深度学习下电力调度数据自动备份系统设计及优化调度策略

王晓园

（国网江苏省电力有限公司宝应县供电分公司）

0 引言

随着电力系统调度自动化的广泛应用，电力调度数据作为其产物，其承载的业务量不断攀升，在电力系统中的作用日益凸显，因此电力调度数据的可靠性和安全性已成为电力系统备受关注的焦点。目前我国电力系统中仍有许多重要的电力信息未被充分利用或未能得到及时有效的处理和传输，造成了巨大经济损失。电力调度数据的毁损和丢失，可能是由于人类操作、病毒侵入、硬件损坏或自然灾害等多种因素所致。由于电力调度数据具有数据量大、传输距离远、实时性要求高等特点，所以一旦发生故障将会造成巨大经济损失。在电力调度数据遭受损毁或丢失的情况下，最迫切的问题是如何迅速恢复数据，以确保电力系统的正常运行。传统的电力调度数据自动采集方法已无法满足当前电力系统安全稳定运行需求。为了确保电力系统的正常运行，必须建立一套自动备份电力调度数据的系统，以便在数据丢失或损毁时能够快速恢复数据。

1 电力调度数据自动备份系统整体结构设计

以BECOS32×64系统为基础的电力调度数据自动备份系统，由电力系统数据采集模块、电力系统调度模块、电力调度数据备份模块和监视报警模块构成，其结构如图1所示。

图1 电力调度数据自动备份系统结构设计

电力系统运行数据的采集是数据采集模块的核心职能；数据处理模块的主要功能为对采集到的数据进行处理分析。电力系统调度模块的主要职责在于利用采集到的数据进行电力调度，同时对不良数据进行挖掘，从而生成电力调度数据，其结构设计见表。电力调度数据备份模块的主要职责在于对电力调度数据进行备份，以确保其完整性和可靠性。监测警报模块的主要职能在于对系统的整体运行状况进行实时监测并发出警报。

2 基于深度学习的电力系统运行模块

2.1 调度模块

数据采集模块所采集的电力系统运行数据，经过电力系统调度模块进行智能学习和实时运行两个方面的处理，以实现电力系统的调度。数据处理模块的主要功能为对采集到的数据进行处理分析。电力系统在线调度的核心功能在于利用远程终端设备实现实时运行。该系统可以自动根据用户指令进行相应动作，并在电网出现故障时及时发出预警信息，为人们提供了方便。智能学习部分的主要职能是排除那些运行不佳的数据，这些数据的计算公式如下：

公式中的λ代表电力调度因子；P所代表的是数据运行出现异常的情况；根据上述定义设计了基于模糊神经网络算法的在线优化系统模型，该模型能够对电力生产过程进行预测与控制。在电力数据中，xk和yk代表着两种不同的属性类型。实时运行部分提供智能学习部分所需的电力系统运行数据和调度标准经验，为电力调度实施提供决策参考，从而确保电力系统的高效运行。

表 电力系统调度模块结构设计

深度学习网络被应用于电力系统调度模块的智能学习部分，以识别不良运行数据。不良数据辨识模型如图2所示，该模型由训练和识别两个环节组成。在模型建立阶段依据电网实时运行情况对各设备及系统状态信息进行收集，并通过采集到的历史数据作为输入条件进行建模。在训练环节中，我们将运用电力系统历史调度数据进行学习，以建立待识别数据与预设类型之间的数学联系。识别环节依据已建立的数学模型，利用神经网络技术对不同类型下的不良数据进行判别。在进行识别环节后，对待辨识数据进行处理，并将其导入训练后的模型内，随后与模型参数进行对比，最后根据预先设定的相似度阈值，对不良运行数据进行辨识［1］。

图2 基于深度学习网络的不良数据辨识模型

深度学习网络型包括输入层，前馈层和判决层。输入层和前馈层分别承担着接收经过变换处理的电力调度样本数据以及对电力调度样本数据进行仿真人类神经网络深层次加工处理的重要职责。基于此提出一种电网故障状态下智能诊断方法。电力系统的调度处理可以通过Softmax分类器作为深度学习网络的决策层来实现，因为电力运行数据的辨识实际上是一个分类问题，最终输出的数据可能存在不良情况。

2.2 数据备份模块

传统的电力调度数据备份通常采用主机直接连接的方式，通过磁盘阵列实现对全部电力调度数据的备份。当出现单一的故障点时，备份过程将面临严重的挑战。在实际应用中发现，现有的电力系统调度系统是一种静态运行方式，无法适应电力系统快速发展需求。因此，为了对电力系统调度模块生成的电力调度数据进行统一备份、恢复和备份介质管理，我们采用了基于深度学习的在线数据备份模式：

式中：a代表电力数据备份的特征向量；本论文主要研究电力调度数据备份系统的设计与实现，该系统核心是以备份服务器软件和备份客户端软件为主干构建的电力调度数据备份平台，并对其中各功能模块的工作原理进行了详细说明。βm所代表的是电力数据在存储和管理方面的关键因素。备份服务器软件主要实现对电力数据文件的保存与读取以及备份操作。图3所示为电力调度数据备份模块，备份客户端功能由PC机承担，介质服务器为ES40服务器，同时RA3000磁盘阵列配置，以供电力调度数据备份之用。当发生异常情况时，主服务器启动备份机制。在电力调度中，两个服务器采用主备形式进行数据备份，其中一台服务器在正常备份条件下进行在线数据备份，而另一台服务器则保持备用状态。在电力调度数据备份系统中，一旦在线进行数据备份的服务器发生故障，备用服务器将自动启动数据备份程序，以确保系统能够持续稳定地运行［2］。

图3 电力调度数据备份模块结构设计

3 调度数据备份策略

3.1 进行全面备份操作

电力调度数据的完全备份策略，以天为单位进行备份，以确保数据的完整性和可靠性。由于电力调度数据具有数量巨大、分布广泛等特点，采用完全备份策略会造成大量冗余资源浪费，且不便于后期管理和维护。对于电力系统这样需要复杂运行环境和高度稳定运行的场景，采用完全备份策略并不符合科学和经济的原则。完全备份策略的优越之处在于其可视化效果，同时，在电力调度数据遭受损毁或丢失的情况下，只需利用前一天的备份，即可轻松还原受损或丢失的数据，实现数据的完整备份。由于电力调度数据的特殊性，其需要长期保存在服务器中并由专业人员维护管理，因此完全备份策略无法满足电力调度数据安全的需求。完全备份策略的劣势在于，当对整个电力系统进行以天为单位的完全备份时，备份数据的重复数量过多，导致备份空间的大量浪费，从而降低了电力调度数据备份系统的经济性。此外，完全备份策略下需要备份的电力调度数据量巨大，备份时间也相应延长。针对以上两种缺陷，提出了基于混合模式的完全备份策略。

3.2 进行增量备份操作

相较于完全备份策略，增量备份策略仅对前一天的电力调度数据进行备份，以确保数据的完整性和可靠性。该方法通过对历史数据进行分析处理，确定出需要备份的数据并将其存储于相应数据库之中。增量备份策略的主要优点在于其备份数据时避免了冗余，从而在节省备份空间的同时缩短了备份时间。由于电力调度数据分布较广且数据量较大，因此采用增量备份策略进行数据备份具有较高的可靠性和可用性。然而，采用增量备份策略进行电力调度数据备份时，其数据复原过程异常繁琐，且备份的稳定性欠佳，这一缺陷显而易见［3］。

3.3 备份差量数据

采用差量备份策略，对备份后新增的变化数据进行备份，以确保数据的完整性和可靠性。该方案通过将所有历史时刻下发生的故障情况和历史数据作为基础构建模型并计算出相应参数来确定最佳备份时机。在规定的时间范围内，管理者进行了一次电力调度数据的全面备份，以确保数据的完整性和可靠性。在剩余的时间段内，对所有数据进行备份，确保它们与第一个时间段的数据完全一致。对于剩余部分的电力调度数据，则通过对其重新构建一个新数据库来完成数据恢复。相较于前两种备份策略，差量备份策略在整合前两种备份策略的主要优点的基础上，有效地弥补了前两种备份策略的缺陷。通过对不同时刻的所有电力调度数据分别使用三种备份策略后进行对比试验分析。在采用差量备份策略时，无需对所有电力调度数据进行完全备份，从而节省了备份存储空间和备份时间。此外，差量备份策略在电力调度数据出现损毁或丢失时，数据复原过程简单易行，管理者只需利用上一次完全备份和前一次备份的磁带即可实现数据复原。由于差量备份策略中没有存储所有的信息，所以当发生停电事故后，可快速恢复电力系统运行。因此，在电力调度数据备份方面，一般采用差分备份策略以确保数据的完整性和可靠性［4］。

4 结束语

电力系统的稳定运行离不开电力调度数据备份的保障，因此，本文提出了一种基于深度学习的电力调度数据自动备份系统的设计。该系统采用了人工智能技术，通过对历史电力调度数据文件进行分析与整理后，实现电力调度数据自动提取和存储，并将其传输至数据库中。本文所述系统已达到电力调度数据备份的标准，且表现出极高的可靠性。