基于物聯(lián)網(wǎng)技術(shù)的電力設(shè)備數(shù)據(jù)智能采集方法設(shè)計(jì)

袁群義

（廣州健新科技有限責(zé)任公司，廣東 廣州 510000）

1 建立電力通信網(wǎng)絡(luò)信道模型

為實(shí)現(xiàn)對(duì)電力通信網(wǎng)絡(luò)環(huán)境中異常數(shù)據(jù)的檢測(cè)，需要構(gòu)建電力通信網(wǎng)絡(luò)信道模型[1]。在這種跨區(qū)域環(huán)境中，通信傳輸協(xié)議存在一定差異性，這種情況會(huì)造成異常數(shù)據(jù)的分布和來(lái)源存在多重屬性[2]。為此，需要對(duì)相關(guān)數(shù)據(jù)分布和來(lái)源進(jìn)行確定，因此應(yīng)選擇適當(dāng)?shù)碾娏νㄐ啪W(wǎng)絡(luò)信道。檢測(cè)時(shí)，按照?qǐng)D1的結(jié)構(gòu)，確定通信網(wǎng)絡(luò)中數(shù)據(jù)傳輸節(jié)點(diǎn)的分布位置。

結(jié)合圖1中繪制的各個(gè)數(shù)據(jù)傳輸節(jié)點(diǎn)及其分布情況，確定通信網(wǎng)絡(luò)信道為一個(gè)多徑時(shí)變非平穩(wěn)信道，再結(jié)合實(shí)踐與頻率聯(lián)合特征的方式，確定電力通信網(wǎng)絡(luò)信道的模型表達(dá)函數(shù)，如公式（1）所示。

圖1 電力通信網(wǎng)絡(luò)數(shù)據(jù)傳輸節(jié)點(diǎn)分布位置

式中：x(t)為電力通信網(wǎng)絡(luò)信道函數(shù)；an(t)為某一時(shí)刻電力通信網(wǎng)絡(luò)信道中某一垂直線列路徑上的異常數(shù)據(jù)單分量；s為單分量傳遞的數(shù)據(jù)量；τ(t)為傳輸時(shí)延。

當(dāng)電力通信網(wǎng)絡(luò)數(shù)據(jù)傳輸節(jié)點(diǎn)的傳輸路徑有n條時(shí)，則此時(shí)認(rèn)為在分布線列陣空間當(dāng)中存在n條通信信道[3]。再結(jié)合時(shí)頻伸縮對(duì)電力通信網(wǎng)絡(luò)信道中的數(shù)據(jù)進(jìn)行描述，如公式（2）所示。

式中：W(t,v)為電力通信網(wǎng)絡(luò)信道數(shù)據(jù)；Wx為時(shí)間窗口函數(shù)；z為采樣頻率；k為電力通信網(wǎng)絡(luò)帶寬。

通過(guò)上述論述，建立和描述電力通信網(wǎng)絡(luò)信道模型，并描述信道中的數(shù)據(jù)。

2 電力通信網(wǎng)絡(luò)數(shù)據(jù)特征集提取

極小的異常數(shù)據(jù)通常會(huì)被高數(shù)值的正常數(shù)據(jù)所遮蔽。所以，單純從時(shí)間域上對(duì)網(wǎng)絡(luò)的通信流量進(jìn)行分析很難精確地檢測(cè)異常成分[4]。基于此，該文引入小波包分解的方式，對(duì)電力通信網(wǎng)絡(luò)信道中的數(shù)據(jù)進(jìn)行分解，這一過(guò)程的表示如公式（3）所示。

式中：T(t)為小波包分解函數(shù)；dj,l,n為在某一層j中，第n個(gè)節(jié)點(diǎn)的第l個(gè)小波包系數(shù)；ψn為第n個(gè)節(jié)點(diǎn)的小波基函數(shù)。

根據(jù)公式（3）分解電力通信網(wǎng)絡(luò)信道中的數(shù)據(jù)[5]，再結(jié)合滑動(dòng)時(shí)窗計(jì)算的方式，確定檢測(cè)時(shí)段內(nèi)包含的n個(gè)時(shí)隙通信網(wǎng)絡(luò)數(shù)據(jù)頻域特征。在操作過(guò)程中，還需要結(jié)合待測(cè)數(shù)據(jù)和預(yù)測(cè)數(shù)據(jù)得出同一時(shí)刻滑動(dòng)窗口中的小波包系數(shù)均值，這一過(guò)程的表達(dá)如公式（4）所示。

式中：R為小波包系數(shù)均值；crtE為待測(cè)數(shù)據(jù)；prdE為預(yù)測(cè)數(shù)據(jù)。

通過(guò)計(jì)算得出的R值可以進(jìn)一步反映出滑動(dòng)窗口中待檢測(cè)樣本數(shù)據(jù)與預(yù)測(cè)數(shù)據(jù)之間的差異。在此基礎(chǔ)上，將小波包系數(shù)均值最大值作為檢測(cè)時(shí)段中電力通信網(wǎng)絡(luò)連接的統(tǒng)計(jì)特征均值。假設(shè)這一數(shù)值為F，F(xiàn)取值越大，在檢測(cè)時(shí)段中實(shí)際數(shù)據(jù)與預(yù)測(cè)數(shù)據(jù)的差別就越大，反之同理[6]。因此，可將F作為電力通信網(wǎng)絡(luò)異常數(shù)據(jù)檢測(cè)的特征指標(biāo)之一，將對(duì)該指標(biāo)數(shù)值的分析作為異常數(shù)據(jù)檢測(cè)的判據(jù)條件之一。在此基礎(chǔ)上，從不同時(shí)-頻域混合特征集當(dāng)中選出8個(gè)特征指標(biāo)。

3 基于物聯(lián)網(wǎng)技術(shù)的異常數(shù)據(jù)識(shí)別與離群異常數(shù)據(jù)檢測(cè)

為進(jìn)一步提高對(duì)異常數(shù)據(jù)的識(shí)別精度，該文引入物聯(lián)網(wǎng)技術(shù)，通過(guò)物聯(lián)網(wǎng)技術(shù)對(duì)電力通信網(wǎng)絡(luò)環(huán)境當(dāng)中的每條網(wǎng)絡(luò)連接的特征進(jìn)行提取，并將其各個(gè)特征歸一化處理到[0，1]區(qū)間當(dāng)中。根據(jù)特征集中的特征指標(biāo)計(jì)算出協(xié)方差矩陣的具體數(shù)值和特征矢量，并將矢量按照相應(yīng)的特征值大、小取主成分，對(duì)數(shù)據(jù)集進(jìn)行降維處理[7]。降維后，每個(gè)樣本標(biāo)記為對(duì)應(yīng)標(biāo)簽。在此基礎(chǔ)上，針對(duì)各個(gè)標(biāo)簽，用如公式（5）所示的最優(yōu)分類函數(shù)進(jìn)行分類處理。

在選擇核函數(shù)之后，由錯(cuò)誤懲罰系數(shù)C和核函數(shù)的參量伽馬共同確定支持向量機(jī)的異常流量分類。誤差懲罰因素C可以在判斷功能的復(fù)雜度與不正確分類的網(wǎng)絡(luò)流的采樣數(shù)目之間進(jìn)行權(quán)衡：C降低，使訓(xùn)練樣本中存在較多的分類錯(cuò)誤，避免了過(guò)度擬合問(wèn)題，并且能夠很好地識(shí)別未知流量異常。

在上述基礎(chǔ)上對(duì)電力通信網(wǎng)絡(luò)中的離群點(diǎn)進(jìn)行判斷，并找出離群異常數(shù)據(jù)。對(duì)離群點(diǎn)的判別可通過(guò)計(jì)算被檢測(cè)點(diǎn)圍繞數(shù)據(jù)中心的緊密程度得出，緊密程度可量化為緊密系數(shù)，如公式（6）所示。

式中：E為緊密系數(shù)；d為數(shù)據(jù)中心；iu為距離。

根據(jù)公式（6）確定緊密系數(shù)，以此判斷緊密程度。E值越小，說(shuō)明越緊密，反之同理，以此確定離群異常數(shù)據(jù)，實(shí)現(xiàn)對(duì)數(shù)據(jù)的異常檢測(cè)。

5 對(duì)比試驗(yàn)

上文基于物聯(lián)網(wǎng)技術(shù)完成了異常數(shù)據(jù)檢測(cè)方法的設(shè)計(jì)，為檢驗(yàn)該次設(shè)計(jì)成果，下述將以某地區(qū)電力通信網(wǎng)絡(luò)公開(kāi)數(shù)據(jù)集合為例，通過(guò)對(duì)比試驗(yàn)的方式測(cè)試該文設(shè)計(jì)的檢測(cè)方法在實(shí)際應(yīng)用中的效果。

試驗(yàn)前，該文選擇將通信網(wǎng)絡(luò)公開(kāi)數(shù)據(jù)集合中的連續(xù)數(shù)據(jù)作為此次檢測(cè)方法的測(cè)試集合，將數(shù)據(jù)集合錄入終端計(jì)算機(jī)。為確保測(cè)試結(jié)果的真實(shí)性與可靠性，需要在錄入測(cè)試數(shù)據(jù)前按照該次試驗(yàn)需求設(shè)計(jì)終端計(jì)算機(jī)的運(yùn)行參數(shù)，具體內(nèi)容見(jiàn)表1。

按照表1中的內(nèi)容完成對(duì)比試驗(yàn)環(huán)境中PC機(jī)的配置，在此基礎(chǔ)上設(shè)計(jì)網(wǎng)絡(luò)異常數(shù)據(jù)采樣參數(shù)。具體內(nèi)容見(jiàn)表2。

表1 終端計(jì)算機(jī)運(yùn)行參數(shù)

表2 網(wǎng)絡(luò)異常數(shù)據(jù)采樣參數(shù)

完成上述設(shè)計(jì)后，調(diào)用后臺(tái)數(shù)據(jù)，在展示界面呈現(xiàn)電力通信網(wǎng)絡(luò)數(shù)據(jù)，繪制通信時(shí)間與信號(hào)幅值關(guān)系圖，如圖2所示。

從圖2可以看出，電力通信網(wǎng)絡(luò)傳輸信號(hào)在1 s～1.5 s時(shí)段、3.5 s～4.1 s時(shí)段和7.8 s～8.5 s時(shí)段存在較高幅值。說(shuō)明在對(duì)應(yīng)的3個(gè)時(shí)段內(nèi)存在通信網(wǎng)絡(luò)異常數(shù)據(jù)。在掌握測(cè)試樣本中攜帶的異常數(shù)據(jù)分布后，使用該文設(shè)計(jì)的方法對(duì)異常數(shù)據(jù)進(jìn)行檢測(cè)。檢測(cè)過(guò)程中，建立針對(duì)電力通信網(wǎng)絡(luò)異常通信的模型，提取通信過(guò)程中信號(hào)的特征，并通過(guò)識(shí)別異常信號(hào)實(shí)現(xiàn)對(duì)異常通信節(jié)點(diǎn)的定位與檢測(cè)。

圖2 通信時(shí)間與信號(hào)幅值關(guān)系圖

為滿足試驗(yàn)結(jié)果的對(duì)比性需求，完成該文方法在測(cè)試環(huán)境中的布置后，引進(jìn)基于改進(jìn)VECMP算法的檢測(cè)方法與基于圖卷積神經(jīng)網(wǎng)絡(luò)的檢測(cè)方法，將這2種方法作為對(duì)比試驗(yàn)中的傳統(tǒng)方法A與傳統(tǒng)方法B。

試驗(yàn)中，分別使用該文方法與2種傳統(tǒng)方法對(duì)電力通信網(wǎng)絡(luò)樣本集合進(jìn)行異常數(shù)據(jù)檢測(cè)工作。提取3種方法檢測(cè)到的信號(hào)異常頻譜幅值作為試驗(yàn)結(jié)果。試驗(yàn)結(jié)果如圖3～圖5所示。

圖3 該文方法對(duì)信號(hào)異常頻譜幅值的檢測(cè)結(jié)果

圖5 傳統(tǒng)方法B對(duì)信號(hào)異常頻譜幅值的檢測(cè)結(jié)果

從圖3可以看出，該文設(shè)計(jì)的檢測(cè)方法可以精準(zhǔn)檢測(cè)到1 s～1.5 s、3.5 s～4.1 s和7.8 s～8.5 s這3個(gè)時(shí)段存在異常數(shù)據(jù)，即對(duì)應(yīng)3個(gè)時(shí)段的異常信號(hào)頻譜幅值較高，其他時(shí)段不存在異常信號(hào)頻譜幅值。

從圖4可以看出，傳統(tǒng)方法A可以檢測(cè)到對(duì)應(yīng)3個(gè)時(shí)段存在異常數(shù)據(jù)，但檢測(cè)結(jié)果中攜帶噪聲，會(huì)影響或干擾異常識(shí)別的判別與決策。

圖4 傳統(tǒng)方法A對(duì)信號(hào)異常頻譜幅值的檢測(cè)結(jié)果

從圖5可以看出，傳統(tǒng)方法B無(wú)法識(shí)別到3個(gè)時(shí)段存在異常數(shù)據(jù)，即對(duì)應(yīng)的8 s檢測(cè)結(jié)果中，輸出異常信號(hào)頻譜幅值均相對(duì)較高。

因此，在完成上述試驗(yàn)后，初步得到的試驗(yàn)結(jié)論如下：和傳統(tǒng)方法相比，該文設(shè)計(jì)的檢測(cè)方法可以在排除外界干擾與噪聲的條件下，實(shí)現(xiàn)對(duì)電力通信網(wǎng)絡(luò)中異常數(shù)據(jù)的精準(zhǔn)檢測(cè)。

完成上述測(cè)試后，選擇其他電力通信網(wǎng)絡(luò)公開(kāi)數(shù)據(jù)集合作為測(cè)試樣本數(shù)據(jù)，使用3種方法對(duì)電力通信網(wǎng)絡(luò)中攜帶的異常數(shù)據(jù)進(jìn)行檢測(cè)工作，將檢測(cè)結(jié)果誤差作為對(duì)比指標(biāo)。檢測(cè)結(jié)果誤差計(jì)算如公式（7）所示。

式中：X為檢測(cè)結(jié)果誤差，計(jì)算單位為%；y1為當(dāng)前狀態(tài)下的電力通信網(wǎng)絡(luò)流量；y2為期望利用量；N為節(jié)點(diǎn)流量辨識(shí)度；i為時(shí)刻。

按照上述方式，計(jì)算電力通信網(wǎng)絡(luò)的異常數(shù)據(jù)檢測(cè)結(jié)果精度，統(tǒng)計(jì)結(jié)果見(jiàn)表3。

表3 電力通信網(wǎng)絡(luò)的異常數(shù)據(jù)檢測(cè)結(jié)果精度

綜合上述試驗(yàn)結(jié)果，得到的試驗(yàn)結(jié)論如下：和傳統(tǒng)方法相比，該文設(shè)計(jì)的基于物聯(lián)網(wǎng)技術(shù)的檢測(cè)方法在實(shí)際應(yīng)用中的效果較好。該方法不僅可以實(shí)現(xiàn)對(duì)電力通信網(wǎng)絡(luò)中異常數(shù)據(jù)的精準(zhǔn)檢測(cè)，還可以有效降低檢測(cè)結(jié)果誤差，可為電力通信網(wǎng)絡(luò)的安全、持續(xù)和穩(wěn)定運(yùn)行提供全面的技術(shù)支持與幫助。

6 結(jié)語(yǔ)

電力通信網(wǎng)絡(luò)是一個(gè)典型的線性網(wǎng)絡(luò)，主要負(fù)責(zé)信息的傳輸。它的網(wǎng)絡(luò)資源的質(zhì)量會(huì)直接影響電力通信網(wǎng)絡(luò)的正常工作，是電力通信網(wǎng)絡(luò)中極為重要的組成部分之一。其數(shù)據(jù)傳輸速度快，傳輸效率高，對(duì)保障電力通信網(wǎng)絡(luò)的安全運(yùn)行和生產(chǎn)具有重要意義?；诖?，該文進(jìn)行了對(duì)電力通信網(wǎng)絡(luò)中異常數(shù)據(jù)檢測(cè)方法的設(shè)計(jì)研究，并通過(guò)試驗(yàn)檢驗(yàn)了該方法的應(yīng)用可行性。實(shí)際應(yīng)用該檢測(cè)方法時(shí)，為進(jìn)一步提高電力通信網(wǎng)絡(luò)運(yùn)行穩(wěn)定性和可靠性，還應(yīng)當(dāng)結(jié)合實(shí)時(shí)監(jiān)控技術(shù)，實(shí)現(xiàn)對(duì)異常數(shù)據(jù)的實(shí)時(shí)分析與快速?zèng)Q策。