電力系統(tǒng)用電量監(jiān)測(cè)中異常數(shù)據(jù)融合分析

摘要：為實(shí)現(xiàn)對(duì)異常數(shù)據(jù)的精準(zhǔn)融合，文章設(shè)計(jì)了電力系統(tǒng)用電量監(jiān)測(cè)中異常數(shù)據(jù)融合方法。采集電力系統(tǒng)用電量監(jiān)測(cè)數(shù)據(jù)并對(duì)電量數(shù)據(jù)進(jìn)行初始化處理，計(jì)算監(jiān)測(cè)數(shù)據(jù)權(quán)重劃分?jǐn)?shù)據(jù)類(lèi)別；驅(qū)動(dòng)數(shù)據(jù)融合處理程序聚類(lèi)異常數(shù)據(jù)；建立自組織空間映射網(wǎng)絡(luò)，融合處理同類(lèi)別異常數(shù)據(jù)。實(shí)驗(yàn)證明：設(shè)計(jì)的異常數(shù)據(jù)融合方法能夠?qū)崿F(xiàn)對(duì)不同類(lèi)別異常數(shù)據(jù)類(lèi)別的精準(zhǔn)劃分、相同類(lèi)別數(shù)據(jù)的精準(zhǔn)融合，具有較好的應(yīng)用效果。

關(guān)鍵詞：電力系統(tǒng)；數(shù)據(jù)特征；融合；異常數(shù)據(jù)；監(jiān)測(cè)；用電量

中圖分類(lèi)號(hào)：TP311

文獻(xiàn)標(biāo)志碼：A

0 引言

隨著電力系統(tǒng)覆蓋范圍的增加，居民對(duì)用電量的需求也越來(lái)越大^［1］。對(duì)用電量進(jìn)行監(jiān)測(cè)能夠保障電力系統(tǒng)的穩(wěn)定運(yùn)行，但是大部分電力企業(yè)進(jìn)行數(shù)據(jù)融合的效果不佳，導(dǎo)致統(tǒng)計(jì)的系統(tǒng)用電量與企業(yè)需求電量差異較大^［2］。因此，本文設(shè)計(jì)電力系統(tǒng)用電量監(jiān)測(cè)中異常數(shù)據(jù)融合方法，以期為電力系統(tǒng)用電監(jiān)測(cè)提供全面的技術(shù)支撐。

1 電力系統(tǒng)用電量監(jiān)測(cè)數(shù)據(jù)權(quán)重計(jì)算與類(lèi)別劃分

利用終端傳感器、電能計(jì)量裝置等測(cè)量設(shè)備，采集電力系統(tǒng)用電量監(jiān)測(cè)數(shù)據(jù)，并通過(guò)計(jì)算監(jiān)測(cè)數(shù)據(jù)權(quán)重的方式，實(shí)現(xiàn)對(duì)數(shù)據(jù)類(lèi)別的劃分^［3］。為降低監(jiān)測(cè)數(shù)據(jù)的損失，需要增加一個(gè)校正系數(shù)^［4］。對(duì)采集的電力監(jiān)測(cè)數(shù)據(jù)集合中的訓(xùn)練子集初始化處理，計(jì)算初始化處理中的數(shù)據(jù)權(quán)重系數(shù)，將其表示為w，對(duì)w的計(jì)算可用公式（1）實(shí)現(xiàn)。

公式（1）中：w_i表示初始化處理中的數(shù)據(jù)i的權(quán)重系數(shù)；Ta表示電力系統(tǒng)用電量監(jiān)測(cè)數(shù)據(jù)集合；Tb表示電力系統(tǒng)用電量監(jiān)測(cè)期望數(shù)據(jù)集合；n表示子集訓(xùn)練迭代處理次數(shù)；m表示子集期望訓(xùn)練次數(shù)^［5］。在上述設(shè)計(jì)內(nèi)容的基礎(chǔ)上，引進(jìn)一個(gè)數(shù)據(jù)類(lèi)別劃分參數(shù)，將此參數(shù)表示為β，β可用公式（2）計(jì)算。

公式（2）中：p表示電力系統(tǒng)用電需求系數(shù)；M表示電力系統(tǒng)用電量監(jiān)測(cè)數(shù)據(jù)集合中訓(xùn)練子集數(shù)據(jù)量。上述計(jì)算公式中，參數(shù)p應(yīng)滿(mǎn)足表達(dá)式（3）所示的需求。

公式（3）中：j表示目標(biāo)領(lǐng)域數(shù)據(jù)處理系數(shù)。按照上述步驟，實(shí)現(xiàn)對(duì)電力系統(tǒng)用電量監(jiān)測(cè)數(shù)據(jù)權(quán)重的計(jì)算與類(lèi)別劃分。

2 監(jiān)測(cè)數(shù)據(jù)中異常數(shù)據(jù)聚類(lèi)

驅(qū)動(dòng)數(shù)據(jù)融合處理程序^［6］，在數(shù)據(jù)輸入層錄入若干個(gè)數(shù)據(jù)，定義數(shù)據(jù)的聚類(lèi)中心，建立電網(wǎng)云計(jì)算模型，使用PMU、 SCADA等功率測(cè)量設(shè)備收集的數(shù)據(jù)經(jīng)過(guò)單向的數(shù)據(jù)流^［7］，利用計(jì)算節(jié)點(diǎn)和管理節(jié)點(diǎn)之間的反饋，對(duì)大量的數(shù)據(jù)進(jìn)行實(shí)時(shí)分析和計(jì)算，并將挖掘到的數(shù)據(jù)傳送到電網(wǎng)控制中心和其他應(yīng)用程序^［8］。計(jì)算空間數(shù)據(jù)在二維坐標(biāo)系下，第a點(diǎn)與聚類(lèi)中心的歐式距離，計(jì)算公式如下。

公式（4）中：d（a，k）表示第a點(diǎn)與聚類(lèi)中心的歐式距離；x_ab表示點(diǎn)x的橫向坐標(biāo)與縱向坐標(biāo)；μ表示更新后的空間點(diǎn)坐標(biāo)。按照上述方式，計(jì)算配電系統(tǒng)中不同輸電節(jié)點(diǎn)與聚類(lèi)中心之間的歐式距離^［9］。將具有相同特征的數(shù)據(jù)點(diǎn)整合處理，實(shí)現(xiàn)監(jiān)測(cè)數(shù)據(jù)中異常數(shù)據(jù)的聚類(lèi)。

3 同類(lèi)別異常數(shù)據(jù)融合處理

考慮到電力系統(tǒng)的作業(yè)環(huán)境較為復(fù)雜，因此，需要對(duì)采集的數(shù)據(jù)歸一化處理^［10］。處理過(guò)程如公式（5）所示。

公式（5）中：c表示歸一化處理后的數(shù)據(jù)集合；c^-表示數(shù)據(jù)集合均值；c_min表示數(shù)據(jù)集合最小取值；c_max表示數(shù)據(jù)集合最大取值。

建立自組織空間映射網(wǎng)絡(luò)，將完成處理后的數(shù)據(jù)映射到網(wǎng)絡(luò)環(huán)境中，使數(shù)據(jù)在空間中呈現(xiàn)三維狀態(tài)。將此過(guò)程中產(chǎn)生的數(shù)據(jù)作為融合網(wǎng)絡(luò)的輸入向量，記為A，對(duì)A的加權(quán)輸入向量計(jì)算可用公式（6）實(shí)現(xiàn)。

公式（6）中：A～表示歸一化處理后的加權(quán)輸入向量；‖A‖表示加權(quán)輸入向量。完成上述計(jì)算后，根據(jù)輸入向量得到數(shù)據(jù)集合的部分神經(jīng)元，通過(guò)此種方式，確定融合節(jié)點(diǎn)的加權(quán)向量。同時(shí)，使用余弦相似度計(jì)算方法，對(duì)不同異常數(shù)據(jù)之間的相似度展開(kāi)計(jì)算。計(jì)算公式如下。

公式（7）中：cosδ表示不同異常數(shù)據(jù)之間的相似度；A^T表示加權(quán)向量A的展開(kāi)度量T。通過(guò)上述計(jì)算，掌握不同維度與不同類(lèi)別數(shù)據(jù)之間的相似度，對(duì)具有相同特征的數(shù)據(jù)融合處理。對(duì)于此過(guò)程中相似度較差的數(shù)據(jù)，可以提取對(duì)應(yīng)數(shù)據(jù)的特征，重新建立一個(gè)聚類(lèi)中心，對(duì)此部分相關(guān)的數(shù)據(jù)進(jìn)行融合處理。實(shí)現(xiàn)對(duì)同類(lèi)別異常數(shù)據(jù)的融合處理，完成電力系統(tǒng)用電量監(jiān)測(cè)中異常數(shù)據(jù)融合方法的設(shè)計(jì)。

4 對(duì)比實(shí)驗(yàn)

為驗(yàn)證本文設(shè)計(jì)融合方法的應(yīng)用性能，以某地區(qū)大型電力企業(yè)為例，設(shè)計(jì)對(duì)比實(shí)驗(yàn)。采集電力系統(tǒng)用電量監(jiān)測(cè)數(shù)據(jù)，建立測(cè)試平臺(tái)，將采集的數(shù)據(jù)統(tǒng)一格式處理后錄入平臺(tái)。平臺(tái)參數(shù)如表1所示。

完成上述設(shè)計(jì)后，在終端建立電力系統(tǒng)用電量監(jiān)測(cè)中異常數(shù)據(jù)融合并行計(jì)算環(huán)境，如圖1所示。

在云端數(shù)據(jù)庫(kù)中建立不同類(lèi)型用電量監(jiān)測(cè)數(shù)據(jù)的子文件，分別為HDR監(jiān)測(cè)數(shù)據(jù)標(biāo)題文件、CFG配置文件、DAT數(shù)據(jù)文件、INF信息文件，建立不同類(lèi)型文件之間的通信聯(lián)系，并按照如表2所示的內(nèi)容，建立用電量監(jiān)測(cè)數(shù)據(jù)與異常信息的對(duì)應(yīng)表格。

將基于K-means算法的異常數(shù)據(jù)融合方法（傳統(tǒng)方法1）和基于CNN-LSTM的異常數(shù)據(jù)融合方法（傳統(tǒng)方法2）作為對(duì)比方法，與本文設(shè)計(jì)方法共同進(jìn)行測(cè)試。不同方法的數(shù)據(jù)融合效果如圖2所示。

從圖2所示的數(shù)據(jù)融合效果可以看出，本文方法精準(zhǔn)地將數(shù)據(jù)組融合并劃分為3個(gè)類(lèi)別，融合效果較好。傳統(tǒng)方法1在融合數(shù)據(jù)時(shí)，出現(xiàn)了不同類(lèi)別數(shù)據(jù)混淆的現(xiàn)象，整體融合效果欠佳。傳統(tǒng)方法2未能實(shí)現(xiàn)對(duì)相同類(lèi)別異常數(shù)據(jù)的融合，即電力系統(tǒng)用電監(jiān)測(cè)數(shù)據(jù)在空間中仍以離散化狀態(tài)呈現(xiàn)。因此，在完成上述研究后，得到如下實(shí)驗(yàn)結(jié)論：相比傳統(tǒng)的融合方法，本文設(shè)計(jì)的電力系統(tǒng)用電量監(jiān)測(cè)中異常數(shù)據(jù)融合方法應(yīng)用效果最好，該方法可以在實(shí)際應(yīng)用中，實(shí)現(xiàn)對(duì)不同類(lèi)別異常數(shù)據(jù)類(lèi)別的精準(zhǔn)劃分、相同類(lèi)別數(shù)據(jù)的精準(zhǔn)融合。

5 結(jié)語(yǔ)

為了融合多渠道監(jiān)測(cè)的電力系統(tǒng)用電異常數(shù)據(jù)，本文通過(guò)電力系統(tǒng)用電量監(jiān)測(cè)數(shù)據(jù)權(quán)重計(jì)算與類(lèi)別劃分、監(jiān)測(cè)數(shù)據(jù)中異常數(shù)據(jù)聚類(lèi)、異常數(shù)據(jù)融合處理與故障診斷決策，完成了電力系統(tǒng)用電量監(jiān)測(cè)中異常數(shù)據(jù)融合方法的設(shè)計(jì)。該方法在通過(guò)檢驗(yàn)后證明了融合效果良好，可以為電力系統(tǒng)運(yùn)行異常診斷提供決策支撐。

參考文獻(xiàn)

［1］廉亞紅，云靜，張紫，等.基于數(shù)據(jù)融合與K-means的扶貧廉政風(fēng)險(xiǎn)點(diǎn)檢測(cè)模型［J］.內(nèi)蒙古工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2022（4）：367-372.

［2］余曉峰，段丁強(qiáng).促進(jìn)湖北省制造業(yè)與現(xiàn)代服務(wù)業(yè)融合發(fā)展之對(duì)策——基于稅收和電力數(shù)據(jù)的分析視角［J］.長(zhǎng)江技術(shù)經(jīng)濟(jì)，2022（3）：84-88.

［3］唐毅，祁甘露，池坤鵬，等.基于三維時(shí)空特性數(shù)據(jù)融合的電力物聯(lián)網(wǎng)用戶(hù)側(cè)負(fù)荷識(shí)別方法研究［J］.山東師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2022（2）：120-127.

［4］周顯春.ARMA融合CNN-LSTM的傳感器流數(shù)據(jù)異常檢測(cè)方案［J］.國(guó)外電子測(cè)量技術(shù)，2022（4）：55-61.

［5］夏英，韓星雨.融合統(tǒng)計(jì)方法和雙向卷積LSTM的多維時(shí)序數(shù)據(jù)異常檢測(cè)［J］.計(jì)算機(jī)應(yīng)用研究，2022（5）：1362-1367，1409.

［6］吳悅，張忠會(huì)，游志剛，等.基于可視化和數(shù)據(jù)融合的光伏電站電氣設(shè)備異常運(yùn)行狀態(tài)檢測(cè)方法［J］.制造業(yè)自動(dòng)化，2021（9）：16-19，55.

［7］李遠(yuǎn)松，高博，須琳，等.基于差分序列方差與CPS融合的數(shù)字變電站數(shù)據(jù)異常檢測(cè)方法［J］.電網(wǎng)與清潔能源，2021（2）：30-41.

［8］孫海全，王崢，郭彥，等.事件驅(qū)動(dòng)傳感器網(wǎng)絡(luò)中基于學(xué)習(xí)向量量化模型的數(shù)據(jù)融合機(jī)制［J］.電子技術(shù)與軟件工程，2020（24）：207-210.

［9］王寧，李欣，秦臻.全球DEM數(shù)據(jù)融合EGM2008在不同試驗(yàn)區(qū)的應(yīng)用研究——以江蘇、廣東、陜西為例［J］.地礦測(cè)繪，2020（2）：1-4.

［10］高寶龍，胡正旺，李端，等.多層等效源方法在地面與航空磁異常數(shù)據(jù)融合中的應(yīng)用［J］.地球科學(xué)，2021（5）：1881-1895.

（編輯 王雪芬）

Fusion analysis of abnormal data in power system power consumption monitoring

Chang Fuhong， Li Qi， Wang Yuanyuan

（State Grid Xuchang Electric Power Supply Company， Xuchang 461000， China）

Abstract： In order to achieve accurate fusion of abnormal data， an abnormal data fusion method in power system power consumption monitoring is designed. Collect the power consumption monitoring data of the power system and initialize the data， calculate the weight of the monitoring data and divide the data into categories; Driving data fusion processing program to cluster abnormal data; Self organizing space mapping network is established to fuse and process the same kind of abnormal data. The experiment proves that the designed anomaly data fusion method can achieve accurate classification of different types of anomaly data and accurate fusion of the same type of data， and has good application effect.

Key words： power system; data characteristics; fusion; abnormal data; monitoring; power consumption