面向电力大数据的多源异构数据融合技术研究

万磊 陈洪胜 王晓婷 喻畅

（1.国网湖北省电力有限公司 湖北省武汉市 430000 2.国网武汉供电公司 湖北省武汉市 430013）

1 基于电力大数据的多源异构数据融合技术研究

1.1 研究背景

1.1.1 数据来源

电力大数据的产生与处理与传统数据处理模式存在差异，现阶段，电力系统运行期间产生的基础性数据主要包括电网模型、设备参数、运行检测以及变电数据，数据基本特征如表1所示[1]。

1.1.2 融合过程

电力系统运行过程中，产生的电力数据信息众多，基于电力大数据，采用多源异构数据融合技术进行数据信息处理，利用多重传感器对系统内部数据源进行转换，采用多源异构数据融合结构，对数据进行预处理，在融合中心将电力数据信息基本特征进行提取，通过云端进行数据融合运算，减少数据信息冗余、噪音、残缺等情况，提升电力数据信息处理的精准度，期间要根据电力数据信息类型，选择合适的数据融合算法，满足电力系统运行的实际需求，针对多源异构电力大数据的融合，具体流程图详见图1。

1.2 结构类型

1.2.1 像素级

电力大数据处理过程中，采用多源异构数据融合技术，像素级融合作为第一步骤的技术融合方式，将电力原始数据进行关联和融合，最大限度地保留初始数据的基本特征，为电力系统运行提供诸多细节性信息，但由于数据种类和来源难以确定，综合关联与融合后对电力数据信息的完整性和稳定性造成一定不良影响，加之传感器同质性特征明显，对电力数据容错能力较低，导致像素级数据融合抗干扰能力差，不适合深入应用。

1.2.2 特征级

特征级电力大数据融合作为数据处理的中间环节，对原始数据特征进行信息提取，综合运用人工神经网络、多种假设法或特征压缩聚类法等手段，将提取后的电力大数据进行有效融合，特征级融合具有较好的实时性，为电力系统运行提供依据，提升电力大数据信息融合的准确程度。

1.2.3 决策级

决策级电力大数据融合是多源异构数据融合技术应用中较高层次的数据融合系统，主要面向电力系统中各传感器，对个体信息进行决策和识别后，方可进行数据融合，保证电力大数据的整体性和统一性。采用决策级数据融合系统，基本实现对电力大数据的压缩传输，传输效率和质量高，对数据传感器依赖程度较低，具有良好的数据容错性，常用的决策级融合方式为专家理论系统、模糊推理结构、D-S 证据理论结构等，保证电力大数据融合与处理工作顺利完成。

2 电力系统构建

研究框架：

2.1 总体设计

基于电力大数据融合发展的时代背景，利用多源异构数据融合技术，以电力网络为前提，构建技术应用研究模型，将XML 作为电力大数据的交换与融合平台，旨在通过对电力系统各部门之间不同的设计结构和运行标准的优化，改善电力大数据处理环境，规范数据接口，保证电力大数据同步与备份的安全性，提高电力系统各部门之间的工作协同效果，实现电力大数据之间的相互连接与沟通，完成数据信息的交换与共享，提高电力系统运行协同能力。

2.2 构建模型

电力大数据处理过程中，以多源异构数据融合技术为基础，采用SOA 模型架构方式，将电力大数据服务功能应用于电力网络运行结构之中，进而解决电力大数据处理问题，提升数据信息的真实性和完整性。SOA 模型以电力大数据为主要作用对象，采用分布式结构对电力大数据系统进行改进，以电力数据为主要目标，结合SOA 模型的颗粒感与耦合性特征，对电力系统进行统一设计，实现对不同数据采集或处理接口的规范和优化，利用通讯设备，向主系统发送信号信息，系统内部将传感器收集到的信息进行汇总和聚集，基本实现电力系统内部不同设备之间的协同配合，便于系统运维人员进行设备服务调用[2]。

SOA 模型的建构，主要通过Web 端口进行应用服务，将电力大数据处理平台和软件进行有效连接，为耦合性数据信息进行异构处理，制定信息交换标准，规范SOA 模型的程序编制流程。除此之外，SOA 通过网络终端，将数据通用处理格式转换为XML 格式，在HTTP 协议框架内，根据电力系统运行的实际需求，对电力大数据端口下发请求或命令，防止出现特殊端口通信防火墙阻拦情况。

SOA 模型在构建过程中，主要目的是为电力大数据信息融合提供技术服务，利用传感器对电力大数据进行采集和归类，借助API 技术，统一电力大数据融合与处理标准，对数据接口进行封装，根据不同服务需求，整合多源异构数据融合技术资源，同时将Web 作为技术性数据处理协议，通过数据异构模型，实现电力大数据之间的交互与共享。技术人员对SOA 模型应用效果进行深入分析，综合考虑服务流程、技术发现、数据描述、信息发布等功能，将WSFL、WSDL、HTTP 等协议进行交叉应用，提升电力大数据融合处理与电力系统运行的协同性与匹配度，最终实现电力数据的交换与共享。

2.3 融合平台

基于SOA 模型，技术人员根据电力大数据基本特征，构建多源异构数据融合平台，综合运用多种数据处理技术，以XML 为核心技术，明确电力大数据交换共享统一标准，解决电力系统运行过程中各部门协调工作期间出现的“信息孤岛”问题，充分发挥电力大数据信息交换共享功能，提升数据信息的可靠性与安全性，实现对电力数据的云端储存和管理。应用多源异构数据融合平台，对电力系统运行状况进行实时监测，全面掌握电力系统登录信息，完善用户访问权限记录，为电力系统稳定运行提供安全的数据运营环境，实现对电力大数据的高效处理。

2.4 系统参数

电力大数据多源异构数据融合系统建设期间，以数据发布、服务请求、运行代理为三大系统运营主体内容，通过系统功能之间的相互作用与相互影响，以提供服务为系统运行的核心思想，利用服务功能，对电力大数据处理程序进行整理，形成相对应的索引目录，要求数据处理请求主体根据实际需求进行服务检索，自动生成电力大数据处理和服务的具体方案，提升数据处理质量和效率。

针对电力大数据融合问题，技术人员利用Web Service 搭建数据融合通信端口，通过建立通信协议、统一数据格式标准等方式，为电力大数据多源异构数据融合提供技术服务，总体结构由数据采集层、信息交换层、技术集成层与融合应用层组成，数据采集层主要承担电力系统各部门异构数据的采集工作，为SOA 模型构建提供数据参考；信息交换层主要利用多源异构数据融合系统，通过XML 技术，对电力系统中异构数据格式进行双向转换，保证数据节点的真实完整；技术集成层由系统管理中心、交换中心和处理中心构成，负责电力大数据的储存与处理，保障数据的安全，提升数据转换和共享效率，为电力系统稳定运行提供技术支持；融合应用层以人工智能为核心技术，负责电力大数据多源异构融合系统的维护与运营，实现人机交互的全过程，通过网络终端进行协调，将电力大数据系统中分散或耦合较弱的数据信息进行连接，继而构成稳定有序、相互支撑、协同合作的有机整体，解决数据信息多源异构问题，具有较强的数据处理能力，实现电力大数据的融合与共享。

2.5 应用优势

基于电力大数据，技术人员以SOA 为基本模型，构建多源异构电力数据融合系统，采用XML 技术，系统功能面向维持电力系统的稳定，其主要应用优势分为三部分：

（1）采用多源异构数据融合系统，提高电力大数据处理效率，方便数据的协同和共享；

（2）采用统一的标准格式，有效解决电力数据格式不一致问题，将电力系统不同部门之间的业务进行有机融合，实现对系统数据格式的转换和利用，通过云端数据储存平台，完成电力大数据的交换，强化系统数据应用效果；

（3）多源异构数据融合系统基于SOA 模型进行总体设计，以Web 为通信平台，保证电力大数据信号接收端口信息量一致，将电力系统中不同部门工作协调起来，具有较强的拓展性和延伸性，保证数据处理和共享效果，提升电力系统运行效率和质量。

3 关键技术

3.1 可视化技术

电力大数据多源异构融合系统构建期间，充分利用数据处理可视化技术，对电力系统运行过程中产生的海量数据进行筛选、提取、预处理与融合，技术人员利用数据处理可视化技术，对电力大数据进行自动提取，通过可视化模型，将数据信息格式进行转换，该模型主要包括监控层、处理层和储存层，将完成多源数据异构后的电力大数据访问权限及访问形式进行确定，结合数据具体来源渠道，建立电力大数据访问机制，利用数据信息提取功能，将格式转换后的电力大数据进行实施储存，便于日后调取、利用和加工。

3.2 估算统计技术

电力大数据信息进行多源异构融合处理过程中，要综合运用现代技术和传统手段，完成对数据信息的估算和统计，保证电力数据的真实准确。常用的估算和统计方法包括加权平均数法、卡尔曼滤波法、非线性估计法和多贝叶斯统计法，需要技术人员根据相对应的计算公式完成电力大数据统计与运算[3]。

3.3 人工智能技术

人工智能技术在电力大数据融合工作中具有重要意义，大多采用神经网络技术、遗传算法、专家系统、逻辑模糊等技术手段，构建完整的电力大数据信息融合处理模型，结合不同技术的具体要求，对电力数据进行集中处理，确保收获较好的数据融合效果。

表1：电力大数据基本特征统计表

图1：电力大数据多源异构数据融合流程图

4 结束语

综上所述，电力系统运行产生众多数据，技术人员综合运用人工智能、XML、数据可视化等多种技术，通过构建SOA 模型的方式，逐步完善电力大数据多源异构融合系统，实现对电力数据信息的交换与共享，突破技术或平台的限制，提升电力大数据信息的准确性和真实性，进而保证电力系统平稳、健康、有序运行。