個采集節(jié)點實時產(chǎn)生的量測數(shù)據(jù)流進行預(yù)定義的事件判定，使用高效緩存機制對數(shù)據(jù)和事件判定結(jié)果進行存儲，以便對數(shù)據(jù)的后續(xù)操作。

再次，根據(jù)事件特征判定結(jié)果，對數(shù)據(jù)進行相關(guān)操作，綜合智能電網(wǎng)數(shù)據(jù)共享方面需求，設(shè)置應(yīng)用率最高的3 種操作：數(shù)據(jù)凍結(jié)、數(shù)據(jù)接入和監(jiān)測。數(shù)據(jù)凍結(jié)適用于用電采集系統(tǒng)每15 分鐘凍結(jié)數(shù)據(jù)規(guī)則，數(shù)據(jù)接入適用于滿足接入條件的數(shù)據(jù)，監(jiān)測表示通過一致性模型和唯一標(biāo)識機制對所有進行識別的數(shù)據(jù)進行常態(tài)化監(jiān)測，確保其完整并有效。

最后，針對接入數(shù)據(jù)，通過一致性模型和唯一標(biāo)志機制，對數(shù)據(jù)進行匯總、歸并，其中匯總適用所有數(shù)據(jù)，歸并適用同源同構(gòu)數(shù)據(jù)，通過廣播方式對數(shù)據(jù)情況進行同步。

根據(jù)上述思想，流式識別驅(qū)動的電網(wǎng)量測數(shù)據(jù)動態(tài)歸集方法如下：

服務(wù)端實時對各個采集節(jié)點的數(shù)據(jù)流進行預(yù)定義事件判定，當(dāng)出現(xiàn)符合采樣條件（事件特征）的數(shù)據(jù)，給出事件判定結(jié)果，由于量測數(shù)據(jù)發(fā)生有前后時間順序，且跨采集節(jié)點的數(shù)據(jù)異源異構(gòu)嚴重，針對該問題，流式識別的方法利用有限的資源高效找到符合采樣條件的采集節(jié)點及量測數(shù)據(jù)。

數(shù)據(jù)處理端根據(jù)事件判定結(jié)果，對數(shù)據(jù)進行相關(guān)操作。數(shù)據(jù)凍結(jié)適用于用電采集系統(tǒng)每15 分鐘凍結(jié)數(shù)據(jù)規(guī)則。數(shù)據(jù)接入針對滿足接入條件的量測數(shù)據(jù)流，拉取數(shù)據(jù)后進行第一次過濾操作，進行初步的數(shù)據(jù)清洗，同時通過廣播方式更新數(shù)據(jù)信息。通過一致性模型和唯一標(biāo)識機制對所有進行識別的數(shù)據(jù)進行常態(tài)化監(jiān)測，確保其完整并有效。

服務(wù)端通過一致性模型和唯一標(biāo)志機制，對數(shù)據(jù)進行匯總、歸并，其中匯總適用于所有數(shù)據(jù)，歸并適用于同源同構(gòu)數(shù)據(jù)，通過廣播方式更新數(shù)據(jù)信息，以便客戶端同步接收到常態(tài)化監(jiān)測的結(jié)果。

為了實現(xiàn)上述思想和流程，本文方法包括4 部分內(nèi)容：事件特征預(yù)定義方法、流式識別驅(qū)動的事件判定機制、數(shù)據(jù)相關(guān)操作說明、數(shù)據(jù)匯總和同步機制。

2.2 事件特征預(yù)定義方法

特定事件意為數(shù)據(jù)接入過程中可能發(fā)生的事件，事件特征用于識別特定事件。根據(jù)智能電網(wǎng)數(shù)據(jù)共享的需求以及用電采集系統(tǒng)的運行模型，特定事件定義使用唯一標(biāo)識符標(biāo)識，本文中事件特征包括設(shè)備運行狀態(tài)（控制碼）、電能表標(biāo)識（地址編碼），根據(jù)數(shù)據(jù)流實際情況，特定事件包括3 種。

（1） 正常請求。正常請求指有效數(shù)據(jù)請求，包括數(shù)據(jù)凍結(jié)請求和數(shù)據(jù)接入請求。

（2） 異常請求。異常請求指數(shù)據(jù)中包含錯誤信息或者數(shù)據(jù)流無具體信息。

（3） 慢響應(yīng)。慢響應(yīng)指請求事件過長導(dǎo)致請求超時。

事件匹配規(guī)則采用正則表達式和字符串匹配搭配。根據(jù)定義好的特定事件和事件特征，制定事件匹配規(guī)則，其中數(shù)據(jù)凍結(jié)請求標(biāo)識00，數(shù)據(jù)接入請求標(biāo)識01，異常請求標(biāo)識1，慢響應(yīng)標(biāo)識2。字符串匹配規(guī)則使用簡單匹配規(guī)則，如Code=500。正則表達式用于檢查數(shù)據(jù)流是否包含某種語法規(guī)則，如*^[a-z]+:[a-z0-9]{1}*[a-z0-9]+（[^f ]）。

2.3 流式識別驅(qū)動的事件判定機制

采用事件匹配規(guī)則、緩存機制和流計算模型對數(shù)據(jù)流實時進行特征事件判定，采用事件識別算法，高效給出事件判定結(jié)果，事件判定結(jié)果使用唯一標(biāo)識符標(biāo)識。

事件識別算法如下所示，若數(shù)據(jù)流與預(yù)定義的事件規(guī)則匹配，則將數(shù)據(jù)及事件判定結(jié)果存入緩存Set，并根據(jù)事件判定結(jié)果進行初步檢查。

算法1 事件識別算法輸入：數(shù)據(jù)流輸出：存放數(shù)據(jù)和事件判定結(jié)果的緩存Set；存放錯誤數(shù)據(jù)流的Error。1.If 數(shù)據(jù)流匹配預(yù)定義的事件規(guī)則2.給出事件判定結(jié)果3.數(shù)據(jù)和判定結(jié)果保存至緩存Set 4.Else 5.錯誤警告6.If 事件判定結(jié)果標(biāo)識為00 7.數(shù)據(jù)凍結(jié)事件，Set 標(biāo)識00 8.If 事件判定結(jié)果標(biāo)識為01 9.數(shù)據(jù)接入事件，Set 標(biāo)識01 10.If 事件判定結(jié)果標(biāo)識為1 11.異常請求事件，數(shù)據(jù)流保存至Error 12.If 事件判定結(jié)果標(biāo)識為2 13.服務(wù)端停止拉取數(shù)據(jù)

在服務(wù)端發(fā)現(xiàn)符合事件特征的數(shù)據(jù)流后，會與數(shù)據(jù)處理端進行交互，并由數(shù)據(jù)處理端將一定時間范圍內(nèi)的相關(guān)數(shù)據(jù)進行操作。隨著數(shù)據(jù)流增多，服務(wù)端內(nèi)存有限，使用高效緩存機制Hash B 對Set 進行存儲。

Hash B 樹算法是結(jié)合了支持快速查詢的Hash 算法和支持樹結(jié)構(gòu)的全值匹配的B Tree 索引算法[18-19]，可以快速高效的查詢緩存中的數(shù)據(jù)，本文中用于存儲Set 和Error 的緩存結(jié)構(gòu)見圖2。

圖2 緩存結(jié)構(gòu)示意

2.4 數(shù)據(jù)相關(guān)操作說明

數(shù)據(jù)處理端獲取Set 和Error 后，根據(jù)事件判定結(jié)果對數(shù)據(jù)進行不同處理，包括數(shù)據(jù)凍結(jié)、數(shù)據(jù)接入和監(jiān)測。

2.4.1 數(shù)據(jù)凍結(jié)

事件判定結(jié)果標(biāo)識為00，數(shù)據(jù)處理端進行數(shù)據(jù)凍結(jié)操作，即符合用電采集系統(tǒng)每15 分鐘凍結(jié)數(shù)據(jù)規(guī)則，對數(shù)據(jù)不進行任何操作，通過廣播的方式上報客戶端，并清除緩存。

2.4.2 數(shù)據(jù)接入

事件判定結(jié)果標(biāo)識為01，數(shù)據(jù)處理端進行數(shù)據(jù)接入操作。在數(shù)據(jù)處理端做第一次過濾操作，進行初步的數(shù)據(jù)清洗。本文Set 采用Hash B 樹結(jié)構(gòu)存儲，緩存大小設(shè)計為1GB，最大容量為10w 條（每條數(shù)據(jù)最大約500 字節(jié)）。緩存采用hashMap 的K-V 存儲結(jié)構(gòu)，方便快速讀取整個數(shù)據(jù)。

2.4.3 監(jiān)測

事件判定結(jié)果標(biāo)識為1，數(shù)據(jù)處理端對Error 進行監(jiān)測處理。本文設(shè)計一種高效獲取算法，采用時間窗口方式處理緩存數(shù)據(jù)，找到異常數(shù)據(jù)流的設(shè)備運行狀態(tài)和電能表標(biāo)識，并將其發(fā)送到客戶端。如算法2 可見，首先建立環(huán)形隊列，在保證線程安全的前提下，遍歷Error 中所有內(nèi)容，找到異常請求數(shù)據(jù)的電能表標(biāo)識id 和設(shè)備運行狀態(tài)state。

算法2 高效獲取算法輸入：數(shù)據(jù)流輸出：Error 中設(shè)備運行狀態(tài)和電能表標(biāo)識1.List＜Map＜String, List＜String＞＞＞ Queue=new LinkedList＜＞();2.Set＜String＞ Error=new Set＜＞();3.For i ←1 to 1000000 4.String id = 第i 條數(shù)據(jù)的電能表標(biāo)識；5.String state=第i 條數(shù)據(jù)的設(shè)備運行狀態(tài)；6.Map＜String, List＜String＞＞queue1=ConcurrentHashMap＜＞();7.If(queue1.get(id)!=null)8.queue1.get(id).add(state);9.Else 10.List＜String＞ queue2=New ArrayList＜＞();11.queue2.add(state);12.queue1.put(id, queue2);13.End If 14.End For 15.Return id, state

2.5 數(shù)據(jù)匯總和同步機制

動態(tài)歸集方法對CPU 和內(nèi)存要求較低，在有限的物理資源下充分利用內(nèi)存資源，將重要特征數(shù)據(jù)進行快速準確的匯總與同步。量測數(shù)據(jù)異源異構(gòu)嚴重，數(shù)據(jù)處理端直接歸集會使整體信息處理變得復(fù)雜，不易維護。故本文采用數(shù)據(jù)處理端與服務(wù)端共同處理來實現(xiàn)整體信息的匯總與同步。

如圖3 所示，數(shù)據(jù)處理端負責(zé)對接入數(shù)據(jù)進行初次過濾和清洗，將清洗后Set 發(fā)送至服務(wù)端，通過唯一標(biāo)識機制[20]和一致性模型[21]進行驗證，再進行匯總和同步，并作為常態(tài)化監(jiān)測結(jié)果發(fā)送至客戶端。

圖3 數(shù)據(jù)匯總和同步機制

2.5.1 數(shù)據(jù)匯總

數(shù)據(jù)匯總包括兩部分：一是對Set 匯總，及時更新id 和state 信息；二是對id 相同數(shù)據(jù)的對齊與歸并，按幀序號拼接成一條數(shù)據(jù)流。

2.5.2 數(shù)據(jù)同步

通過廣播的方式，發(fā)送更新好的id 和state 信息到各個服務(wù)端，以便服務(wù)端同步接受最新的數(shù)據(jù)特征信息。由于含有錯誤信息的Error 在數(shù)據(jù)操作部分的監(jiān)測操作中已經(jīng)通報至客戶端，不再做其他處理。

3 系統(tǒng)實現(xiàn)及實驗驗證

為驗證流式識別驅(qū)動的電網(wǎng)量測數(shù)據(jù)動態(tài)歸集方法的準確性和高效性，本文設(shè)計了一種流式識別驅(qū)動的電網(wǎng)量測數(shù)據(jù)動態(tài)歸集系統(tǒng)，并通過DLT645_2007 協(xié)議數(shù)據(jù)進行實驗。

3.1 系統(tǒng)實現(xiàn)

如圖4 所示，該系統(tǒng)輸入為電網(wǎng)量測數(shù)據(jù)流，輸出為常態(tài)化監(jiān)測結(jié)果和用電采集節(jié)點錯誤情況通報。系統(tǒng)自頂向下包括特征預(yù)定義單元、事件判定單元和操作單元。各單元描述如下。

圖4 流式識別驅(qū)動的電網(wǎng)量測數(shù)據(jù)動態(tài)歸集系統(tǒng)架構(gòu)

特征預(yù)定義單元，用于定義特定事件的事件特征，事件特征包括設(shè)備運行狀態(tài)state、電能表標(biāo)識id，并通過正則表達式和字符串匹配自動生成事件匹配規(guī)則。

事件判定單元，用于識別事件。應(yīng)用事件識別算法，通過緩存機制高效存儲并輸出事件判定結(jié)果，事件匹配過程中標(biāo)識符為00 的事件為數(shù)據(jù)凍結(jié)事件；標(biāo)識符為01 的事件為數(shù)據(jù)接入事件；標(biāo)識符為1 的事件為異常事件，做輸出處理；標(biāo)識符為2 的事件為慢響應(yīng)事件，做停止拉動數(shù)據(jù)流處理。

操作單元，用于完成數(shù)據(jù)的動態(tài)接入、實時同步和常態(tài)化監(jiān)測。

3.2 實驗環(huán)境及數(shù)據(jù)集

為驗證動態(tài)歸集方法的準確率和性能，本實驗準備1 個docker 客戶端，1 個docker 服務(wù)端。服務(wù)端CPU 采用Intel (R) Core (TM) m3-6Y30 CPU @0.90GHz，機帶RAM 8.00GB。

數(shù)據(jù)集采用DLT645_2007 協(xié)議數(shù)據(jù)[22]，使用dlt645-2007-tool 工具[23]獲取20000 條原始幀信息。在該協(xié)議中，幀是傳送信息的基本單元，幀格式見表1，每個原始數(shù)據(jù)解析后包含字段。

表1 DLT645_2007 協(xié)議數(shù)據(jù)字段說明

3.3 實驗及結(jié)果分析

本節(jié)對歸集方法的準確率和性能進行實驗與評價。

準確的歸集是指請求幀功能與實際操作一致，同時在客戶端顯示幀序號、表號和請求幀功能。DLT645_2007 協(xié)議應(yīng)用層請求幀功能共包含12 類，本文選取其中8 類共20000 條幀信息與本文給定特定事件對應(yīng)，如表2 所示。值得注意的是，本文實驗采取數(shù)據(jù)導(dǎo)入方式，且保證幀信息無序。

表2 DLT645_2007 協(xié)議與本文特定事件對應(yīng)表

本文實驗選取數(shù)據(jù)接入類型幀信息10 000 條，數(shù)據(jù)凍結(jié)幀信息3 000 條，異常請求幀信息1000 條，慢響應(yīng)信息1 000 條。本實驗運行結(jié)果使用matlab 點陣圖表示，如圖5 所示，將區(qū)域分成4 塊，用于繪制數(shù)據(jù)接入請求、數(shù)據(jù)凍結(jié)請求、異常請求和慢響應(yīng)，其中條數(shù)由程序自動生成。公式(1)是本文4 種特定事件的準確率計算公式，即程序獲取條目數(shù)與請求幀功能條目數(shù)比值，其中auto_num 代表程序獲取條目數(shù)，preset_num 代表請求幀功能條目數(shù)，n 代表選定的特定事件。

圖5 點陣圖表示的實驗運行結(jié)果

通過計算，4 種特定事件的準確率分別為：99.89%、100%、99.2%和99.7%。結(jié)果充分表明，特定事件的歸集結(jié)果與預(yù)設(shè)的原始幀信息基本高度一致。我們對出現(xiàn)的些許偏差進行溯源后發(fā)現(xiàn)，在數(shù)據(jù)相關(guān)操作階段存在部分幀丟失情況，可能是時間窗口的限制導(dǎo)致部分幀丟。

對于性能方面，目前常規(guī)的Key-Value[24]數(shù)據(jù)處理方式插入10 萬條數(shù)據(jù)需要4 s 左右，查詢10 萬條數(shù)據(jù)需要1.8 s 左右，本方法設(shè)置20 000 條數(shù)據(jù)，順利完成秒級接入，時間置于可接受范圍內(nèi)，效率可觀。同時，如圖6，與參考文獻[4]進行對比。文獻[4]主要測試電網(wǎng)時序數(shù)據(jù)的寫入和查詢測試功能，本實驗將其與4 種特定事件對應(yīng)，在執(zhí)行耗時上進行比較。明顯地，在準確率可觀的條件下，執(zhí)行耗時基本一致，沒有明顯的下滑現(xiàn)象，可以說具有性能佳的效果。

圖6 對比文獻[4]方法的結(jié)果

4 結(jié)論

量測數(shù)據(jù)接入是智能電網(wǎng)數(shù)據(jù)共享的第一步。本文設(shè)計一種流式識別驅(qū)動的電網(wǎng)量測數(shù)據(jù)動態(tài)歸集方法，以事件定制形式，解決異源異構(gòu)嚴重、大批量的電網(wǎng)量測數(shù)據(jù)的動態(tài)接入、實時同步和常態(tài)化監(jiān)測問題。主要工作包括：事件特定預(yù)定義方法、流式識別驅(qū)動的事件判定機制和動態(tài)歸集方法。同時，搭建相應(yīng)的流式識別驅(qū)動的電網(wǎng)量測數(shù)據(jù)動態(tài)歸集系統(tǒng)，基于DLT645_2007 協(xié)議數(shù)據(jù)進行實驗，并與現(xiàn)有的歸集方法進行比較。實驗結(jié)果顯示，本文方法對于包含正常請求、異常請求和慢響應(yīng)等特定事件的數(shù)據(jù)流具有準確率高、性能佳的效果。下一步工作將致力于研究用電采集系統(tǒng)數(shù)量對動態(tài)歸集效果的影響。