中低压混合配电网末端数据智能融合模型设计

利润霖，李 川，吴 钢

（国网信息通信产业集团有限公司，北京 102211）

“全能型”乡镇供电所智能化应用深化研发与建设的主要目标是推动供电所数据的深度融合，提高数据融合的及时性、准确性及颗粒度，将数据融合频率提升至实时、将末端数据由供电所细化至网格、台区甚至台区经理[1]。利用粗糙集向量数据融合技术对数据集进行预处理，实现了冗余数据的快速融合；利用优先级分配策略对数据进行融合，可依据数据稀疏程度进行融合[2]。但是通过不同的元数据规范设计的传统模型，不能解决中低电压混合配电网中经常出现的大数据分层现象。针对上述现有问题，引入数据融合技术，结合自适应、自组织、分层等多项技术，建立了一个中低压混合配电网末端数据智能融合模型。在该模型的基础上实现了面向全局区域的电网数据安全分配，大大提高了区域电压无功控制的准确性。

1 末端数据智能融合模型设计

末端数据智能融合过程所使用的微应用/微服务分层结构如图1 所示。

图1 微应用/微服务分层结构

1）表现层：负责用户操作界面的表现，并与用户直接交互。

2）应用层：通过调用服务层中的业务服务功能，实现独立业务功能并与其他业务交互[3]。

3）服务层：负责执行独立的业务逻辑，包括业务处理、公共技术实施和公共业务服务。

4）数据层：负责数据的永久存储，根据业务需要选择数据库类型，一般推荐关系型数据库，主要负责实现数据库索引，不建议采用触发器存储[4]。

1.1 决策数据状态特征提取

根据中低压混合配电网末端数据管理多域之间的联系，统计高层分层扩散模糊决策性质转换的特征，模糊决策域的变化改变了高层扩散模糊决策的统计特征[5]。在层次化高阶扩散模糊决策中存在如下因子：

嵌入式分层融合统计模糊决策结果为：

公式（1）、（2）中，z1、z2分别表示统计层高阶扩散决策模糊因子、决策因子；l()φ表示测量距离；λ0表示模糊度；x、y表示公共模糊域，为末端数据智能融合奠定基础[6-8]。

在决策数据模型的状态提取过程中，将训练样本数据输入函数作为伴随状态识别器，识别伴随状态集中的数据[9-10]。输入的数据特征与验证程序状态识别和验证相匹配，最终判定输入的是否为一种有用的特征。

1.2 特征分层融合活性表征

对于特征分层融合活性表征，需使用闭频繁项概率正则中的训练迁移法则。闭合项目集中的支持计数与其自身的支持计数不相等[11-12]。若频繁项目集闭合时间都相同，即支持度大于或等于最小支持度阈值，则该频繁项目集为闭合频繁项目集，其中，训练迁移规则是将模型用于不同但有相关性的任务，以一种适当的方式表示对功能层次融合活动的适用性[13]。训练迁移结果如图2 所示。

图2 训练迁移

在此规则下，中低压混合配电网闭合频繁项网络节点得到的最近时刻最大有效特征概率为1。假定xn+1的决策属性值为dn+1=d1，扩充论域为Q′，时间间隔越长，获得有效特征值的几率越小。由于统计特性被引入到中低压混合配电网中，因此，对电流的影响不大[14]。在中低压混合配电网中，定位节点融合的倒数表示网络效率，即中低压混合配电网中统计特征分层融合节点a到定位节点b的间距为dab，其效率定义如下：

在中低压混合配电网中，任意两层融合定位节点的平均距离代表了云计算非线性差分最小适应函数的输出值[15]。中低电压混合配电网络中，末端数据通过变量分配传输。对字符进行编码和过滤，实现函数参数的快速输入。中低压混合配电网矢量空间模型的统计特征层次融合结构，可以用中低压混合配电网的统计特征层次融合活动来描述[16]。

1.3 智能融合模型

采用非线性差分相位融合估计方法，实现了“全能型”乡镇供电站智能应用系统中低压混合配电网末端数据的智能融合。在进行时间跨度时，在脚本注入模块中将标记为属性的函数作为测试脚本插入。在测试脚本的基础上，利用数据状态方程完成数据处理，并调用eval()函数，得到具有统计特征的层次融合调度函数如下：

公式（4）中，x(f)表示受限配电网中统计特征频谱；YT(f)表示采样末端数据信息频谱；T表示融合周期；T0表示融合最初时间；f表示调度频率；n表示融合次数，由此得到满足中低压混合配电网末端数据智能融合模型为：

在数据融合过程中，存在信息融合、编码和过滤变换时间间隔，由此实现中低压混合配电网末端数据智能融合。

2 实 验

使用中压4 节点单负荷系统和低压15 节点系统作为中低压混合配电网末端数据智能融合模型设计实验系统，以m4 节点为台区负荷节点，用户电表等级为1/2 等级，实时测量的实际负荷值除了基础值之外，还加上由随机发生器随机发生的2%的高斯随机噪声，其他节点虚拟量为0。

2.1 中低压混合配电网状态分析

中低压混合配电网如图3 所示。

图3 中低压混合配电网运行结构

依据图3 所示的配电网运行结构，对其运行状态展开分析，结果如表1 所示。

表1 中低压混合配电网状态分析

由表1 可看出，中低压混合配电网状态估计结果具有较高精度。在该配电网下统计相关业务，并以该业务为基础，将粗糙集向量数据融合技术、优先级分配策略融合技术和基于数据频繁分层的融合模型末端数据融合情况进行对比分析。

2.2 业务统计

统计台账管理内容，结果如表2 所示。

2.3 融合效果分析

以表2 所示的台账管理内容为基础统计数据，结果如图4 所示。

由图4 可知，7 个部分的数据呈现出分散状态，且不具有规律性，因此，使用3 种技术融合这些数据，结果如图5 所示。

图5（a）使用粗糙集向量数据融合技术虽然能够将数据全部集中在一个区域，但该区域内部数据仍然过于分散，无法将数据有效融合在一起，且不具有规律性。

图5（b）使用优先级分配策略融合技术相比于未融合前的数据具有一定聚集效果，但仍不在一个区域内，融合效果较差。

表2 台账管理业务步骤清单

图4 数据统计结果

图5（c）基于数据频繁分层的融合模型可将数据以层的形式融合，保证所有数据都具有一定的规律性，按照不同属性融合在不同层次结构之中，融合效果较好。

3 结束语

图5 3种技术融合结果

文中的中低压混合配电网末端数据智能融合模型，完善了现有的信息数据集成系统和配电网能源利用系统，从而提高了系统信息数据资源的使用效率和信息安全水平。该融合模型使工作人员能全面掌握供电所、台区、台区管理的整体情况，为电站的日常工作提供保障。以减轻基层负担为出发点，进一步推进终端业务整合，实现营销系统、PMS 等系统服务的终端一体化，集中统一处理供电及各专业的业务管理和业务评估。优化现有功能，深化数据应用，构建个性化功能，缩短数据融合时间是接下来研究的重点。