基于隨機(jī)森林的電網(wǎng)調(diào)度多源故障信息數(shù)據(jù)融合系統(tǒng)設(shè)計

馬建偉，覃 海，李穎杰，陳根軍

（1.貴州電網(wǎng)有限責(zé)任公司電力調(diào)度控制中心，貴州貴陽 550002；2.南京南瑞繼保電氣有限公司，江蘇南京 210000）

隨機(jī)森林是包含多個決策樹結(jié)構(gòu)的分類器組織，其輸出類別由個別樹級輸出節(jié)點的所屬眾數(shù)屬性直接決定。在構(gòu)建決策樹訓(xùn)練集的過程中，需要不斷將原始數(shù)據(jù)集合分裂成多個子數(shù)據(jù)結(jié)構(gòu)體，且所有被選中特征都必須按照既定次序進(jìn)行排列，這些待選數(shù)據(jù)特征也叫備選信息集合[1-2]。

在電網(wǎng)應(yīng)用環(huán)境中，多源數(shù)據(jù)間極易產(chǎn)生明顯的無故調(diào)度覆蓋行為，從而導(dǎo)致故障信息參量的無誤融合能力迅速下降。為避免上述情況的發(fā)生，文獻(xiàn)[3]基于門控循環(huán)單元網(wǎng)絡(luò)與模型融合，按需求靈活劃分不同規(guī)模的負(fù)荷聚合體，實現(xiàn)對負(fù)荷群體的預(yù)測。文獻(xiàn)[4]研究計數(shù)電力網(wǎng)絡(luò)中的數(shù)據(jù)傳輸總量，再根據(jù)相似度模型，確定與數(shù)據(jù)參量融合相關(guān)的度量匹配條件。但以上研究過程中綜合處置能力有限，很難實現(xiàn)對RTI、RBI 調(diào)度參量的同步提升。為此，文中在隨機(jī)森林結(jié)構(gòu)器的支持下，設(shè)計新型電網(wǎng)調(diào)度多源故障信息的數(shù)據(jù)融合系統(tǒng)，并通過對比實驗的方式，突出說明該系統(tǒng)的實際應(yīng)用價值。

1 信息數(shù)據(jù)融合系統(tǒng)硬件設(shè)計

電網(wǎng)調(diào)度多源故障信息數(shù)據(jù)融合系統(tǒng)的硬件執(zhí)行環(huán)境由電網(wǎng)調(diào)度架構(gòu)、信息管理模塊、多源故障分析模塊3 部分組成。

1.1 電網(wǎng)調(diào)度架構(gòu)

基于隨機(jī)森林的電網(wǎng)調(diào)度架構(gòu)保持三級化連接形式，位于最上端的電網(wǎng)調(diào)度界面可直接控制下級融合代理程序，并可在標(biāo)準(zhǔn)融合網(wǎng)絡(luò)的作用下，形成完整的數(shù)據(jù)傳輸回路。在電網(wǎng)調(diào)度界面中，故障信息參量可實現(xiàn)自主化修復(fù)及多源性顯示，并可借助權(quán)限管理、數(shù)據(jù)管理等多項融合服務(wù)，實現(xiàn)各節(jié)點之間的信息互感。隨機(jī)型融合網(wǎng)絡(luò)與電網(wǎng)管理體系直接相連，位于整個調(diào)度架構(gòu)中部，可同時負(fù)載數(shù)據(jù)通信、數(shù)據(jù)融合、信息緩沖、協(xié)議調(diào)度等多項應(yīng)用處理服務(wù)，通常情況下，可按照多源故障信息的控制傳輸需求，實現(xiàn)對待融合數(shù)據(jù)參量的定向采集與處理。電網(wǎng)調(diào)度架構(gòu)如圖1 所示。

1.2 信息管理模塊

圖1 電網(wǎng)調(diào)度架構(gòu)

信息管理模塊作為電網(wǎng)調(diào)度架構(gòu)的下級負(fù)載結(jié)構(gòu)，以多源型管理中心作為核心執(zhí)行元件。當(dāng)電網(wǎng)故障信息錄入數(shù)據(jù)融合系統(tǒng)時，必須執(zhí)行元件直接開啟對信息參量的調(diào)度轉(zhuǎn)接處理，并將未存儲的數(shù)據(jù)文件轉(zhuǎn)化為融合待存形式[5-6]。為使系統(tǒng)具備較強(qiáng)的融合處理能力，信息管理模塊可同時保持對數(shù)據(jù)參量的查詢與盤點功能，在確保多源故障信息完整傳輸?shù)那闆r下，電網(wǎng)環(huán)境中的各項調(diào)度節(jié)點可直接執(zhí)行已成型的代理應(yīng)用程序，并可在隨機(jī)森林決策樹組織的作用下，建立與系統(tǒng)數(shù)據(jù)庫間的物理連接，從而實現(xiàn)已存儲信息參量的直接調(diào)度輸出，降低多源電網(wǎng)數(shù)據(jù)間的無故覆蓋占比水平[7-8]。

1.3 多源故障分析模塊

多源故障分析模塊與系統(tǒng)信息管理模塊屬于平級硬件結(jié)構(gòu)，可在協(xié)調(diào)電網(wǎng)信息間輸入執(zhí)行關(guān)系的同時，生成必要的信息流結(jié)構(gòu)，并可借助既定處理器結(jié)構(gòu)，實現(xiàn)對電網(wǎng)故障數(shù)據(jù)的傳輸與應(yīng)用。在故障分析主機(jī)的作用下，調(diào)度處理器可將所有輸入信息平均分成多個等分結(jié)構(gòu)體，再融合電力調(diào)度網(wǎng)絡(luò)中的暫存數(shù)據(jù)參量，形成束狀信息流體，以保證后續(xù)多源故障數(shù)據(jù)融合指令的順利執(zhí)行[9-10]。為保證已輸入信息參量的無誤融合，電網(wǎng)環(huán)境中的多源故障數(shù)據(jù)不會在調(diào)度網(wǎng)絡(luò)中停留過長時間，且可隨著決策樹訓(xùn)練子集的分配，實現(xiàn)對泛化誤差系數(shù)的精準(zhǔn)調(diào)節(jié)。多源故障分析模塊結(jié)構(gòu)如圖2 所示。

2 信息數(shù)據(jù)融合系統(tǒng)軟件設(shè)計

圖2 多源故障分析模塊結(jié)構(gòu)圖

在相關(guān)硬件執(zhí)行結(jié)構(gòu)的支持下，按照基分類器搭建、決策樹訓(xùn)練集分配、泛化誤差計算的處理流程，實現(xiàn)系統(tǒng)軟件執(zhí)行環(huán)境的完善，與硬件設(shè)計兩相結(jié)合，完成基于隨機(jī)森林的電網(wǎng)調(diào)度多源故障信息數(shù)據(jù)融合系統(tǒng)設(shè)計。

2.1 隨機(jī)森林的基分類器

基于隨機(jī)森林的融合系統(tǒng)基分類器采取決策樹連接形式（如圖3 所示），可按照遞歸分析的方式，實現(xiàn)對電網(wǎng)多源故障數(shù)據(jù)的傳輸與簡化處理，并最終生成倒立的樹狀結(jié)構(gòu)，以縮短相鄰節(jié)點間的融合實施間距。常見的基分類器決策樹組織由頭節(jié)點、中間節(jié)點、尾節(jié)點共同組成（如圖3 中的0、1 和2），為保證多源電網(wǎng)故障信息數(shù)據(jù)的實時調(diào)度融合，0 節(jié)點通常代表與管理模塊相連的決策樹組織結(jié)構(gòu)，1 節(jié)點作為中間傳輸單元，常與多源分析模塊相連，在尾節(jié)點保持穩(wěn)定連接的情況下，2 節(jié)點可直接反映出電網(wǎng)故障信息數(shù)據(jù)的最終融合結(jié)果，從而提供決策樹訓(xùn)練集樣本構(gòu)建所需的多源參量結(jié)構(gòu)[11-12]。

圖3 隨機(jī)森林基分類器結(jié)構(gòu)圖

2.2 決策樹訓(xùn)練集

決策樹訓(xùn)練集是與隨機(jī)森林相關(guān)的多源電網(wǎng)故障信息數(shù)據(jù)集合，能夠完全適應(yīng)隨機(jī)調(diào)度指令的基本執(zhí)行需求，并篩選出最符合系統(tǒng)融合標(biāo)準(zhǔn)的信息參量結(jié)構(gòu)[13-14]。若以一個系統(tǒng)融合周期作為信息數(shù)據(jù)的既定判別時長，則決策樹訓(xùn)練集的理論長度標(biāo)準(zhǔn)只受到電網(wǎng)調(diào)度權(quán)限及多源故障信息表征量的直接影響。電網(wǎng)調(diào)度權(quán)限常表示為q′，在整個數(shù)據(jù)融合周期內(nèi)，始終保持相對穩(wěn)定的波動變化趨勢。多源故障信息表征量常表示為，與其他應(yīng)用指標(biāo)不同，該項物理量不受除融合時長外其他信息參量的影響，具備較強(qiáng)的計算穩(wěn)定性。設(shè)代表系統(tǒng)內(nèi)一個數(shù)據(jù)融合周期的標(biāo)準(zhǔn)時長，聯(lián)立上述物理量，可將決策樹訓(xùn)練集的理論長度標(biāo)準(zhǔn)定義為：

式中，wmax代表與多元電網(wǎng)故障信息相關(guān)的最大數(shù)據(jù)傳輸參量差，wmin代表多元電網(wǎng)故障信息相關(guān)的最小數(shù)據(jù)傳輸參量差。

2.3 融合泛化誤差計算

泛化誤差是指電網(wǎng)調(diào)度多源故障信息數(shù)據(jù)融合系統(tǒng)中與隨機(jī)森林泛化反應(yīng)能力相關(guān)的應(yīng)用指標(biāo)，通常情況下，泛化誤差實值越小，則代表系統(tǒng)所具備的學(xué)習(xí)性能越好，反之則代表性能越差。在決策樹訓(xùn)練集分布樣本已定的前提下，系統(tǒng)融合泛化誤差數(shù)值受到?jīng)Q策樹節(jié)點數(shù)量、多源分布系數(shù)兩項物理量的直接影響[15-16]。決策樹節(jié)點數(shù)量可表示為，在隨機(jī)森林決策樹的作用下，該項物理量始終在上、下極值之間不斷波動。多源分布系數(shù)可表示為β，通常情況下，該項物理量的實際數(shù)值始終小于1，但對最終泛化誤差計算結(jié)果的物理作用能力始終保持為正向促進(jìn)。在上述物理量的支持下，聯(lián)立公式（1），可將系統(tǒng)融合泛化誤差計算結(jié)果表示為：

式中，e0代表電網(wǎng)調(diào)度信息的下限波動極值，e1代表電網(wǎng)調(diào)度信息的上限波動極值，χ 代表多源故障信息數(shù)據(jù)的邊限處置量化系數(shù)。至此，完成各項軟、硬件執(zhí)行條件的建立，在隨機(jī)森林決策樹的支持下，實現(xiàn)電網(wǎng)調(diào)度多源故障信息數(shù)據(jù)融合系統(tǒng)的順利應(yīng)用。

3 系統(tǒng)實用檢測

為驗證基于隨機(jī)森林電網(wǎng)調(diào)度多源故障信息數(shù)據(jù)融合系統(tǒng)的實際應(yīng)用價值，設(shè)計如下對比實驗。選取一電網(wǎng)調(diào)度設(shè)備作為實驗監(jiān)測對象，將各階段記錄所得多源故障數(shù)據(jù)信息分別輸入實驗組、對照組融合控制主機(jī)中，其中實驗組主機(jī)搭載新型電網(wǎng)調(diào)度多源故障信息數(shù)據(jù)融合系統(tǒng)，對照組主機(jī)搭載無線多媒體融合系統(tǒng)。

為突出實驗結(jié)果的真實性，實驗所用多源故障信息數(shù)據(jù)均采取人工記錄的獲取方式，分別輸入實驗組、對照組監(jiān)測主機(jī)后，待所獲指標(biāo)系數(shù)趨于穩(wěn)定后，開始后續(xù)的實驗結(jié)果分析。

RTI、RBI 調(diào)度參量均能反應(yīng)多源電網(wǎng)數(shù)據(jù)的無故調(diào)度覆蓋能力，通常情況下，兩項指標(biāo)的檢測實值越大，與之相關(guān)的數(shù)據(jù)無故調(diào)度覆蓋能力也就越低，實驗結(jié)果如表1、表2 所示。

表1 RTI參量對比表

表2 RBI參量對比表

分析表1 可知，在理想狀態(tài)下，RTI 參量指標(biāo)基本一直保持穩(wěn)定，僅在個別時間點處出現(xiàn)小幅度的波動變化狀態(tài)；實驗組RTI 參量指標(biāo)在檢測前期出現(xiàn)小幅度上升的變化趨勢，從第40 min 開始，出現(xiàn)連續(xù)的下降狀態(tài)，全局最大值與理想化極值相比，上升了0.74；對照組RTI 參量指標(biāo)則一直不斷下降，在達(dá)到極小值水平后，開始趨于穩(wěn)定，全局最大值與與理想化極值相比，下降了0.44。

分析表2可知，在理想狀態(tài)下，RBI參量指標(biāo)先上升、再下降的變化趨勢，且后期下降幅度明顯高于前期的上升幅度；實驗組RBI參量指標(biāo)在整個實驗過程中始終保持不變，該數(shù)值與理想化極值相比，上升了1.31；對照組RBI 參量指標(biāo)先階梯狀上升、再持續(xù)下降，全局最大值與理想化極值相比，下降了0.35。

綜上可知，隨著基于隨機(jī)森林電網(wǎng)調(diào)度多源故障信息數(shù)據(jù)融合系統(tǒng)的應(yīng)用，RTI、RBI 調(diào)度參量均出現(xiàn)大幅上升的變化趨勢，不僅遠(yuǎn)高于理想化數(shù)值水平，更是遠(yuǎn)超無線多媒體融合系統(tǒng)的標(biāo)準(zhǔn)化數(shù)值參量狀態(tài)。

4 結(jié)束語

與無線多媒體融合系統(tǒng)相比，新型電網(wǎng)調(diào)度多源故障信息數(shù)據(jù)融合系統(tǒng)對原有電網(wǎng)調(diào)度架構(gòu)進(jìn)行初步完善，并聯(lián)合信息管理模塊與多源故障分析模塊，實現(xiàn)對決策樹訓(xùn)練集樣本長度的準(zhǔn)確度量。在隨機(jī)森林基分類器結(jié)構(gòu)的作用下，系統(tǒng)融合泛化誤差的實際數(shù)值水平不斷下降，從根本上解決了RTI、RBI 參量始終不達(dá)標(biāo)的問題，不僅避免了多源電網(wǎng)數(shù)據(jù)的無故調(diào)度覆蓋，也從根本上實現(xiàn)了對故障信息參量的無誤融合。