基于哈希算法的數(shù)據(jù)中臺在智慧電站中的檢索應(yīng)用

孫猛，鄧志成，丁剛

（上海發(fā)電設(shè)備成套設(shè)計研究院有限責(zé)任公司，上海 200240）

0 引言

智慧電站是現(xiàn)代數(shù)字化科技與電力行業(yè)不斷發(fā)展與不斷融合的產(chǎn)物。數(shù)據(jù)中臺是通過數(shù)據(jù)技術(shù)，采集、計算、存儲、加工海量數(shù)據(jù)的同時，統(tǒng)一標準和口徑。隨著人工智能技術(shù)、互聯(lián)網(wǎng)技術(shù)、信息化技術(shù)等現(xiàn)代技術(shù)的不斷發(fā)展與延伸，其已經(jīng)融入多個行業(yè)領(lǐng)域中，實現(xiàn)“智慧”建設(shè)與發(fā)展[1]。在創(chuàng)新型“數(shù)字中國、智慧社會”建設(shè)道路中，利用數(shù)據(jù)中臺統(tǒng)一智慧電站數(shù)據(jù)，形成標準數(shù)據(jù)并存儲，進而為電力工業(yè)提供高效服務(wù)。電力工業(yè)作為國民經(jīng)濟的重要領(lǐng)域，電力工業(yè)的發(fā)展水平可以反映出一個國家生產(chǎn)力的水平，同時也是判斷國民經(jīng)濟發(fā)展水平的一個重要依據(jù)。因此，無論是從社會發(fā)展角度還是國家發(fā)展角度，智慧電站建設(shè)都是電力行業(yè)目前以及未來發(fā)展的主要方向。

近幾年圍繞“智慧電站”建設(shè)也開展了大量的研究工作，相關(guān)領(lǐng)域研究學(xué)者以及專家學(xué)者針對如何建設(shè)智慧電站以及如何開發(fā)智慧電站平臺，提出了大量的研究方案和建議。智慧電站具有多項功能，其中最為重要的一項就是檢索功能，能夠?qū)﹄娬旧a(chǎn)信息、設(shè)備信息、人員信息等所有信息進行綜合性檢索。文獻［2］提出基于圖數(shù)據(jù)庫和知識圖譜的電力設(shè)備質(zhì)量綜合管理系統(tǒng)，根據(jù)圖數(shù)據(jù)庫的數(shù)據(jù)存儲和遍歷機理，設(shè)計領(lǐng)域知識圖譜模型，利用知識圖譜算法，設(shè)計高效分析檢索方法，采用數(shù)據(jù)間的關(guān)聯(lián)關(guān)系，分類分層組織電力數(shù)據(jù)，實現(xiàn)電力綜合管理。雖然該方法有了明確的技術(shù)理論作為理論支撐，能夠有效提高數(shù)據(jù)檢索查詢效率，但是該方法的數(shù)據(jù)檢索結(jié)果匹配度值較小，導(dǎo)致檢索精度較低的問題，已經(jīng)無法滿足智慧電站信息檢索需求，為此，提出基于哈希算法的數(shù)據(jù)中臺在智慧電站中的檢索應(yīng)用。

1 哈希算法概述

哈希算法是一種具有代表性的最近鄰檢索技術(shù)，該算法可以滿足大規(guī)模數(shù)據(jù)檢索對數(shù)據(jù)存儲空間和檢索精度的特殊要求，通過迭代計算的方式，逐漸挖掘與用戶檢索意愿相符合的信息，由于哈希算法具有收斂性高、檢索精度高、計算過程簡單等優(yōu)點，已經(jīng)被應(yīng)用到多個領(lǐng)域中，并且也受到了研究者的密切關(guān)注[4]。哈希算法是根據(jù)信息長度等特征為檢索目標進行數(shù)據(jù)檢索的，將數(shù)據(jù)信息表示成一組長度一定的二值編碼，也就是哈希碼，并利用固定數(shù)值表示數(shù)據(jù)信息的比特值[5]。哈希算法在計算過程中最基本的步驟就是哈希函數(shù)的構(gòu)造，哈希函數(shù)可以是線性形式也可以是非線性形式，該函數(shù)的構(gòu)造精度將直接關(guān)系到數(shù)據(jù)信息檢索準確度和檢索速度，因此在哈希算法應(yīng)用中如何構(gòu)建一個有效的哈希函數(shù)是信息檢索的關(guān)鍵性問題。

哈希算法最早是由英國Gionis等學(xué)者提出的，簡稱LSH（Locality Sensitive Hashing），最早哈希算法被稱之為經(jīng)典數(shù)據(jù)不依賴哈希算法，最初的哈希算法存在一定的局限性，后來經(jīng)過不斷對哈希算法研究，得到了編碼長度更短、檢索效果更好的哈希函數(shù)以及二值碼，從海量數(shù)據(jù)中提取到有價值的哈希碼，并將哈希算法與人工智能算法進行了融合，衍生了一系列哈希算法的變種算法，變種算法包括了非監(jiān)督哈希算法和監(jiān)督哈希算法兩種，其中非監(jiān)督哈希算法在計算過程中沒有使用到監(jiān)督信息，其主要利用數(shù)據(jù)信息的分布特征和數(shù)據(jù)流行結(jié)構(gòu)等生成較短的哈希碼，而監(jiān)督哈希算法是在計算中應(yīng)用到了監(jiān)督信息，將哈希算法求解過程簡化為一個平衡圖劃分問題，利用二維拉普拉伸特征函數(shù)對數(shù)據(jù)信息進行不斷計算，求出哈希碼[6]。無論是非監(jiān)督哈希算法還是監(jiān)督哈希算法后來都被統(tǒng)稱為哈希算法，并且哈希算法還有嚴格的實驗數(shù)據(jù)保證哈希算法對數(shù)據(jù)信息檢索的效果[7]。哈希算法由于具有良好的計算功能，并且具有良好的檢索效果，為了更好地發(fā)揮其功能，被引用到數(shù)據(jù)中臺搭建中，通過數(shù)據(jù)中臺對海量數(shù)據(jù)信息進行計算，提高了哈希算法對信息檢索的匹配度。

2 基于哈希算法的數(shù)據(jù)中臺在智慧電站中的檢索設(shè)計

2.1 智慧電站信息描述

在對智慧電站信息檢索之前，必須要對智慧電站中的信息進行準確描述，并提取到智慧電站數(shù)據(jù)信息的基本特征。在智慧電站中，數(shù)據(jù)信息多以數(shù)學(xué)表達式的方式表示，而數(shù)據(jù)信息的特征屬性主要包含普遍性、客觀性、依附性、共享性等特征屬性，這些特征屬性是描述智慧電站信息的關(guān)鍵參數(shù)[8]。此次采用數(shù)字信息描述方法對智慧電站信息進行描述，將智慧電站信息視為二維空間的f(x,y)連續(xù)函數(shù)，其中x坐標表示智慧電站信息的橫向連續(xù)構(gòu)圖，y坐標表示智慧電站信息的縱向連續(xù)結(jié)構(gòu)圖，運用該連續(xù)函數(shù)對智慧電站信息的物理層、邏輯層、語義層三方面進行描述，其中物理層包括智慧電站信息的大小特征以及輪廓特征；邏輯層主要包含智慧電站信息的數(shù)字邏輯關(guān)系和邏輯屬性；語義層描述主要用于表達智慧電站信息的主要內(nèi)容、信息主題等[9]。通過以上對信息三個屬性的描述表示出智慧電站信息，將所有描述信息構(gòu)建成一個智慧電站信息描述集合N，將其作為智慧電站信息的標簽，以此完成對智慧電站信息的描述。

2.2 構(gòu)建加權(quán)圖模型

智慧電站中每一個數(shù)據(jù)信息的空間維度是不同的，為了更加精準地檢索到智慧電站信息，本文根據(jù)對智慧電站信息的描述，建立智慧電站信息的加權(quán)圖模型，加權(quán)圖模型的建立主要是反映出智慧電站數(shù)據(jù)信息的空間特征向量，為后續(xù)基于哈希算法的數(shù)據(jù)中臺的計算提供依據(jù)[10]。加權(quán)圖模型建立的好與壞將直接關(guān)系到智慧電站信息檢索精度，因此本文在對智慧電站數(shù)據(jù)信息加權(quán)圖模型構(gòu)建過程中，考慮了數(shù)據(jù)節(jié)點與對應(yīng)邊的連接方式，以及定義數(shù)據(jù)信息相關(guān)邊的權(quán)值度量，將智慧電站全部節(jié)點數(shù)據(jù)組成一個n×m向量空間，其中n表示為智慧電站中已經(jīng)描述完成的數(shù)據(jù)節(jié)點的數(shù)量；m表示智慧電站中各個數(shù)據(jù)節(jié)點的屬性個數(shù)，即智慧電站信息描述集合N中的子集數(shù)量。智慧電站中數(shù)據(jù)信息映射到加權(quán)圖模型中表現(xiàn)的是相互分散的數(shù)據(jù)點，為了能夠保證各個數(shù)據(jù)點之間有足夠的連接，并且還能保留加權(quán)圖的稀疏性，此次采用臨近圖來構(gòu)建智慧電站數(shù)據(jù)信息加權(quán)圖模型。

首先根據(jù)對智慧電站數(shù)據(jù)信息的描述，計算出各個數(shù)據(jù)節(jié)點最鄰近的數(shù)據(jù)點，在數(shù)據(jù)描述集合N中，查看最鄰近的幾個智慧電站數(shù)據(jù)信息的流行結(jié)構(gòu)屬性，如果數(shù)據(jù)信息的流行結(jié)構(gòu)屬性特征相一致，那么幾個數(shù)據(jù)點創(chuàng)建一個連接邊，表示該幾個智慧電站數(shù)據(jù)信息相似，這樣可以獲取到由多個連接邊組成的單獨集群[11]。在整個加權(quán)圖模型中，利用智慧電站數(shù)據(jù)節(jié)點之間所連接邊上權(quán)值表示出檢索數(shù)據(jù)之間的關(guān)聯(lián)度，連接邊權(quán)值越大，則表示數(shù)據(jù)關(guān)聯(lián)程度越高，因此，在對加權(quán)圖模型構(gòu)建中，還需要計算出各個連接邊的權(quán)值大小，此次利用智慧電站各個數(shù)據(jù)節(jié)點之間的距離，計算連接邊權(quán)值大小，假設(shè)智慧電站數(shù)據(jù)信息節(jié)點之間的距離函數(shù)為d(x,y)，利用歐式距離表示出智慧電站數(shù)據(jù)節(jié)點之間的距離，其計算公式如下：

公式（1）中，n表示智慧電站數(shù)據(jù)信息的空間維數(shù)；xi表示智慧電站中在節(jié)點i的數(shù)據(jù)；xj表示智慧電站中在節(jié)點j的數(shù)據(jù)[12]。計算完各個數(shù)據(jù)節(jié)點之間的歐式距離后，利用高斯核函數(shù)定義數(shù)據(jù)xi與數(shù)據(jù)xj連接邊權(quán)重，其計算公式如下：

公式（2）中，w表示智慧電站數(shù)據(jù)xi與數(shù)據(jù)xj連接邊權(quán)重；δ表示高斯系數(shù)，通常情況下該系數(shù)值為0.1[13]。利用上述公式計算出智慧電站數(shù)據(jù)與數(shù)據(jù)連接邊權(quán)重值，并將其復(fù)制到由多個連接邊組成的單獨集群圖上，以此完成對智慧電站數(shù)據(jù)加權(quán)圖模型的構(gòu)建。

2.3 引入基于哈希算法的數(shù)據(jù)中臺

在上文構(gòu)建的加權(quán)圖模型基礎(chǔ)上，引入基于哈希算法的數(shù)據(jù)中臺，對智慧電站中數(shù)據(jù)進行檢索計算。計算過程主要包括三部分，首先在數(shù)據(jù)中臺中設(shè)計一個哈希函數(shù)，然后使用哈希函數(shù)對加權(quán)圖模型上的數(shù)據(jù)集進行哈希編碼，最后利用哈希編碼對智慧電站中的數(shù)據(jù)信息進行檢索，其具體計算過程如下。

根據(jù)智慧電站數(shù)據(jù)信息檢索需求，并結(jié)合數(shù)據(jù)信息描述內(nèi)容，在數(shù)據(jù)中臺中，選擇線性哈希函數(shù)作為智慧電站數(shù)據(jù)信息哈希碼的計算函數(shù)，并在數(shù)據(jù)中臺中選擇非線性映射形式，將線性哈希函數(shù)與非線性映射形式結(jié)合，就可以表示出哈希函數(shù)的非線性形式，其用公式表示如下：

公式（2）中，f表示智慧電站數(shù)據(jù)信息的非線性映射；q、b表示數(shù)據(jù)中臺中哈希函數(shù)所需要學(xué)習(xí)的參數(shù)，其中q表示智慧電站數(shù)據(jù)信息的映射參數(shù)，b表示加權(quán)圖模型中數(shù)據(jù)信息的截距項參數(shù)[14]。利用哈希函數(shù)對加權(quán)圖模型上的智慧電站數(shù)據(jù)信息進行不斷的訓(xùn)練和學(xué)習(xí)，學(xué)習(xí)哈希函數(shù)中的參數(shù)q、b，就可以得到用0或者1表示的哈希碼。

在數(shù)據(jù)中臺中，利用哈希函數(shù)計算到智慧電站數(shù)據(jù)哈希碼后，就可以在數(shù)據(jù)中臺中根據(jù)哈希碼對智慧電站數(shù)據(jù)集進行編碼，對智慧電站數(shù)據(jù)集中每一個數(shù)據(jù)賦予一個哈希二值碼M。為了節(jié)省基于哈希算法的數(shù)據(jù)中臺的存儲空間，使用四位的哈希二值碼對智慧電站數(shù)據(jù)集進行編碼，這樣還可以提高哈希算法的計算速度[15]。得到哈希二值碼M后，在基于哈希算法的數(shù)據(jù)中臺將哈希二值碼M組織成一個倒排的哈希表，以哈希桶作為表格的單元名稱，代表一個二維的哈希碼，為后續(xù)智慧電站數(shù)據(jù)檢索提供方便。

在上述兩個步驟基礎(chǔ)上，利用智慧電站數(shù)據(jù)集的哈希表對智慧電站最鄰近數(shù)據(jù)進行檢索，將檢索關(guān)鍵詞或者檢索圖片在基于哈希算法的數(shù)據(jù)中臺中轉(zhuǎn)化為哈希碼，將該哈希碼與智慧電站數(shù)據(jù)集的哈希碼進行比較，得到智慧電站數(shù)據(jù)與檢索詞的漢明距離；按照哈希表上智慧電站數(shù)據(jù)的排序，返回與檢索關(guān)鍵詞最相近的數(shù)據(jù)信息，即哈希表上最上端的數(shù)據(jù)，將其作為檢索結(jié)果在數(shù)據(jù)中臺上顯示，以此完成基于哈希算法的數(shù)據(jù)中臺在智慧電站中的檢索設(shè)計。

3 實驗分析

實驗選取某智慧電站數(shù)據(jù)集作為實驗對象，該數(shù)據(jù)集名稱為HDKD502，數(shù)據(jù)樣本數(shù)量為10000000個，數(shù)據(jù)集維度數(shù)為3642，存儲空間為765M。實驗利用IIJS軟件，分別采用此次設(shè)計方法與文獻［2］方法對該智慧電站數(shù)據(jù)集進行檢索，測試出檢索結(jié)果與關(guān)鍵詞的匹配度值。實驗中對該數(shù)據(jù)集描述信息為236M，構(gòu)建的加權(quán)圖模型中數(shù)據(jù)節(jié)點連接邊數(shù)量為1369652條，在基于哈希算法的數(shù)據(jù)中臺中計算得到的哈希碼為1。實驗設(shè)計了8個檢索關(guān)鍵詞，其哈希碼分別為0.95、0.36、0.58、0.46、0.95、0.21、0.52、0.55，記錄兩個檢索方法所得到的檢索結(jié)果，并對匹配度值以量化后的形式表示，其范圍在0-1之間，匹配度值越接近1，則表示檢索結(jié)果與檢索關(guān)鍵詞的相符程度越高，檢索精度越高；匹配度值越接近0，則表示檢索結(jié)果與檢索關(guān)鍵詞的相符程度越低，檢索精度越低。實驗將匹配度值作為檢索結(jié)果，其實驗結(jié)果如表1所示。

表1 兩種方法檢索結(jié)果匹配度值對比

從表1中的數(shù)據(jù)可以看出，文獻［2］方法檢索結(jié)果與檢索關(guān)鍵詞的匹配度值在0.168-0.593之間，匹配度值較小，接近0，而設(shè)計方法檢索結(jié)果與檢索關(guān)鍵詞的匹配度值在0.989～0.999之間，匹配度值較大，接近1，由此可知，設(shè)計檢索方法檢索精度較高，匹配度值較大。

4 結(jié)語

本文對基于哈希算法的數(shù)據(jù)中臺在智慧電站中的檢索應(yīng)用進行了研究，采用哈希算法，結(jié)合數(shù)據(jù)中臺技術(shù)，針對智慧電站數(shù)據(jù)檢索現(xiàn)狀，提出了一套新的智慧電站數(shù)據(jù)檢索方法，并利用實驗驗證了基于哈希算法的數(shù)據(jù)中臺在智慧電站中具有良好的應(yīng)用價值，提高了智慧電站信息檢索精度，為電站運營管理提供高水平、高質(zhì)量智慧電站平臺。但由于智慧電站建設(shè)研究涉及的范圍比較廣泛，此次僅針對智慧電站檢索功能的設(shè)計與開發(fā)進行了研究，對智慧電站建設(shè)方面的研究在內(nèi)容上和深度上還不夠，今后有待對智慧電站建設(shè)進行進一步的探究，促進電力工業(yè)不斷發(fā)展。