基于大数据模型分析算法的电网防灾应急平台设计

许剑川，杨定光

(云南电网有限责任公司，西双版纳供电局，云南，西双版纳 666100)

0 引言

国内的用电预测大多以同区域内的整体用电情况作为预测基准，面对较大的用电变化则会对电网防灾造成巨大的压力。因此，一个高稳定性的电网防灾应急平台的搭建，对整个电网体系具有战略性的意义。

近些年许多专家学者在电网防灾应急的平台设计方面提出了许多具有建设性的意义，但仍有部分缺陷。文献[1]设计了基于企业日用电量情况搭建预测模型，通过区域内企业用电的变化预测未来区域内的电网压力，从而对电网防灾进行把控与宏观调整，但数据采集方式过于单一，无法正确预测区域内的用户用电模型。文献[2]提出了利用大数据平台对电网防灾应急数据进行处理，利用大数据平台能够确保数据的客观性与准确性，但设计过程中系统稳定性却没有得到保证。本研究针对大数据模型分析算法进行创新，设计新型大数据电网防灾应急平台，基于系统的稳定性与预测准确性进行优化和创新。

1 大数据模型分析算法的创新

本研究针对大数据下的电网防灾应急处理，在大数据模型技术中，需要通过算法对电网防灾应急进行预测，在经过电网防灾模型的分析与多种算法对应急的处理状况的分析后，本研究决定采用FWA算法对平台进行设计[3-5]。FWA算法的简易流程如图1所示。

图1 FWA算法的简易流程

如图1所示，为了运用算法对电网防灾应急数据进行处理与预测，首先对电网数据进行初始化，初始化的流程包括用电客户的信息行为与防灾预警的时间重置；初始化之后对数据信息中的特定单元加入爆炸算子和变异算子，其中爆炸算子主要针对电网单元邻近区域进行搜索，变异算子主要针对多样性的区域进行搜索，通过变异算子的增加，能够有效增强大数据分析模型的适应性；在生成算子后，对超阈值的算子进行映射，对算子搜索到的数据进行整理；在此之后，通过阈值的计算将超阈值算子区域进行整理，确保全部区域的全部数据都在算子的搜索范围内，如果有需要则需要重新生成变异算子，再次对数据进行迭代运算，这就是一个FWA算法在电网系统应用的基本流程[6]。

流程中针对初始爆炸算子进行适应度的相关评估。在可行域内，为了使不同的算子具备差异化，对算子不同位置的适应度值的评估必不可少，适应度值较高的算子能够在搜索中获得更多的有效信息，相反，适应度值低的算子获得的有效信息有限[7]。对于算子有效信息的获取形象图如图2所示。

(a)

如图2所示，图2(a)代表了质量好适应度值较高的算子搜索有效信息的形象图，图2(b)则代表了质量不好，适应度值较低的算子搜索有效信息的形象图。由两图明显可以看出图2(a)在有效信息的数量和排布上都明显比图2(b)更加清晰，因此，迭代设计就是尽可能减少适应度值不好的算子，通过增加整体算子的适应度值从而增加电网防灾应急系统的稳定性与强适应性[8]。

在FWA算法中，假设每个算子的影响半径与半径内的有效信息是根据其适应度值通过一定运算计算得来的，那么对于系统内的一个随机算子xi，它可搜索的影响半径Ri与影响半径内的有效信息数目Ai的计算公式分别为

(1)

(2)

式中，ymin=min(f(xi)),i=1,2,…，N是当前电网系统有效信息的适应度值最小值，ymax=max(f(xi)),i=1,2,…，N是当前电网系统有效信息的适应度值最大值，M为一个可变化的常量，可以通过其调整算子搜索半径的大小，同理，N也是一个可变化的常量，可以通过其来调整搜索半径内的搜索率来改变可搜索的最高有效信息数目，f(xi)为电网防灾处理过程中可优化的假设代求解适应度值，通过f(xi)的展开与求解能够得出可优化的最佳阈值，它的大小直接影响到算法性能的优劣，ε是一个最小量，在公式中加入ε可以有效避免除数为0的情况出现，也是增加电网防灾系统算法稳定性的步骤。

为了增加电网防灾平台中爆炸算子的多样性，还需要对算子中添加变异算子，即高斯变异算子。通过对变异算子的高斯变异操作，对随机算子xi的维度进行选择。对于随机算子xi中任意一个随机选择的维度ω进行高斯变异操作，公式为

(3)

为了使电网防灾预警系统的计算准确性与系统稳定性更上一个层次，需要对算法内的爆炸算子、变异算子、算子的半径和算子所能承受的最大有效信息的数目进行选择，假定备选的信息集合为K，电网防灾预警系统的数据种群大小为L，备选的集合中适应度值最高的信息将会被确定的选入下一代的信息中，而剩下的信息则会采用随机选择的方式进行整理[9]。随机选择的概率计算公式为

(4)

(5)

式中，R(xi)为电网防灾应急系统当前信息数据到备选的信息集合K除去xi以外的所有信息之间的距离和,xi与xj都为信息个体。在备选的信息集合中，如果信息与信息之间的密度较高，即该信息周围同样有许多信息时，该信息被选择的概率则会降低。

2 电网防灾应急平台的设计

2.1 模块化的的创新

在数据采集的过程中对计算机的运算资源进行重新分配[10]，进而对数据的分配进行整理，这样更有利于数据的模块化实现。但是，这一过程中需要耗费巨大的计算机资源，还需要一定的计算时间，在实际使用过程中则会体现在计算延迟与反应时间过长上，同时对计算机的硬件需求也进一步加大。因此，根据上述缺点，本研究在传统大数据模型模块化的基础上进行优化与创新，另外将电网防灾应急平台的数据采集和初级网络模块进行物理交互，令网络数据能够对采集得到的数据进行校正[11]；同时添加设备管理模块，主要利用设备管理的硬件检测部分对系统硬件进行一级处理，减少系统硬件的压力，从而降低系统平台对硬件的硬性需求；另外，通过改良用户交互方式，将用户交互与系统软件后门进行二级处理与开发，增强交互性，降低电网相关人员对系统的操作性要求，从而增加系统的普及性[12]，侧面增加了系统运维的稳定性。系统模块化设计如图3所示。

图3 系统模块化设计图

如图3所示，本研究工作原理如下。

(1) 通过FWA算法开发模块实现防灾人员之间的交互计算，增加算法开发模块与二次开发模块，同时在交互方式上进行可视化设计，不断加强可视化操作与可视化信息交互。

(2) 通过进行防灾人员交互，将网络模块与电网设备管理模块进行连接，通过网络模块实现电网设备的远程管理，同时对网络模块的内网与外网的权限进行划分。

(3) 然后进行数据存储，在进行数据存储时，增加固定存储方式，在系统对信息算子进行爆炸与变异处理时，通过固定存储的方式更容易调用存储过程中的变量信息，对可替代信息的替代，不同信息的分类观察等都有可观的帮助，同时也是一种减小系统运算时间从而减小延迟的方式。

本研究所设计的电网防灾应急平台的模块化创新，通过以上3点对系统硬[12]件进行改造，但这只解决硬件方面的诸多不便，更深层次的优化与创新还需要对网络架构进行建造。数据过滤如图4所示。

图4 数据过滤图

2.2 大数据电网平台网络架构的创新

本研究所设计的大数据平台从电网防灾的基础出发，与当前大数据分析模型相区别。针对传统电网防灾应急平台计算速度不足，电网交互反应延迟过多以及准确性欠缺的缺点，本研究通过对电网防灾应急网络架构进行重新整合，将网络架构分解为系统管理、实时计算、软件配置、运行统计和监控与交互几个大的板块。同时在每个板块内采用上文提到的FWA算法[13]对其进行优化，通过系统软件的配置，解决运算力不足的问题，同时为电网防灾提供良好的电力调度方案与电力维护方案。整体网络架构图如图5所示。

图5 整体网络架构图

3 实验结果与分析

3.1 实验环境及数据

本研究采用硬件计算机操作系统为Microsoft Windows 10，64位，CPU：Inter(R)Core(TM)i7[14-15]；主频为2.59 GHz；内存16 G。

河南省郑州市高新区有1 200余家企业，常住人口32万余人，用电量在100 wkW左右，本研究选用高新区作为实验区域，在实验过程中选择郑州市高新区用电情况作为大数据平台的模拟对象，通过对郑州市高新区用电情况进行模拟，从而比较本研究所用大数据电网防灾应急平台与传统电网平台的优缺点，验证本研究系统的技术优越性。

3.2 实验设计与实验过程

为了验证本研究所设计的大数据电网防灾平台的技术优越性，在此设置对照组，先对电网防灾应急平台搭建进行仿真，主要通过对电网防灾应急大数据平台中的网络架构与硬件模块化模型进行搭建，对比文献[1]基于企业日用电量情况搭建预测模型(下文简称为平台一)与文献[2]利用大数据平台对电网防灾应急数据进行处理的模型(下文简称为平台二)，判断三者在电网防灾应急大数据信息处理过程中的系统稳定性与系统准确性。

3.3 实验结果与分析

为了测试3类平台的系统稳定性，将测试数据导入到系统平台中，观察3类平台给出的数据反馈，利用崩溃测试对平台稳定性进行极限化测试。输出的误码率如表1所示。

表1 平台误码率测试示意图

为了形象地表达本研究的数据接收情况，将平台反应情况绘制成折线图，如图6所示。

由图6可以明显看出，平台一误码率一直处于最高的状态，在第2～5个小时的测试时间点，误码率上升平缓，但剩余时间都是高上升趋势，在第6个小时的测试时间后，误码率达到四个百分点。据分析，这是由于平台一采用了单一的数据采集方式，容易造成在采集时的数据误差没有及时辨别，导致错误的数据继续向下游反馈，进而对整个数据输出的结果产生很大的影响，产生更大的错误；平台二在第2～3个小时之间，由于算法处理到达阈值等问题无法及时更新错误运算，导致误码率在这个时间段内飞速提升，在6个小时的测试后达到2.1%；本研究设计的平台由于更新了算法处理机制利用FWA算法对数据进行分类，能够有效对误码率进行挑出，因此在6个小时的测试完成后误码率不超过1%，且误码率趋势稳定，有利于后期审核过程中对错误数据有效的挑选，由此表明本研究算法对系统的稳定性处理上发挥着有效的作用。

图6 平台误码率测试

本研究对未来一季度高新区的用电情况进行分析，对比3种平台系统的预测用电情况与真实用电情况，引入真实度的概念对准确度进行概述,具体分析结果如图7所示。

图7 未来一季度用电量与预测对比柱状图

在图7中，虚线表示当月真实的用电量，由图7的数据可得，本研究所用方案在用电量预测明显优于平台一与平台二的预测结果。

经过上述2种实验的分析，本研究平台在稳定性测试与准确度测试上都明显优于文献[1]与文献[2]所设计的平台，验证了本研究的技术优越性。

4 总结

本研究基于大数据模型分析算法，对传统电网防灾应急平台进行改良。利用模块化技术结构，构建出新型的大数据电网防灾应急平台的物理层设计，同时引入FWA算法对平台的数据处理进行优化，进而增加平台的稳定性与准确性，进一步改进了传统电网防灾平台中相对应的技术不足的缺点，实现了高稳定性且高准确率对区域内的电网压力计算和用电情况进行处理，这使得电力监控与电力灾害防治领域提升了一个新的技术高度。