信息融合背景下电力营销数据的多元回归分析系统

2023-01-03国网陕西省电力有限公司延安供电公司苗壮

数字技术与应用 2022年12期

国网陕西省电力有限公司延安供电公司苗壮

关于电力营销数据的分析系统的构建，应以具备的应用功能为基础，设计多元回归分析系统，基于这个多层结构体系，细化和分解各接口，创建分布式数据集成方案，依托于关键技术，设计ONCE平台（数据集成平台），根据系统设计和实现，着重研究电力营销数据中多元回归分析，丰富电力营销数据分析，提升其精准度和安全性，也为相关研究提供借鉴。

1 信息融合背景下的电力营销数据系统构建

1.1 功能设计

围绕用户群体，准确定位服务功能，包括数据的实时监测、线损分析功能、售电资金回收分析功能、专项查询功能和数据分析箱等[1]。其中，数据的实时监测，结合为用户创设的某些重点数据（阈值限制），全程跟踪预警和智能疑点，配备相应的数据监测（实时性）和过限预警，若是一旦产生异常情况，及时启动跟踪查证和预警装置；线损分析功能比较分析购电量和售电量两者之间的线损情况，形成一些决策依据；再如专项查询功能，用户可结合自身情况，添加新的查询方式，运用数据库实现多元数据的采集和分析，如插件式的专项查询功能等。

1.2 C/S模式的多层结构设计

组件设计在电力领域应用广泛，其优势体现在功能独立，各软件包具有自定义的标准服务接口，满足用户“即插即用”的需求，运行中各组件不受其他组件干扰，其开发和测试均可独立运作，在一定程度上提升软件开发的重用性和效率。本文研究分析的对象则是多层C/S模式（Client/Serve），作为一种分布式的计算模式，具有可伸缩性的属性和特点，在技术推动下，以从传统的两层设计转化为多层架构，融合客户端、应用服务器、数据基层服务等（如图1所示）。C/S模式的多层结构以组件技术为关键，还涉及计算机、大数据技术等，灵活利用数据采集及处理，集中解决系统运行中的重难点，实现同步开发、测试和分析等目标。

图1 C/S模式多层结构系统架构Fig.1 C/S mode multi-layer structure system architecture

1.3 电力营销数据采集系统的方案设计

C/S模式多层结构结合实际的系统，以处理和解决数据传输及转换为核心，数据转换涉及到数据类型、数据生成、数据合并、数据分解等，还根据系统转型升级相应改变，对此应构建开放式的系统，既在外部实现数据转换，又为用户提供自行制定管理和转换工具。C/S模式多层结构中各层功能设计如下。

1.3.1 分布式数据库

本文C/S模式多层结构中，创建的分布式数据库采用Oracle、SYSBASE和SQL Server2000。为保障系统可靠性和安全性，添加镜像服务器，替代原有的数据提取、筛选及传输等。

1.3.2 数据集成服务器

数据集成服务器基本功能是两端服务，考虑到数据采集呈单向，将系统中的发送端和分数式数据库连接为一体，接收端坐落在本地，配备多个发送服务器和一个接收服务器，具有高度的开放性，满足各类数据的实时性和自动传输。因此，用户根据服务器各种界面，可及时提取和筛选本地库数据。

1.3.3 本地数据库本地数据库基于分布式，依靠于多个数据服务器，应用SQL Server 2000（数据库管理软件），以此来处理系统中庞大复杂的数据量，设计和开发触发器和存贮路径，符合数据的一致性特点，避免出现数据冗余和堆积的现象。

1.3.4 应用功能层

应用功能层从现实需求出发，将逻辑层设计为低级端口和高级端口，低级端口用作本地数据库的连接及维护，高级端口根据组件技术，为用户提供各类服务功能，如查询功能、统计功能、数据采集控制功能等。组件接收的数据主要来源于客户，运用不同形式的方法集，采集和分析用户数据，表现为逻辑层和用户表示层之间的接口。此外，数据采集控制功能涉及数据采集控制类组件，不仅从用户群体中提取数据，还及时发出命令捕捉数据，满足表示层的提交对应信息任务。

1.3.5 界面表示层

界面表示层与用户交互，一方面，给予用户沟通交流环境，收集和分析用户习惯，实时接收和处理各类用户文件和电力信息；另一方面表示层与逻辑层高效连接，各种功能组建安全云总，更好地推进程序的升级及维护。

2 电力营销数据采集系统的实现路径

2.1 OnceDI的技术原理

OnceDI是电力企业应用的数据集成中间件，具有服务器端和客户端两个部分（如图2所示），用户结合实际情况二次开发利用服务器，经过各类数据传输任务及设置，个性化管理和应用服务器。各种任务具有发送和接收两大形式，涉及数据源、渠道等对象，其中的数据源的适配器包括XML文件适配器、格式化文件适配器等；再如渠道类型运用FTP、MSMQ等，及时将数据传输多个接收端。

图2 OnceDI 的架构图Fig.2 Architecture of OnceDI

2.2 数据集成的解决方案及实现

发送任务具有触发外部程序、获取数据源中的数据、加工数据、发送数据到一个或多个渠道4个步骤，接收任务包括加工数据、数据保存及处理、触发外部程序3个流程。对于数据集成的解决方案设计及事项，具有如下思路。

2.2.1 实时数据

整个电力营销系统中，及时采集和处理各种售电数据和资金回收回收数据，运用自动执行方式，设置OnceDI的客户端，灵活使用数据源、数据转换插件等，实时采集和收集数据，还可以添加包装器，实现对数据的检索及转换。

2.2.2 定期制定数据

系统中繁琐复杂的数据，需要定期采集和处理，如报表数据、电价数据等，根据数据周期长、不稳定等特点，在数据对象已知的条件下，结合自动执行和人工执行方式，启动服务器层的组件程序（OnceDI服务器），经过相应的编程处理，设计各项任务和安插数据源，及时编排在数据报表中，满足查询数据和调用功能[2]。

2.2.3 临时性数据

启动事件预警装置，离不开对数据的跟踪及查寻，因数据的不确定性，尤其是数据检索任务往往是用户随机设定，这种单次和数据对象模糊的情况，需要服务层配备特定的组件，及时接收用户信息，包括数据来源、数据筛选等，及时配置服务器（收发两端）接口，输送和传递任务，还可以根据具体情况，随时返回数据源或者取消任务。

3 信息融合背景下电力营销数据的多元回归分析系统研究

3.1 电力营销数据的抽取及筛选

电力营销信息融合，采集和分析数据信息，经过对不同类型的信息融合，捕捉和获取新的数据来源，围绕相关数据，校准和估计各种数据状态，采取模式识别的方式，丰富和完善更为全面的信息，以此构建系统功能模型，引入多元回归分析方法及流程（如图3所示）。

图3 电力营销数据多元回归分析流程Fig.3 Multiple regression analysis process of power marketing data

灵活利用各种挖掘算法捕捉、筛选和获取各种数据。（1）低密度区域分割数据，依据计算理论“nd=(υ - b1)nr” （υ代表空间数据的数目，b1代表低密度条件下数据对象的区域空间，nr代表数据节点的值域）。（2）高密度区域分割数据，依据计算理论代表高密度条件下数据对象的区域空间，φ和δ分别代表低密度和高密度的属性值）。（3）综合处理低密度和高密度的数据应用，依据计算理论代表实际的数据）。运用上述三种不同的电力营销聚类数据筛选值计算理论，围绕样本数据，抽取和筛选属性最高的数据，汇总和分析数据集，若是数据集符合实际应用，则继续实施和执行下一步。

3.2 多元回归处理过程

针对电力营销数据系统，多元回归处理运行过程具体如下：

3.2.1 根据数据结构创建矩阵模型

3.2.2 标准化处理

依照度量值和绝对平均值，将两者的聚堆偏差值进行标准化处理，计算过程为（sf和mf代表绝对偏差值和绝对平均值，f代表数据内部的差别），比较分析相关数值，sf的鲁棒性较佳，鲁棒性是指控制系统在具体（结构、大小）的参数摄动下，维护相关性能特性，具有稳定鲁棒性和性能鲁棒性两种，根据鲁棒控制器（固定控制器），防止异常数据出现偏差。

3.2.3 不同数据对象的回归分析

针对各类电力营销数据，既要寻求这些数据间的异同点，又要预测和评估数据对象内部的距离，依据回归分析距离计算理论代表各类数据多元回归分析处理中对象的距离），若“ 0),( =jid ”，则两个对象具有对称属性，按照上述公式计算；若“ 0),( ≠jid ”，两个对象则无对称属性，此时考虑到对象的相异性，还应归纳“ W = d(i ,j)×ki”（W代表多元回归分析的最后数据结果，ki代表多元回归分析中的数据量）。

3.3 试验分析

根据XX电力企业，获取一组电力营销数据（如表1所示），进行多元回归分析，实验流程及实施，事先填充该组数据中的空缺值，及时纠正各种数据异常，避免产生不一致现象；整合数据到数据管理系统中，明确选取相应的样本数据，压缩数据包，保障数据多元回归分析的效率。

表1 XX电力企业的一组电力营销数据Tab.1 A set of power marketing data of XX power companies

运用决策树理论，剔除无关数据，推进数据转换，基于C/S模式多层结构，实施表1中数据的实验分析。由于各种方法数据分析的速率大小不一，设计实验次数（次），计算C/S模式多层结构的回归分析的时间（s），推导出回归分析的精准度计算理论为“（m代表数据量，w代表实际分析数据量，w'代表预估分析数据量，Z代表精准数据结果）。经过对实验数据的计算及演变，得出信息数据转换中，灵活使用各种发掘数据算法，实现对精准数据数值的捕捉和获取，更好地服务于电力运营[3]。