用電信息采集系統(tǒng)多業(yè)務(wù)高效協(xié)同處理關(guān)鍵技術(shù)

姜賓

（國(guó)網(wǎng)山東省電力公司莘縣供電公司，山東 聊城 252400）

作為智能電網(wǎng)的重要組成部分，用電信息采集系統(tǒng)直接關(guān)系智能電網(wǎng)的堅(jiān)強(qiáng)、穩(wěn)定運(yùn)行。隨著近年來(lái)我國(guó)用電信息采集系統(tǒng)正式進(jìn)入深化應(yīng)用階段，圍繞多業(yè)務(wù)高效協(xié)同處理關(guān)鍵技術(shù)開展的研究日漸受到業(yè)界關(guān)注，圍繞用電信息采集系統(tǒng)多業(yè)務(wù)高效協(xié)同處理關(guān)鍵技術(shù)開展研究具備較高的現(xiàn)實(shí)意義。

1 用電信息采集系統(tǒng)中的數(shù)據(jù)處理相關(guān)技術(shù)

前置通信服務(wù)管理平臺(tái)、業(yè)務(wù)應(yīng)用平臺(tái)、數(shù)據(jù)平臺(tái)屬于用電信息采集系統(tǒng)的具體構(gòu)成，而為了在這種構(gòu)成下實(shí)現(xiàn)業(yè)務(wù)高效處理，集群、批量數(shù)據(jù)處理等技術(shù)的支持必不可缺。

（1）集群技術(shù)。集群技術(shù)存在兩種運(yùn)行方式，分別為主/從方式、主/主方式，其中主/主方式的應(yīng)用最為廣泛，這是由于該方式在硬件資源利用方面具備明顯優(yōu)勢(shì)，主/主方式因此具備較高可用性。圍繞主/主方式構(gòu)成的模型進(jìn)行分析不難發(fā)現(xiàn)，模型中的每個(gè)節(jié)點(diǎn)容量均會(huì)被提前定義，節(jié)點(diǎn)故障時(shí)則能夠?qū)崿F(xiàn)節(jié)點(diǎn)任務(wù)的自動(dòng)暫時(shí)移交，雖然在此情況下部分節(jié)點(diǎn)性能會(huì)稍有降低，但用電信息采集系統(tǒng)的數(shù)據(jù)處理穩(wěn)定性卻能夠得到較好保障。值得注意的是，雖然主/從方式能夠通過設(shè)置備用節(jié)點(diǎn)避免故障時(shí)系統(tǒng)性能的下降，但由此導(dǎo)致的投資擴(kuò)大卻使得該運(yùn)行方式僅適用于故障狀態(tài)下性能要求較高的情況。

（2）批量數(shù)據(jù)處理技術(shù)。批量處理技術(shù)同樣屬于用電信息采集系統(tǒng)中常見的數(shù)據(jù)處理技術(shù)，該技術(shù)主要用于系統(tǒng)過于龐大數(shù)據(jù)的處理、入庫(kù)、查詢、分析等工作，而為了最大化發(fā)揮批量數(shù)據(jù)處理技術(shù)效用，數(shù)據(jù)庫(kù)優(yōu)化必須得到高度關(guān)注，這里的優(yōu)化主要包括表結(jié)構(gòu)優(yōu)化、數(shù)據(jù)表合理管理，前者主要負(fù)責(zé)各表間關(guān)聯(lián)關(guān)系的合理設(shè)置、數(shù)據(jù)表存儲(chǔ)量的合理控制（一般不超過2G），而后者則需要引入分區(qū)技術(shù)進(jìn)行物理意義上的數(shù)據(jù)分隔，由此即可實(shí)現(xiàn)快速查詢、磁盤I/O使用減少。

（3）并行計(jì)算技術(shù)。隨著采集終端的大量接入，并行計(jì)算技術(shù)開始廣泛應(yīng)用于用電信息采集系統(tǒng)領(lǐng)域，其中并行計(jì)算技術(shù)主要負(fù)責(zé)采集任務(wù)并行化處理，其計(jì)算流程可大致描繪為：“終端→終端接入→終端數(shù)據(jù)采集→終端數(shù)據(jù)轉(zhuǎn)發(fā)→負(fù)載均衡→并行處理集群→采集計(jì)算節(jié)點(diǎn)→規(guī)約適配→規(guī)約解析→指令封裝”，結(jié)合這一流程可直觀發(fā)現(xiàn)負(fù)載均衡策略在其中的應(yīng)用價(jià)值，圖1為負(fù)載均衡策略模型。結(jié)合圖1模型不難發(fā)現(xiàn)，節(jié)點(diǎn)不過載時(shí)一般選擇靜態(tài)均衡，具體的均衡策略選擇則需要結(jié)合實(shí)時(shí)監(jiān)測(cè)流量。

圖1 負(fù)載均衡策略模型

（4）網(wǎng)絡(luò)負(fù)載均衡技術(shù)。分布式數(shù)據(jù)庫(kù)存儲(chǔ)系統(tǒng)大量應(yīng)用于用電信息采集系統(tǒng)領(lǐng)域，而這種應(yīng)用便需要得到網(wǎng)絡(luò)負(fù)載均衡技術(shù)的支持，靜態(tài)均衡算法（I/O調(diào)度策略）、動(dòng)態(tài)均衡算法（負(fù)載調(diào)節(jié)措施）等則屬于網(wǎng)絡(luò)負(fù)載均衡技術(shù)的主要應(yīng)用形式。其中，靜態(tài)均衡算法具備原理簡(jiǎn)單、系統(tǒng)開銷較小優(yōu)點(diǎn)，但無(wú)法結(jié)合系統(tǒng)狀態(tài)改變均衡策略使得其應(yīng)用效果穩(wěn)定性較差，靜態(tài)均衡算法因此多用于負(fù)載特性相對(duì)穩(wěn)定系統(tǒng)；而動(dòng)態(tài)均衡算法則具備實(shí)時(shí)最優(yōu)調(diào)節(jié)能力且對(duì)系統(tǒng)負(fù)載情況具備較強(qiáng)依賴性，這使得其多用于負(fù)載波動(dòng)性大或異構(gòu)系統(tǒng)。

2 多業(yè)務(wù)高效協(xié)同處理及其關(guān)鍵技術(shù)

為提升研究的實(shí)踐價(jià)值，選擇了日負(fù)荷曲線作為電力負(fù)荷分類特性指標(biāo)，希望由此開展的不同類型用戶分離探索所涉及的多業(yè)務(wù)高效協(xié)同處理關(guān)鍵技術(shù)能夠?yàn)橄嚓P(guān)業(yè)內(nèi)人士帶來(lái)一定啟發(fā)。

（1）電力負(fù)荷特性分析。結(jié)合《電力工業(yè)生產(chǎn)統(tǒng)計(jì)指標(biāo)解釋》，即可了解電力負(fù)荷特性具體劃分與組成，基于行業(yè)用途可以將電力負(fù)荷劃分為工業(yè)負(fù)荷、農(nóng)業(yè)負(fù)荷、商業(yè)負(fù)荷、城鄉(xiāng)居民及其他負(fù)荷，其中工業(yè)負(fù)荷可進(jìn)一步細(xì)分為重工業(yè)負(fù)荷與輕工業(yè)負(fù)荷，而商業(yè)負(fù)荷則可以細(xì)分為賓館等負(fù)荷、寫字樓與大型商場(chǎng)等負(fù)荷。結(jié)合基于行業(yè)用途的電力負(fù)荷劃分不難發(fā)現(xiàn)，現(xiàn)階段電力負(fù)荷劃分標(biāo)準(zhǔn)較為粗糙，這種粗糙分類無(wú)法較好滿足用電信息采集系統(tǒng)的高質(zhì)量應(yīng)用需要。深入分析不難發(fā)現(xiàn)，現(xiàn)階段我國(guó)基于電力用戶性質(zhì)、營(yíng)銷業(yè)務(wù)需求情況將電力用戶分為六大類別，分別為大型專變用戶、中小型專變用戶、三相工商業(yè)用戶、單相工商業(yè)用戶、居民用戶、公用配變考核計(jì)量點(diǎn)，雖然該劃分較好，體現(xiàn)了不同客戶用電習(xí)慣，但海量采集數(shù)據(jù)出現(xiàn)對(duì)高精度數(shù)據(jù)分類提出的挑戰(zhàn)必須得到關(guān)注。

（2）k_means優(yōu)化算法。k_means屬于用電信息采集系統(tǒng)領(lǐng)域較為常見的聚類算法，該算法具備大數(shù)據(jù)處理效果較好、效率較高且具有可伸縮性的特點(diǎn)，但初始聚類中心的隨機(jī)選擇、聚類個(gè)數(shù)K需要提前設(shè)定屬于該算法存在的不足，因此本文基于密度法的初始中心點(diǎn)進(jìn)行了k_means算法的優(yōu)化，這一優(yōu)化需首先假定樣本數(shù)據(jù)集X，其中，由此定義相異度矩陣D、領(lǐng)域半徑MeanDist、核心點(diǎn)對(duì)象含有數(shù)據(jù)對(duì)象的最少數(shù)目MinPts，即可為k_means優(yōu)化算法的實(shí)現(xiàn)提供基礎(chǔ)支持，其中：

而密度參數(shù)的計(jì)算公式則為：

通過具體試驗(yàn)可以確定，基于密度法的k_means優(yōu)化算法免去初始聚類中心的隨機(jī)選擇，這就使得k_means優(yōu)化算法大大提高了聚類質(zhì)量與穩(wěn)定性，傳統(tǒng)k_means算法初始聚類中心隨機(jī)選擇對(duì)聚類結(jié)果造成的負(fù)面影響也由此得以順利消除。為實(shí)現(xiàn)更進(jìn)一步的k_means算法優(yōu)化，本文開展了BWP、DBI、距離代價(jià)函數(shù)、Silhouette、基于GSA的肘形判據(jù)等聚類有效指標(biāo)的特點(diǎn)分析，并選擇了合適的指標(biāo)函數(shù)作為聚類結(jié)果評(píng)價(jià)性指標(biāo)，而由此開展幾種評(píng)價(jià)指標(biāo)的簡(jiǎn)要分析，即可發(fā)現(xiàn)常用的評(píng)價(jià)性指標(biāo)為輪廓系數(shù)，而BWP、基于GSA的肘形判據(jù)指標(biāo)在應(yīng)用中均存在各具特色的表現(xiàn)，因此對(duì)三種指標(biāo)進(jìn)行了實(shí)驗(yàn)對(duì)比。具體實(shí)驗(yàn)中，以輪廓系數(shù)為聚類效果評(píng)價(jià)指標(biāo)的運(yùn)行總時(shí)間為8.9647s，而以BWP為聚類效果評(píng)價(jià)指標(biāo)的運(yùn)行總時(shí)間則為6.2814s，而基于GSA的肘形判據(jù)指標(biāo)運(yùn)行總時(shí)間為6.1617s。開展對(duì)比分析可以直觀發(fā)現(xiàn)，基于輪廓系數(shù)的聚類效果評(píng)價(jià)指標(biāo)、基于BWP的聚類效果評(píng)價(jià)指標(biāo)受到的初始聚類中心隨機(jī)性影響較大，由此引發(fā)的穩(wěn)定性問題將直接降低判斷準(zhǔn)確性，而基于GSA的肘形判據(jù)指標(biāo)卻不存在這類問題，因此肘形折角判據(jù)可較好服務(wù)于最佳聚類個(gè)數(shù)的確定。結(jié)合上述分析不難發(fā)現(xiàn)，k_means優(yōu)化算法的應(yīng)用流程可描述為：“開始→對(duì)象數(shù)據(jù)集→K=1→開展計(jì)算→K≥定值→gap＞gap（2）-sd（2）→Kopt=1”，而通過這一系列流程，即可保證k_means優(yōu)化算法具備聚類結(jié)果準(zhǔn)確、質(zhì)量高、無(wú)偏差等優(yōu)勢(shì)。

（3）電力負(fù)荷曲線聚類。對(duì)于本文研究的用戶日負(fù)荷特性研究對(duì)象來(lái)說(shuō)，受各類干擾因素影響、數(shù)據(jù)量較大屬于其主要特點(diǎn)，用戶日負(fù)荷特性因此天然具備較高分析難度，而這便需要應(yīng)用降維技術(shù)，由此通過較低維度數(shù)據(jù)向量表示用戶日負(fù)荷曲線，即可保證用電信息采集系統(tǒng)更高質(zhì)量運(yùn)行。具體來(lái)說(shuō)，需采用主成分分析法進(jìn)行用戶電力負(fù)荷曲線聚類，這里的主成分分析法是一種典型的多元統(tǒng)計(jì)分析方法，將原數(shù)據(jù)樣本的高維度信息轉(zhuǎn)換為一組新的互不相關(guān)的低維指標(biāo)進(jìn)行表示屬于該方法的特點(diǎn)，而這正是主成分分析法能夠較好挖掘數(shù)據(jù)對(duì)象信息間潛在影響和關(guān)聯(lián)的原因所在，而結(jié)合上文提及的k_means優(yōu)化算法，即可保證改進(jìn)算法更好服務(wù)于海量電力負(fù)荷的更高質(zhì)量、更高效率聚類，隨著我國(guó)電力用戶及采集終端的不斷增加、新型業(yè)務(wù)的不斷出現(xiàn)，本文提及的用電信息采集系統(tǒng)多業(yè)務(wù)高效協(xié)同處理關(guān)鍵技術(shù)將有廣闊的應(yīng)用前景。

3 結(jié)語(yǔ)

綜上所述，用電信息采集系統(tǒng)多業(yè)務(wù)高效協(xié)同處理關(guān)鍵技術(shù)具備廣闊應(yīng)用前景，本文提及的電力負(fù)荷特性分析、k_means優(yōu)化算法、電力負(fù)荷曲線聚類等內(nèi)容，提供了可行性較高的技術(shù)探索路徑建議，而為了推動(dòng)我國(guó)電力事業(yè)的進(jìn)一步發(fā)展，業(yè)界還應(yīng)圍繞管理策略、云計(jì)算技術(shù)、系統(tǒng)功能擴(kuò)展開展更深入研究。