洪可祎
(黑龍江工商學(xué)院,黑龍江 哈爾濱 150000)
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。
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。
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。
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]。
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。
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)
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。
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。