基于熵权法理论的变电站传感器信息采集决策

沈海平，顾 帅，鲁方林，吴 曦

(1.国网无锡供电公司，江苏 无锡 21400；2.中国科学院上海高等研究院，上海 201210)

基于熵权法理论的变电站传感器信息采集决策

沈海平1，顾 帅2，鲁方林1，吴 曦1

(1.国网无锡供电公司，江苏 无锡 21400；2.中国科学院上海高等研究院，上海 201210)

在变电站信息采集过程中，使用采集的数据评估当前变电站的信息熵，根据信息熵判断环境信息量，决定何种策略进行信息采集，不同策略采集的数据量和消耗的系统资源不同，从而通过熵权法实现了情景感知。采用这种情景感知技术，可以平衡信息采集过程中更少的数据量与更多的环境信息的矛盾，并且减少系统功耗。

信息采集；信息熵；熵权法；情景感知

早期国内变电站的巡检基本通过巡检人员借助笔和纸来进行，随着变电站相关管理与基础设施的进步，巡检手段渐渐优化为通过各种仪器实现巡检状况数据的采集、保存与汇总。在使用智能巡检或在线监测设备对变电站的检测目标进行监测时，信息采集过程并未做到智能化，海量的无用信息降低了数据管理效率，且长期满负荷工作也使得设备难以满足低功耗要求。

随着传感网、物联网、嵌入式系统、通信网络和分布式计算等技术的发展，越来越多的情景感知应用也被开发出来[1]。本文提出的基于熵权法的变电站信息采集，正是结合目前相关理论知识，将情景感知运用在变电站监测中，从数据量、节约带宽占用率和功耗等方面，实现信息的高效采集。

1 方法介绍

本次提出的方法是基于多传感器、多种采集模式的智能采集方法，多种传感器指变电站监测过程中使用的传感器，而多种采集模式是指传感器采样频率、采集数据方式或最终形成的数据格式具有多种可选的形式。

1.1 基于熵权法的变电站运作情况分析

熵权法是基于特征推理技术的信息论方法，是一种检测，分类和识别的算法。它试图通过事件发生的概率来度量事件中所包含信息的重要程度[2]。信息熵是一种度量的方法，能够对不确定性的变化进行量化处理，假定随机变量x有m种可能状态， 每种状态出现的概率为p(xi),那么它的不确定性程度可以表示为信息熵H(X)形式：

(1)

设备的实际状态，系统的复杂程度、评估与诊断的难易程度等，都可以用信息熵来度量[3-4]。在变电站设备运行状况监测中，利用信息熵理论进行评估，具有很强的抗噪能力，能够通过检测信息源的信息熵的变化，对设备运行状况提供预警，并且不同传感器从不同角度对变电站运行进行检测，它们的信息源之间存在联系。根据信息熵的性质，在组合预测中，某单项模型误差的信息熵H(x)越小，变化程度越大，不确定度越大，则该单项模型的权重系统就越小[5-6]。

因此，可以根据单项传感器模型的测度值变异程度，利用信息熵原理计算出各个传感器在组合预测中的权重系数，计算步骤如下。

设总共有j种传感器，第i个传感器的相对误差的熵值Hi，则其权重系数公式为：

(2)

将各传感器信息熵权重系数加权求和，即可计算获得预测结果：

(3)

式中yi——第i个传感器对环境信息熵的预测值；Y——融合后的预测值。

1.2 多采集模式方法的原理

多种类异质传感器融合是人类和其他逻辑系统中常见的基本功能[7]。根据以往经验，变电站运作过程中，可以通过布设在特定点的传感器所采集到的数据，计算出环境熵值Y，若熵值或采集的数据幅值属于正常范围，则所含有的异常信息量较少。例如，通过红外温度传感器监测到刀闸在一个小时内的温度保持在40～45℃，则说明当前温度检测的数据中，含有对变电站监测的有用信息量较少；反之，若监测到的刀闸温度在一分钟之内，从45℃上升到50℃，则这一段数据异常信息量较多，需要采集更多的数据以便分析。再如，通过采集到的噪声幅度，计算出的熵值与正常情况相差较大，则这一段数据异常信息量较多。

传统的数据采集使用等时间间隔，周期性地对性能数据进行采集和分析，这种方法的优点就是比较简单，易于实现。但是它完全忽略了数据值变化的特点与环境中信息量的关系，所以效率不高[3]。本文提出了多模式进行采集，例如，温度采集模式根据融合计算的熵值Y，会对采样时间间隔进行调整，通过判断环境的信息量而选择不同采集模式。即传感器采集模式P是多传感器融合计算后的熵值Y的函数P=f(Y)。

每种传感器的采集模式P会对应不同的融合计算后的环境熵值，不同传感器采集模式P可以是多种形式的，根据不同的现场需求，不同采集模式可以是减少单位时间采样数据的密度、减少同时工作的采用点的物理数量、更改采样后的分析算法等。

每种传感器的采集模式根据环境信息量与采集数据之间的关系，以及存储空间与传输带宽来设定，设定后的采集模式与环境信息量一一对应，多种传感器与环境信息量之间映射关系见表1。

表1 信息量——采集模式示意表

在只有一种传感器的情况下，环境信息量的熵值可由传感器的数据直接得出，当涉及多种异质传感器时，环境信息量需要根据多种传感器反馈的结果进行融合判断。根据历史数据得出所有传感器的信息熵权重系数，再运用到现场监测中，这种融合策略使监测系统敏感度高，在变电站监测系统中，这种策略可以降低监测系统的失警概率。

2 实例分析

2.1 方法模型建立举例

针对方法中的理论，选取两种传感器进行建模，对于更多传感器的融合具有参考意义。

首先，对监测目标的状态进行评估，将目标状态下根据历史数据求取目标状态的Y值。

表2 设备状态分级表

由式(3)可知，要获取对应不同状态下的目标Y值，首先需要确定两种传感器单元在对应状态下的y1和y2，还需要知道两种传感器单元的权重系数。

选取的两种传感器评价手段分别为温度值和噪音分贝，分别用v和w表示，则对应的预测熵值可以由式(1)得出：

式中m，n——所取样本数据个数。

样本数据从历史数据中获取，由y1和y2的值可以计算得出各自的权重系数w1和w2，再根据表2中提出的相应的分级阀值，最终可以确定不同融合Y值下的y1和y2[8]。

实际评估中，根据实时的y1和y2，以及由上述计算的权重系数w1和w2，可以算出实时的Y值，最终判断系统的状态，在不同状态下，不同的传感器采取不同的信息采集策略。

2.2 嵌入式功能结构

实际实现过程中，系统硬件包括嵌入式控制盒和多种类传感器构成，嵌入式控制盒提供多种通信接口，并且具有4G通信功能，用来跟中心侧进行交互。

嵌入式系统软件功能如图1所示，软件包括数据访问层和业务逻辑层。其中，数据访问层涵盖了本文方法有关的实现，访问层又划分为底层传感器单元和上层数据记录模块、分析模块[9]。

图1 软件系统结构图

为统一化处理，每种传感器都抽象为包括不同的采集模式和一个访问接口的传感器单元，传感器单元的访问接口提供数据订阅和模式选择功能。抽象后的传感器单元建立的软件模型也如图1所示，传感器单元包括不同的采集模式和一个访问接口，通过传感器功能单元的访问接口，不同的上层应用可以对这个传感器单元进行数据订阅和模式选择。不同的上层应用在订阅了当前传感器单元后，传感器每采集一次数据，应用都可以获得采集的数据[10]。

数据记录模块对订阅的传感器单元负责数据记录，将数据进行保存以便定期将数据发送给后台。数据记录模块可以根据实际系统配置情况，动态的增加或删除订阅的传感器单元。

系统分析模块也会对传感器单元数据进行订阅，系统的分析模块对各个传感器当前采集模式下采集的数据进行分析，判定当前环境情况信息量，并分析得出相关传感器的采集模式是否需要切换，最后，反过来决定传感器采集模式的选择。

3 结语

利用多传感器对环境异常信息量进行判别，再反馈调整采集模式的智能采集方法，在实际操作过程中，数据量大大减少，并且在正常工作中能够迅速地反映现场的具体情况。若出现异常情况，也能及时切换采集模式进行大数据量采集，以便技术人员分析。但现场异常情况的数据量还远远不够，需要积累更多的经验来获得一些关键参数，用以优化采集系统。其中，关于信息源的信息熵在不同工作状态下不同，不仅需要实验环境下的理论值，还需要现场实际运行数据的观察用以斧正；关于不同信息源之间权重系数的选取，是实际设计中的重点和难点，选用熵权法能做到更加客观，但忽略专家经验，可以根据实际研究程度，在已知领域融入专家经验的加权。

[1] 陈 鹏.面向情景感知计算的时空数据管理、查询、分析与相关算法研究[D].上海：华东师范大学,2013.

[2]KLEIN LA. Sensor and Data Fusion:A Tool for Information Assessment and Decision Making, Second Edition[M].2012.

[3]于 洪.信息熵在变压器故障诊断与状态检测中的应用[D].北京：华北电力大学(北京),2014.

[4]COVER T M,THOMAS J A. Elements of information theory[J].Wiley Series in Telecommunications,1991.

[5]苏为华.多指标综合评价理论与方法问题研究[D].厦门：厦门大学,2000.

[6]黎育红,陈 玥,周建中,等.熵权法并联组合建模在径流预测中的应用[J].水电能源科学,2012,30(2):13-16.

[7]何 友.多传感器信息融合及应用[M].北京:电子工业出版社,2000.

[8]刘树鑫.电器设备绝缘状态在线监测方法研究[D].沈阳：沈阳工业大学,2013.

[9] 庞希愚,姜 波,仝春玲,等.一种自适应数据变化规律的数据采集算法[J].计算机技术与发展,2013,23(2):157-161.

PANG Xi-yu, JIANG Bo, TONG Chun-ling, et al. A kind of data acquisition algorithm of adaptive data change rule[J].Computer Technology and Development, 2013, 23(2): 157-161.

[10]葛 亮,张建华,余 斌.智能变电站数据中心及其应用服务[J].电力系统自动化,2013,37(24): 54-59.

GE Liang, ZHANG Jian-hua, YU Bin. Smart substation data center and its application service[J].Automation of Electric Power Systems, 2013, 37(24): 54-59.

(本文编辑：赵艳粉)

Decision-Making Strategy for Substation Information Acquisition Based on Entropy Weight Method

SHEN Hai-ping1, GU Shuai2, LU Fang-lin2, WU Xi1

(1. State Grid Wuxi Power Supply Company, Wuxi 214000, China; 2. Shanghai Advanced Research Institute, Chinese Academy of Science, Shanghai 201210, China)

In the process of substation information acquisition, the data is collected to evaluate the current substation information entropy, thereby judge the environment information, and then decide on the strategy for information acquisition. Different strategies result in different amount of data and system resource consumption, thus realizing the situational awareness through the entropy weight method. This situation perception technology can be applied to balance between the less amount of data in the process of information gathering and the more environmental information, and can reduce system power consumption.

information acquisition; information entropy; entropy weight method; situational awareness

10.11973/dlyny201606003

国家电网公司科技项目(J2016051)

沈海平(1976)，男，硕士，高级工程师，从事电力系统科技与智能电网管理研究。

TM73

A

2095-1256(2016)06-0678-04

2016-07-05