基于用戶綜合用能信息的用能行為異常識(shí)別系統(tǒng)設(shè)計(jì)

王宏剛，王一蓉，趙曉龍

(國(guó)家電網(wǎng)有限公司大數(shù)據(jù)中心，北京 100000)

0 引言

據(jù)統(tǒng)計(jì)調(diào)查數(shù)據(jù)顯示，我國(guó)能源的總體利用率在32%左右。為實(shí)現(xiàn)節(jié)能減排，我國(guó)加大了能源設(shè)施建設(shè)，更加關(guān)注能效評(píng)價(jià)指標(biāo)和用能效率[1]。用戶側(cè)分布式能源結(jié)構(gòu)是我國(guó)能源體系的重要組成部分。用戶能源包括電負(fù)荷、熱負(fù)荷、冷負(fù)荷、燃?xì)夂腿加拓?fù)荷。用戶能源結(jié)構(gòu)和用能角色發(fā)生了很大的變化。因此，如何降低用能費(fèi)用、提高用戶用能的合理性是當(dāng)前研究的關(guān)鍵[2-3]。

在當(dāng)前用戶用能信息管理研究中，文獻(xiàn)[4]方法設(shè)計(jì)了家庭用能信息管理系統(tǒng)，采集用戶用電設(shè)備的電能數(shù)據(jù)，并加入了優(yōu)化調(diào)度算法，基于實(shí)際用電情況規(guī)劃合適的用電方案，幫助用戶節(jié)能并提高用能效率。文獻(xiàn)[5]系統(tǒng)使用了可編程邏輯控制器，集成了交流電源插座、控制模塊和數(shù)據(jù)處理平臺(tái)，在監(jiān)測(cè)用戶的用能信息的同時(shí)，對(duì)用戶電力設(shè)備進(jìn)行控制。文獻(xiàn)[6]系統(tǒng)通過采集不同設(shè)備相應(yīng)的各類能源數(shù)據(jù)和參數(shù)，自動(dòng)生成事件記錄報(bào)告并發(fā)送到系統(tǒng)主站，并根據(jù)當(dāng)前用戶側(cè)能源需求進(jìn)行優(yōu)化配置。新的用戶用能管理業(yè)務(wù)不斷涌現(xiàn)，對(duì)系統(tǒng)用能信息的交互提出更高的要求。由于用戶側(cè)的用電設(shè)備存在多種型號(hào)和種類，與系統(tǒng)之間交互存在障礙，用能信息難以互通互聯(lián)。

基于上述技術(shù)的不足，本文設(shè)計(jì)了1種用戶綜合用能信息管理與異常識(shí)別系統(tǒng)。該系統(tǒng)通過構(gòu)建1套整體系統(tǒng)架構(gòu)，進(jìn)而實(shí)現(xiàn)采集時(shí)間間隔、采集精度和數(shù)據(jù)大小等關(guān)鍵參數(shù)的設(shè)置與計(jì)算；通過構(gòu)建電能異常識(shí)別報(bào)警模塊，監(jiān)測(cè)用戶的用能數(shù)據(jù)異常情況；通過改進(jìn)型Apriori算法模型，實(shí)現(xiàn)用戶能耗模式關(guān)聯(lián)和數(shù)據(jù)分析。

1 用戶綜合用能信息管理與異常識(shí)別系統(tǒng)

本文設(shè)計(jì)的用戶綜合用能信息管理與異常識(shí)別系統(tǒng)的總體目標(biāo)是對(duì)用戶的電負(fù)荷、熱負(fù)荷、燃?xì)庳?fù)荷等多種能源的使用情況進(jìn)行監(jiān)測(cè)。該系統(tǒng)將采集到的綜合用能信息存儲(chǔ)到執(zhí)行的數(shù)據(jù)庫中進(jìn)行用能分析，以及時(shí)發(fā)現(xiàn)沒有合理利用能源或能源有效利用率不高的情況，分析用戶用能特性，識(shí)別用能異常情況，提醒運(yùn)維人員對(duì)異常情況進(jìn)行處理[7]。該系統(tǒng)的創(chuàng)新點(diǎn)如下。

①系統(tǒng)能夠設(shè)定采集終端的采集時(shí)間間隔、采集精度和數(shù)據(jù)大小等關(guān)鍵參數(shù)，為用戶建立綜合用能信息檔案，并可隨時(shí)生成采集任務(wù)，以實(shí)時(shí)掌握用戶用能數(shù)據(jù)。

②系統(tǒng)中的模塊監(jiān)測(cè)到用戶某項(xiàng)用能數(shù)據(jù)超過系統(tǒng)設(shè)定的閾值或出現(xiàn)其他異常情況時(shí)，能夠及時(shí)識(shí)別，并能實(shí)現(xiàn)異常數(shù)據(jù)信息的即時(shí)報(bào)警。

③通過數(shù)據(jù)挖掘技術(shù)，如改進(jìn)型Apriori算法模型，可實(shí)現(xiàn)用戶的能耗模式關(guān)聯(lián)分析，并將不同運(yùn)行模式數(shù)據(jù)挖掘出有價(jià)值的數(shù)據(jù)信息，從而提高異常數(shù)據(jù)診斷能力。

本文設(shè)計(jì)的用戶綜合用能信息管理與異常識(shí)別系統(tǒng)在整體架構(gòu)上包括采集層、數(shù)據(jù)層和網(wǎng)絡(luò)層。

采集層能夠通過接收系統(tǒng)實(shí)現(xiàn)采集任務(wù)的發(fā)送，進(jìn)而輸出用戶綜合用能信息。該層能夠通過熱力參數(shù)的采集使用熱量表實(shí)現(xiàn)實(shí)時(shí)流量、累計(jì)流量、供回水溫度等數(shù)據(jù)的采集。其中：燃?xì)獗碇械娜細(xì)鈪?shù)包括實(shí)時(shí)流量、使用燃?xì)饬亢腿細(xì)獗頎顟B(tài)量等；智能水表能夠獲取用戶用水量、水流量、溫度等用水?dāng)?shù)據(jù)[8]。采集層執(zhí)行網(wǎng)絡(luò)層發(fā)送的采集任務(wù)，并根據(jù)系統(tǒng)設(shè)定參數(shù)定時(shí)或?qū)崟r(shí)采集綜合用能數(shù)據(jù)。集中器將多種能源采集設(shè)備獲取的數(shù)據(jù)匯集起來，共同發(fā)送到數(shù)據(jù)層中存儲(chǔ)[9]。

數(shù)據(jù)層主要提供用能信息管理、系統(tǒng)日志管理、資源管理、源數(shù)據(jù)管理、數(shù)據(jù)交換等服務(wù)，支持關(guān)系數(shù)據(jù)庫管理系統(tǒng)(relational database management system,RDBMS)、HBase、MongoDB、Phoenix等主流數(shù)據(jù)庫的讀寫，使用DataX工具讀取數(shù)據(jù)交換配置Json文件，完成數(shù)據(jù)任務(wù)[10]。

網(wǎng)絡(luò)層負(fù)責(zé)與系統(tǒng)用戶進(jìn)行交互，提供用能信息管理服務(wù)界面，下發(fā)綜合用能信息采集任務(wù)，對(duì)用能行為異常進(jìn)行識(shí)別和報(bào)警。網(wǎng)絡(luò)層從多個(gè)維度對(duì)用能信息進(jìn)行分析，在采集到的用戶用能數(shù)據(jù)出現(xiàn)異常時(shí)，將觸發(fā)系統(tǒng)的報(bào)警模塊。

用戶綜合用能信息管理與異常識(shí)別系統(tǒng)整體架構(gòu)如圖1所示。

圖1 系統(tǒng)整體架構(gòu)示意圖

通過確定各類用能情況和各單元用能數(shù)據(jù)后，系統(tǒng)用戶可直觀地觀察到綜合的用能情況。系統(tǒng)能夠根據(jù)不同維度和不同能源類型進(jìn)行統(tǒng)計(jì)和展示[11]。系統(tǒng)提供異常行為識(shí)別和報(bào)警功能，使用數(shù)據(jù)挖掘技術(shù)對(duì)異常用能數(shù)據(jù)進(jìn)行識(shí)別和診斷，分析多種能耗設(shè)備運(yùn)行參數(shù)和用能情況，實(shí)現(xiàn)用能行為異常的識(shí)別，找出用戶用能過高的原因[12]。在系統(tǒng)的報(bào)警側(cè)輸入設(shè)定好的閾值，當(dāng)被監(jiān)測(cè)的某項(xiàng)能源使用情況超出閾值，系統(tǒng)自動(dòng)觸發(fā)報(bào)警模塊完成報(bào)警。

2 關(guān)鍵技術(shù)分析

2.1 用能異常識(shí)別報(bào)警模塊設(shè)計(jì)

用能異常識(shí)別報(bào)警時(shí)，報(bào)警模塊通常通過硬件結(jié)構(gòu)設(shè)置系統(tǒng)的閾值，將輸出數(shù)據(jù)信息與設(shè)定閾值進(jìn)行對(duì)比。當(dāng)兩者數(shù)據(jù)信息匹配時(shí)，則出現(xiàn)正常運(yùn)行信息。當(dāng)兩者數(shù)據(jù)信息匹配時(shí)，則在模塊的顯示界面和系統(tǒng)客戶端界面上顯示報(bào)警信息，提醒運(yùn)維人員或用戶及時(shí)采取相關(guān)的保護(hù)措施。在異常數(shù)據(jù)信息監(jiān)測(cè)時(shí)，還可以監(jiān)測(cè)反映用戶綜合用能信息的多種數(shù)據(jù)信息，如管道壓力、水流量、環(huán)境溫度、用電功率等。這些數(shù)據(jù)信息能夠被全方位地實(shí)時(shí)監(jiān)測(cè)。異常識(shí)別數(shù)據(jù)信息模塊還包含了壓力傳感器、溫度傳感器、流量傳感器、信號(hào)采集模塊、控制器、顯示模塊和報(bào)警器等。這些數(shù)據(jù)傳感過程由STM32F103VET6處理器控制，能夠?qū)崿F(xiàn)對(duì)采集到的用戶用能數(shù)據(jù)進(jìn)行處理和分析，將實(shí)時(shí)用能數(shù)據(jù)顯示在液晶顯示模塊和上位機(jī)中[13]。

用能異常識(shí)別報(bào)警模塊整體結(jié)構(gòu)如圖2所示。

圖2 用能異常識(shí)別報(bào)警模塊整體結(jié)構(gòu)

模塊設(shè)計(jì)中使用PCM300H壓力傳感器，對(duì)用能場(chǎng)景中燃?xì)夤艿馈⑷加凸艿篮退艿赖膲毫M(jìn)行監(jiān)測(cè)。該壓力傳感器測(cè)量量程可達(dá)到0～1.6 MPa，輸出的電流信號(hào)范圍為4～20 mA，監(jiān)測(cè)精度為0.2%FS[14]。溫度傳感器中使用的熱電阻主要有Pt10、Pt100、Cu50、Cu100。電阻值與溫度的對(duì)應(yīng)關(guān)系為：

Rt=R0(1+At+Bt2)

(1)

式中:Rt為報(bào)警模塊電路中熱電阻的電阻值;R0為報(bào)警模塊電路在0 ℃時(shí)的電阻值；t為報(bào)警模塊電路工作時(shí)的溫度；A、B均為報(bào)警模塊電路在工作過程中的熱電阻溫度系數(shù)[15]。

用能信息經(jīng)過主控芯片分析處理后，識(shí)別到異常用能數(shù)據(jù)時(shí)，報(bào)警模塊電路中的報(bào)警模塊自動(dòng)開啟。報(bào)警響應(yīng)采用蜂鳴器和發(fā)光二極管(light emitting diode,LED)燈兩種方式。

報(bào)警模塊電路如圖3所示。

圖3 報(bào)警模塊電路

報(bào)警模塊電路中的報(bào)警模塊采用液晶顯示器(liquid crystal distplay,LCD)，以有效顯示異常輸出數(shù)據(jù)信息。報(bào)警電路內(nèi)部還包含ILI9341液晶控制芯片，并自帶GRAM顯存。主控模塊使用8080接口與液晶顯示模塊通信。RDX引腳用于讀取數(shù)據(jù)信號(hào)和命令信號(hào)。CSX引腳用于接收片選信號(hào)[16]。LED報(bào)警燈分別與主控芯片的3個(gè)GPIO引腳相連接。報(bào)警燈的亮滅與對(duì)應(yīng)GPIO引腳的電平有關(guān)。發(fā)出報(bào)警時(shí)蜂鳴器響起，則LED報(bào)警燈亮，并在顯示模塊和上位機(jī)顯示報(bào)警消息。

2.2 構(gòu)建用戶異常用能行為診斷模型

用戶異常用能行為診斷模型采用Apriori算法對(duì)用戶的能耗模式進(jìn)行關(guān)聯(lián)分析，挖掘不同運(yùn)行模式數(shù)據(jù)匯總隱藏的有價(jià)值的數(shù)據(jù)，為用能異常行為診斷提供數(shù)據(jù)支持[17]。該模型通過綜合用能信息與規(guī)則庫的一致性判斷用能行為是否處于異常狀態(tài)。

異常用能行為診斷流程如圖4所示。

圖4 異常用能行為診斷流程

假設(shè)診斷模型中用戶綜合用能屬性數(shù)據(jù)集合為I={i1,i2,…,ix}，數(shù)據(jù)所有屬性的事務(wù)集合為T={t1,t2,…,tm}。其中：SA、SB分別為用能數(shù)據(jù)屬性項(xiàng)[18]、關(guān)聯(lián)規(guī)則為SA?SB。則計(jì)算支持度和置信度可表示為：

(2)

式中：SA在關(guān)聯(lián)規(guī)則中為規(guī)則前項(xiàng);SB為規(guī)則后項(xiàng)；S為支持度；C為置信度；N為全部數(shù)據(jù)數(shù)量；P為關(guān)聯(lián)規(guī)則出現(xiàn)的概率。

同時(shí)滿足最小S和C的關(guān)聯(lián)規(guī)則為強(qiáng)關(guān)聯(lián)規(guī)則，使用lift(SA?SB)衡量是否為有效強(qiáng)關(guān)聯(lián)規(guī)則。首先找出所有頻繁項(xiàng)目集，然后生成關(guān)聯(lián)規(guī)則并進(jìn)行篩選。如果lift(SA?SB)>1則表示其為有效強(qiáng)關(guān)聯(lián)規(guī)則。

本研究診斷模型對(duì)Apriori算法進(jìn)行了優(yōu)化，對(duì)改進(jìn)的項(xiàng)目集都采用2個(gè)線性表存儲(chǔ)方式，以存儲(chǔ)事務(wù)列表和事務(wù)列表對(duì)應(yīng)項(xiàng)[19]。在k維項(xiàng)目集X={i1,i2,…,ik}中，存在1個(gè)j∈X，如果滿足式(3)條件,則表示X不是頻繁項(xiàng)目集。

|Lk-1(j)|

(3)

式中:Lk-1(j)為頻繁項(xiàng)目集匯總包含項(xiàng)目j的數(shù)量；k-1為項(xiàng)目集維度。

在每次自連接時(shí)對(duì)Lk-1的所有項(xiàng)目進(jìn)行計(jì)算，移除Lk-1中包含的頻繁項(xiàng)目集，得到L′k-1后保證L′k-1中所有項(xiàng)目數(shù)不小于k-1，用L′k-1生成候選項(xiàng)目集，減少生成項(xiàng)目集的數(shù)量。經(jīng)過Apriori算法挖掘規(guī)則后，對(duì)得到的異常用能規(guī)則進(jìn)行解讀，建立異常規(guī)則庫。如果當(dāng)前采集到的綜合用能數(shù)據(jù)與診斷規(guī)則庫一致，則可以判斷出現(xiàn)異常用能行為。

3 應(yīng)用測(cè)試

本研究應(yīng)用試驗(yàn)對(duì)系統(tǒng)進(jìn)行測(cè)試，并對(duì)測(cè)試用能信息進(jìn)行分析，驗(yàn)證系統(tǒng)異常用能行為識(shí)別的有效性。本測(cè)試使用應(yīng)用服務(wù)器、數(shù)據(jù)庫服務(wù)器、接口服務(wù)器和試驗(yàn)計(jì)算機(jī)搭建試驗(yàn)環(huán)境；使用Nmon工具監(jiān)控系統(tǒng)資源使用情況；使用HttpWatch分析系統(tǒng)資源；使用Quality Center工具對(duì)測(cè)試過程進(jìn)行管理。

試驗(yàn)環(huán)境如圖5所示。

圖5 試驗(yàn)環(huán)境示意圖

為了保證試驗(yàn)環(huán)境符合用戶實(shí)際的應(yīng)用場(chǎng)景，試驗(yàn)環(huán)境的配置參數(shù)與用戶系統(tǒng)參數(shù)需保持一致。

本次試驗(yàn)環(huán)境下的試驗(yàn)數(shù)據(jù)集如表1所示。

表1 試驗(yàn)數(shù)據(jù)集

在表1中，設(shè)備采用應(yīng)用服務(wù)器，其內(nèi)存為16 GB，數(shù)據(jù)庫服務(wù)器的硬盤為300 GB,型號(hào)為Power Edge M910，CPU為Intel(R) Xeon(R) CPUX5650@2.67 GHz，數(shù)據(jù)庫為Oracle 11.2.0.3.0 64 bit，并發(fā)連接設(shè)置為Processes 1500，中間件布署為Xmx 1024 MB。試驗(yàn)環(huán)境中，數(shù)據(jù)庫服務(wù)器主要保存系統(tǒng)采集到的用戶綜合用能數(shù)據(jù)，包括用戶用能區(qū)域表、實(shí)時(shí)監(jiān)測(cè)統(tǒng)計(jì)表、設(shè)備能耗信息表、用能區(qū)域監(jiān)測(cè)點(diǎn)表等數(shù)據(jù)。本研究從數(shù)據(jù)庫中選取多種類型的用能信息作為試驗(yàn)數(shù)據(jù)集，為應(yīng)用測(cè)試提供數(shù)據(jù)。

對(duì)系統(tǒng)的用能信息采集功能進(jìn)行測(cè)試時(shí)，本研究選擇采集用戶的用水流量數(shù)據(jù)，環(huán)境溫度設(shè)定為20～25 ℃，用水管道壓力在715～720 kPa范圍內(nèi)。試驗(yàn)時(shí)間設(shè)定為10 min。本研究在試驗(yàn)過程中突然增加用水流量，使用文獻(xiàn)[3]系統(tǒng)和文獻(xiàn)[4]系統(tǒng)進(jìn)行采集作為本文系統(tǒng)的對(duì)比試驗(yàn)，得到用戶的用水流量數(shù)據(jù)如圖6所示。

圖6 用水流量數(shù)據(jù)

由系統(tǒng)采集到的用戶用水流量數(shù)據(jù)可知，試驗(yàn)在7～8 min時(shí)間段內(nèi)出現(xiàn)用水異?，F(xiàn)象。此時(shí)，用水流量突然增加到30 L/min以上，用水異常現(xiàn)象持續(xù)時(shí)間為1～2 min。文獻(xiàn)[3]系統(tǒng)采集到的最大用水流量數(shù)據(jù)為33.8 L/min。文獻(xiàn)[4]系統(tǒng)采集到的異常用水流量數(shù)據(jù)為32.1 L/min。在試驗(yàn)初期(0～7 min內(nèi))，用水流量穩(wěn)定在23 L/min左右。試驗(yàn)時(shí)間超過9 min后，用水流量開始下降，最終降低到25 L/min以下。試驗(yàn)過程中，文獻(xiàn)[3]系統(tǒng)檢測(cè)到的用水流量異常情況仍存在較長(zhǎng)的反應(yīng)時(shí)間；文獻(xiàn)[4]系統(tǒng)采集到的異常用水流量數(shù)據(jù)低于實(shí)際數(shù)據(jù)，最大異常用水流量相差2.1 L/min，采集結(jié)果存在較大的誤差。

本文系統(tǒng)采集到的用水流量數(shù)據(jù)精度最高，可全方位實(shí)時(shí)監(jiān)測(cè)用水流量變換情況。出現(xiàn)用水異常情況時(shí)，系統(tǒng)的響應(yīng)速度更快，實(shí)時(shí)性更強(qiáng)，采集到異常用水流量最大值為34.2 L/min。系統(tǒng)在8 min 10 s時(shí)報(bào)警模塊自動(dòng)開啟并發(fā)出報(bào)警信號(hào)，在蜂鳴器響起的同時(shí)LED燈點(diǎn)亮，對(duì)異常行為反應(yīng)更加迅速。試驗(yàn)過程中，系統(tǒng)運(yùn)行穩(wěn)定，總體工作情況較好，能夠觀察到較小的用水流量波動(dòng)情況，提高了用戶用能的安全性。

從試驗(yàn)數(shù)據(jù)集中抽取設(shè)備能耗數(shù)據(jù)，將能耗數(shù)據(jù)進(jìn)行預(yù)處理后劃分為4種用能模式，并在試驗(yàn)數(shù)據(jù)中加入300條異常能耗信息，共有25個(gè)屬性。將試驗(yàn)數(shù)據(jù)劃分為5組，使用異常用能診斷模型對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行診斷。試驗(yàn)時(shí)間設(shè)定為5 min。3種系統(tǒng)得到的系統(tǒng)診斷結(jié)果如圖7所示。

圖7 系統(tǒng)診斷結(jié)果

由系統(tǒng)診斷結(jié)果可知，第三組數(shù)據(jù)中的異常能耗信息數(shù)量最多，文獻(xiàn)[3]系統(tǒng)識(shí)別的異常能耗信息數(shù)最多為55條，對(duì)第一組數(shù)據(jù)中的異常能耗信息的識(shí)別結(jié)果最少為21條。文獻(xiàn)[4]系統(tǒng)最多識(shí)別出43條異常能耗信息，識(shí)別到第二組能耗數(shù)據(jù)的異常信息數(shù)最少為23條。本文診斷模型通過對(duì)試驗(yàn)數(shù)據(jù)集中的設(shè)備能耗數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，產(chǎn)生多個(gè)候選項(xiàng)目集，將異常能耗數(shù)據(jù)與模型中的異常規(guī)則進(jìn)行解析，識(shí)別出的異常能耗數(shù)據(jù)的數(shù)量最多。其中，第三組的異常能耗數(shù)據(jù)高達(dá)68條，識(shí)別出第二組數(shù)據(jù)中的異常信息數(shù)量較少為30條。系統(tǒng)通過對(duì)異常規(guī)則進(jìn)行分析，可得出用戶電力設(shè)備的異常用能行為，有助于提高用戶的能耗利用率。

4 結(jié)論

本文設(shè)計(jì)了用戶綜合用能信息管理與異常識(shí)別系統(tǒng)，對(duì)用戶綜合用能數(shù)據(jù)進(jìn)行實(shí)時(shí)的動(dòng)態(tài)掌握，對(duì)用戶的用能進(jìn)行有效的追蹤，智能化、數(shù)字化管理用戶用能信息，并識(shí)別異常用能行為，對(duì)于突發(fā)的異常用能現(xiàn)象進(jìn)行報(bào)警。該系統(tǒng)設(shè)計(jì)了用能異常識(shí)別報(bào)警模塊，可連接多個(gè)傳感器模塊采集用戶綜合用能信息并進(jìn)行實(shí)時(shí)監(jiān)測(cè)。主控芯片檢測(cè)到異常用能數(shù)據(jù)或超過設(shè)定閾值后，由報(bào)警模塊自動(dòng)開啟發(fā)出報(bào)警信號(hào)，并在液晶顯示模塊和上位機(jī)上顯示報(bào)警信息。使用改進(jìn)后的Apriori算法構(gòu)建異常用能行為診斷模型，并優(yōu)化了數(shù)據(jù)庫的映射方式，可減少計(jì)算支持度的事務(wù)集。將綜合用能信息離散化后進(jìn)行診斷，可基于數(shù)據(jù)層數(shù)據(jù)識(shí)別存在的異常用能行為。

隨著系統(tǒng)監(jiān)測(cè)的用戶數(shù)量和用能設(shè)備的增加，系統(tǒng)產(chǎn)生的數(shù)據(jù)量急劇增加，在以后研究中需要應(yīng)用大數(shù)據(jù)技術(shù)提高系統(tǒng)的數(shù)據(jù)處理、分析和存儲(chǔ)能力。