基于大數據的電力能源信息采集方法研究

包迅格，張景明，張 吉，尚天婷

（國網浙江省電力有限公司 信息通信分公司，浙江 杭州 310020）

0 引 言

電力能源信息指的是在電力能源網運行過程中所產生出的信息數據，一般情況下會蘊含大量有效信息，因此電力能源信息采集是獲取信息的有效途徑，相應的采集方法也應勢而生[1]。我國針對電力能源信息采集方法的研究起步較晚，主要是通過通信電力能源信息處理的方式統一采集。但由于電力能源信息基數龐大且類型不一，導致傳統采集方法在實際應用中存在采集波特率低的缺陷，因此優化設計電力能源信息采集方法具有現實意義，能夠為電力能源信息采集方面的發展提供支持[2]。大數據的核心就是統一處理巨量資料，具有聚類能力強和處理效率高的特點[3-5]。為此，本文將大數據應用在電力能源信息采集方法設計中，致力于從根本上提高電力能源信息采集波特率，進而提高其采集效率。

1 大數據

大數據通過互聯網的優越性徹底打破了時間及空間的限制，在海量信息中挖掘出有價值的信息，以多元的方式呈現數據，形成龐大的信息隊列，其中也隱含了實時性的優勢。大數據借助信息化技術為依托，通過在大量數據中提取出有價值的信息，并挖掘數據中存在的內部規律。結合國外對大數據的研究，主要將大數據以技術原理為準則分為數據存儲技術和數據處理技術兩類，廣泛應用在各個領域。

2 電力能源信息采集方法設計

2.1 加載信息

在電力能源信息采集過程中，首先連接鏈路層，接入采集設備加載原始電力能源信息，再通過圖像加載電力能源信息信號，顯示信號波形[6]。加載電力能源信息信號具體流程為對原始電力能源信息進行數據通路，然后通過矢量化處理電力能源信息信號生成拓撲，最后通過WAV格式來描述電力能源信息信號，由數據編碼通信運行電力能源信息屬性，錄入電力能源信息信號屬性。

2.2 顯示信息物理特征

基于獲取的電力能源信息信號，利用大數據技術中的Apache Drill對采集到的信號進行物理特征切割，并顯示采集要素[7]。由于加載后的電力能源信息信號通常采用ESR1格式，為了更好地顯示電力能源信息信號的物理特征，可以通過傅立葉變換和遙控指令兩種方式實現信號的定時和遠程控制。本文以信號短時平均能量表示電力能源信息信號物理特征，設信號短時平均能量表達式為E，可得：

式中：n代表的是信號字符長度，為實數；m代表的是Apache Drill切割函數長度，為實數；x代表的是采集頻率；w代表的是開發環境延遲。根據式（1）計算得到的電力能源信息信號物理特征，經過數據引擎的空間結構處理和3D可視化擴展，針對電力信息信號的物理特征，建立一種綜合可集成的并能根據具體需求多層次顯示信號的數據通道。

2.3 加權融合電力能源信息特征

以顯示得到的電力能源信息物理特征為依據，基于大數據技術加權融合電力能源信息特征[8]。本文以電力能源信息特征的重要程度為指標，基于大數據的云計算計算電力能源信息特征距離Sim(x,y)，其表達式為：

式中，n代表的是特征矢量，i代表的是特征個數，w指的是平滑系數，m代表的是摩擦系數，k代表的是權值系數，g代表的是隸屬度函數，μ代表的是特征嵌入維數，x代表的是一維距平化Hamming距離橫坐標，y代表的是一維距平化Hamming距離縱坐標。電力能源信息一維距平化Hamming距離橫縱坐標能夠直接決定其特征屬性中的具體點位信息，即為特征描述[9]。以此得出的電力能源信息特征距離如表1所述。

表1 電力能源信息特征距離

根據表1所示的電力能源信息特征距離，為便于計算本文采用對稱性特征距離屬性，基于大數據技術下的Hadoop分布式非結構化表示若干個小的電力能源信息特征集合，進而加權融合電力能源信息特征[10]。設大數據下電力能源信息特征加權融合為P=αe-α(c-o)，其中α代表的是特征數量，e代表的是特征的先驗概率，c代表的是特征集合中時間，o代表的是特征加權融合創建時間[11]。以此為電力能源信息特征的分數索引，其分數越高證明在采集時的優先級越高，保證盡可能提取更多的電力能源信息結點。

2.4 跟蹤電力能源信息

基于大數據技術加權融合電力能源信息特征后，還需要處理電力能源信息的發射點與采集路徑。而后基于大數據分析電力能源信息，假定經過濾波轉換后，電力能源信息信號的能量傳輸呈現逐步遞減趨勢，則可將基于大數據Rapid Miner跟蹤電力能源信息信號的目標函數設為C，可得：

式中，k代表的是信號能量值。以此作為電力能源信息信號跟蹤的依據，確定電力能源信息信號的采集路徑。

2.5 實現電力能源信息采集

針對跟蹤到的電力能源信息信號，本文將捕獲的UWB脈沖基帶調制為弱無線信號與局部偽碼相關聯，用閾值方法或求最大值方法確定電力能源信息信號是否被捕獲。如果計算出的值大于閾值，則說明已成功捕獲該電力能源信息信號，并進行后續跟蹤工作。

在此基礎上，通過基于PB級數據采集技術完成電力能源信息采集，處理后的信息列表項為Mobile Service類Layer屬性的集合，其將編輯過的元素分配到信號對象Feature Layer的實例中，在信號采集緩沖區中判斷所選的信號，如果選擇簡化信號處理點，則將信號處理點實例化為Sketch Graphic Layer的Geometry屬性并寫入緩沖區。通常情況下，電力能源信息數據采集結果的刷新周期為10 s，通過設置合適的刷新周期目的是防止修改、丟失以及不可重讀電力能源信息，至此實現基于大數據的電力能源信息采集方法研究。

3 實驗分析

3.1 實驗準備

為驗證基于大數據電力能源信息采集方法的有效性，設計實驗分析，在某電力能源信息數據庫中選取2 000個區域范圍為（0,10 000）中的100 M（±0.02 M）字節信息。使用本文基于大數據設計方法采集電力能源信息，將采集端口連接至計算機，通過MATALB軟件測得其數據采集波特率，記為實驗組。再使用傳統方法采集電力能源信息，同樣將采集端口連接至計算機，通過MATALB軟件測得其數據采集波特率，記為對照組。數據采集波特率越高，代表同時段內對電力能源信息的采集效率越高。

3.2 實驗結果分析

在上述實驗準備的基礎上，整理和生成如圖1所示的實驗結果。

圖1 電力能源信息數據采集波特率對比

由圖1可知，本文設計的方法采集波特率明顯高于對照組，在相同區域范圍內對于電力能源信息采集效率更高，最高達0.194 bit/s。由此可知，本文設計方法可以解決電力信息采集波特率低的問題，具有一定的實際應用價值。

4 結 論

本文為了提高電力信息采集效率，以實驗分析的方式證明了設計采集方法在實際應用中的適用性，能夠解決傳統電力能源信息采集中存在的效率低的缺陷。但本文同樣存在不足之處，主要表現為未檢驗本次電力能源信息采集波特率測定結果的精密度與準確度，因此為進一步提高電力能源信息采集波特率測定結果的可信度，需在未來研究中加以補足，以期提高電力能源信息采集能力。