基于智能数据处理的电网信息实时交互系统设计

魏国旺

（国网信通产业集团北京国电通网络技术有限公司，北京 100192）

智能电网建设是当前我国建设能源互联网过程中的重点推进工作之一。电网的智能化核心在于智能用电，其主要表现在考虑用户与电网双向互动的基础上，实现对于电网运行过程中所产生交互信息的智能化处理，从而保障电网的可靠运行。因此，研究计及电力用户与电网双向互动的智能电网信息实时交互关键技术，建立符合国内技术规范的电网信息交互系统，完成对于电网海量数据的智能化处理，从而实现快速响应的智能化用电，对于智能电网的发展具有重要作用[1-3]。

当前供电企业在开展不同业务时，通常会使用由不同供应商生产的应用管理系统。由于其运行环境主要考虑具体的业务实施环境而忽略了电网运行过程中的总体情况，使得各系统之间相互独立而无法实现实时的信息交互。其中，核心问题是对于以电网数据为核心的信息资源无法进行高效的整合分析，从而难以发现数据中潜在的异常问题，这对电网的安全运行存在极大的威胁[4-8]。因此，该文设计了集成化的电网信息实时交互系统，并在电网主站侧采用改进的支持向量机模型对数据进行处理，以实现对异常数据的检测，从而进一步推进电网智能化的发展。

1 电网信息实时交互系统

在该文所设计的电网信息实时交互系统中，电网侧包括互动信息数据库与信息服务系统，在该侧对电网数据进行采集并分析，以开展用电优化，并实时监测用电状况与故障状态，从而保障电网的安全运行。而在用户侧则可完成对电力用户数据的采集和分析，使得用户能够与电网进行互动并达到信息交互的目的，从而使用户深入了解自身负荷、设备能耗、节点方案与用电价格等信息并主动作出实时响应，进而减少高峰时期的用电负荷。在考虑电网与用户之间双向互动的基础上，可以实现电网及用户用电信息的交互，从而保障供电安全，且有利于节能降耗。其基本结构框架如图1 所示。

各部分功能描述如下：

1）电网数据采集系统的主要功能是实现对电力用户用电负荷、用电量等数据的实时在线监测。同时，电力用户也可以基于Web 用户端及智能终端获取用电指导，并完成用电查询、购电及报警等操作。

图1 电网信息实时互动系统结构框架

智能电表是电网数据采集系统的核心计量设备，其主要由上行与下行通信接口组成，本质是一种多功能电表[9-10]。智能电表的主要功能为：①互动计量。可支撑分布式发电并网且完成电价的净计量，供电企业能从新能源发电用户处购买剩余电力并扣减消费者用电费用中的新能源发电量。②费控作用。智能电表可智能化实现电力用户的电费储存和阶梯计价。当智能电表电费余额不足时，其将主动提示电力用户且给出断电信号，并切断负荷开关。③通信功能。通信信道物理层保持独立地位，当产生严重事件时会主动告警。④可按照用户需求设定用电额度，从而限定负荷。⑤对电能质量实施监测，并记载家用电器的状态信息。⑥安全防护。智能电表能够进行编程开关防护与密码保护，从而规避外来人员的篡改行为。

2）通信传输网络。基于Java 语言设计的Web 用户端，结合目前国内电网运行特性与需求，利用服务器-用户端的组织模式完成用电信息及运行信息的双向互动。Web 互动过程包括建立互动信息的数据库与互联接口，从而对信息服务系统的数据资源进行管理，并针对业务的互动需求开展用电信息的实时采集与数据的智能处理。

3）电网主站。在电网信息实时交互系统的通信传输网络中，电网基于智能传感器实现对电网设备的状态监测，以此在负荷高峰完成调度并弥补供应不足的问题。而通过信息互动也可让电力用户对电网管理有所了解，且在接受用电指导后完成节能降耗。

在电网信息实时互动系统中，电网侧包括互动信息数据库与信息服务系统。通过智能终端设备将用户信息经通信传输网络传输到调控中心，并储存在数据库中对数据进行智能处理；然后根据安全原则筛选信息且加密，并发布可公开的信息；再由信息服务系统对电力用户进行服务，使得用户通过外网完成网上购电。电网通过系统完成信息交互，使得电力用户及时获取电网的停电、检修公告及相应的区域位置，从而提升了电网与用户间的和谐度。

4）电力用户是电网的服务对象，也是信息交互系统中的重要环节。通过系统媒介，电力用户可对电网发布的公告进行快速响应，从而根据电网最优用电指导对家用电器进行合理使用，并实时观察家庭用电状态，以提升用电可靠性。电网与用户的双向交互能有效提升电网稳定性，达到节能减排的目的。用户侧的交互系统则主要用于电网对电力用户发布公告，并通过Web 服务为电力用户提供耗能分析、阶梯电价、网上购电及故障报警等服务。

2 智能数据处理

在电网信息实时交互系统中，包含有电网运行状态的实时性数据。基于安全性与实时性考虑，需在系统中的电网侧完成对数据的智能实时处理，从而有效发现电网设备的异常信息。由于电网中存在海量的交互信息，传统的人工分析难以有效处理此类问题。以支持向量机（Support Vector Machine，SVM）为代表的人工智能算法的兴起，为海量数据的智能处理提供了新的解决思路。因此，该文针对性地采用以SVM 作为基础的数据分析模型，对数据开展异常检测。

2.1 SVM算法

SVM 的本质是对数据样本进行分类与回归运算[11-12]。其基本的算法流程如下：

首先设置所获取原始数据中的n维输入xi与输出yj，且{xi,yj},i,j=1,2,…,n。则SVM 定义为：

式中，ϕ(∙)是SVM 的特征映射函数，即样本的回归函数，其可表征为：

其中，‖ω‖2是复杂度参数，用于表征F(∙) 的复杂程度；C是惩戒因子，用以表征SVM 对于分类失误的惩戒水平，并提升全局最优解的求解几率；是经验风险值，用于表征预测结果与实际结果间的误差。若ε表示的是松弛变量，用于消除实际值的区域误差，则其符合下式：

将式（3）-（4）联立可得：

将Lagrange 乘子法代入式（5），可求解对偶优化问题：

其中，K(xi,xj) 表示SVM 的核函数。该文选取RBF 核函数作为SVM 的核函数，具体如下所示：

将解格式设定为(a,a*)，代入可得：

将式（9）代入式（8）得：

由此实现对数据样本的二分类求解，其中F(x)为+1 或-1 两类，由分类结果便可判断样本类型，从而检测出异常数据。

2.2 基于IBA的SVM参数优化

由于SVM 的分类结果由其参数所决定，而传统的人工选参通常并非最优参数，故造成SVM 的分类效果难以满足实际应用的需要。因此文中针对该问题，采用改进的蝙蝠算法（Improved Bat Algorithm,IBA）实现SVM 的参数寻优。改进的过程主要是重新构建BA 种群中标准个体的局部寻优公式，并引入自适应速率权值参数w加以改进。w可有效评估蝙蝠当前所处的位置与全局最优位置的区别，且随着迭代次数的逐步增加，蝙蝠的前进速率会逐步放缓。并按照现有个体飞行状态动态调节前行速率，从而更好地寻找全局最优解。IBA 流程如下：

1）设定算法的基础参数。种群个数Sp、种群的维度D、迭代上限Imax，脉冲响度A(0)、发射率R(0)、A(0)衰退系数Af、R(0)的增强系数Rf以及脉冲频率[fmin,fmax] 。

2）初始化蝙蝠种群。对于种群中蝙蝠个体的初始位置进行运算并对其加以评价，求出个体的适应度值并找出现有的最优解。

3）根据下式对种群个体的飞行速率与所处位置进行更新。更新计算公式如下：

式中，fi、fmin、fmax分别表征当前、最小和最大的脉冲发射频率。β表示的是取值范围为(0,1)内的随机数，w表示速率权值参数，vi表示当前个体的实时速率，xi表示第i个个体当前所处位置，x*表示空间最优解，t表征当前迭代次数。

4）若当前蝙蝠个体脉冲发射率ri满足随机数rand>ri，则个体将根据式（12）进行局部寻优：

5）判 断(rand

其中，f(xi) 表示当前蝙蝠个体的适应度值，f(x*)表示空间最优适应度。

6）判断是否到达迭代上限，若是则输出最优适应度值；否则，跳转至步骤3）继续寻优。

2.3 电网智能数据处理模型

基于以上理论，该文将IBA-SVM 应用于电网的智能数据处理，从而对交互信息系统所收集到的异常数据进行检测，模型的整体流程如图2 所示。

3 实验分析

3.1 实验环境

该文实验环境：系统为Windows 10 的计算机，PC的CPU 为Intel(R)Core(TM)i9-9900K @ 3.60 GHz，内存为32 GB，硬盘容量为2 TB，所采用的仿真软件为Matlab 2020A。数据集合来自爱尔兰电力公司于2012 年公开的电网用户用电量开源数据，该文选择2009—2010 年中1 800 名电力用户在300 天内的用电数据作为基础数据集，其中训练集与测试集的比例为9∶1。

图2 电网智能数据处理模型工作流程

3.2 实验结果

为检验所提方法的有效性，将该文方法与BP神经网络（Back Propagation Neural Network，BPNN）[13-14]、极限学习机（Extreme Learning Machine，ELM）[15-16]、SVM进行对比，测试集所得分类结果如图3 所示。

从图3 可以看出，在该文设计的电网信息实时交互系统框架下对电网用户用电量数据进行异常检测时，BPNN 的检测准确率为77.22%，ELM 的检测准确率为87.22%，SVM 的检测准确率为90.56%，而该文方法的准确率则为94.44%。与其他方法相比，所提方法能够较为准确地检测出电网数据的异常情况。其可适用于电网信息实时交互系统的智能数据处理，故具有良好的工程实际应用能力。

为进一步体现该文方法的优势，将以上几种方法与该文方法进行运算效率对比，并采用测试集检测的运算时间作为运算效率的衡量尺度，所得结果如表1 所示。

由表1 可知，该文方法的运算耗时与BPNN、ELM 算法相比更少，而与SVM 的运算耗时基本接近。这表明该文提出的方法能在确保运算准确率的同时也提升了运算效率，故可高效实现对电网数据的智能处理，且工程应用的可靠性也较高。

图3 实验结果

表1 运算效率分析

4 结束语

针对当前电网信息交互存在的不足，该文设计了一种电网信息实时交互系统，在系统框架内采用SVM 作为数据处理的基础模型，并引入改进的BA 算法完成对电网数据的异常检测。通过实验分析可知，该文设计的系统能够高效、准确地处理电网数据，并实时检测出数据中的异常情况，进而保证了电网的安全运行。因此，该文方法对于电网的信息安全具有重要的推动作用。