基于圖數據庫的配電網拓撲建模方法研究

周嘉　劉飛　王棟

摘要：針對關系數據庫越來越不能滿足電網對大數據快速訪問和分析需求的問題，提出了一種基于Neo4j的配電網拓撲建模方法。在遵循電網CIM模型的基礎上，將CIM模型中的設備類對象建模為圖數據庫中的節點，將對象之間的連接關系建模為圖數據庫中的關系。最后，通過一個10 kV配電網算例的最短路徑查詢性能對比，驗證了所提建模方法的有效性。

關鍵詞：配電網拓撲;圖數據庫;最短路徑查詢

中圖分類號：TM711? 文獻標志碼：A? 文章編號：1671-0797（2022）05-0013-03

DOI：10.19514/j.cnki.cn32-1628/tm.2022.05.003

引言

隨著電網規模的不斷擴大，傳統的基于關系數據庫的配電網關系模型極大地限制了配電網結構數據檢索的性能，給電網設備及其拓撲連接查詢帶來了嚴峻的挑戰。圖數據庫作為一種新型的非關系數據庫，更適合處理網絡類型數據，為大規模電網拓撲查詢問題提供了新的解決方案。文獻[1]提出了一種基于Neo4j的變電站數據管理方法，并驗證了在數據檢索中使用圖數據庫管理變電站設備的優勢。文獻[2]驗證了Neo4j圖數據庫在遍歷數據方面的優勢，但沒有提供配電網圖模型的具體建模方法。

圖數據建模的常用方法有Neo4j圖數據建模[3]、GraphX圖數據建模[4]等。圖數據庫常用技術主要包括數據庫存儲技術[5]、圖索引機制[6]、圖查詢分析技術[7]等，圖數據庫存儲技術主要是利用數據結構來存儲和表達圖，圖數據庫的基本存儲單元是節點、關系、屬性。由于圖數據庫符合電力系統網絡特點的技術優勢，其在電網計算中的應用越來越受到重視。文獻[8]在繼承CIM模型的基礎上，提出了一種Neo4j圖數據庫中功率數據的建模方法，但沒有進一步分析這種方法的優越性。文獻[9]基于Neo4j圖數據庫提出了3種不同配電網圖模型的建模方法，但沒有與對應關系型數據庫進行一些數據檢索性能方面的對比。

因此，本文結合Neo4j圖數據庫的優勢，提出了一種面向配電網CIM模型的拓撲建模方法。

1? ? 圖數據庫和Neo4j

圖數據庫是以“圖”的形式存儲數據的數據庫，其中數據存儲的形式主要是節點和關系。這種設計模式可以快速解決復雜的關系問題，而不需要使用傳統的關系數據庫，因此圖數據庫非常適用于存儲配電網拓撲等網絡特征數據。而傳統的關系數據庫需要進行大量的連接表操作來查找數據之間的關聯。

Neo4j是圖形數據庫中的一種流行產品，它具有性能好、可擴展性強、可靠性高等特點。如圖1所示，Neo4j通過定義兩個數據結構（節點和關系）來進行信息建模。一個節點可以有一個或多個標簽，一個關系只能有一種類型;同時，節點和關系可以定義多個鍵值對的屬性特征。

2? ? 配電網圖模型的建模原理

配電網CIM模型主要由連接節點類、設備端子類和設備類組成。圖2顯示了配電網CIM模型中最基本的拓撲連接方式，這些設備類節點將連接到0～2個設備端子，每個設備端子節點只連接一個連接節點，形成最終的拓撲結構。

以圖2為例，“導線”設備連接到“分段開關”設備。如果使用原CIM模型的數據結構進行計算，需要先查找與“導線”相連的設備端子節點T1的ID，然后根據設備端子節點T1查找連接節點C1，再根據連接節點C1查找所連接設備T4的設備端子節點，最終找到“分段開關”設備節點。整個過程涉及4次搜索，數據規模是冗余的。因此，考慮到配電網拓撲結構分析方法要求的高遍歷性能，在CIM原理建模方法的基礎上，可以剔除對象類中的連接節點類、設備端子類節點，僅保留設備類節點。

因此，為了提高對配電網拓撲設備的連通性查詢效率，保證配電網圖模型的完整性和一致性，在使用Neo4j建模配電網圖模型的過程中，應遵循配電網CIM模型，將模型中的對象類建模為圖數據庫中的節點數據格式，將對象之間的連接關系建模為圖數據庫中的關系數據格式，映射關系如表1所示。

3? ? 算例分析

為驗證基于圖數據庫的配電網圖建模方法的有效性，選取一個10 kV的簡單配電網為例。如圖3所示，系統由11條線路、8個開關等組成。

根據CIM模型的規則，只保留配電網中的每個設備節點，不包括設備終端節點、連接節點等。基于Neo4j構建的圖模型如圖4所示，圖模型由31個節點和30條邊組成。

配電網拓撲結構是研究設備之間連通性的基礎，因此，有必要驗證圖建模方法與關系數據庫相比在最短路徑查詢性能方面的優勢。以母線到負載組LP3的最短路徑查詢為例，圖5所示為關系數據庫中圖3所對應的配電網拓撲數據的表達式，不同類型的設備存儲在不同的元件表中，元件之間的連接關系存儲在連接表中。

在關系數據庫MySQL和圖數據庫Neo4j中查詢10 kV配電網母線到負載組LP3的最短路徑所需時間結果如表2所示，從中可以看出，在關系數據庫中，查詢時間為8.46 s;而在圖數據庫中，查詢最短路徑只需要2.23 s，由此可對比出圖模型遍歷的高效性。

4? ? 結語

圖數據庫存儲方法因其適應了電網拓撲結構的特點，正逐漸應用于電力系統領域。因此，本文在遵循電網CIM模型的基礎上，提出了一種基于圖數據庫的配電網圖模型建模方法。首先，基于Neo4j圖數據庫，將CIM模型中的設備類對象建立為圖模型中的頂點，將設備之間的連接關系建立為圖模型中的邊。其次，基于某10 kV配電網算例，通過與關系數據庫的比較，證明了基于圖模型的最短路徑搜索是更有效的。

[參考文獻]

[1] PER？覶UKU A，MINKOVSKA D，STOYANOVA L.Modeling and processing big data of power transmission grid substation using Neo4j[J].Procedia Computer Science，2017，113：9-16.

[2] 馬義松，武志剛.基于Neo4j的電力大數據建模及分析[J].電工電能新技術，2016，35（2）：24-30.

[3] COMYN-WATTIAU I，AKOKA J.Model driven reverse engineering of NoSQL property graph databases：The case of Neo4j[C]//2017 IEEE International Conference on Big Data （Big Data），2017：453-458.

[4] DEUTSCH A，XU Y，WU M X，et al.TigerGraph：A native MPP graph database[EB/OL].[2021-11-28].https：//doc.paperpass.com/foreign/arXiv190108248.html.

[5] HUSAIN M F，DOSHI P，KHAN L，et al.Storage and retrieval of large RDF graph using hadoop and mapreduce[C]//IEEE International Conference on Cloud Computing，2009：680-686.

[6] HE H H，SINGH A K.Closure-tree：An index structure for graph queries[C]//22nd International Con-

ference on Data Engineering（ICDE′06），2006：38-49.

[7] ZHAO P X，HAN J W.On graph query optimization in large networks[J].Proceedings of the VLDB Endowment，2010，3（1/2）：340-351.

[8] PAVKOVIV，APKO D，VUKMIROVIS，et al.Modeling power system data using NoSQL database[C]// IEEE 2017 25th Telecommunication Forum （TELFOR），2017：1-4.

[9] PAN Z H，JING Z X.Modeling methods of big data for power grid based on graph database[C]// 2018 International Conference on Power System Technology（POWERCON），2018：4340-4348.

收稿日期：2021-12-06

作者簡介：周嘉（1982—），男，江蘇南通人，高級工程師，研究方向：電網規劃、電網建設。