基于邊緣計算的低壓配電網(wǎng)多源數(shù)據(jù)融合處理研究

洪可祎

（黑龍江工商學(xué)院，黑龍江 哈爾濱 150000）

0 引 言

在傳統(tǒng)低壓配電網(wǎng)數(shù)據(jù)處理過程中，多源數(shù)據(jù)融合技術(shù)常被用來綜合分析數(shù)據(jù)狀態(tài)和形成原因，并實(shí)現(xiàn)系統(tǒng)對數(shù)據(jù)的實(shí)時監(jiān)控[1]。作為一種良好的數(shù)據(jù)處理和管理技術(shù)，多源數(shù)據(jù)處理和融合技術(shù)在一定程度上能夠保證系統(tǒng)的安全運(yùn)行。傳統(tǒng)多源數(shù)據(jù)處理和融合步驟煩瑣，且存在難以多路徑收集數(shù)據(jù)和難以保證數(shù)據(jù)集中處理結(jié)果的準(zhǔn)確度等問題，不能滿足系統(tǒng)可持續(xù)發(fā)展的要求[2]。因此本文提出將邊緣計算方法融入到多源數(shù)據(jù)融合處理過程中，強(qiáng)化系統(tǒng)收集能力并提高系統(tǒng)的可操性，使其在免受外界干擾的同時實(shí)現(xiàn)自身防護(hù)性能的提升[3]。

該技術(shù)首先在獲取數(shù)據(jù)源信息時采用數(shù)據(jù)匹配的方式對源信息進(jìn)行集中匹配，并在此基礎(chǔ)上完成數(shù)據(jù)的預(yù)處理，其次通過加大數(shù)據(jù)的監(jiān)控和分析力度對數(shù)據(jù)進(jìn)行集中管理，以此來完成數(shù)據(jù)的多源融合處理，最后通過劃分不同的數(shù)據(jù)融合處理結(jié)果來記錄系統(tǒng)狀態(tài)，保證獲取到可供參考的系統(tǒng)運(yùn)行參數(shù)。與傳統(tǒng)低壓配電網(wǎng)數(shù)據(jù)處理相比，本次提出的結(jié)合邊緣計算方法的低壓配電網(wǎng)多源數(shù)據(jù)融合處理方式能夠有效提升系統(tǒng)性能，具有廣闊的發(fā)展前景。

1 低壓配電網(wǎng)多源數(shù)據(jù)收集

數(shù)據(jù)收集是實(shí)現(xiàn)數(shù)據(jù)融合處理的前提，為實(shí)現(xiàn)低壓配電網(wǎng)多源數(shù)據(jù)的融合處理，必須保證多源數(shù)據(jù)收集的準(zhǔn)確性[4]。將用戶地址預(yù)處理為符合系統(tǒng)需要的文本參數(shù)，并將其作為初始數(shù)據(jù)進(jìn)行輸入和存儲操作，基于此對數(shù)據(jù)進(jìn)行類別劃分，實(shí)現(xiàn)相應(yīng)數(shù)據(jù)的排列，從而獲得需要的結(jié)果。此外，為保證數(shù)據(jù)的完整，中心管理系統(tǒng)需要對結(jié)果函數(shù)進(jìn)行應(yīng)用和處理。數(shù)據(jù)監(jiān)測流程如圖1所示。

圖1 數(shù)據(jù)監(jiān)測流程圖

在構(gòu)建數(shù)據(jù)收集模型時，為提升系統(tǒng)的多源數(shù)據(jù)收集性能，需要根據(jù)數(shù)據(jù)固有的特性，利用機(jī)器學(xué)習(xí)的方式有效劃分?jǐn)?shù)據(jù)，即對相同類別的數(shù)據(jù)進(jìn)行分組[5]。在此基礎(chǔ)上分析數(shù)據(jù)的內(nèi)在規(guī)律和特征，通過對數(shù)據(jù)集進(jìn)行合理分類和排序，選取出符合系統(tǒng)需要的數(shù)據(jù)。數(shù)據(jù)排序如圖2所示。

圖2 數(shù)據(jù)排序圖

數(shù)據(jù)分類和排列是數(shù)據(jù)特征識別的基礎(chǔ)。在對數(shù)據(jù)進(jìn)行合理排序后，通過對數(shù)據(jù)特征進(jìn)行有效識別可以完成對所需參數(shù)的獲取和記錄，通過選定的固定追蹤函數(shù)可以保證數(shù)據(jù)在收集過程中免受外界的干擾，此外通過對參數(shù)結(jié)果的科學(xué)分析，可以實(shí)現(xiàn)對低壓配電網(wǎng)多源數(shù)據(jù)的初步收集。

2 低壓配電網(wǎng)多源數(shù)據(jù)預(yù)處理

完成數(shù)據(jù)收集后，通過預(yù)處理再次過濾已經(jīng)初步分類和過濾的數(shù)據(jù)，剔除干擾數(shù)據(jù)，并在此基礎(chǔ)上對數(shù)據(jù)進(jìn)行匹配，匹配過程如圖3所示。

圖3 數(shù)據(jù)匹配圖

可以通過數(shù)據(jù)匹配的方式對數(shù)據(jù)進(jìn)行重組[6]。測量樣本數(shù)據(jù)時應(yīng)選取數(shù)據(jù)集中的區(qū)域，保證更容易獲取到系統(tǒng)需要的數(shù)據(jù)，以便完成對異常數(shù)據(jù)的管理工作。在發(fā)現(xiàn)異常數(shù)據(jù)時，應(yīng)能夠及時提示并對異常數(shù)據(jù)進(jìn)行處理，穩(wěn)定系統(tǒng)的運(yùn)行。在此基礎(chǔ)上建立合理的驗證模型，在分析數(shù)據(jù)需求的同時驗證數(shù)據(jù)匹配和處理的正確性。數(shù)據(jù)解析如圖4所示。

圖4 數(shù)據(jù)解析圖

系統(tǒng)內(nèi)部設(shè)置有對數(shù)據(jù)進(jìn)行順序排除的裝置，通過便捷的操作便可以在短時間內(nèi)完成數(shù)據(jù)的順序排除，精確控制數(shù)據(jù)的誤差值，使其保持在合理范圍[7]。將誤差偏離值較小的數(shù)據(jù)進(jìn)行特定存儲，并對數(shù)據(jù)的損耗關(guān)聯(lián)性進(jìn)行監(jiān)督，如果最終獲得的數(shù)據(jù)不符合系統(tǒng)標(biāo)準(zhǔn)，則必須對數(shù)據(jù)進(jìn)行再次過濾，保證最終獲得的數(shù)據(jù)符合系統(tǒng)需要，以此完成數(shù)據(jù)的預(yù)處理工作。

3 低壓配電網(wǎng)多源數(shù)據(jù)處理與融合

在完成多源數(shù)據(jù)預(yù)處理后應(yīng)采用合理的手段對數(shù)據(jù)進(jìn)行最終融合處理，通過數(shù)據(jù)傳感器將數(shù)據(jù)的特征用函數(shù)的形式進(jìn)行表示，比較數(shù)據(jù)的特征和檢查數(shù)據(jù)特征之間的關(guān)聯(lián)，最后完成數(shù)據(jù)特征向系統(tǒng)所需參數(shù)的轉(zhuǎn)換。數(shù)據(jù)轉(zhuǎn)換過程如圖5所示。

圖5 數(shù)據(jù)轉(zhuǎn)換圖

在對系統(tǒng)進(jìn)行操作時，應(yīng)篩選和檢測電網(wǎng)信號，并正確設(shè)置相應(yīng)的操作函數(shù)。利用相應(yīng)的操作函數(shù)有效獲取電網(wǎng)信號，通過A/D轉(zhuǎn)換獲得數(shù)字信號[8]。對獲得的數(shù)字信號源信息進(jìn)行預(yù)處理，過濾其中的噪聲，降低噪聲對數(shù)據(jù)融合處理的影響[9]。數(shù)據(jù)過濾過程如圖6所示。

圖6 數(shù)據(jù)過濾流程

利用智能算法對預(yù)處理后的數(shù)據(jù)信息進(jìn)行特征提取，通過一系列監(jiān)控裝置檢測數(shù)據(jù)狀況，采用合適的算法將數(shù)據(jù)特征值進(jìn)行融合，得到系統(tǒng)需要的信號數(shù)據(jù)集，同時采用較為先進(jìn)的數(shù)據(jù)融合算法優(yōu)化信號數(shù)據(jù)集，從而得到最終的融合信息[10]。

4 實(shí)驗研究

4.1 實(shí)驗?zāi)康?/h3>

通過對比傳統(tǒng)低壓配電網(wǎng)數(shù)據(jù)處理和融合技術(shù)，檢測本文提出的與邊緣計算相結(jié)合的低壓配電網(wǎng)多源數(shù)據(jù)融合處理技術(shù)的數(shù)據(jù)處理效果。

4.2 實(shí)驗參數(shù)

實(shí)驗的數(shù)據(jù)模型為驗證模型，數(shù)據(jù)操作模式為數(shù)據(jù)操作模式，文本數(shù)據(jù)為用戶地址數(shù)據(jù)，操作系統(tǒng)為Windows XP，參數(shù)設(shè)置如表1所示。

表1 實(shí)驗參數(shù)

4.3 實(shí)驗結(jié)果分析

實(shí)驗結(jié)果從數(shù)據(jù)的處理準(zhǔn)確率、融合耗時及融合準(zhǔn)確率3個方面展開。

4.3.1 數(shù)據(jù)處理準(zhǔn)確率

本文提出的數(shù)據(jù)融合處理方法和傳統(tǒng)方法在準(zhǔn)確率上的對比結(jié)果如圖7所示。

圖7 不同方法數(shù)據(jù)處理準(zhǔn)確率對比

由圖7可知，本文提出的低壓配電網(wǎng)數(shù)據(jù)融合處理方法的準(zhǔn)確度明顯高于傳統(tǒng)方法。本文方法準(zhǔn)確度最高可達(dá)98%，而傳統(tǒng)方法最高只能達(dá)到80%。造成這種差距的原因是本文方法對數(shù)據(jù)進(jìn)行了集中收集和預(yù)處理，通過實(shí)時監(jiān)控能夠把握好數(shù)據(jù)的狀態(tài)和特征。

4.3.2 融合耗時

傳統(tǒng)方法和本文方法在融合耗時上的對比如表2所示。

表2 不同方法數(shù)據(jù)融合耗時分析

通過表2可以明顯看出本文方法的融合耗時比傳統(tǒng)方法少。例如，在樣本數(shù)據(jù)為100時，傳統(tǒng)方法的耗時為5.2 s，而本文提出的方法則為2.5 s。

4.3.3 數(shù)據(jù)融合準(zhǔn)確率

本文提出的方法和傳統(tǒng)方法在數(shù)據(jù)融合準(zhǔn)確率上的對比如圖8所示。

圖8 不同方法數(shù)據(jù)融合準(zhǔn)確率對比

通過圖8可以看出本文方法的融合準(zhǔn)確率明顯高于傳統(tǒng)方法。例如，當(dāng)樣本數(shù)量為50時，本文方法的融合準(zhǔn)確率超過90%，而傳統(tǒng)方法的準(zhǔn)確率卻為50%左右。造成這種差距的原因是本文方法對所采集的數(shù)據(jù)進(jìn)行了進(jìn)一步的預(yù)處理，在降低更多干擾因素的同時提升了數(shù)據(jù)在系統(tǒng)之間的流轉(zhuǎn)性能。

4 結(jié) 論

本文主要從3個方面對提出的低壓配電網(wǎng)多源數(shù)據(jù)處理和融合過程進(jìn)行了闡述，一是數(shù)據(jù)的收集；二是數(shù)據(jù)的預(yù)處理；三是數(shù)據(jù)的最終處理和融合。與傳統(tǒng)方法相比，本文提出的方法能夠提升系統(tǒng)的信息收集、數(shù)據(jù)過濾以及數(shù)據(jù)分類處理等性能。在數(shù)據(jù)的處理速度、數(shù)據(jù)融合的速度還是在數(shù)據(jù)融合的準(zhǔn)確率上，本文提出的低壓配電網(wǎng)數(shù)據(jù)融合處理方法都具有顯著的優(yōu)勢，應(yīng)用效果較好。