基于粒子濾波算法的電網運行異常值快速檢測算法

李國兵

（國網泰興市供電公司，江蘇 泰興 225400）

目前，更多的電網在運行過程中將面臨較大的電量傳輸問題，為此，需集中監控系統的狀態，并提出具體的異常值檢測方式來處理此項問題[1-3]。電網運行異常值快速檢測算法在算法構建的同時需進行較高程度的數據掌控操作，獲取較為科學的數據信息。不少國內外學者按照原有的檢測算法對快速檢測算法作出了一定的調節，以原有數據為基礎實施數據檢測處理，并管理信息內部空間數據，結合數據狀態合理劃分數據管理區域，并根據現存的數據空間整合收集的數據信息，改變數據的存儲位置，便于檢測操作的信息查詢。但在研究操作過程中，操作步驟過于簡潔，對于某些問題的研究不夠深入，無法滿足系統的真實需求，且操作消耗較大，成本較高，不利于檢測的可持續發展[4]。針對上述問題，文中提出一種新的基于粒子濾波算法的電網運行異常值快速檢測算法，提高電網異常值的檢測精度。

1 電網運行異常值快速檢測算法

1.1 運行異常值挖掘

為增強文中系統的可操作性，實現電網運行異常值挖掘操作，對粒子濾波算法的結構做出一定的調整，并整合調整的條件數據信息，控制操作的信息在系統允許范圍內[5-7]。粒子濾波算法作為測量原始數據最為有效的手段之一，可在數據狀態變量改變之前實現數據濾波操作，追蹤數據中存在的隱藏信息，獲取利于操作的數據信息[8]。在電網運行的過程中構建動態信息研究空間，并調整空間位置，設置空間位置調整圖如圖1所示。

圖1 數據空間位置調整圖

圖1整合了數據操作空間信息，完善了檢測算法的檢測方式，在電力傳輸信號進行傳輸時，輸入傳輸的電力狀態，時刻監測狀態信息數據，以保證數據的精準性[9]。設置相應的數據監測公式如式（1）所示。

式中，C表示數據監測參數，A表示傳輸信號數據，T表示電力狀態參數，s表示監測狀態信息數據，q表示數據研究空間參數。經過上述操作后，調節數據具體狀態，并研究內部數據存在的空間位置，記錄電網運行時刻，并將同一時段內產生的異常值集中存儲于同一數據集合中，依據集合的存儲空間大小劃分存儲的具體方向，并進行數據傳輸操作，接通數據傳輸通道，確保數據通道的末端連接數據處理空間，保證數據處理的正常進行[10]。設置數據傳輸圖如圖2所示。

在實現數據傳輸的過程中，需過濾傳輸的數據信息，研究數據中是否存在不利于檢測實驗的外來因素，并清除這些外來干擾因素，管理已知的有用數據，時刻保持高度的數據信息咨詢操作，保證檢測的可行性，以便實施下一步驟的研究操作[11]。

圖2 數據傳輸圖

1.2 運行異常值數據處理

以傳輸過來的挖掘數據為基礎實現電網運行異常值數據檢測操作，將粒子濾波算法的計算原則作為數據操作標準，由此控制數據的大體流向，監管內部數據的信息狀況，同時設置數據監管方程式，如式（2）所示：

式中，K表示數據監管參數，F表示數據流向參數，H表示粒子濾波算法計算法則數據，a表示執行操作命令的數據總體數量[12]。由此，獲取更加完整的處理操作所需的數據信息基礎，根據數據存儲的位置計算中心調控數值的大小，并檢驗電網的運行正常性，構建較為和諧的電力傳輸系統。當電網輸入信號時，擴大信號的接收空間，并擴展信號接收通道，按照通道信息的容量設置接收場景，構建數據信號接收圖，如圖3所示。

圖3 數據信號接收圖

以此增強數據的處理強度，利用大數據處理框架精準分析異常值數據的矛盾性問題，查找矛盾產生的原因，并檢驗輸出信號與檢測空間的位置信息關聯性。整合聯系數據，標定聯系數據數值，并深入研究電網狀態，擴大電網運行規模，檢查電網設備的負荷及整體布局狀況，分析數據時延大小，判斷電網運行異常值是否被精準收集[13]。通過粒子濾波算法的數值劃分方法研究數值間的差異，同時縮小差異范圍，降低數據間的冗余度，調整異常值數據的處理模式，并設置數據處理結構圖如圖4所示。

圖4 數據處理結構圖

經過數據處理后，記錄處理模式狀態。對比分析異常值數據的處理效果，并擇優選取最佳效果模式進行再處理操作，達到對電網運行異常值數據處理的目的[14]。

1.3 運行異常值快速檢測

結合處理后的電網運行異常值數據實施檢測操作，采用粒子濾波算法中的粒子信息采集性能提取主導信息的數據，集中加大對中心數據的管理力度，將粒子濾波算法的計算性能完美融合進檢測手段中。構建電網數據網絡拓撲結構，并設置一個完整子集，為主體空間提供一定的能源供應，構建數據融合圖如圖5所示。

圖5 數據融合圖

構造若干個數據節點，并實行數據監督，設置監督公式如式（3）所示：

式中，V表示監督參數，p表示節點數據，u表示能源供應數值，E表示子集數據，Q表示計算性能融合參數。按照此種數據操作模式轉變數據運行方式，調節電網運行進程的異常值數據操作方式。在數據檢測框架下，分析整體研究迭代計算的可能性，并判別該種可能的存在有效率。重新劃分原有的網絡拓撲系統，優化電網中存在的模式電量，調整電量狀態，整合通信信號的小波發射數據[15]。設置數據整合圖，如圖6所示。

圖6 數據整合圖

將整合的數據收錄至中性空間中，時刻準備進行數據數值檢測。控制算法分析力度，避免因操作進度過激造成的數據丟失狀況。研究分布式存儲模式，不斷整理存儲空間，增加信息檢測內容，提高檢測結果的精準性，不斷追蹤檢測結果數據，采用主從結構管理研究數據并進行節點數據訪問操作，將訪問的信息定時報告給區域電網系統，實現整體電網運行異常值快速檢測算法的研究[16]。

2 實驗與研究

為精準評估文中基于粒子濾波算法的電網運行異常值快速檢測算法的檢測性能，設置相應的實驗環境進行性能檢驗，將文中基于粒子濾波算法的電網運行異常值快速檢測算法的檢測效果[17]，與傳統基于數據挖掘的電網運行異常值快速檢測算法及基于CIM的電網運行異常值快速檢測算法的檢測效果進行實驗對比。

針對粒子濾波算法操作的數據計算復雜性，以及電網運行異常值快速檢測算法電網異常信息查找困難性，需對其實驗環境進行數據篩選，根據基礎信息狀況調節算法參與力度，并精準分析在實驗操作中可能產生的因素影響，進行如下步驟的實驗操作：

1）設置不同的電網區域，精準劃分每個區域的空間并運行電網，在運行過程中不斷記錄運行的異常數據，并標記異常數據的產生位置，作為初始處理數據進行集中存儲；

2）在完成數據收集后，優化內部檢測算法，按照數據的操作完成度對比算法參與力度進行檢測操作，并不斷控制檢測的力度，確保數據檢測的安全性；

3）根據檢測的結果結合檢測算法性能分析檢測實施的有效性，并進行實驗結果分析。

在此實驗中，根據以下實驗參數進行實驗對比，進一步提高整體對比效果，并設置相應的實驗參數如表1所示。

表1 實驗參數1

圖7和圖8分別顯示出在上述實驗參數條件下，文中基于粒子濾波算法的電網運行異常值快速檢測算法與傳統基于數據挖掘的電網運行異常值快速檢測算法，及基于CIM的電網運行異常值快速檢測算法的檢測正確率和檢測所需時間對比圖。

圖7 檢測正確率對比圖

圖8 檢測所需時間對比圖

根據圖7、8可以分析出，基于數據挖掘的電網運行異常值快速檢測算法的檢測正確率較低，檢測所需時間較長，基于CIM的電網運行異常值快速檢測算法檢測所需時間較短，但檢測準確率較低，文中基于粒子濾波算法的電網運行異常值快速檢測算法的檢測正確率均高于其他兩種傳統檢測算法，檢測所需時間均短于其他兩種傳統檢測算法。

造成此種差異的原因在于文中檢測算法主要研究電網運行過程中的異常值數據，并精準查找數據存在的原因，整合原因信息，并由此提取與檢測操作相符的操作方式，促使檢測能夠更好地進行，提升檢測的有效率，縮減操作所需時間，獲取更為精準的初始數據信息，提高檢測正確率。基于數據挖掘的電網運行異常值快速檢測算法在操作的同時掌握電網異常數據的基礎信息，對其內部空間進行精準研究，由此獲取較為科學的操作信息，整合獲取的數據信息，并劃分數據規模，調整數據的排序模式，促使檢測步驟明了，提升檢測正確率，但忽視了數據檢測時間的安排，減輕了對數據處理的壓力，導致其操作時間更長[18]。基于CIM的電網運行異常值快速檢測算法結合數據處理優勢執行檢測命令，精確提取所需信息，縮減不必要的時間浪費，縮短檢測時間，但正因如此，在檢測的同時未對中心數據的狀況進行具體分析，數據的掌控力度較小，無法滿足系統的基礎需求，致使其檢測正確率較低。

綜上所述，文中基于粒子濾波算法的電網運行異常值快速檢測算法能夠更好地實現數據檢驗操作，提升數據收集的精準度，合理分配操作模塊，掌控數據基礎信息，具有較高的可研究價值。

3 結束語

文中在傳統電網運行異常值快速檢測算法的基礎上提出了一種新式基于粒子濾波算法的電網運行異常值快速檢測算法，實驗結果表明，該檢測算法的檢測效果明顯優于傳統檢測算法的檢測效果。

相較于傳統檢測算法，文中基于粒子濾波算法的電網運行異常值快速檢測算法能夠在較高程度上完成數據的精準處理操作，完善檢測算法，調節算法中的不適部分，提升檢測的正確率，具有更為廣闊的發展前景。