基于ECIM 模型的電力物聯(lián)設(shè)備自描述屬性關(guān)聯(lián)融合系統(tǒng)設(shè)計(jì)

李穎杰，黃 兵

（1.深圳供電局有限公司，廣東深圳 518000；2.南方電網(wǎng)深圳數(shù)字電網(wǎng)研究院有限公司，廣東深圳 518000）

物聯(lián)網(wǎng)信息技術(shù)逐漸發(fā)展，采用物聯(lián)網(wǎng)的自適應(yīng)組網(wǎng)控制技術(shù)實(shí)現(xiàn)對(duì)電力物聯(lián)設(shè)備自描述屬性關(guān)聯(lián)融合，研究電力物聯(lián)設(shè)備自描述屬性關(guān)聯(lián)融合方法，在提高電力物聯(lián)設(shè)備的自組織管理能力方面具有重要意義[1]，相關(guān)的電力物聯(lián)設(shè)備自描述屬性關(guān)聯(lián)融合系統(tǒng)設(shè)計(jì)方法研究受到人們的極大重視[2-3]。

當(dāng)前，對(duì)電力物聯(lián)設(shè)備自描述屬性關(guān)聯(lián)融合方法主要有基于自然近鄰的自適應(yīng)關(guān)聯(lián)融合聚類算法[4]、面向電力物聯(lián)網(wǎng)信息感知的低壓電力線與微功率無(wú)線通信融合方法[5]以及用于泛在電力物聯(lián)網(wǎng)的配電變壓器智能感知終端技術(shù)[6]，構(gòu)建電力物聯(lián)設(shè)備自描述屬性關(guān)聯(lián)融合的相似度融合模型，通過(guò)模糊信息檢測(cè)和嵌入式控制設(shè)計(jì)，實(shí)現(xiàn)對(duì)電力物聯(lián)設(shè)備自描述屬性關(guān)聯(lián)融合，但傳統(tǒng)方法進(jìn)行電力物聯(lián)設(shè)備自描述屬性關(guān)聯(lián)融合的適應(yīng)度水平不高，優(yōu)化控制能力不好。針對(duì)上述問(wèn)題，提出基于ECIM 模型的電力物聯(lián)設(shè)備自描述屬性關(guān)聯(lián)融合系統(tǒng)設(shè)計(jì)方法。

1 數(shù)據(jù)挖掘和特征分析

1.1 電力物聯(lián)設(shè)備自描述屬性關(guān)聯(lián)數(shù)據(jù)挖掘

為了實(shí)現(xiàn)基于ECIM 模型的電力物聯(lián)設(shè)備自描述屬性關(guān)聯(lián)融合處理，構(gòu)建電力物聯(lián)設(shè)備自描述屬性相關(guān)性分塊組合模型，通過(guò)指針控制方法，進(jìn)行電力物聯(lián)設(shè)備自描述屬性分布式融合[7]，得到電力物聯(lián)設(shè)備自描述屬性融合總體結(jié)構(gòu)如圖1 所示。

圖1 電力物聯(lián)設(shè)備自描述屬性融合總體結(jié)構(gòu)

根據(jù)圖1 所示的電力物聯(lián)設(shè)備自描述屬性融合總體結(jié)構(gòu)模型，采用特征項(xiàng)的類間識(shí)別和信息屬性分布式檢測(cè)方法，構(gòu)建電力物聯(lián)設(shè)備自描述屬性融合的熵分布模型[8]，得到電力物聯(lián)設(shè)備的零點(diǎn)偏移角度檢測(cè)輸出為：

式中，ew表示電力物聯(lián)設(shè)備自描述屬性融合特征參數(shù)，q(a)表示信息屬性檢測(cè)函數(shù)，s(tn)表示指針控制函數(shù)，在不同層面多種因素約束下，通過(guò)電壓、相位偏移聯(lián)合特征分析方法，電力物聯(lián)設(shè)備自描述屬性融合的約束參數(shù)分布模型表示為：

式中，sm表示電力物聯(lián)設(shè)備自描述屬性分布式優(yōu)化調(diào)度參數(shù)，Δa表示電力物聯(lián)設(shè)備自描述屬性融合特征參數(shù)分析，電力物聯(lián)設(shè)備自描述屬性描述的數(shù)據(jù)對(duì)象模型為：

式中，b(x)表示勵(lì)磁涌流控制方法參數(shù)，jp和de分別表示電力物聯(lián)設(shè)備自描述屬性關(guān)聯(lián)數(shù)據(jù)挖掘和特征辨識(shí)模型[9]，得到電力物聯(lián)設(shè)備自描述的聯(lián)合概率密度函數(shù)為：

式中，λS表示電力物聯(lián)設(shè)備自描述聯(lián)合特征解析參數(shù)，P2D表示直流系統(tǒng)運(yùn)行狀態(tài)信息，通過(guò)電力物聯(lián)設(shè)備自描述屬性關(guān)聯(lián)數(shù)據(jù)挖掘結(jié)果實(shí)現(xiàn)信息融合[10]。

1.2 電力物聯(lián)設(shè)備的關(guān)聯(lián)特征提取

采用ECIM 模型進(jìn)行電力物聯(lián)設(shè)備自描述屬性關(guān)聯(lián)融合調(diào)度，通過(guò)非連續(xù)換相指標(biāo)分析方法，得到電力物聯(lián)設(shè)備自描述的融合特征量為：

式中，Dis(A)表示電力物聯(lián)設(shè)備自描述屬性分布的擴(kuò)展特征量，Dis(B)表示屬性數(shù)據(jù)集。

在對(duì)電力物聯(lián)設(shè)備自描述屬性的相似度分析基礎(chǔ)上，提取電力物聯(lián)設(shè)備自描述屬性數(shù)字類別特征集，用X表示電力物聯(lián)設(shè)備自描述的聯(lián)合特征分量，對(duì)于具有m個(gè)屬性的電力物聯(lián)設(shè)備自描述分類集，得到電力物聯(lián)設(shè)備自描述特征分布的第i個(gè)屬性值的可靠性檢測(cè)函數(shù)為：

式中，AHB和θHB分別表示電力物聯(lián)設(shè)備自描述系統(tǒng)分布函數(shù)H(z) 和HB(z) 的離散化調(diào)度特征分量。

由此構(gòu)建電力物聯(lián)設(shè)備自描述屬性關(guān)聯(lián)特征分析模型，挖掘電力物聯(lián)設(shè)備自描述屬性大數(shù)據(jù)，通過(guò)特征空間重組和信息融合方法實(shí)現(xiàn)對(duì)電力物聯(lián)設(shè)備自描述參數(shù)特征匹配[11]。

2 電力物聯(lián)設(shè)備自描述融合設(shè)計(jì)

2.1 ECIM模型參數(shù)辨識(shí)控制

采用功率零序分量和功率聯(lián)合關(guān)聯(lián)特征分析方法進(jìn)行電力物聯(lián)設(shè)備自描述屬性的模糊融合處理[12]，求得電力物聯(lián)設(shè)備自描述屬性特征分塊檢測(cè)模型：

式中，p(ωi)表示電力物聯(lián)設(shè)備自描述屬性分布離散區(qū)間內(nèi)的規(guī)則向量集，E(x)表示電力物聯(lián)設(shè)備自描述屬性特征分布的連續(xù)區(qū)間參數(shù)融合匹配集，對(duì)電力物聯(lián)設(shè)備自描述屬性的聯(lián)合關(guān)聯(lián)分布函數(shù)，得到電力物聯(lián)設(shè)備自描述屬性的判據(jù)適用范圍滿足：

式中，|X(t) |表示X(t)取模，采用圖2所示的ECIM模型實(shí)現(xiàn)對(duì)電力物聯(lián)設(shè)備自描述屬性關(guān)聯(lián)融合和特征檢測(cè)。

圖2 ECIM模型

根據(jù)圖2 所示的分組檢測(cè)模型，得到電力物聯(lián)設(shè)備自描述屬性關(guān)聯(lián)融合的自適應(yīng)學(xué)習(xí)權(quán)重為：

式中，e(s)表示電力物聯(lián)設(shè)備自描述屬性關(guān)聯(lián)融合分類特征參數(shù)，c(t)表示電力物聯(lián)設(shè)備自描述屬性分布的塊匹配系數(shù)，通過(guò)加權(quán)控制，得到電力物聯(lián)設(shè)備自描述屬性分布的聯(lián)合函數(shù)：

式中，表示穩(wěn)態(tài)增益控制方法參數(shù)，構(gòu)建電力物聯(lián)設(shè)備自描述屬性特征偏移控制模型，得到電壓跌落幅度，通過(guò)非連續(xù)換相指標(biāo)分析方法，實(shí)現(xiàn)對(duì)電力物聯(lián)設(shè)備自描述特征融合和模糊度信息識(shí)別[13]。

2.2 電力物聯(lián)設(shè)備自描述屬性融合

采用模糊屬性聚類和樣本分段檢測(cè)方法，實(shí)現(xiàn)對(duì)電力物聯(lián)設(shè)備自描述屬性特征融合，結(jié)合神經(jīng)網(wǎng)絡(luò)控制方法，得到電力物聯(lián)設(shè)備自描述的相異性度量u、ut，結(jié)合模糊加權(quán)方法，得到電力物聯(lián)設(shè)備自描述融合的統(tǒng)計(jì)特征量滿足：

式中，k(v)表示樣本分段檢測(cè)控制參數(shù)，構(gòu)建電力物聯(lián)設(shè)備自描述屬性的模糊融合檢測(cè)模型，得到電力物聯(lián)設(shè)備自描述屬性參數(shù)融合的匹配度函數(shù)為：

式中，c表示臨界換相電壓值分析參數(shù)，pa表示電力物聯(lián)設(shè)備自描述屬性關(guān)聯(lián)融合的聯(lián)合熵滿足參數(shù)。

采用二階廣義積分器來(lái)處理量測(cè)，得到輸出穩(wěn)態(tài)特征量為：

電力物聯(lián)設(shè)備自描述屬性關(guān)聯(lián)副本相關(guān)量為：

式中，σ表示電力物聯(lián)設(shè)備自描述屬性關(guān)聯(lián)信息樣本類別數(shù)，mk表示第k類線性分布屬性參數(shù)，此時(shí)電力物聯(lián)設(shè)備[16]自描述屬性關(guān)聯(lián)特征分布的聯(lián)合熵為Xk=[xk1,xk2,…,xkm,…,xkM]，綜上算法設(shè)計(jì)，實(shí)現(xiàn)對(duì)電力物聯(lián)設(shè)備自描述屬性關(guān)聯(lián)融合。

3 仿真測(cè)試和結(jié)果分析

電力物聯(lián)設(shè)備自描述屬性參數(shù)分布的類別數(shù)為24 個(gè)，設(shè)定電力物聯(lián)設(shè)備的分布節(jié)點(diǎn)數(shù)為120 個(gè)，電壓電流線性相關(guān)分布的伏安曲線如圖3 所示。

根據(jù)圖3 對(duì)電力物聯(lián)設(shè)備自描述屬性關(guān)聯(lián)參數(shù)中的伏安曲線解析結(jié)果，監(jiān)測(cè)點(diǎn)1 的電壓總體上隨著電流的增加而降低，監(jiān)測(cè)點(diǎn)2 的電壓總體上隨著電流的增加而增加，中間均出現(xiàn)上下波動(dòng)狀態(tài)。采用離散化換相控制，得到優(yōu)化的電力物聯(lián)設(shè)備自描述屬性融合權(quán)系數(shù)如表1 所示。

圖3 電壓電流線性相關(guān)性伏安曲線

表1 電力物聯(lián)設(shè)備自描述屬性融合權(quán)系數(shù)

根據(jù)表1 對(duì)電力物聯(lián)設(shè)備的自描述屬性融合權(quán)系數(shù)解析結(jié)果，實(shí)現(xiàn)對(duì)電力物聯(lián)設(shè)備自描述屬性融合，得到電力物聯(lián)設(shè)備自描述屬性融合尺度輸出對(duì)比如圖4 所示。

圖4 融合尺度結(jié)果

分析圖4 得知，該文方法進(jìn)行電力物聯(lián)設(shè)備自描述屬性融合的輸出增益較大，測(cè)試不同方法進(jìn)行電力物聯(lián)設(shè)備自描述屬性融合的收斂誤差，得到對(duì)比結(jié)果如表2 所示。

表2 電力物聯(lián)設(shè)備自描述屬性融合收斂誤差

分析表2 得知，對(duì)比文獻(xiàn)[4]方法、文獻(xiàn)[5]方法以及文獻(xiàn)[6]方法，該文方法進(jìn)行電力物聯(lián)設(shè)備自描述屬性融合的收斂誤差較小。其原因是該文方法通過(guò)特征空間重組和信息融合方法實(shí)現(xiàn)對(duì)電力物聯(lián)設(shè)備自描述屬性分類檢測(cè)，在一定程度上有利于電力物聯(lián)設(shè)備自描述屬性融合收斂。

4 結(jié)束語(yǔ)

為構(gòu)建優(yōu)化的電力物聯(lián)設(shè)備信息化管理模型，采用大數(shù)據(jù)信息組合控制和信息融合的方法，實(shí)現(xiàn)對(duì)電力物聯(lián)設(shè)備自描述屬性調(diào)度和優(yōu)化管理，該文提出基于ECIM 模型的電力物聯(lián)設(shè)備自描述屬性關(guān)聯(lián)融合系統(tǒng)設(shè)計(jì)方法。采用特征項(xiàng)的類間識(shí)別和信息屬性分布式檢測(cè)方法，構(gòu)建電力物聯(lián)設(shè)備自描述屬性融合的熵分布模型，采用ECIM 模型進(jìn)行電力物聯(lián)設(shè)備自描述屬性關(guān)聯(lián)融合調(diào)度，挖掘電力物聯(lián)設(shè)備自描述屬性大數(shù)據(jù)，通過(guò)特征空間重組和信息融合方法實(shí)現(xiàn)對(duì)電力物聯(lián)設(shè)備自描述參數(shù)特征匹配。由研究可知，該文方法進(jìn)行電力物聯(lián)設(shè)備自描述屬性融合的誤差較低，收斂性較好。