基于多源異構信息融合的配電工程數據分析及應用研究

董君，馬云飛，張婷婷，左琪剛

（國網天水供電公司，甘肅天水 741000）

隨著近年來配電網投資的增加與配電工程數據的快速增長，數據的分析及應用也面臨著嚴峻挑戰[1-2]。而數據挖掘（Data Mining，DM）、數據融合（Data Fusion）與大數據分析（Big Data Analysis，BDA）等新一代人工智能技術（Artificial Intelligence，AI）的更新，給大規模數據的處理及應用帶來了新的解決方案。但配電工程數據在生產、運營與管理方面仍存在多源異構問題，這也導致數據的分析與推廣存在瓶頸[3-4]。針對上述問題，國內學者開展了多方面的研究，通過結合數據提取規則解決多源異構數據的融合問題，以實現不同數據庫間的訪問及共享。文獻[5]通過對比結構化與非結構化數據的差異，提出適用于海量數據的存儲模式，進而解決配電數據孤島問題。文獻[6]對不同維度的數據均進行了分析，且采用深度學習（Deep Learning，DL）進行特征提取，從而提高了數據分類的精度。國外學者的研究則較為超前，初期便提出將數據融合框架應用于礦山、鐵路等工程場景，但該框架無法適用于不同維度的數據處理與分析之中[7-8]。由于配電工程數據呈現多維度、數據量廣等特征，故需采用精度更高的算法進行分析與處理。因此，該文采用多源異構數據融合技術對配電工程數據的分析展開研究。

1 算法設計

1.1 正交基前向神經網絡

數據融合算法基于反向傳播（Back Propagation，BP）網絡進行樣本數據的訓練操作。但由于極值點的確定存在偶然性，因此其易產生數據過擬合問題[9-10]。而多源異構數據融合算法采用正交基前向神經網絡來確定隱含層的數目，故可提高配電工程數據分析的精度與效率。

傳統神經網絡算法的激勵函數（Activation Function）為多項式函數，其可通過巧妙設定權閾值的方式縮短運行時間。但該種處理方式占據了較多內存，因此對硬件設備的處理效率也會有更高要求。而正交基前向神經網絡處理算法將單個任務分解為多個子任務，且其節點與所對應的模塊執行同一步驟，并確保了多個數據塊可同時發送至Reduce節點，進而提高了CPU 的處理效率。

在計算過程中，正交基前向神經網絡加入了多源異構數據融合算法。通過將配電工程數據進行分布式處理，以提高處理器的運行效率。該算法的并行處理流程，如圖1 所示。

圖1 多源異構數據融合并行處理流程圖

1.2 多源異構數據融合

配電工程數據種類繁多，常見的有配電網工程造價數據、架空線路工程數據、電纜線路工程數據等。通過收集樣本數據來對上述信息進行橫向與縱向地對比與分析，便可得到分析結果。多源異構數據融合即是對數據進行分類，并從多個角度完成融合分析，從而得到相應的結果[11]。收集到的配電工程數據儲存于Hadoop 平臺，該平臺可以儲存海量數據[12]，再以整定值為目標實現數據的融合處理。數據融合處理步驟如圖2 所示。

圖2 數據融合處理

數據融合處理的具體步驟如下：

1）將采集到的配電工程數據作離散化處理，包括配電網工程造價數據、架空線路工程數據與電纜線路工程數據等。其中，配電設備的狀態用0-1 變量表示。

2）將上述離散化的數據進行矩陣化處理，用Ni表示時刻i采集到的配電工程數據集合的數據矩陣為：

其中，t為與時間相關的數據參數。因此，P個配電工程數據矩陣M可表示為：

3）采用正交基前向神經網絡對配電工程數據進行訓練、預測及分析。

2 配電工程數據分析及應用

2.1 配電工程數據預處理

常見的配電工程數據源有：配電網工程造價數據、架空線路工程數據、電纜線路工程數據等。這些數據都存在著多來源、多維度、冗余等特征，因此需要對所收集到的樣本數據做預處理，才能進行數據分析及應用。對于收集到的配電工程異構數據，分析其數據間的關聯性，且輸入預處理后的結果，即可作為數據訓練與迭代的信號源。當采集到配電網工程的各類數據時，需對上述數據進行降噪處理，同時剔除異常數據，從而提高數據的準確率。假設數據總樣本數為N，其中子樣本數據集A、B、C與關聯數據集Y分別可表示為：

則樣本數據i可表示為：

2.2 稀疏自編碼器數據融合

由于配電工程數據分類不明確，因此為有效識別工程數據的種類，采用了無監督學習、聚類分析特征的稀疏自編碼數據融合算法。該算法除了可以還原數據本質、體現無監督特征之外，還能主動提取樣本數據信息，并根據數據特征將其分為不同的種類，且最終得到數據融合結果。此外與傳統數據融合算法不同，該算法的編碼器在損失函數中增加了稀疏約束（Sparsity Constraint）[13]，以限制數據的范圍，并增加配網工程數據的特征提取能力。稀疏自編碼器數據融合算法的流程，如圖3 所示[14-15]。

圖3 稀疏自編碼器數據融合算法流程

從圖中可看出，該算法的數據分析有三個關鍵點：1）在對配電工程數據重構的過程中采用稀疏自編碼器（Sparse AutoEncoder，SAE）；2）采用均方損失函數以及Adam 數據優化器優化處理配電工程數據，并初始化網絡參數；3）通過K-medoid 算法設置數據中心點，再進行反復迭代以找到數據分類的基數。

2.3 邊緣數據自適應增強

當采集到配電工程數據之后，為確保整體與局部數據的一致性及協調性，仍需對邊緣數據進行自適應增強處理[16]。首先，定義數據一致性為：

式中，gout(x,y)、gave(x,y)表示配電工程數據在直角坐標系中的輸出值與數據局部平均值。

為提高數據的真實性，進一步定義數據的邊緣值為：

隨后再進行數據還原操作，所采用的還原公式為：

其中，Pin、Pout分別表示配電工程數據的輸入與輸出分量；而β(x,y)則表示還原系數，其可通過下式計算得到：

式中，δ為偏置量。綜上，經過數據還原及數據一致性計算，通過處理局部與整體數據的協調性，可對邊緣數據進行自適應增強處理。

3 算例分析

該算例分析的基礎數據主要采集于某地區2020年1 月1 日—2020 年12 月31 日竣工投產的電力公司，新建或整體改造10 kV 及以下配電網工程（包括配電站房、配電變壓器、架空線路、電纜工程）概算和決算的數據。其中，配電站房類工程完全覆蓋；架空線路工程10 kV 路徑長度不小于2 km，0.4 kV 路徑長度不小于1 km；而電纜線路工程的路徑長度則為0.5 km 以上。該地區2020 年共收集配電工程、架空線路工程及電纜線路工程樣本1 147 項，總計靜態投資32 650.40 萬元。其中配電工程樣本分類統計情況如表1 所示。

表1 配電工程樣本分類統計情況

配網工程數據分析分別從工程樣本情況、造價水平、分項費用、不同項目管理單位造價水平等多源異構數據融合開展分析研究。收集該地區2020 年農網改造升級工程及高損臺區治理工程中完成財務決算的項目，并開展投資結余率研究，以進一步掌握配電網工程造價的規律。

2020 年配電變臺工程樣本總計624 項，共667 臺（套），靜態投資4 442.34 萬元。技術方案分為100、200、400 kVA 及100 kVA 以下小成套共四種類型。配電變臺工程典型技術方案的分布具體如表2所示。

表2 配電變臺工程典型技術方案

根據圖4 所示的配電網工程總體結余率散點分布情況，將結余率劃分為四個區間，并統計配電工程、架空線路工程與電纜線路工程結余情況。由圖可知，配電網工程結余率主要分布在0%～10%的范圍內，總體占比達到69.35%，其次是10%～20%范圍內，占比達到23.26%，而20%以上的結余率工程占比為7.08%。

圖4 配電網工程總體結余率散點分布

進一步地，使用四種方法對該地區的配電網工程數據進行分析。計算不同方法的標準誤差與絕對誤差，統計結果如表3 所示。從表中可看出，當采用本方法對配網數據進行分析時，標準誤差與絕對誤差均有所降低，且更能反映真實值。原因在于，該方法采用了正交多項式作為激勵函數來實現不同類型數據的融合。因此，其更能反映原始數據的特征。

表3 四種方法誤差對比

為進一步分析該文方法在不同數據量時的計算效率，分別設置了四組實驗，分析當配網數據集在5、10、15、20 GB 情形下的處理器運行時間。兩種方法的運行時間，如表4 所示。從表中可看出，隨著配網工程數據量的增大，兩種方法所用時長均在增加。但在數據量相同時，所述方法用時更短。由此證明了該文方法具有高效的運行速度，故能適用于大容量配網工程數據的場景。

表4 兩種方法消耗時間對比

4 結束語

針對配電工程數據量較大、維度多、分析與處理困難等問題，該文開展了基于多源異構數據融合的配電工程數據分析方法研究。在數據特征提取時，首先利用正交基前向神經網絡算法有效提高了特征提取精度；然后，采用稀疏自編碼數據融合算法來識別數據種類；最終再使用均方損失函數及Adam 數據優化器優化處理配電工程數據，并對邊緣數據進行自適應增強處理。算例分析表明，該方法可從不同的維度體現配電工程數據所反映的問題，能更優地體現數據的真實值，且運行速度也較快。未來將繼續推進智能算法在數據提取過程中應用的研究，以進一步提升數據分析的精度。