基于分布式多層架構(gòu)的計(jì)量生產(chǎn)管理平臺設(shè)計(jì)與研究

歐振國， 張永旺， 劉海斌， 舒曄， 黃博偉， 彭強(qiáng)

(廣東電網(wǎng)有限責(zé)任公司, 計(jì)量中心, 廣東, 廣州 510000)

0 引言

電能計(jì)量是各個(gè)生產(chǎn)部門、企業(yè)用戶、商業(yè)、個(gè)體等各個(gè)環(huán)節(jié)的必需工作，也是發(fā)電部門、供電部門和用電部門之間實(shí)現(xiàn)電能傳遞的重要途徑。通過電能表實(shí)現(xiàn)電能計(jì)量的歷史已經(jīng)很久，由于用電用戶較多，電能表計(jì)量留駐在千家萬戶，用電信息采集量很大，在對各種計(jì)量數(shù)據(jù)信息進(jìn)行管理時(shí)，計(jì)量生產(chǎn)管理平臺等信息系統(tǒng)躍入人們的視線[1]。計(jì)量中心生產(chǎn)調(diào)度平臺在電能表計(jì)量狀態(tài)檢驗(yàn)以及數(shù)據(jù)管理方面具有重要的作用。

現(xiàn)有技術(shù)中使用的電能表計(jì)量生產(chǎn)管理平臺存在諸多缺點(diǎn)。

(1)平臺結(jié)構(gòu)簡單，數(shù)據(jù)庫管理不完善，在面對檢測規(guī)模巨大、檢測作業(yè)量較大的情況下，難以實(shí)現(xiàn)數(shù)據(jù)的統(tǒng)一調(diào)度，工作效率低下。

(2)數(shù)據(jù)計(jì)算量大，對數(shù)據(jù)分類、計(jì)算能力以及獲取信息的能力很差，調(diào)度時(shí)間信息發(fā)布和獲取時(shí)間長，造成生產(chǎn)滯后。

(3)自動(dòng)化程度差，大量計(jì)量數(shù)據(jù)管理，仍離不開人工勞動(dòng)，整體運(yùn)行步幅遲緩，整體效率不高。

由于計(jì)量生產(chǎn)管理平臺大部分在省級計(jì)量中心應(yīng)用，因此需要設(shè)計(jì)出新型的計(jì)量生產(chǎn)管理平臺[2]。

1 多層架構(gòu)平臺設(shè)計(jì)

研究基于多層架構(gòu)的管理模式實(shí)現(xiàn)計(jì)量生產(chǎn)管理平臺的智能化、自動(dòng)化管理[3]，架構(gòu)示意圖如圖1所示。

數(shù)據(jù)層設(shè)置容納多種數(shù)據(jù)類型的數(shù)據(jù)庫信息，比如計(jì)量設(shè)備運(yùn)行參數(shù)信息管理數(shù)據(jù)庫、生產(chǎn)運(yùn)行數(shù)據(jù)信息管理數(shù)據(jù)庫、計(jì)量檢測數(shù)據(jù)管理庫、故障數(shù)據(jù)管理數(shù)據(jù)庫等，這些數(shù)據(jù)庫能夠包含計(jì)量設(shè)備全生命周期等一系列管理數(shù)據(jù)。研究的計(jì)量生產(chǎn)管理囊括范圍不局限于電能表，還涉及不同型號的專變終端、單相電能表檢定裝置、三相電能表檢定裝置、便攜式計(jì)量檢定該裝置或者公用配變考核設(shè)備等，上述計(jì)量設(shè)備在全生命周期過程的數(shù)據(jù)信息是一個(gè)龐大的數(shù)據(jù)系統(tǒng)，常見的數(shù)據(jù)庫管理軟件有SYBASE、duDB、Oracle、MySQL、ACCESS、Visual Foxpro、MS SQL Server、Informix、PostgreSQL等，在本研究的計(jì)量生產(chǎn)管理平臺設(shè)計(jì)中，采用MySQL數(shù)據(jù)庫[4]。

在訪問層中設(shè)置有應(yīng)用接口、數(shù)據(jù)流、數(shù)據(jù)接口、通信接口以及各種訪問權(quán)限設(shè)置等，通過訪問層，用戶能夠獲取數(shù)據(jù)層中的各種數(shù)據(jù)信息，并與外界實(shí)現(xiàn)信息通信。其中通信接口可以為RS485通信接口、RS232通信接口、紅外通信接口、載波通信接口、TCP/IP通信接口、ZigBee無線通信接口、GPRS通信接口、CDMA無線通信或藍(lán)牙通信接口等[5]。通過這種多模式通信方式設(shè)置，能夠?qū)崿F(xiàn)多設(shè)備的通信。

在計(jì)算層中設(shè)置計(jì)算單元，由于數(shù)據(jù)層存在大量不同類型的數(shù)據(jù)，在尋找、應(yīng)用和數(shù)據(jù)管理時(shí)，常規(guī)人工方式顯然已經(jīng)滿足不了當(dāng)前需要。在本研究的計(jì)量生產(chǎn)管理平臺中，在計(jì)算單元中融入了數(shù)據(jù)挖掘算法，進(jìn)而實(shí)現(xiàn)電能計(jì)量數(shù)據(jù)的多種處理和應(yīng)用。數(shù)據(jù)挖掘算法更進(jìn)一步地包含諸如Apriori算法、關(guān)聯(lián)算法、回歸分析、聚類算法、調(diào)度樹算法、貝葉斯算法、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等[6]的多種算法，通過不同的算法能夠?qū)崿F(xiàn)不同的數(shù)據(jù)計(jì)算和處理功能，研究針對分類算法和AdaBoost算法故障診斷算法進(jìn)行說明。

2 關(guān)鍵技術(shù)研究

2.1 數(shù)據(jù)管理平臺設(shè)計(jì)

計(jì)量生產(chǎn)管理平臺包括計(jì)量客戶服務(wù)層、計(jì)量業(yè)務(wù)處理層、計(jì)量工作質(zhì)量監(jiān)控層和計(jì)量調(diào)度層，如圖2所示。計(jì)量客戶服務(wù)層主要實(shí)現(xiàn)與用戶以及客戶進(jìn)行信息互通，可以在其內(nèi)設(shè)置呼叫裝置、觸摸查詢裝置、通信設(shè)備、電子通信裝置、客戶服務(wù)管理系統(tǒng)等，以便實(shí)現(xiàn)與調(diào)度用戶的信息溝通。在計(jì)量業(yè)務(wù)處理層中，通過設(shè)置業(yè)擴(kuò)報(bào)裝子系統(tǒng)、對電能計(jì)量進(jìn)行統(tǒng)一管理的計(jì)量子系統(tǒng)、對電能進(jìn)行計(jì)費(fèi)計(jì)算的收費(fèi)或者計(jì)費(fèi)系統(tǒng)、對用電信息進(jìn)行電費(fèi)管理的子系統(tǒng)、對用戶用電進(jìn)行監(jiān)控的用電監(jiān)查子系統(tǒng)、對市場供求側(cè)進(jìn)行管理和調(diào)度的市場與需求側(cè)子系統(tǒng)、對線纜運(yùn)行和線損耗進(jìn)行管理的線損管理子系統(tǒng)、對配電信息進(jìn)行配電管理的配電GIS管理子系統(tǒng)、對獲取的用電數(shù)據(jù)信息進(jìn)行總結(jié)的報(bào)表匯總子系統(tǒng)和系統(tǒng)管理子系統(tǒng)等模塊進(jìn)而實(shí)現(xiàn)不同數(shù)據(jù)類型的處理[7]。在計(jì)量工作質(zhì)量監(jiān)控層中，其內(nèi)至少設(shè)置有工作質(zhì)量管理子系統(tǒng)，用于實(shí)現(xiàn)工作流程控制、業(yè)務(wù)稽查、統(tǒng)計(jì)報(bào)表、綜合查詢和工作評估，所述工作質(zhì)量管理子系統(tǒng)至少包括采購管理模塊、生產(chǎn)管理模塊、工藝管理模塊和質(zhì)量報(bào)表管理模塊。在計(jì)量調(diào)度層中，其內(nèi)至少設(shè)置有綜合調(diào)度子系統(tǒng)，用于經(jīng)營業(yè)績分析、管理業(yè)績分析、策略效益分析、客戶動(dòng)態(tài)分析和市場策劃，所述綜合調(diào)度子系統(tǒng)至少包括對用電信息進(jìn)行數(shù)據(jù)存儲、分析和管理的計(jì)算模塊、對已獲取的電力信息進(jìn)行數(shù)據(jù)查重的數(shù)據(jù)查詢模塊、對電能計(jì)量進(jìn)行策劃的方案策劃模塊、根據(jù)計(jì)算出的結(jié)果進(jìn)行方案執(zhí)行的方案執(zhí)行模塊和對電力數(shù)據(jù)信息進(jìn)行調(diào)度的信息管理模塊[8]。

圖2 計(jì)量生產(chǎn)管理平臺示意圖

2.2 大數(shù)據(jù)處理算法

2.2.1 大數(shù)據(jù)分類算法

以KNN算法為例，對電能計(jì)量生產(chǎn)調(diào)度平臺中數(shù)據(jù)庫的數(shù)據(jù)進(jìn)行分類，該算法在應(yīng)用過程中，首先要輸入數(shù)據(jù)信息，將輸入的數(shù)據(jù)信息與數(shù)據(jù)庫中設(shè)置的標(biāo)準(zhǔn)數(shù)據(jù)信息進(jìn)行比較，搜索與標(biāo)準(zhǔn)數(shù)據(jù)庫中相對比較類似的前k個(gè)數(shù)據(jù)，根據(jù)距離關(guān)系的遠(yuǎn)近，將其分類。具體步驟如下。

(1)將待測數(shù)據(jù)信息的樣本信息與設(shè)置好的標(biāo)準(zhǔn)數(shù)據(jù)信息之間進(jìn)行比對，利用的距離公式為

(1)

式中，xk和yk分別為數(shù)據(jù)集合中的2個(gè)不同的點(diǎn)，n為數(shù)據(jù)的維數(shù)。

(2)按照距離的遞增關(guān)系進(jìn)行排序。

(3)選取距離最小的k個(gè)訓(xùn)練集數(shù)據(jù)，確定前k個(gè)點(diǎn)所在類別的出現(xiàn)頻率。

(4)聚類分析，將抽出的數(shù)據(jù)樣本進(jìn)行聚類，得出k個(gè)聚類個(gè)數(shù)，分別為C1,C2,…,Ck；然后輸出k個(gè)子簇；將k個(gè)子簇分為小子簇，選取距離中心，抽樣數(shù)據(jù)中的不同點(diǎn)到所選取距離中心點(diǎn)的距離集合記作d={d1,d1,…,dn}。

(5)根據(jù)距離中心點(diǎn)的遠(yuǎn)近進(jìn)行分類，其中將

(2)

中的比例的倒數(shù)

(3)

作為距離權(quán)值，其中k個(gè)值中的類別T的

(4)

個(gè)數(shù)分別為C1,C2,…,Ck，計(jì)算加權(quán)后的個(gè)數(shù)中最大的值作為樣本數(shù)據(jù)的預(yù)測類別，通過這種方式實(shí)現(xiàn)數(shù)據(jù)的分類。

其中，k大于2，可根據(jù)用戶需要進(jìn)行設(shè)置，k值設(shè)置不宜過大，也不宜過小。如果k太小，則會降低分類精度[9]；如果k太大，則會增加噪聲，降低分類效果。

在進(jìn)行距離計(jì)算時(shí)，還可以采用曼哈頓距離、歐氏距離和閔可夫斯基距離。其采用的計(jì)算式為

(5)

式中，當(dāng)p=1時(shí)，稱為曼哈頓距離(Manhattan distance)，當(dāng)p=2時(shí)，稱為歐氏距離(Euclidean distance)；當(dāng)p趨向于∞時(shí)，式(5)稱為閔可夫斯基距離。

2.2.2 AdaBoost故障診斷算法

為了計(jì)算方便，下面分步驟進(jìn)行說明。首先構(gòu)建AdaBoost算法模型，然后利用該模型進(jìn)行電能表計(jì)量數(shù)據(jù)故障診斷，具體分為以下幾個(gè)步驟。

(1)獲取訓(xùn)練樣本，訓(xùn)練弱分類器，通過訓(xùn)練多個(gè)弱分類器，訓(xùn)練強(qiáng)分類器，表示為

D1(w11,w12,…,w1N)

(6)

其中，

(7)

(2)迭代計(jì)算。計(jì)算出不同弱分類器分類的誤差，所計(jì)算出的誤差等于各個(gè)不同電力營銷大數(shù)據(jù)樣本的權(quán)重和，算法迭代的次數(shù)小于弱分類器的個(gè)數(shù)。

(3)迭代誤差計(jì)算[10]。迭代誤差Gm(x)在訓(xùn)練集上的誤差率計(jì)算式為

(8)

(4)歸一化處理。獲取最優(yōu)分類器之后，進(jìn)一步地計(jì)算所選取的分類器的權(quán)重，接著再更新各個(gè)不同樣本的權(quán)重，再進(jìn)行歸一化處理，然后計(jì)算Gm(x)的系數(shù)，am代表Gm(x)在訓(xùn)練后的最終分類器中的關(guān)鍵程度，表示為

(9)

式中，em≤1/2時(shí)，am≥0。通過式(9)可看出，am與em成反比例關(guān)系，即誤差率越小，分類器在最終分類器中起到的作用越大。

(5)迭代判斷。判斷迭代次數(shù)是否等于閾值：如果與閾值相等，則完成迭代計(jì)算，最后的分類器則由迭代過程中所選擇的弱分類器經(jīng)過線性加權(quán)得到的；如果迭代次數(shù)不等于閾值，則重新進(jìn)行迭代計(jì)算。

這樣就構(gòu)建出了AdaBoost算法模型，然后，再計(jì)算每個(gè)樣本的相對誤差。當(dāng)選擇的電能表計(jì)量數(shù)據(jù)是線性誤差時(shí)，則利用式(10)：

(10)

如果選擇的電能表計(jì)量數(shù)據(jù)是平方誤差時(shí)，則利用式(11)：

(11)

如果選擇的電能表計(jì)量數(shù)據(jù)是指數(shù)誤差時(shí)，則利用式(12)：

(12)

然后，再計(jì)算回歸誤差率:

(13)

通過上述算法模型能夠?qū)崿F(xiàn)數(shù)據(jù)的故障診斷，有利于用戶及時(shí)發(fā)現(xiàn)故障并排除故障。

3 試驗(yàn)結(jié)果及分析

3.1 硬件條件及實(shí)現(xiàn)目的

在試驗(yàn)時(shí)，試驗(yàn)硬件條件為Pentium(R)，其中CPU為8 G內(nèi)存，硬盤容量為160 G，軟件環(huán)境為WinXP+sp2或者Win2003+sp1，數(shù)據(jù)仿真界面為MATLAB界面。然后根據(jù)樣本類型選擇數(shù)據(jù)樣本進(jìn)行試驗(yàn)。試驗(yàn)?zāi)康氖菍⑽闹醒芯糠桨概c文獻(xiàn)[5]、文獻(xiàn)[6]以及常規(guī)技術(shù)進(jìn)行對比分析，以顯示文中研究技術(shù)的優(yōu)越性。

3.2 系統(tǒng)對比

下面以電能表計(jì)量裝置為例，以文獻(xiàn)[5]和文獻(xiàn)[6]方法作為實(shí)驗(yàn)對比對象，通過平臺整體數(shù)據(jù)接收的反應(yīng)能力來衡量不同平臺的工作效率，為了提高測量精度，分別測試10次，據(jù)此得到3種方法進(jìn)行10次測試的耗時(shí)對比結(jié)果，如圖3所示。

圖3 檢測耗時(shí)對比示意圖

在圖3中，文獻(xiàn)[5]方法在10次檢測實(shí)驗(yàn)中的總耗時(shí)為103 s，文獻(xiàn)[6]方法在10次檢測實(shí)驗(yàn)中的總耗時(shí)為97 s，而文中研究的技術(shù)方案總耗時(shí)為49 s，約為2種對比方法的一半。因此，文中研究的方法大大提高了數(shù)據(jù)傳遞和處理速度，從而提升了計(jì)量生產(chǎn)管理平臺的工作效率。

3.3 算法驗(yàn)證

在對具有算法的計(jì)量生產(chǎn)管理平臺進(jìn)行驗(yàn)證時(shí)，將未采用算法的計(jì)量生產(chǎn)管理平臺作為對比對象，同時(shí)也觀察文獻(xiàn)[5]、文獻(xiàn)[6]處理數(shù)據(jù)的能力。測試時(shí)間為10 min，所處理的數(shù)據(jù)類型分別為相同的100萬種電能計(jì)量數(shù)據(jù)類型，在處理數(shù)據(jù)完成性上來看，得出如圖4所示的對比曲線圖。

圖4 3種不同方法的對比曲線圖

通過圖4可以看出，在10 min內(nèi)，常規(guī)方法處理數(shù)據(jù)的能力極其落后，文獻(xiàn)[5]和文獻(xiàn)[6]雖然利用了算法，但是效果不夠好，文中研究的方法不到1 min的時(shí)間內(nèi)就完成了所有數(shù)據(jù)的處理，因此，通過人工智能的大數(shù)據(jù)算法有效地實(shí)現(xiàn)了數(shù)據(jù)處理。

下面在對數(shù)據(jù)處理的誤差程度進(jìn)行對比。在上述10 min的數(shù)據(jù)處理過程中，觀察數(shù)據(jù)處理誤差，其中誤差的計(jì)算式為

(14)

通過這種方式，得出如圖5所示的誤差曲線圖。

圖5 誤差曲線對比示意圖

通過圖5可以看出，通過10 min的持續(xù)測試，發(fā)現(xiàn)設(shè)置文中研究算法的平臺處理數(shù)據(jù)的誤差低于2%，相對于文獻(xiàn)[5]、文獻(xiàn)[6]和未融合任何算法的常規(guī)計(jì)量生產(chǎn)管理平臺的誤差曲線隨著測試時(shí)間的延長，逐步增大，因此，融入文中算法誤差較低，數(shù)據(jù)處理能力較強(qiáng)。

4 總結(jié)

文中研究通過構(gòu)建分布式多層架構(gòu)的計(jì)量生產(chǎn)管理平臺，將平臺劃分為數(shù)據(jù)層、訪問層、計(jì)算層和應(yīng)用層等層次，在不同層次之間實(shí)現(xiàn)互助配合，實(shí)現(xiàn)電能計(jì)量的多功能處理，并在計(jì)量生產(chǎn)管理平臺中融入大數(shù)據(jù)處理算法實(shí)現(xiàn)多種數(shù)據(jù)的分類、故障診斷等多種處理。通過試驗(yàn)，文中研究比常規(guī)技術(shù)具有突出的技術(shù)進(jìn)步性，但是仍舊存在一些問題，比如數(shù)據(jù)傳遞、多數(shù)據(jù)共享時(shí)存在的干擾等，這需要進(jìn)一步的探討與研究，為下一步對計(jì)量生產(chǎn)管理平臺的研究奠定技術(shù)基礎(chǔ)。