基于分层聚合的电力系统不良数据自动辨识

翟佳，封冠华，张翃帆

（国网北京客服中心，北京 100062）

分层聚合就是按照数据的层次分布原理，求取物理数值解，统计最终计算结果的分布形式，将具有相似性的指标参量聚合起来，从而生成全新的数值解排列集合。与常规统计方法不同，分层聚合算法同时具备分裂、凝聚两类执行能力，在保障信息参量完整性的同时，合理运用相关数据，可以避免信息浪费行为的出现[1]。在实际应用过程中，“分层”“聚合”是两个完全不同的执行阶段，前者注重对数据参量的打散处理，而后者则可将散乱分布的数据在此结合起来，一方面有效解决了数据参量分布不合理的问题，另一方面也实现了对数据聚合指标的合理调取与利用。

在电力系统实际运行过程中，由于存在电压误差、电信号传输不及时等外界因素，极易导致不良信息参量出现，且随着电网运行时间的增加，这些数据会在数据库主机中大量堆积，从而对电网主机的稳定运行能力造成一定的不利影响[2]。传统前推回代型追踪辨识方法通过统计电力数据传输能力的方式，确定不良数据所处位置，再借助物理信道组织，将这些信息参量反馈至既定存储位置，以此实现不良数据辨识[3]。然而该方法的应用能力有限，其对于不良数据的分辨准确度始终不能达到实际应用标准。为解决上述问题，设计基于分层聚合的电力系统不良数据自动辨识方法，并通过对比实验的方式，验证该方法的实际应用价值。

1 基于分层聚合的电力系统规划

在分层聚合思想的支持下，电力系统规划包含主电路连接、分层标准制定、聚合指标计算三个执行环节。

1.1 主电路连接

主电路体系负责电力系统中的电量信号供应，以MAX811T 芯片作为核心搭建结构。在实际应用过程中，整个主电路体系中包含多个R消耗电阻，其中一部分电阻负责点传输电量信号的处理，另一部分电阻则负责更改供应电流的传输方向，在复位子回路的作用下，这些电阻结构能够整合一切可利用的电信号资源，并可借助传输信道，将这些信号参量反馈回MAX811T 主芯片中[4-5]。电信号聚合器具备一定的电量感应能力，可与MAX811T 芯片直接相连，并可调取其中的电流与电压参量。完整的连接示意图如图1 所示。

图1 主电路示意图

在电力应用系统中，主电路存在于高压输入端与低压输出端之间，且连接位置不会随不良数据传输行为的改变而出现变化。

1.2 分层标准制定

分层标准约束了电力系统不良数据的传输能力，在分层聚合算法作用下，分层标准的实际取值越大，不良数据对于电量系统的攻击能力也就越强，此时主机元件对于这些数据参量的辨识意愿也就更强。在不考虑其他干扰条件的情况下，分层标准计算结果只受到电力不良数据分类权限、信息分辨指标两项物理系数的直接影响[6-7]。假设电力不良数据分类权限为α，若考虑分层聚合算法的作用能力，该项指标参量的取值结果始终处于[1,e)之间。信息分辨指标为β，一般情况下，该项指标参量的取值结果越大，分层标准的数值计算标准也就越细致。联立上述物理量，可将分层聚合算法的分层标准计算结果表示为：

式中，rα表示α权限下的不良数据标记指标，hα表示初始标记向量，表示单位时间内的不良数据传输均值。在电网运行环境中，分层聚合算法的应用必须参考分层标准的数值精度水平。

1.3 聚合指标计算

聚合指标作为分层标准的补充说明条件，其对于分层聚合算法的影响相对较弱，在既定的电网运行环境中，该项物理系数的取值区间较为局限，其值并不会随电力系统不良数据传输水平的增加而明显增大[8-9]。设w表示电力系统不良数据的聚合分类条件，在考虑分层聚合能力的情况下，w≥1 的不等式条件恒成立。表示电网运行环境中的不良数据传输特征值，Δd表示主电路体系中的电信号单位传输量，λw表示电力系统对于不良数据的判别标准。在上述物理量的支持下，联立式（1），可将分层聚合算法的聚合指标表示为：

对于电力系统主机而言，聚合指标选取结果将直接影响分层聚合算法的实际能力。

2 自动辨识算法

在电力系统应用环境中，联合分层聚合算法，对信息不良水平进行计算，再根据加权残差统计标准，确定辨识标度的具体数值，从而完成基于分层聚合的电力系统不良数据自动辨识方法的设计。

2.1 电力数据不良性计算

电力数据不良性通常指的是电力系统中存在的各种问题或异常情况，可能导致电力系统的不稳定、不可靠或不安全。在分层聚合算法的作用下，数据自身的不良性越强，电力主机对于该类型数据参量的辨识作用行为也就越明显[10-11]。设gmax表示分层聚合权限的最大数值反馈结果，gmin表示分层聚合权限的最小数值反馈结果，在电力系统运行环境中，gmax＞gmin且gmax≠gmin的不等式条件恒成立。δ表示电力系统主机中不良传输数据的拆分统计项系数，且指标δ的取值结果恒大于自然数1。表示基于分层聚合算法的数据不良性特征值，联立上述物理量，可将电力数据不良性表达式定义为：

不良性价值决定了电力系统不良数据的实际传输能力，该值能够帮助电网主机对不良数据参量进行判别与处理[12]。

2.2 不良数据加权残差

不良数据加权残差也称之为不良电力数据辨识误差，对于电力主机而言，该项指标参量能够决定自动辨识指令的执行强度，并可在不良性原则标准的作用下，完成对已存储数据的分析与处理[13-14]。假设ϕ表示电力系统主机对于不良数据的辨识阈值，其取值结果会随着分层聚合算法作用强度的变化而不断改变。表示电力系统主机在单位时间内所能感知到的不良数据传输均值，一般来说，该项物理系数的取值结果越大，不良数据加权残差的计算数值也就越大。在上述物理量的支持下，联立式（3），可将不良数据加权残差表达式定义为：

其中，f表示电力系统主机对于不良数据的自动化判别权限，l表示辨识系数。

在考虑电力数据不良性的情况下，可认为加权残差的物理计算值越大，电力系统主机对于分层聚合算法的适应性能力也就越强。

2.3 辨识标度值

辨识标度值决定了电力系统主机对于不良数据的承载能力，在分层聚合算法的作用下，辨识主机对于不良数据参考的分辨精度水平越高，则表示辨识标度值的取值结果越大，此时，电力系统不良数据的瞬时传输能力也就相对较强[15-16]。设ω表示分层聚合算法量化系数的最小值，若考虑分层聚合算法的实际作用能力，则ω≥1 的不等式条件恒成立。假设ς、σ表示两个不同的电力系统不良数据自动化分辨参量，uς表示参量取值为ς时的不良数据辨识权限，uσ表示参量取值为σ时的不良数据辨识权限，A表示既定不良数据标度。在上述物理量的支持下，联立式（4），可以得到电力系统不良数据辨识标度值计算结果：

至此，完成各项物理系数指标的计算与处理，在分层聚合算法的支持下，实现电力系统不良数据自动辨识方法的设计。

3 实例分析

选取如图2 所示的供电柜主机作为实验对象。首先，将分层聚合算法控制程序输入实验用供电柜主机中，所得各项实验数据作为实验组变量；其次，将前推回代追踪算法控制程序输入实验用供电柜主机中，所得各项实验数据作为对照组变量；然后，控制其他干扰变量完全保持一致；最后，通过进行相关实验，得到实验组、对照组实验结果。

图2 供电柜主机

电力系统不良数据分辨准确率η能够描述电网应用环境的运行稳定性，一般来说，不良数据分辨准确率越高，电网应用环境的运行稳定性也就越强。

电力系统不良数据分辨准确率η的物理计算式如下：

其中，I0表示不同方法分辨出的电力系统不良数据数量，U0表示电力系统不良数据总量。

图3 反映了实验组、对照组电流有效值的数值变化情况。

图3 电流有效值

分析图3 可知，实验组电流有效值的变化形式相对较为稳定，整个实验过程中的最大取值结果为56.91 A、最小取值结果为54.33 A，二者差值仅为2.58 A。对照组电流有效值的变化波动性更强，整个实验过程中的最大取值结果为49.50 A、最小取值结果为33.00 A，二者差值为16.50 A。

图4 反映了实验组、对照组电压有效值的变化情况。

图4 电压有效值

分析图4 可知，整个实验过程中，实验组电压有效值的平均水平相对较低，全局最大值仅能达到420 V；对照组电压有效值的平均水平相对较高，最大值达到了500 V，与实验组极值相比上升了80 V。

联合图3、图4 对电力系统不良数据分辨准确率指标η进行计算，具体数值结果如表1 所示。

表1 电力系统不良数据分辨准确率

分析表1 可知，在整个实验过程中，实验组电力系统不良数据分辨准确率指标的均值水平相对较高，而对照组准确率指标的均值水平相对较低。

综上可知，随着基于分层聚合的自动辨识的应用，电力系统不良数据分辨准确率指标始终保持在较高的水平，与前推回代追踪辨识方法相比，更符合稳定电网运行环境的实际应用需求，可以保证电网的安全稳定运行。

4 结束语

在分层聚合算法的作用下，电力系统不良数据自动辨识方法针对主电路连接现状进行改进，在此基础上根据不良数据加权残差指标的计算结果，确定辨识标度的具体数值。以此实现电力系统不良数据自动辨识。从实用性角度来看，这种新型辨识方法能够有效提升不良数据分辨准确率，对维护电网运行环境的稳定性能够起到较强的作用。