電力物聯(lián)網(wǎng)用戶側(cè)負(fù)荷數(shù)據(jù)動(dòng)態(tài)R-樹(shù)匹配方法

胡為民，杜豐夷，鄧輝，閆超，劉曉峻

（國(guó)網(wǎng)湖北省電力有限公司宜昌供電公司，湖北武漢 443000）

用戶側(cè)負(fù)荷數(shù)據(jù)是電力物聯(lián)網(wǎng)數(shù)據(jù)匯總與運(yùn)營(yíng)管理中的關(guān)鍵信息，其接收的業(yè)務(wù)內(nèi)容呈現(xiàn)出大量數(shù)據(jù)連接、并發(fā)數(shù)據(jù)交換、實(shí)時(shí)閉環(huán)控制等復(fù)雜多樣的快速發(fā)展態(tài)勢(shì)，必將對(duì)主站內(nèi)部的計(jì)算控制體系提出更為巨大的考驗(yàn)。而伴隨智慧傳感、物聯(lián)網(wǎng)、5G網(wǎng)絡(luò)、人工智能等新信息的日益快速發(fā)展和廣泛應(yīng)用，電力物聯(lián)網(wǎng)用戶側(cè)負(fù)荷數(shù)據(jù)的動(dòng)態(tài)匹配方法逐漸成為該領(lǐng)域研究的重點(diǎn)。

對(duì)此，相關(guān)領(lǐng)域?qū)W者進(jìn)行了相關(guān)研究。文獻(xiàn)[1]提出采用云邊端協(xié)作的電力物聯(lián)網(wǎng)用戶側(cè)負(fù)荷數(shù)據(jù)分析應(yīng)用架構(gòu)，運(yùn)用邊緣計(jì)算和云計(jì)算之間的互補(bǔ)性原理，設(shè)計(jì)客戶側(cè)數(shù)據(jù)分析應(yīng)用架構(gòu)，進(jìn)而對(duì)客戶側(cè)數(shù)據(jù)分析實(shí)現(xiàn)更廣而深入的價(jià)值，但此方法在邊緣計(jì)算的過(guò)程中耗費(fèi)時(shí)間長(zhǎng)，運(yùn)算量大，反應(yīng)速度緩慢。文獻(xiàn)[2]提出電力物聯(lián)網(wǎng)云主站計(jì)算負(fù)荷模式的數(shù)據(jù)優(yōu)化配置，通過(guò)馬爾可夫鏈描述設(shè)備工作狀態(tài)的規(guī)律，形成狀態(tài)相關(guān)的計(jì)算負(fù)荷模式，并將之構(gòu)建成業(yè)務(wù)數(shù)據(jù)庫(kù)，用以研究不同時(shí)期各種業(yè)務(wù)的計(jì)算負(fù)荷特點(diǎn)，采用云資源優(yōu)化配置雙目標(biāo)優(yōu)化模式，采用逼近理想解排序算法從帕累托問(wèn)題前沿求解集中得到的最佳值，完成優(yōu)化配置。但此方法在模型的穩(wěn)定性控制方面仍有不足。為了解決上述問(wèn)題，提出一種電力物聯(lián)網(wǎng)用戶側(cè)負(fù)荷數(shù)據(jù)動(dòng)態(tài)R-樹(shù)匹配方法。

1 用戶側(cè)負(fù)荷數(shù)據(jù)動(dòng)態(tài)分析

為保障電力物聯(lián)網(wǎng)的工作安全性，實(shí)現(xiàn)數(shù)據(jù)分析管理，通過(guò)應(yīng)用數(shù)據(jù)互動(dòng)對(duì)多主體電能進(jìn)行交換，評(píng)估設(shè)備工作情況，分析用戶側(cè)負(fù)荷數(shù)據(jù)，分析過(guò)程主要包含數(shù)據(jù)檢測(cè)與數(shù)據(jù)動(dòng)態(tài)特征提取兩部分[3-4]。

1.1 數(shù)據(jù)檢測(cè)

建立電力物聯(lián)網(wǎng)的負(fù)荷計(jì)算模型Q，通過(guò)計(jì)算模型對(duì)用戶側(cè)負(fù)荷數(shù)據(jù)進(jìn)行檢測(cè)，其原理如式（1）所示：

其中，L表示電網(wǎng)運(yùn)行數(shù)據(jù)集合；R表示用戶側(cè)負(fù)荷數(shù)據(jù)類(lèi)型。

電力物聯(lián)網(wǎng)設(shè)備在工作過(guò)程中會(huì)產(chǎn)生多時(shí)間尺度和多空間尺寸信息，這種信息隱含著工作時(shí)間的變化，因此深入剖析運(yùn)動(dòng)階段的時(shí)間規(guī)律，對(duì)歷史運(yùn)行信息進(jìn)行統(tǒng)一化處理[5-6]。在運(yùn)動(dòng)的第j個(gè)k時(shí)刻的時(shí)間段內(nèi)，負(fù)荷歷史運(yùn)行信息集合Y如式（2）所示：

其中，E為第j天電網(wǎng)運(yùn)行數(shù)據(jù)總和；S為每天內(nèi)的總采樣個(gè)數(shù)，根據(jù)負(fù)荷歷史運(yùn)行信息分析結(jié)果完成對(duì)用戶側(cè)負(fù)荷數(shù)據(jù)的檢測(cè)。

1.2 動(dòng)態(tài)特征提取

采用分段線性化方式對(duì)電力物聯(lián)網(wǎng)的負(fù)荷計(jì)算模型加以處理，并通過(guò)歸一化處理提取應(yīng)用側(cè)的負(fù)載數(shù)據(jù)動(dòng)態(tài)特征。針對(duì)用戶側(cè)負(fù)荷數(shù)據(jù)凸優(yōu)化問(wèn)題，分析加權(quán)所形成的權(quán)重向量數(shù)值，如果所得數(shù)值均為非負(fù)值，則需要通過(guò)歸一化方案計(jì)算最優(yōu)解[7-8]。為綜合提取不同的側(cè)負(fù)荷參數(shù)及其動(dòng)態(tài)特性，構(gòu)造線性歸一化技術(shù)進(jìn)行處理，計(jì)算過(guò)程如式（3）所示：

其中，ρ表示在第j個(gè)目標(biāo)函數(shù)歸一化后產(chǎn)生的最終數(shù)據(jù)結(jié)果；g表示所有目標(biāo)函數(shù)相加值；m代表第j個(gè)目標(biāo)函數(shù)的結(jié)果。采用歸一化技術(shù)把原始模型轉(zhuǎn)化為式（4）所示：

譚傳華“陰謀”第一計(jì)：抓住一切啟發(fā)機(jī)會(huì)。范成琴喜歡風(fēng)花雪月，那就帶她去看電影《牧馬人》。妻子一感動(dòng)，他就趁機(jī)引導(dǎo)：“你看電影里的女主角，既剛強(qiáng)火熱又柔情似水，既忠貞又能干，真是男人理想的人生伴侶……”可惜他低估了“敵方”的戰(zhàn)斗力?！拔颐靼啄愕囊馑肌狈冻汕俾勓粤⒖套兡?，扔下丈夫，自己大步走在前面，“可惜我不是她，我就是我?！?/p>

其中，O表示轉(zhuǎn)換后的公式；w為平衡二目標(biāo)函數(shù)的權(quán)重，通過(guò)計(jì)算權(quán)重值完成對(duì)電力用戶側(cè)負(fù)荷數(shù)據(jù)的動(dòng)態(tài)特征提取。

2 動(dòng)態(tài)R-樹(shù)匹配方法

該文提出的R-樹(shù)匹配方法是基于B-樹(shù)衍生出的一種數(shù)據(jù)結(jié)構(gòu)，其分支的長(zhǎng)度均相同。R-樹(shù)的結(jié)點(diǎn)主要包括兩種：內(nèi)部結(jié)點(diǎn)和葉子結(jié)點(diǎn)。內(nèi)部結(jié)點(diǎn)由一些形狀如R 的詞條構(gòu)成，這些詞條表示子結(jié)點(diǎn)的最小界限矩形(Minimum Bounding Rectangle,MBR)。R-樹(shù)的每個(gè)結(jié)點(diǎn)都包含了其子結(jié)點(diǎn)的所有MBR，以便用于快速檢索。葉子結(jié)點(diǎn)由一些小詞條構(gòu)成，每個(gè)詞條代表一個(gè)目標(biāo)物體，并包含了該目標(biāo)物體的標(biāo)識(shí)符和其對(duì)應(yīng)的最小界限矩形。動(dòng)態(tài)R-樹(shù)如圖1 所示。

圖1 動(dòng)態(tài)R-樹(shù)

觀察圖1 可知，動(dòng)態(tài)R-樹(shù)包含多個(gè)分支，通過(guò)不同分支進(jìn)行數(shù)據(jù)迭代，不斷更新，實(shí)現(xiàn)信息匹配。R-樹(shù)是一個(gè)多維空間搜索技術(shù)，R-樹(shù)匹配計(jì)算的核心是確定電力物聯(lián)網(wǎng)用戶側(cè)負(fù)荷數(shù)據(jù)的特征，其實(shí)質(zhì)上是矩形的求交問(wèn)題，利用R-樹(shù)匹配機(jī)制實(shí)現(xiàn)對(duì)電力物聯(lián)網(wǎng)用戶側(cè)負(fù)荷數(shù)據(jù)的動(dòng)態(tài)匹配[9-10]。

2.1 R-樹(shù)匹配矩陣計(jì)算函數(shù)

R-樹(shù)內(nèi)部的更新域關(guān)聯(lián)的每個(gè)矩形構(gòu)成的集為更新集，記做χ；與訂單域相應(yīng)的每個(gè)矩形構(gòu)成的新集叫做訂單集，記為V。利用更新集上的矩形生成R-樹(shù)，由于更新集的每個(gè)矩形發(fā)生在葉結(jié)點(diǎn)上，因此該文從更新集找到與該矩形交集的新矩形，矩陣計(jì)算函數(shù)如式（5）所示：

R-樹(shù)形成與保存的過(guò)程取決于對(duì)樹(shù)形結(jié)點(diǎn)的分割以及樹(shù)形結(jié)構(gòu)的壓縮結(jié)果[11]。

將結(jié)點(diǎn)上的矩形與待插入矩形放置在同一位置，從中選取距離中心間距最遠(yuǎn)的矩形作為目標(biāo)矩陣，建立兩個(gè)集合，對(duì)于剩余的矩形，將其擴(kuò)充至最小界限矩形中。當(dāng)最后一個(gè)集中的矩形個(gè)數(shù)小于總數(shù)的一半時(shí)，所有剩余矩形全部進(jìn)入另一個(gè)集合。將兩個(gè)集中的矩形組成兩個(gè)新的結(jié)點(diǎn)，以代替原有的結(jié)點(diǎn)進(jìn)入其父結(jié)點(diǎn)，分析父結(jié)點(diǎn)的分裂情況，若父結(jié)點(diǎn)無(wú)須分裂，就需要對(duì)相關(guān)最小界限矩形樹(shù)進(jìn)行調(diào)整，按順序向前進(jìn)行，到達(dá)根結(jié)點(diǎn)后停止。在刪除葉結(jié)點(diǎn)上的矩形塊后，判定目標(biāo)結(jié)點(diǎn)的條數(shù)，對(duì)R-樹(shù)進(jìn)行壓縮處理[12]。

2.2 葉結(jié)點(diǎn)的Hash索引

坐標(biāo)空間中的矩形除其本身的長(zhǎng)度、寬度等數(shù)據(jù)之外，中心位置數(shù)據(jù)也是關(guān)鍵數(shù)據(jù)。在分析數(shù)據(jù)過(guò)程中，利用Hash 索引進(jìn)行精確定位，則有式（6）：

其中，矩形的長(zhǎng)度和寬度分別是a和b，矩形的中心在空間中的位置為(x,y)，P、T為常量；函數(shù)k為指針函數(shù)。葉結(jié)點(diǎn)的Hash 索引流程如圖2 所示。

圖2 葉結(jié)點(diǎn)Hash索引流程

觀察圖2 可知，首先把目標(biāo)結(jié)點(diǎn)的其余條目寫(xiě)入R-樹(shù)，再刪去該結(jié)點(diǎn)父結(jié)點(diǎn)的相應(yīng)條目；確定其父結(jié)點(diǎn)的條目數(shù)是否等于m，若等于m，則重復(fù)上述運(yùn)算；若不為m可選擇父結(jié)點(diǎn)上相關(guān)根的最小界限矩形，按順序向前發(fā)送，直至確定父結(jié)點(diǎn)數(shù)值已經(jīng)到達(dá)根結(jié)點(diǎn)為止，結(jié)束索引，輸出索引結(jié)果[15]。

2.3 R-樹(shù)匹配流程

按照提取的電力物聯(lián)網(wǎng)用戶側(cè)負(fù)荷數(shù)據(jù)動(dòng)態(tài)特征，可把匹配算法的實(shí)現(xiàn)分成靜態(tài)和動(dòng)態(tài)兩種。靜止匹配算法的更新集與訂單集在整體模擬工作的起始階段選定后，在整體模擬工作流程中保持不變化。靜止匹配算法的實(shí)現(xiàn)方式具有一定的簡(jiǎn)便性，但缺乏彈性，僅能在一定范圍內(nèi)完成匹配，而移動(dòng)匹配算法則與之完全相反，因而移動(dòng)匹配算法擁有更廣泛的使用范圍?；赗-樹(shù)的匹配算法也能夠適應(yīng)移動(dòng)匹配算法的功能要求，實(shí)現(xiàn)過(guò)程如式（7）所示：

其中，i表示移動(dòng)匹配數(shù)值；f(x,y)表示R-樹(shù)空間坐標(biāo)。

以更新集的所有矩形作為目標(biāo)數(shù)據(jù)內(nèi)容建立R-樹(shù)，根據(jù)信息匹配結(jié)果完成R-樹(shù)的動(dòng)態(tài)信息分析，實(shí)現(xiàn)電力物聯(lián)網(wǎng)用戶側(cè)負(fù)荷數(shù)據(jù)動(dòng)態(tài)匹配[16]。

3 實(shí)驗(yàn)研究

為了驗(yàn)證該文提出的電力物聯(lián)網(wǎng)用戶側(cè)負(fù)荷數(shù)據(jù)動(dòng)態(tài)R-樹(shù)匹配方法的實(shí)際應(yīng)用效果，設(shè)計(jì)對(duì)比實(shí)驗(yàn)。選用傳統(tǒng)的基于云-邊-端協(xié)同的數(shù)據(jù)匹配方法和計(jì)算負(fù)荷模型與資源優(yōu)化配置數(shù)據(jù)匹配方法作為實(shí)驗(yàn)對(duì)比方法。

在實(shí)驗(yàn)過(guò)程中，選用IEE33 結(jié)點(diǎn)的電力物聯(lián)網(wǎng)作為實(shí)驗(yàn)測(cè)試電力物聯(lián)網(wǎng)，物聯(lián)網(wǎng)內(nèi)部的工作電壓為400 V，工作電流為200 A，工作頻率為150 Hz，操作系統(tǒng)為Windows10系統(tǒng)。確定3 000個(gè)樣本場(chǎng)景，分析負(fù)荷資源的配置效果，根據(jù)電力物聯(lián)網(wǎng)的內(nèi)部資源配置確定計(jì)算負(fù)荷變化情況，同時(shí)使用三種匹配方法進(jìn)行數(shù)據(jù)匹配，分別檢測(cè)數(shù)據(jù)插入、數(shù)據(jù)匹配、數(shù)據(jù)維護(hù)過(guò)程中的延時(shí)時(shí)間，得到的實(shí)驗(yàn)結(jié)果如圖3 所示。

圖3 數(shù)據(jù)插入延時(shí)時(shí)間

觀察圖3 可知，隨著匹配數(shù)據(jù)量的增加，延時(shí)時(shí)間也在不斷增加，在匹配數(shù)據(jù)量低于150 GB時(shí)，傳統(tǒng)的基于云-邊-端協(xié)同的數(shù)據(jù)匹配方法延時(shí)時(shí)間最低，當(dāng)達(dá)到150 GB時(shí)，該文提出的方法延時(shí)時(shí)間與傳統(tǒng)的基于云-邊-端協(xié)同的數(shù)據(jù)匹配方法一致，都為18 s，隨著數(shù)據(jù)量的增加，基于云-邊-端協(xié)同的數(shù)據(jù)匹配方法延時(shí)時(shí)間出現(xiàn)明顯增加，而該文提出的方法延時(shí)時(shí)間增加速度十分緩慢，在數(shù)據(jù)量為300 GB時(shí)，延時(shí)速率僅為20 ms，具有優(yōu)異的應(yīng)用性能，而傳統(tǒng)的計(jì)算負(fù)荷模型與資源優(yōu)化配置數(shù)據(jù)匹配方法延時(shí)時(shí)間始終極長(zhǎng)，不適合實(shí)際匹配應(yīng)用。

觀察圖4 可知，基于云-邊-端協(xié)同的數(shù)據(jù)匹配方法的延時(shí)時(shí)間與數(shù)據(jù)量呈現(xiàn)正相關(guān)，隨著數(shù)據(jù)量的增加延時(shí)時(shí)間急劇增加，當(dāng)數(shù)據(jù)量為300 GB時(shí)，延時(shí)時(shí)間已經(jīng)達(dá)到35 ms，而該文提出的匹配方法延時(shí)時(shí)間始終低于20 ms，匹配實(shí)時(shí)性較好。

圖4 數(shù)據(jù)匹配延時(shí)時(shí)間

觀察圖5 可知，在后期維護(hù)過(guò)程中，兩種傳統(tǒng)匹配方法的延時(shí)時(shí)間過(guò)長(zhǎng)，在匹配過(guò)程很容易受到外界干擾。而提出的匹配方法的延時(shí)時(shí)間極短，始終低于11 ms，證明匹配效果較好，后期不需要過(guò)多維修。

圖5 數(shù)據(jù)維護(hù)延時(shí)時(shí)間

綜上所述，提出的基于R-樹(shù)匹配方法具有極強(qiáng)的匹配能力，匹配過(guò)程中的延時(shí)時(shí)間很短，對(duì)于電力物聯(lián)網(wǎng)的數(shù)據(jù)分析工作有關(guān)鍵意義。

4 結(jié)束語(yǔ)

電力物聯(lián)網(wǎng)用戶側(cè)負(fù)荷數(shù)據(jù)動(dòng)態(tài)匹配對(duì)于電力物聯(lián)網(wǎng)領(lǐng)域有著至關(guān)重要的作用，利用電力物聯(lián)網(wǎng)負(fù)荷計(jì)算模型對(duì)用戶側(cè)負(fù)荷數(shù)據(jù)進(jìn)行分析，并提取其動(dòng)態(tài)特征，通過(guò)設(shè)計(jì)的R-樹(shù)匹配機(jī)制，完成對(duì)電力物聯(lián)網(wǎng)用戶側(cè)負(fù)荷數(shù)據(jù)動(dòng)態(tài)匹配。經(jīng)實(shí)驗(yàn)表明，提出的匹配方法在計(jì)算速度、成本控制、穩(wěn)定性方面都具有較好的應(yīng)用性能，適用于實(shí)際使用。