应用于配电网全链路数据存储的关联规制挖掘算法优化_赵融.pdf

应用于配电网全链路数据存储的关联规制挖掘算法优化赵融（中国铁路上海局集团公司，上海 ）摘要：智能 设备的大量应用，使得全链路数据的属性项增加，进一步占据存储空间。原有处理方法无法满足全链路数据存储要求，对此提出一种关联规制挖掘算法，以实现对全链路数据的存储优化。仿真结果显示关联规制挖掘算法可以增加数据存储量，且处理准确性大于，处理时间小于，因此关联规制挖掘算法可以满足智能配电网的存储需求。关键词：配电网；全链路数据存储；关联规制挖掘中图分类号：（，）：，：；收稿日期：作者简介：赵融（），硕士研究生，研究方向为企业供电。引言终端、三级服务器经常出现延迟、数据调用不准、误报等负性事件，从而降低配电网管理和维护水平，因此需要寻求一种更优全链路数据存储方法，对节约电网管理成本具有十分重要的意义。为此，本文提出一种关联规制挖掘算法，对全链路数据存储进行优化，旨在满足配电网智能化发展对数据处理的需求。配电网全链路数据处理的数学描述 设备数据的归一化处理假设配电网全链路中，数据发生时间为，传输设备所在空间为，配电作业情况为，配电 网 监 测 职能为。变压器故障时间为，维修时间为，继电器时间 为；油 化 监 测 设 备 所 在 空 间 为，电机耐压谐波设备所在位置为，继电保护设备所在空间为；电能计量作业为，绝缘测试作业为，变压器检测作业为；结构化信息分析职能为，故障信息判断职能为；跨设备数据融合为。由此可知，在 配 电 网 中 全 链 路 融 合 多 种 数 据 信息，涉及电网中串并联线路、高压检测、变压器测试、开关检测、避雷设备、蓄电池等内容，而且包含非结构化、结构化、半结构化的数据类型，增加电网控制中心的管理压力。不同配电网设备的全链路描述全链路是一种综合性的端口，通过全链路，电力部门与移动公司、地方政府共同整合配电网数据。（）假设绝缘子、变压器状态、串联谐振等数据流均存储于集合中，即、，那么不同数据的关联规制描述为：任意数据与、和之间的数据流描述可以用 ，表述。（）对不同数据流进行描述时，要增加时间标志，利用 方法对电能计量设备、潮流监测设备中的数进行整定，降低数据的离散度，计算式为：系统解决方案电工技术 ，a 为自然数 序列 （）（）式中，、为自然数；序列（）为配电网设备中记录数据的时间序列函数；（）为配电网设备中数据处理后的结果，其取值范围为（，）。关联规制挖掘算法的构建 全链路端口处数据的简化算子配电网各 传输的数据流在全链路融合前需简化，保证传输的电网数据符合要求。假设（）为简化算子函数，其公式为：（）半结构结构非结构，且 （），则纳入值，否则剔除 ，（）式中，为的简化公式；为关联规制权重；、分别为、和的特征值；、为关联规制函数中的系数；其他指标与说明相同。构建配电网关联规制挖掘算子关联规制挖掘是深度计算、之间的关联性。如果局部极值用表示，全局极值用表示，那么挖掘算子的计算式为：（，）迭代次迭代 次（）（），或（，）（，（）（），且 （）式中，和分别为二次回路、变压器的标准状态，也就是局部极值判断的初始值；（）、（）分别为和的最小值和最大值。如果迭代次数小于预设数值，那么对整个配电网中的智能设备进行遍历分析，否则终止分析。构建关联规制挖掘的结果算子准确性和计算时间是关联规制挖掘算法的最终输出结果，配电网进行全链路整合优化的目标值，所以要构建以准确性、计算时间为输出的关联规制挖掘算子。假设变电站、二次回路、继电保护等设备分析的准确性为，算子计算时间为，那么结果算子的具体公式为：，（，）（，）?，（，），?，（，）（，），（，）（，）（）式中，（，）（，）.为迭代递进，以提高值计算的准确性；为时间方向序列矩阵，其 能 有 效 降 低 算 子 出 现 局 部 极 值 的 概 率；（，）（，）为计算的整体时间函数，输出符合挖掘深度的要时间。配电网全链路数据存储中关联规制挖掘的计算步骤依据上述描述和算子构建，可以进行以下步骤计算。（）先组建全链路数据集合、，记录配电网中支线、点的数据，收集内容包括运行时间、位置空间、配电作业、配电网职能。（）通过（）、（）和 提出冗余数据，形成归一化的数据 ，。（）消除结构、非结构和半结构数据的复杂属性后，用（，）计算数据的关联规制性以及挖掘深度。（）利用三角矩阵计算关联规制挖掘算法的特征结果，判断局部和全局极值和，以避免出现局部极值，提高计算的准确性。（）用 仿真软件进行步骤（）（）的迭代计算，对比结果的准确性、计算时间。配电网全链路数据存储的实际验证 与标准“二维视图”存储比较关联规制挖掘算法与标准“二维视图”算法的全链路数据存储量比较如图所示。在全链路数据存储的处理量电工技术系统解决方案方面，关联规制挖掘算法与实际需要存储量基本一致，而标准“二维视图”算法的存储量显著低于实际需求。关联规制挖掘算法的数据处理量变化与实际需求变化方向基本一致，但标准“二维视图”算法在、次迭代处与实际需求变化方向相悖。这说明标准“二维视图”算法的数据处理效率低，其本质原因是关联规制挖掘算法“归一”预处理，剔除非结构化、半结构化和结构化数据的复杂属性，如图所示。图关联规制挖掘算法与标准“二维视图”算法的全链路数据存储量比较 全链路数据存储的准确性以 数据库中存储数据为依据，综合性计算关联规制挖掘算法的准确性（准确性是支线中潮流和电压损失、配电网功率耗损以及节点的重复计算等方面数据的存储准确性），其结果如图所示。关联规制挖掘算法的数据存储准确性显著高于标准“二维视图”算法，且关联规制挖掘算法在 次迭代处的准确性达到 ，并在后期的迭代中保持准确性的稳定。相对来说，标准“二维视图”算法的准确性呈跌宕变化，在、次均出现小幅度的提高，并在 次迭代后为，保持不变。图关联规制挖掘算法与标准“二维视图”算法的准确性比较 全链路数据存储处理时间时间是配电网全链路数据存储处理的内容，也是关联规制挖掘算法的重要指标，其处理结果如图所示。关联规制挖掘算法在 处完成配电网全链路数据处理，而标准“二维视图”算法在 处仍未处理完相应数据。相对来说，标准“二维视图”算法曲线变化的斜率较小，说明其计算速度较慢。由此可知，关联规制挖掘算法的计算时间更短。图 关联规制挖掘算法的计算时间结语全链路数据贯穿 配 电 网 管 理 过 程，由 图 片、视 频、声音等复杂性数据组成，以往的“二维视图”算法无法有效处理，所以本文提出一种关联规制挖掘算法，通过剔除数据 中 的 复 杂 属 性，对 配 电 网 全 链 路 数 据 进 行 挖掘。仿真显示，关联规制挖掘算法在数据处理量方面满 足 实 际 需 要，且 优 于 标 准“二 维 视 图”算法，同时关 联 规 制 挖 掘 算 法 的 处 理 准 确 性 大 于，处理时间少于，优于标准“二维视图”算法，因此构建的关联规制挖掘算法达到了配电网全链路数据存储优化的目的。参考文献 罗惠雄 技术在智能配网通信中的运用分析电子测试，（）：陆晓，刘翌，江叶峰，等基于监控大数据平台上的人工智能应用总体设计 电力大数据，（）：朱生荣浅探基于 技术的智能配网通信方案优化应用科技视界，（）：周晓琴，赵彦旻，杨柳，等连续数据关联规则挖掘在电能替代中的应用信息技术，（）：系统解决方案电工技术