基于元數據的電網通信資源數據校核方法

劉晴　蔡健挺　姜海　何春濤

摘? ?要：由于缺乏有效管理手段，導致電網通信資源數據的完整性、一致性、有效性無法保障，影響電網通信專業服務質量。為此，提出了基于元數據的電網通信資源數據校核方法。該方法分為三個過程：利用網絡捕包得到電網通信資源數據，將捕獲的數據存入磁盤列陣內和電網通信資源數據多層次校核。多層次校核內的信息層校核將XSD推薦標準作為元數據實施驅動，利用XSD校核引擎實現信息校核;模型層校核將元數據模型內同公共信息模型OWL描述的本體文件作為元數據，校核電網通信網絡各系統資源信息內提取的RDF格式模型實例;數據層校核以元數據模型內拓撲規則元數據作為校核依據，校核電網各系統中常見的孤島、內外環等拓撲結構問題。實驗結果表明：所提方法能有效驗證電網通信資源數據的一致性、有效性和完整性，且校核精度較高達95%以上。

關鍵詞：元數據;電網;通信資源;數據校核;信息校核;模型實例;拓撲結構

中圖分類號：TM71? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A

Data Checking Method of Power Network

Communication Resources Based on Metadata

LIU Qing，CAI Jian-ting，JIANG Hai，HE Chun-tao

（Electric Power Dispatching and Control Center of Guizhou Power Grid Co.，Ltd.，Guiyang Guizhou 550002，China）

Absrtact：Due to the lack of effective management means，the integrity，consistency and validity of power grid communication resources data can not be guaranteed，which affects the quality of service of power grid communication profession. To solve this problem，a metadata-based data verification method for power network communication resources is proposed. The method is divided into three processes：using network packet capturing to get the data of power grid communication resources，storing the captured data into disk array and multi-level verification of power grid communication resources data. Information layer verification in multi-level verification uses XSD recommendation standard as metadata driver and XSD verification engine to realize information verification. Model layer verification uses ontology files described by metadata model and public information model OWL as metadata to verify RDF format model extracted from the resource information of each system in nuclear power network communication network. Examples：Data layer checking is based on the metadata of the topological rules in the metadata model to check the common topological structure problems such as islands，inner and outer rings in various systems of nuclear power network. The experimental results show that the proposed method can effectively verify the consistency，validity and integrity of power grid communication resource data，and the verification accuracy is higher than 95%.

Key words：metadata;power grid;communication resources;data verification;information verification;model examples;topology

伴隨電網系統的建設與通信技術的發展，電網通信網絡規模持續升級，包含的電路業務繁雜，匹配的相應物資更為復雜與分散，不同系統間主要通過接口實現數據交互[1]，各系統數據缺乏高效的管理手段，導致無法準確判斷電網通信資源數據準確性，數據的完整性、一致性、有效性無法保障，甚至造成長時間無法對外提供數據服務[2]，也不能有效對外進行數據交流與互通，帶來電網通信各系統關聯喪失，影響電網通信專業服務質量，這也是電網通信資源數據研究領域亟需解決的問題。

電網大數據應用是當前電網系統信息化建設的熱點，更是難點[3]。元數據也叫做中介數據，其本質為介紹、定位不同形態的數據與信息資源，同時使其更便于搜索、使用或管理的數據或信息[4]，具有指引存儲位置、搜索資源以及記載文件等作用，是數據共享與交換的前提條件，可提升數據管理質量。基于此依照電網通信資源數據校核的標準化與完整性原則，提出基于元數據的電網通信資源數據校核方法，通過語法規則、數據模型等方法對電網通信資源數據進行完整性、一致性、有效性校核，提升通信數據質量。

1? ?電網通信資源數據校核

基于元數據的電網通信資源數據校核方法中，利用網絡捕包得到電網通信資源數據[5]，對這些數據實時校核。基于元數據的電網通信資源數據校核方法主要包括三個過程[6]：電網通信資源數據捕獲、磁盤列陣存儲和電網通信資源數據多層次校核。圖1描述基于元數據的電網通信資源數據校核方法的邏輯結構。

1.1? ?電網通信資源數據捕獲

利用網絡捕包得到電網通信資源數據過程中主要采用FPGA，其利用邏輯單元陣列概念[7]，內部包含可配置邏輯模塊、輸入輸出模塊與內部連線三個主要部分，各邏輯并行執行同時處理不同任務。獲取電網通信資源數據時，FPGA定制數字電路，可開啟所有過濾與觸發作用的全線速率，在此條件下不間斷捕獲8個Gbit/s鏈接或4個10Gbit/s鏈接，可確保捕獲的電網通信資源數據不出現遺漏現象。

捕獲電網通信資源數據后，將數據傳輸至磁盤列陣內實施存儲，便于后期數據校核。電網通信資源數據實時校核過程中，可隨時提取網絡捕包得到電網通信資源數，形成實時校核圖、統計數據圖表以及報警等。應用程序級分析引擎基于元數據模型在網絡捕包得到的電網通信資源數據內提取用于校核的數據。

1.2? ?磁盤列陣存儲

磁盤列陣內存儲容量高達55 T，可存儲1 Gbit/s鏈接45天的資源數據。由于磁盤列陣采用先入先出隊列技術，因此在保存電網通信資源數據時不受緩存高低對數據捕獲能力的限制[8]，使網絡捕包不間斷捕獲數據，并且可實現電網通信網絡故障狀態下資源數據全部抓取。

1.3? ?電網通信資源數據多層次校核

電網通信網絡各系統間數據交互時，利用網絡捕包得到電網通信資源數據后，需要利用相應的方法校核捕獲的數據，保障交互數據的標準化與完整性。

以借助IEC 61968數據交互總線實施電網通信網絡模型交互為例校核其數據流，整體過程中重點環節包括：（1）電網通信網絡各系統資源信息交互;（2）由網絡捕包得到電網通信資源數據中提出模型信息解析處理;（3）模型數據存儲。

假設第一個環節中交互的信息數據出現錯誤，那么上述三個環節中的數據都可能存在問題，造成電網通信交互不成功。假設交互信息未依照IEC 61968標準格式封裝，將存在信息不能為總線解析輸出或不能準確傳輸到目標的可能;假設由網絡捕包得到電網通信資源數據中提取出的模型實例沒有依照信息模型內的語義定義，或電網通信網絡內各系統設定的公共信息模型有所差異，那么將存在模型實例解析不成功的可能[9];假設模型數據內出現問題，那么將存在由拓撲關系混亂等現象造成模型存儲不成功的可能。

基于以上分析，針對上述三個重點環節，需從信息層、模型層和數據層三個不同層面對電網通信網絡交互的資源數據實施多層次校核。構建校核工具，校核流程層層遞進，由信息格式、數據模型、模型質量三個層面按照信息模式、本體模型和拓撲規則對交互數據實施全面校核[10]。圖2描述校核工具三個層面間的關系。

信息層、模型層和數據層三個不同層面的電網通信資源數據校核緊緊圍繞電網通信資源數據由淺至深的完成一體化整體校核。

1.3.1? ?信息層校核

校核總線上交互的數據時采用IEC 61968信息一致性校核，此層面上的校核著重于交互信息的語法與格式[11]。IEC 61968信息作為XML（The Extensible Markup Language，可擴展標記語言）格式信息，其格式由XSD（XML Schema definition）推薦標準定義規范。校核工具將XSD推薦標準作為元數據實施驅動[12]，在元數據模型內設定IEC 61968規范信息格式XSD同關聯規范子集XSD，利用XSD校核引擎實現信息校核，同時將IEC 61968有關規范作為前提，經由設置擴展規則庫對交互信息進行拓展校核，例如IEC 61968信息動名詞校核等。圖3描述信息層校核功能架構與校核流程。

信息層校核是基于電網設備屬性信息及層次結構的屬性校核，校核的主要內容包括電網通信網絡內各系統間交互信息內容，如：（1）電網下饋線設備名稱;（2）名稱一致編號有所差異、編號一致名稱有所差異的設備;（3）電網各系統中配電網母線、開關和變壓器設備;（4）電網各系統設備內無電壓等級的設備;（5）電網各系統內節點號為-1的設備;（6）負載名稱及負載所處饋線名稱一致性不足半數的負載設備。

1.3.2? ?模型層校核

以信息模型角度出發的校核即為模型層校核，其主要目的是校核交互信息模型語法格式的兼容性和語義是否相同[13]。模型層校核工具以本體理論為基礎，將元數據模型內同公共信息模型OWL（Web Ontology Language，網絡本體語言）描述的本體文件作為元數據，校核電網通信網絡各系統資源信息內提取的RDF格式模型實例。以校核RDF語法格式為基礎，利用JEXA推理機校核RDF格式文檔內不同元素的三元組，確定其同OWL描述語義有所差異處。圖4描述模型層校核功能架構與校核流程。

模型層校核是以電網內各系統設備基礎模型信息及拓撲結構為基礎的信息模型校核，校核的主要內容包括電網各系統中：（1）沒有同母線相連的設備;（2）沒有同饋線段相連的主網負載;（3）任意端同設備相連的饋線段;（4）兩端均同設備相連的配變;（5）同某饋線直接鏈接的其他饋線信息等。

1.3.3? ?數據層校核

數據層校核的主要目的是校核電網通信交互信息中描述的拓撲，著重校核電網中各系統設備連接是否準確，以及指導模型消缺、使電網通信資源信息模型存儲的精度上升[14]。利用數據層校核工具進行信息模型拓撲校核過程中以元數據模型內拓撲規則元數據作為校核依據，基于拓撲數據，通過深度遍歷結合前推回代法，校核電網各系統中常見的孤島、內外環等拓撲結構問題。圖5描述數據測校核功能架構與校核流程。

數據層校核是以電網各系統設備基礎模型信息和拓撲結構及層次結構的拓撲校核[15]，校核的主要內容包括電網各系統內：（1）電源點構成環網的數量;（2）節點號不為-1，卻無法搜索到電源點的設備;（3）線路上成環的設備及數量;（4）未確定電源點的電網設備;（5）一個電源點下全部未變壓設備內同電源點電壓有所差異的設備等。

2? ?實驗分析

實驗為測試本文提出的基于元數據的電網通信資源數據校核方法的有效性，以我國某市電網為研究對象，在PDZ900系列終端上采用本文校核方法進行電網通信資源校核，結果如下所示。

2.1? ?電網配電線路校核

圖6所示為研究對象中一個系統的配電線路，其在正常運行狀態下，M7處于分閘狀態，也就是聯絡開關，R1與R2均表示環網柜。在配電線路分段開關數量上漲和配電線路不同位置出現故障的條件下分別進行10次實驗，結果如表1所示。

分析表1得到，采用本文方法校核配電線路分段開關數量上漲條件下線路拓撲模型是否一致，結果顯示10次實驗中除出現一次拓撲模型不匹配現象外，其余均表現為拓撲模型相匹配;校核結果與實際情況完全一致。采用本文方法校核配電線路出現故障條件下線路是否出現異常，結果顯示10次實驗中，除一次饋線維護范圍異常和一次聯絡開關狀態信息異常外，其余均表現為未出現異常;校核結果與實際情況完全一致。實驗結果表明本文方法能夠有效檢測電網通信資源數據的有效性與一致性。

2.2? ?電網通信資源數據校核

利用網絡捕包獲取實驗對象通信資源中某58節點饋線某時刻三項電壓、電流和有功功率和有功電量等交互數據，并采用本文方法對捕獲的數據進行校核，結果如表2所示。

由表2可知，實驗對象各節點中，節點14、節點19和節點39的交互數據存在量測不相容問題，采用本文方法對這三個節點的各項數據進行校核，校核得到的數據同基于負載歷史數據的電網通信資源數據校核方法和基于上下電壓等級數據量測的電網通信資源數據校核方法得到的校核數據一致，說明本文方法能夠有效校核電網通信資源數據，并補全數據，使數據完整。

2.3? ?校核精度對比

為驗證本方法的校核精度，采用三種不同校核方法對研究對象通信資源262704條數據進行報錯，對比不同校核方法的報錯率，結果如表3所示。

分析表3得到，本方法的關鍵性錯誤報錯率均在95%以上，最高達到100%，且誤報率為0%;而基于負載歷史數據的校核方法報錯率僅在90%左右，但誤報情況較為嚴重，而基于上下電壓等級數據測量的校核方法報錯率稍低于基于負載歷史數據的校核方法，但誤報率與其相比下降幅度較為顯著。對比之下可知本方法的校核精度顯著高于兩種對比方法。

2.4? ?校核效果對比

實驗為驗證本方法的校核效果，對比研究對象中5個電廠采用本方法后的交易電量，對比結果如圖7所示。

由圖7可知，采用本方法后研究對象的五個電廠交易電量均有不同程度的增長，增長比例分別為8.38%、20.86%、7.92%、13.64%和6.47%。其中2號電廠交易電量的增長幅度最為顯著，說明其在未使用本方法前受電網通信資源數據混亂問題影響嚴重。實驗結果表明本方法能夠有效提升電網交易電量。

3? ?結? ?論

隨著電網規模的擴大，電網通信資源越來越復雜，對其的管理也越來越困難，導致電網通信資源數據內出現越來越多的問題，影響電網通信質量。基于此，提出了基于元數據的電網通信資源數據校核方法，構建多層次的交互模型校核工具，從信息層、模型層和數據層三個層面對電網通信資源數據進行校核。將本方法應用在我國某市的電網中，結果驗證了本方法的可行性。

參考文獻

[1]? ? 王君洪，陳躍東，陳孟元. 基于馬爾科夫鏈的模糊認知圖在智能配電網WSN通信QoS優化研究[J].? 電子測量與儀器學報，2016，30（1）：66-74.

[2]? ? 龍蘇巖，徐亮，徐駿，等. 基于元數據組擴展技術的電能結算方法研究與應用[J].? 電網技術，2016，40（11）：3328-3333.

[3]? ? 陳連杰，韓冰，趙家慶，等. 利用自動成圖的配電網模型拓撲校核技術及實現[J].? 電力系統自動化，2017，41（2）：160-164.

[4]? ? 韓冰，韓韜，陳連杰，等. 配電網主站網絡模型校核方法設計與實現[J].? 電力系統自動化，2016，40（12）：75-79.

[5]? ? 李向榮，李帥，王國輝，等. 基于有限元數據交會的部件毀傷評估方法研究[J].? 北京理工大學學報，2017，37（4）：430-435.

[6]? ? 易建亮，陳志廣，肖儂，等. 基于代理的并行文件系統元數據優化與實現[J].? 計算機研究與發展，2018，55（2）：438-446.

[7]? ? CHENG X，ZHANG L，YUE J. Application and implementation of the assessment model based on rough set attribute reduction in power communication network risk assessment[J].? Power System Protection & Control，2016，44（8）：44-48.

[8]? ? 張傳成，許丹，戴賽，等. 基于特征時段提取的月度發電計劃與安全校核模型[J].? 電網技術，2016，40（11）：3342-3347.

[9]? ? 湯偉，劉路登，楊可軍. 基于靜態多點校核和在線監測的輸電線路動態增容方法研究與應用[J].? 電網與清潔能源，2016，32（6）：11-15.

[10]? WANG H，GUO L，WU R L，et al. Design and implementation of wide-area message bus based on electric power dispatching data network[J].? Automation of Electric Power Systems，2017，41（15）：100-106.

[11]? 王笑雪，徐弢，王成山，等. 基于MAS的主動配電網分布式電壓控制[J].? 中國電機工程學報，2016，36（11）：2918-2926.

[12]? 趙蓓蓓，郭秀銳，程水源，等. 基于統計回歸的高分辨率工業源排放大氣常規污染物排放清單建立與校核方法[J].? 安全與環境學報，2016，16（1）：273-277.

[13]? 杜然，黃秋蘭，闞文梟，等. 基于Chord算法的可擴展高性能元數據存儲環設計[J].? 計算機工程，2016，42（8）：1-8.

[14]? FORT E H，OYA J R G，CHAVERO F M，et al. Intelligent containers based on a low-power sensor network and a non-Invasive acquisition system for management and tracking of goods[J].? IEEE Transactions on Intelligent Transportation Systems，2017，PP（99）：1-6.

[15]? 張全貴，李志強，蔡豐，等. 融合元數據及隱式反饋信息的多層次聯合學習推薦方法[J].? 計算機應用研究，2018，35（12）：121-125.