电力用户用电信息采集系统优化设计与实现

王雪晶， 张洁敏， 张航

(国网福建省电力有限公司信息通信分公司， 福建 福州 350001)

0 引言

不断发展和完善的网络信息技术以及物联网技术的广泛应用，为智能电网的辅助提供了技术支撑，同时促使电力的销售及管理模式发生了转变，对电力用户用电信息采集系统提出了更高的要求，信息采集系统在采集用户用电信息的基础上通过进一步处理实现信息交流共享与实时监控和管理功能，将当地电网与用户联系起来。因此对于用户用电信息采集系统(综合了供电侧、售电侧和购电侧)进行设计和完善成为目前研究的重点之一。

1 现状分析

互联网+及大数据技术不断发展完善的大背景下，为发展电力信息系统提供了技术支撑，随着智能电网的深入建设及智能电表的普及应用，对电力信息的智能管理要求和整体服务水平不断提高，这就需要以采集和优化识别用户用电信息过程作为基础，供电公司需在收集并掌握客户用电信息的基础上，通过进一步的数据挖掘分析实现对电网的科学高效的管理过程，同时确保用户用电信息的监测过程能够有效结合大数据信息处理技术，在提高工作质效的同时有效降低成本。用户用电信息通过远程数据采集方法的使用完成采集后向智能信息处理终端传输，以供远程控制和分析相关信息使用，从而提高用电信息的实时处理能力，通过信息采集系统实现对用户重要信息的实时采集(包括负荷、用电电量、电压等)，进而将完整准确的电力用户数据提供给电力管理及营销信息系统，为电力企业优化完善营销业务提供支撑[1]。本文研究采集电力用户用电信息的方法基于信息数据挖掘和智能控制过程，采用嵌入式的系统优化设计方法和技术对用户用电信息采集系统进行了优化设计，提出了一种自适应信息调度方法，实现了对电力信息系统的进一步优化管理功能，以期为提高用电信息智能调度性能提供参考。

2 系统的硬件设计与实现

目前对电力用户用电信息采集方面的研究已经取得了一定的进展， PLC 设计和单片机控制是现有设计电力用户用电信息采集系统时主要采用的方法，完成用户用电信息采集后借助数据存储器完成智能存储过程，再结合运用大数据管理技术完成信息采集和管理过程，提高了信息的智能调度能力。例如，基于DSP 技术的嵌入式采集系统，针对用电信息数据通过ZigBee 网络模型的使用完成了多传感器组网的构建，提高了信息采集能力，但存在智能信息处理能力较弱、集成性不佳不强的不足。本文为弥补传统方法存在的不足，提出一种用电信息量化检测识别以及动态采集方法，基于ZigBee 组网(分布式阵列)采用自适应分布式优化定位设计完成了电力用户用电信息采集系统的构建，结合运用向量量化方法和模式识别技术完成对所采集的信息融合处理及属性归类处理，实现电力用户用电信息自动采集挖掘功能[1]。

2.1 系统的总体架构设计

本文所构建的用电信息采集系统的总体架构，如图1所示。

图1 信息采集系统的总体架构

该系统采用多传感器(分布于用户用电信息监测区)进行数据采集，基于ZigBee 网络模型(由物理层、数据链路层、数据传输层构成)的用户用电信息采集系统采用自适应分布式优化定位设计方法对信息采集传感器节点进行设计，数据总线传输调度通过ZigBee 网络应用服务层完成，在此基础上优化设计信息动态采集技术，信息的自适应转发控制通过多模嵌入式控制方法的使用完成，开发设计信息采集系统时通过使用嵌入式技术完成，从而使电力用户用电信息采集的实时性及准确性得到有效提高，信息的 ZigBee 组网结构采用VXI 总线调度模式，自适应信息处理过程则采用嵌入式信息采集技术完成，对于电力用户用电信息通过PXI 触发总线的使用完成时钟采样控制过程，可确保大量信息采集的完整性和可靠性。数据回放处理在应用层模块完成，在此基础上实现信息的动态监测功能[2]。

2.2 系统的硬件模块化设计

用户用电信息采集系统的信息处理器采用了TMS32010DSP 芯片，在对信息采集系统进行嵌入式设计时，信息采集系统在嵌入式 ARM 中完成集成开发过程，信息采集过程通过使用实时触发器 PXI-6713 完成，复位模块中的电路复位基于简单RC 复位方法实现，系统的链路转发控制输出终端由采用 2片 AD5545 芯片构成(具备自适应特点)，基于特征采样和总线控制的用户用电信息采集系统的总线数据采集功能通过使用实时 VXI总线技术方法实现，总线驱动通过运行标准VPP 仪器驱动程序完成。人机交互端的传感器模块的构建通过使用ARM Cortex处理器内核(能够进行全波采样)完成，同PXI-6713 模块连接后(通过 PXI 总线桥实现)即可完成同 PC 机间的通信过程，信息采集的采样频率≥15 MHz，构建时钟控制模块时结合运用低电压及时钟复位完成，人机交互接口由复用的数据引脚(16 个)、专用时钟引脚及帧同步引脚构成[3]。

3 电力用户信息采集的 ZigBee 网络模型及节点定位

3.1 电力用户用电信息采集网络结构模型

通过ZigBee 网络结构模型(分布式组网)的使用完成基阵组网结构的设计，再通过分布式物联网组网设计方法的使用完成对该网络基阵的进一步优化，基于多传感器量化检测识别方法的动态特征采集过程通过在信息监控区域内布置传感节点完成，使电力用户用电信息采集过程得以有效实现。针对电力用户用电信息，描述信息采集的特征状态方程，假设，w(k)表示采集信息时的背景干扰噪声即高斯白噪声(均值为零且方差为Q(k))，动态传感信息的样本相关阵由Γ(k)表示，信息的监测状态信息矩阵由x(k)∈Rn×1表示，非平稳信息的特征分布矩阵由A(k)∈Rn×n表示；zi(k)∈Rp×1表示信息混合数据(由第i个ZigBee节点采集)，ZigBee网络采集的用电信息的脉冲响应由Hi(k)∈Rp×n表示，信息采集过程的干扰噪声即高斯白噪声(均值为零且方差为Di(k))由ui(k)∈Rp×1表示[4]，如式(1)、式(2)。

x(k+1)=A(k)x(k)+Γ(k)w(k)

(1)

zi(k)=Hi(k)x(k)+ui(k)，i=1，2，…，N

(2)

假设，Hi(k)表示信息动态采集的加权矩阵，ui(k)表示匹配向量， 且Hi(k)和ui(k)间存在关联规则项，对用电信息的多模特征通过模糊信息加权控制技术的使用完成健全处理过程，信息采集的节点分布情况采用多传感器进行融合跟踪识别，得到节点分布结构，如式(3)[5]。

(3)

在电力用户用电信息采集系统的传感器网络中(包括N个传感器节点)，信息采样网络输出结构模型通过传感器节点基阵的使用完成构建，信息采集的传感器网络的节点定位，如式(4)。

(4)

在对反馈均衡滤波器进行构建时则基于节点的测度信息的平均值完成，由oi表示的信息监控数据分布的原点矩在t+1 个监测节点中对应的坐标为(xi，t+1，yi，t+1)，远程监控的用电信息通过多传感器网络的使用完成信息融合处理过程，采集信息监控数据在输出时满足的动态统计特性，如式(5)。

(5)

3.2 信息采集节点的优化定位设计

本文优化采集电力用户用电信息的实现过程基于所构建的分布式数据结构模型(对应云服务组合模式下)，信息的模糊分布式结存储中心由G(一个四元组)表示，假设，信息线性规划模型的幅值由an表示，信息交互的相空间嵌入维数由i表示，用电信息的信息流模型由关联规则项约束方程进行描述[6]，如式(6)。

(6)

(7)

对于采集到的数据通过向量量化方法的使用完成信息融合处理过程，再采用模式识别技术完成属性归类处理，在信息挖掘和特征提取过程结合运用量化融合跟踪方法，从而使采集的传感器节点定位能力得到显著提高。

4 系统测试

通过仿真实验对本文构建的用户用电信息采集系统及方法的实用性进行测试，实验在设计ZigBee 组网时采用了 32 个传感器节点，配置Visual DSP，数据采集时硬件仿真的相关参数为：信息输出的脉冲宽度为 2 μs，设置两路 D/A ，低迹线噪声为0.004 dB/rms，从 9 kHz/100 kHz到4.5 GHz/8.5 GHz的频率选件，电力用户用电信息采集系统的信息输出，如图2所示。

图2 电力用户用电信息采集输出

系统信息采集的准确性及稳定性的测试对比结果如图3所示。

图3 性能测试结果

仿真实验结果证明了本文用户用电信息采集系统举报较好的输出性能以及自动控制性能，能够获得准确可靠的采集结果，为提高智能化管理和优质服务水平提供支撑[8]。

5 总结

为满足大数据背景下智能电网的信息化管理需求，本文主要完成了基于分布式ZigBee 组网电力用户用电信息采集系统及量化检测识别采集方法的优化设计，实现了对用电信息的有效监测过程，采取分布式优化定位对具备自适应能力的采集传感器节点进行设计，针对采集到的数据则通过向量量化方法的使用完成了信息融合处理过程，信息属性归类处理则使用模式识别技术完成，再对用户用电信息运用量化融合跟踪方法完成进一步的特征提取和自动挖掘过程，针对信息采集结果通过自适应信息调度方法的使用实现了电力信息系统管理及控制能力的显著提高。通过该系统可使用户用电信息采集的自动化及智能化水平得到显著提升，使用该信息动态采集方法获取的信息采集结果具备较高的可靠度。