基于元数据的电网通信资源数据校核方法

刘晴　蔡健挺　姜海　何春涛

摘   要：由于缺乏有效管理手段，导致电网通信资源数据的完整性、一致性、有效性无法保障，影响电网通信专业服务质量。为此，提出了基于元数据的电网通信资源数据校核方法。该方法分为三个过程：利用网络捕包得到电网通信资源数据，将捕获的数据存入磁盘列阵内和电网通信资源数据多层次校核。多层次校核内的信息层校核将XSD推荐标准作为元数据实施驱动，利用XSD校核引擎实现信息校核;模型层校核将元数据模型内同公共信息模型OWL描述的本体文件作为元数据，校核电网通信网络各系统资源信息内提取的RDF格式模型实例;数据层校核以元数据模型内拓扑规则元数据作为校核依据，校核电网各系统中常见的孤岛、内外环等拓扑结构问题。实验结果表明：所提方法能有效验证电网通信资源数据的一致性、有效性和完整性，且校核精度较高达95%以上。

关键词：元数据;电网;通信资源;数据校核;信息校核;模型实例;拓扑结构

中图分类号：TM71                                             文献标识码：A

Data Checking Method of Power Network

Communication Resources Based on Metadata

LIU Qing，CAI Jian-ting，JIANG Hai，HE Chun-tao

（Electric Power Dispatching and Control Center of Guizhou Power Grid Co.，Ltd.，Guiyang Guizhou 550002，China）

Absrtact：Due to the lack of effective management means，the integrity，consistency and validity of power grid communication resources data can not be guaranteed，which affects the quality of service of power grid communication profession. To solve this problem，a metadata-based data verification method for power network communication resources is proposed. The method is divided into three processes：using network packet capturing to get the data of power grid communication resources，storing the captured data into disk array and multi-level verification of power grid communication resources data. Information layer verification in multi-level verification uses XSD recommendation standard as metadata driver and XSD verification engine to realize information verification. Model layer verification uses ontology files described by metadata model and public information model OWL as metadata to verify RDF format model extracted from the resource information of each system in nuclear power network communication network. Examples：Data layer checking is based on the metadata of the topological rules in the metadata model to check the common topological structure problems such as islands，inner and outer rings in various systems of nuclear power network. The experimental results show that the proposed method can effectively verify the consistency，validity and integrity of power grid communication resource data，and the verification accuracy is higher than 95%.

Key words：metadata;power grid;communication resources;data verification;information verification;model examples;topology

伴隨电网系统的建设与通信技术的发展，电网通信网络规模持续升级，包含的电路业务繁杂，匹配的相应物资更为复杂与分散，不同系统间主要通过接口实现数据交互[1]，各系统数据缺乏高效的管理手段，导致无法准确判断电网通信资源数据准确性，数据的完整性、一致性、有效性无法保障，甚至造成长时间无法对外提供数据服务[2]，也不能有效对外进行数据交流与互通，带来电网通信各系统关联丧失，影响电网通信专业服务质量，这也是电网通信资源数据研究领域亟需解决的问题。

电网大数据应用是当前电网系统信息化建设的热点，更是难点[3]。元数据也叫做中介数据，其本质为介绍、定位不同形态的数据与信息资源，同时使其更便于搜索、使用或管理的数据或信息[4]，具有指引存储位置、搜索资源以及记载文件等作用，是数据共享与交换的前提条件，可提升数据管理质量。基于此依照電网通信资源数据校核的标准化与完整性原则，提出基于元数据的电网通信资源数据校核方法，通过语法规则、数据模型等方法对电网通信资源数据进行完整性、一致性、有效性校核，提升通信数据质量。

1   电网通信资源数据校核

基于元数据的电网通信资源数据校核方法中，利用网络捕包得到电网通信资源数据[5]，对这些数据实时校核。基于元数据的电网通信资源数据校核方法主要包括三个过程[6]：电网通信资源数据捕获、磁盘列阵存储和电网通信资源数据多层次校核。图1描述基于元数据的电网通信资源数据校核方法的逻辑结构。

1.1   电网通信资源数据捕获

利用网络捕包得到电网通信资源数据过程中主要采用FPGA，其利用逻辑单元阵列概念[7]，内部包含可配置逻辑模块、输入输出模块与内部连线三个主要部分，各逻辑并行执行同时处理不同任务。获取电网通信资源数据时，FPGA定制数字电路，可开启所有过滤与触发作用的全线速率，在此条件下不间断捕获8个Gbit/s链接或4个10Gbit/s链接，可确保捕获的电网通信资源数据不出现遗漏现象。

捕获电网通信资源数据后，将数据传输至磁盘列阵内实施存储，便于后期数据校核。电网通信资源数据实时校核过程中，可随时提取网络捕包得到电网通信资源数，形成实时校核图、统计数据图表以及报警等。应用程序级分析引擎基于元数据模型在网络捕包得到的电网通信资源数据内提取用于校核的数据。

1.2   磁盘列阵存储

磁盘列阵内存储容量高达55 T，可存储1 Gbit/s链接45天的资源数据。由于磁盘列阵采用先入先出队列技术，因此在保存电网通信资源数据时不受缓存高低对数据捕获能力的限制[8]，使网络捕包不间断捕获数据，并且可实现电网通信网络故障状态下资源数据全部抓取。

1.3   电网通信资源数据多层次校核

电网通信网络各系统间数据交互时，利用网络捕包得到电网通信资源数据后，需要利用相应的方法校核捕获的数据，保障交互数据的标准化与完整性。

以借助IEC 61968数据交互总线实施电网通信网络模型交互为例校核其数据流，整体过程中重点环节包括：（1）电网通信网络各系统资源信息交互;（2）由网络捕包得到电网通信资源数据中提出模型信息解析处理;（3）模型数据存储。

假设第一个环节中交互的信息数据出现错误，那么上述三个环节中的数据都可能存在问题，造成电网通信交互不成功。假设交互信息未依照IEC 61968标准格式封装，将存在信息不能为总线解析输出或不能准确传输到目标的可能;假设由网络捕包得到电网通信资源数据中提取出的模型实例没有依照信息模型内的语义定义，或电网通信网络内各系统设定的公共信息模型有所差异，那么将存在模型实例解析不成功的可能[9];假设模型数据内出现问题，那么将存在由拓扑关系混乱等现象造成模型存储不成功的可能。

基于以上分析，针对上述三个重点环节，需从信息层、模型层和数据层三个不同层面对电网通信网络交互的资源数据实施多层次校核。构建校核工具，校核流程层层递进，由信息格式、数据模型、模型质量三个层面按照信息模式、本体模型和拓扑规则对交互数据实施全面校核[10]。图2描述校核工具三个层面间的关系。

信息层、模型层和数据层三个不同层面的电网通信资源数据校核紧紧围绕电网通信资源数据由浅至深的完成一体化整体校核。

1.3.1   信息层校核

校核总线上交互的数据时采用IEC 61968信息一致性校核，此层面上的校核着重于交互信息的语法与格式[11]。IEC 61968信息作为XML（The Extensible Markup Language，可扩展标记语言）格式信息，其格式由XSD（XML Schema definition）推荐标准定义规范。校核工具将XSD推荐标准作为元数据实施驱动[12]，在元数据模型内设定IEC 61968规范信息格式XSD同关联规范子集XSD，利用XSD校核引擎实现信息校核，同时将IEC 61968有关规范作为前提，经由设置扩展规则库对交互信息进行拓展校核，例如IEC 61968信息动名词校核等。图3描述信息层校核功能架构与校核流程。

信息层校核是基于电网设备属性信息及层次结构的属性校核，校核的主要内容包括电网通信网络内各系统间交互信息内容，如：（1）电网下馈线设备名称;（2）名称一致编号有所差异、编号一致名称有所差异的设备;（3）电网各系统中配电网母线、开关和变压器设备;（4）电网各系统设备内无电压等级的设备;（5）电网各系统内节点号为-1的设备;（6）负载名称及负载所处馈线名称一致性不足半数的负载设备。

1.3.2   模型层校核

以信息模型角度出发的校核即为模型层校核，其主要目的是校核交互信息模型语法格式的兼容性和语义是否相同[13]。模型层校核工具以本体理论为基础，将元数据模型内同公共信息模型OWL（Web Ontology Language，网络本体语言）描述的本体文件作为元数据，校核电网通信网络各系统资源信息内提取的RDF格式模型实例。以校核RDF语法格式为基础，利用JEXA推理机校核RDF格式文档内不同元素的三元组，确定其同OWL描述语义有所差异处。图4描述模型层校核功能架构与校核流程。

模型层校核是以电网内各系统设备基础模型信息及拓扑结构为基础的信息模型校核，校核的主要内容包括电网各系统中：（1）没有同母线相连的设备;（2）没有同馈线段相连的主网负载;（3）任意端同设备相连的馈线段;（4）两端均同设备相连的配变;（5）同某馈线直接链接的其他馈线信息等。

1.3.3   数据层校核

数据层校核的主要目的是校核电网通信交互信息中描述的拓扑，着重校核电网中各系统设备连接是否准确，以及指导模型消缺、使电网通信资源信息模型存储的精度上升[14]。利用数据层校核工具进行信息模型拓扑校核过程中以元数据模型内拓扑规则元数据作为校核依据，基于拓扑数据，通过深度遍历结合前推回代法，校核电网各系统中常见的孤岛、内外环等拓扑结构问题。图5描述数据测校核功能架构与校核流程。

数据层校核是以电网各系统设备基础模型信息和拓扑结构及层次结构的拓扑校核[15]，校核的主要内容包括电网各系统内：（1）电源点构成环网的数量;（2）节点号不为-1，却无法搜索到电源点的设备;（3）线路上成环的设备及数量;（4）未确定电源点的电网设备;（5）一个电源点下全部未变压设备内同电源点电压有所差异的设备等。

2   实验分析

实验为测试本文提出的基于元数据的电网通信资源数据校核方法的有效性，以我国某市电网为研究对象，在PDZ900系列终端上采用本文校核方法进行电网通信资源校核，结果如下所示。

2.1   电网配电线路校核

图6所示为研究对象中一个系统的配电线路，其在正常运行状态下，M7处于分闸状态，也就是联络开关，R1与R2均表示环网柜。在配电线路分段开关数量上涨和配电线路不同位置出现故障的条件下分别进行10次实验，结果如表1所示。

分析表1得到，采用本文方法校核配电线路分段开关数量上涨条件下线路拓扑模型是否一致，结果显示10次实验中除出现一次拓扑模型不匹配现象外，其余均表现为拓扑模型相匹配;校核结果与实际情况完全一致。采用本文方法校核配电线路出现故障条件下线路是否出现异常，结果显示10次实验中，除一次馈线维护范围异常和一次联络开关状态信息异常外，其余均表现为未出现异常;校核结果与实际情况完全一致。实验结果表明本文方法能够有效检测电网通信资源数据的有效性与一致性。

2.2   电网通信资源数据校核

利用网络捕包获取实验对象通信资源中某58节点馈线某时刻三项电压、电流和有功功率和有功电量等交互数据，并采用本文方法对捕获的数据进行校核，结果如表2所示。

由表2可知，实验对象各节点中，节点14、节点19和节点39的交互数据存在量测不相容问题，采用本文方法对这三个节点的各项数据进行校核，校核得到的数据同基于负载历史数据的电网通信资源数据校核方法和基于上下电压等级数据量测的电网通信资源数据校核方法得到的校核数据一致，说明本文方法能够有效校核电网通信资源数据，并补全数据，使数据完整。

2.3   校核精度对比

为验证本方法的校核精度，采用三种不同校核方法对研究对象通信资源262704条数据进行报错，对比不同校核方法的报错率，结果如表3所示。

分析表3得到，本方法的关键性错误报错率均在95%以上，最高达到100%，且误报率为0%;而基于负载历史数据的校核方法报错率仅在90%左右，但误报情况较为严重，而基于上下电压等级数据测量的校核方法报错率稍低于基于负载历史数据的校核方法，但误报率与其相比下降幅度较为显著。对比之下可知本方法的校核精度显著高于两种对比方法。

2.4   校核效果对比

实验为验证本方法的校核效果，对比研究对象中5个电厂采用本方法后的交易电量，对比结果如图7所示。

由图7可知，采用本方法后研究对象的五个电厂交易电量均有不同程度的增长，增长比例分别为8.38%、20.86%、7.92%、13.64%和6.47%。其中2号电厂交易电量的增长幅度最为显著，说明其在未使用本方法前受电网通信资源数据混乱问题影响严重。实验结果表明本方法能够有效提升电网交易电量。

3   结   论

随着电网规模的扩大，电网通信资源越来越复杂，对其的管理也越来越困难，导致电网通信资源数据内出现越来越多的问题，影响电网通信质量。基于此，提出了基于元数据的电网通信资源数据校核方法，构建多层次的交互模型校核工具，从信息层、模型层和数据层三个层面对电网通信资源数据进行校核。将本方法应用在我国某市的电网中，结果验证了本方法的可行性。

参考文献

[1]    王君洪，陈跃东，陈孟元. 基于马尔科夫链的模糊认知图在智能配电网WSN通信QoS优化研究[J].  电子测量与仪器学报，2016，30（1）：66-74.

[2]    龙苏岩，徐亮，徐骏，等. 基于元数据组扩展技术的电能结算方法研究与应用[J].  电网技术，2016，40（11）：3328-3333.

[3]    陈连杰，韩冰，赵家庆，等. 利用自动成图的配电网模型拓扑校核技术及实现[J].  电力系统自动化，2017，41（2）：160-164.

[4]    韓冰，韩韬，陈连杰，等. 配电网主站网络模型校核方法设计与实现[J].  电力系统自动化，2016，40（12）：75-79.

[5]    李向荣，李帅，王国辉，等. 基于有限元数据交会的部件毁伤评估方法研究[J].  北京理工大学学报，2017，37（4）：430-435.

[6]    易建亮，陈志广，肖侬，等. 基于代理的并行文件系统元数据优化与实现[J].  计算机研究与发展，2018，55（2）：438-446.

[7]    CHENG X，ZHANG L，YUE J. Application and implementation of the assessment model based on rough set attribute reduction in power communication network risk assessment[J].  Power System Protection & Control，2016，44（8）：44-48.

[8]    张传成，许丹，戴赛，等. 基于特征时段提取的月度发电计划与安全校核模型[J].  电网技术，2016，40（11）：3342-3347.

[9]    湯伟，刘路登，杨可军. 基于静态多点校核和在线监测的输电线路动态增容方法研究与应用[J].  电网与清洁能源，2016，32（6）：11-15.

[10]  WANG H，GUO L，WU R L，et al. Design and implementation of wide-area message bus based on electric power dispatching data network[J].  Automation of Electric Power Systems，2017，41（15）：100-106.

[11]  王笑雪，徐弢，王成山，等. 基于MAS的主动配电网分布式电压控制[J].  中国电机工程学报，2016，36（11）：2918-2926.

[12]  赵蓓蓓，郭秀锐，程水源，等. 基于统计回归的高分辨率工业源排放大气常规污染物排放清单建立与校核方法[J].  安全与环境学报，2016，16（1）：273-277.

[13]  杜然，黄秋兰，阚文枭，等. 基于Chord算法的可扩展高性能元数据存储环设计[J].  计算机工程，2016，42（8）：1-8.

[14]  FORT E H，OYA J R G，CHAVERO F M，et al. Intelligent containers based on a low-power sensor network and a non-Invasive acquisition system for management and tracking of goods[J].  IEEE Transactions on Intelligent Transportation Systems，2017，PP（99）：1-6.

[15]  张全贵，李志强，蔡丰，等. 融合元数据及隐式反馈信息的多层次联合学习推荐方法[J].  计算机应用研究，2018，35（12）：121-125.