首页 > 论文范文 > 工程工业论文 > 电力工业论文 > 基于电力芯片读取的配网历史数据恢复方法研究

基于电力芯片读取的配网历史数据恢复方法研究

2024-10-20 96 上传者：管理员

摘要：为改善配网历史数据缺失对配网数据分析质量的影响，提出基于电力芯片读取的配网历史数据恢复方法。首先，选取NAND Flash芯片存储配网历史数据，再利用互信息方法提取电力芯片读取配网历史数据的次序属性特征。然后将提取到的特征作为长短时记忆网络的输入量，通过长短时记忆网络的遗忘门、输入门以及输出门的信息传递，输出配网历史数据恢复结果。实验结果表明，该方法可以有效恢复电力芯片读取的配网历史数据。

关键词：
LSTM
恢复方法
特征提取
电力芯片读取
配网历史数据
加入收藏

配网历史数据是支撑电力系统安全运行的重要数据[1]。在读取配网长期运行形成的历史数据后，通过标准化数据接口接入电力管理部门的管理系统中，可以为配电网高水平的数据分析提供基础[2]。

配网历史数据的完整性极为重要，但在读取与存储配网历史数据的过程中容易存在缺失的情况[3-4]。及时恢复电力芯片读取的配网历史数据，对于电力系统的良好调度与管理具有重要意义。

目前已有众多研究学者针对数据恢复方法展开研究，如：张帅[5]等人将多尺度时序建模技术应用于电力负荷数据恢复中，依据所构建的多尺度时序模型，依据电力负荷数据的时间序列，快速恢复丢失的电力负荷数据；薛小燕[6]等人将遗传优化算法应用于丢失数据恢复中，该方法充分利用遗传算法具有的寻优性能，实现数据库丢失数据的良好恢复。以上两种方法可以实现对电力负荷数据以及数据库丢失数据的有效恢复，但是针对数据缺失量较大的情况，二者的恢复性能较差。

NAND Flash存储芯片具有体积小、存储效率高的特点，易于存储动态变化的大容量的数据，使其在大容量高速数据存储中占有重要地位[7-8]。因此，针对以上两种方法在数据恢复过程中存在的缺陷，本文设计基于电力芯片读取的配网历史数据恢复方法，利用NAND Flash芯片高速存储配网历史数据，再利用互信息方法提取数据的次序属性特征，将提取结果作为长短时记忆网络的输入量，通过网络细胞状态更新输出完整的配网历史数据恢复结果。

1、配网历史数据恢复方法

1.1 电力芯片读取配网历史数据

利用电力芯片存储配网历史数据，利用数据采集器采集配网历史数据，利用数据集中器存储至电力芯片中。利用电力芯片存储配网历史数据的总体结构如图1所示。

图1配网历史数据采集结构图

配网中电表、变压器等设备上传的数据利用采集器传送至集中器，集中器将配网历史数据传送至电力芯片，利用电力芯片存储配网历史数据。利用配网主站的上位机作为中心处理单元，主站上位机利用无线通信网络与电力芯片通信[9]，利用上位机实现配网各设备的历史运行数据的远程监控与管理，上位机对所存储的配网历史数据进行读取与分析[10]，同时设置配网历史数据采集的参数，利用数据恢复算法恢复配网历史数据中包含的缺失数据。

选取NAND Flash存储芯片作为存储配网历史数据的电力芯片。NAND Flash存储芯片是基于FPGA扩展的芯片，其结构图如图2所示。

图2电力芯片结构图

图2中，NAND Flash存储芯片由数据缓冲区、逻辑控制区以及寄存器组成。上位机对该电力芯片发送接收与存储命令，芯片自动产生与芯片吻合的时序，利用产生的时序控制芯片的读写功能。

NAND Flash存储芯片具有复位、读ID、擦除配网历史数据、读、写配网历史数据的功能。芯片完成复位后[11],NAND Flash存储芯片为空闲状态，不需要执行存储操作。接收使能信号后，进入下一个状态。接收包含配网历史数据读取命令码的使能信号后，转移当前状态，依据命令执行相应子状态[12]。在执行子状态后，将使能信号传送至主状态部位，使其再次进入空闲状态并等待下一个信号。

1.2 配网历史数据次序属性特征提取

在读取电力芯片中存储的配网历史数据时，存在数据缺失的情况。利用互信息方法提取配网历史数据的次序属性特征，作为配网历史数据恢复的基础。互信息量能够反映配网历史数据间的关联性[13]，利用互信息提取配网历史数据的次序属性特征。配网历史数据的互信息值表达式如下：

式（1）中，R(U)与R(V)分别表示配网历史数据U与配网历史数据V的关系模式。利用公式（1）获取不同配网历史数据变量间的互信息时，互信息计算结果需要满足最大相关性准则以及最小冗余性准则。互信息的最大相关性准则[14]，即从包含数量为n个特征的全部可能集合中，确定可满足以下公式的集合：

式(2)中，Zn表示配网历史数据次序属性特征集。通过式(2)可以看出，依据最大相关性准则[15]，所获取的集合Z中，目标变量D与特征变量U存在极高的均值和互信息。

同时满足最大相关性准则与最小冗余性准则，所获取的配网历史数据次序属性特征集表达式如下：

依据式（3），获取利用互信息提取配网历史数据次序属性特征的表达式如下：

利用式（4）计算配网历史数据的互信息，所获取的互信息值越高时，表示所提取的配网历史数据次序属性特征体现次序依赖属性的能力越强。

1.3 配网历史数据恢复

依据所提取的配网历史数据次序属性特征，利用长短时记忆网络恢复电力芯片读取的配网历史数据。长短时记忆网络是一种高效的数据生成方法，长短时记忆网络具有选择记忆序列信息功能，适用于配网历史数据恢复，易于实现。

长短时记忆网络利用现有配网历史数据，构建缺失数据的映射方式，利用长短时记忆网络具有的选择记忆功能，确定对配网历史数据中缺失数据存在明显影响的信息。利用长短时记忆网络恢复读取电力芯片时，配网历史数据中的缺失数据。用t与X分别表示配网历史数据的生成时间段以及该时间段的配网历史数据，配网历史数据可视为时间t的函数，即存在X=f(t)。

长短时记忆网络具有遗忘同时有选择地筛选此前运算中包含的部分信息的功能，避免运算过程中信息过多，影响后续配网历史数据恢复时，后续序列的运算效果。长短时记忆网络将细胞状态Kt加入传统循环神经网络的隐含层中，将所提取的配网历史数据的次序属性特征Z={z1,z2,…,zn}，通过遗忘门ft、输入门ir以及输出门Qt的处理，通过信息传递输出配网历史数据恢复结果。时间为t时，长短时记忆网络的网络单元中分别包括输入和输出数量为3和2。其中，上一时刻细胞状态Kt-1、当前时刻输入zt以及上一时刻的输出ht-1为网络单元的输入；当前时刻的细胞状态Kt以及输出ht为网络单元输出。长短时记忆网络中，Kt与ht分别具有记忆序列长期特征以及记忆序列短期特征的功能。

在恢复配网历史数据的过程中，遗忘门ft可以改变记忆序列长期特征。遗忘门ft表达式为：

式（5）中，ht-1表示t-1时长短时记忆网络的输出值，zt表示t时的输入值，bf表示遗忘门的偏置量，φ表示激活函数，ωf表示遗忘门输出量的权重。

长短时记忆网络细胞状态更新利用输入门it确定，利用输入门判断输入的配网历史数据次序属性特征，是否记忆至细胞状态Kt内。输入门it运算过程如下：

式（6）中，与Kt分别表示细胞状态候选值以及新细胞状态，Wi与Wc分别表示输入门权重以及细胞状态权重，bi与bk分别表示输入门以及细胞状态偏置。通过式（6）可以看出，将长短时记忆网络的输出ht-1，以及输入zt传送至sigmoid函数中，获取输入门结果；利用tanh激活函数运算长短时记忆网络输出ht-1与输入zt，获取细胞状态候选值，利用细胞状态以及输入门计算结果，获取最终细胞状态值Kt。

长短时记忆网络在当前时刻的输出ht利用输出门ot决定，输出门运算公式如下：

式（7）中，Wo与bo分别表示输出门权重以及偏置。

利用长短时记忆网络恢复配网历史数据，利用输入门记忆配网历史数据次序属性特征的短期变化规律，将所记忆的配网历史信息次序属性特征增加至细胞Kt中，配网历史数据恢复结果利用输出门运算结果输出。

通过长短时记忆网络恢复配网历史数据，挖掘配网历史数据中缺失的信息，从电力芯片读取的配网历史数据中，恢复缺失的配网历史数据。

2、实例分析

为了验证所研究基于电力芯片读取的配网历史数据恢复方法对配网历史数据的恢复性能，选取某电力企业10 kV配网历史数据作为研究对象，设计如下实验。

利用电力芯片存储电力系统运行的配网历史数据，采用人为方式对电力芯片中存储的配网历史数据进行缺失破坏，控制配网历史数据的缺失情况。本文方法采用NAND Flash存储芯片作为存储配网历史数据的电力芯片，为了测试本文方法所采用电力芯片的读写性能，统计电力芯片运行时，芯片写操作与读操作的时钟数量，统计结果如图3所示。

图3芯片读写时钟数量

通过图3实验结果可以看出，不同测试ID读写电力芯片的配网历史数据时，进行写操作时，时钟数量均低于20 000；进行读操作时，时钟数据量均低于3 000。通过图3实验结果可以看出，所选取电力芯片的读、写配网历史数据的时钟数量较低，表明该电力芯片具有较高的读写操作速度。该电力芯片的读写速度较快，可以通过极快的读写速度快速存储大量配网历史数据，提升配网历史数据的读取速度。

表1配网历史数据缺失设置

设置从电力芯片中读取配网历史数据的读取频率为5 kHz，获取配网历史数据的采样值数量共45个。采用人为破坏方式制造10处缺失数据，缺失数据设置情况如表1所示。

设置缺失数据后，配网历史数据采样值读取曲线如图4所示。

图4配网历史数据读取曲线

通过图4实验结果可以看出，采用人为方式成功在所需位置设置了10个缺失样本，有效模拟电力芯片读取存在的样本缺失情况，为配网历史数据恢复提供有效的样本基础。

采用本文方法对配网历史数据进行恢复处理，配网历史数据恢复结果如图5所示。

图5配网历史数据恢复结果

通过图5实验结果可以看出，采用本文方法可以有效恢复电力芯片读取的配网历史数据。本文方法提取电力芯片读取的配网历史数据中的次序属性特征，依据所提取的配网历史数据中的次序属性特征，利用长短时记忆网络恢复配网历史数据。对于配网历史数据中存在的10个缺失样本点，本文方法均可以成功恢复，未存在漏恢复情况，验证本文方法具有较高的配网历史数据恢复有效性。

为了进一步验证本文方法的应用性能，采用本文方法对电力芯片中存储的电力系统用电负荷历史数据进行恢复。选取2020年11月5日某电力企业线路1-线路3的历史用电负荷数据作为测试对象。尺度化残差平方和是衡量数据恢复效果的重要指标，可以度量配网历史数据样本残差的变异情况，统计不同缺失率情况下，采用本文方法恢复配网历史数据的尺度化残差平方和，统计结果如图6所示。

通过图6实验结果可以看出，采用本文方法恢复配网历史数据，对于不同线路配网历史数据恢复的尺度化残差平方和均低于0.02。实验结果验证本文方法可以有效恢复配网历史数据，对于配网历史数据恢复的效果较好。本文方法利用长短时记忆网络恢复配网历史数据，应用于电力系统中，利用配网历史数据恢复结果，为电力企业数据管理以及电力企业调度决策提供数据基础。

图6配网历史数据恢复的尺度化残差平方和

3、结束语

研究基于电力芯片读取的配网历史数据恢复方法，恢复读取电力芯片时，配网历史数据中的缺失数据。将该方法应用于某电力企业10 kV配电网历史数据中，验证该方法可以有效恢复电力芯片读取配网历史数据时的缺失数据。该方法充分考虑了配网历史数据中包含的关联数据，修复缺失数据，挖掘配网历史数据中包含的有用数据信息。通过实验结果验证，该方法可以有效修复历史数据，提升配电网历史数据的数据质量。该方法对配网历史数据质量提升具有重要意义，可以作为电力系统的数据管理与决策的重要方法。

参考文献:

[1]王晓虎.张量分解理论下的10 kV配电网电压数据修复方法[J].电力系统及其自动化学报,2022,34(7):148-152.

[2]朱有产,梁玮轩,王英姿.基于时间序列的配电网数据清理和融合方法研究[J].电网技术,2021,45(7):2839-2846.

[3]贾俊青,吕超,刘丁华,等.适于深层次CNN的配电网过电压数据集建立方法[J].电气传动,2022,52(9):57-62,73.

[4]何西,涂春鸣,于力.配电网状态估计量测处理方法及抗虚假数据注入攻击策略[J].高电压技术,2021,47(7):2342-2349.

[5]张帅,杨晶显,刘继春,等.基于多尺度时序建模与估计的电力负荷数据恢复[J].电工技术学报,2020,35(13):2736-2746.

[6]薛小燕,赵生光,程刚,等.基于遗传优化的数据库丢失数据恢复重构仿真[J].计算机仿真,2021,38(11):485-489.

[7]谢超,李晨曦,张代润,等.基于智能电表量测数据的配网线变关系反向识别[J].电力建设,2020,41(11):94-100.

[8]黄志强.基于LabVIEW多通道数据采集系统设计与调试[J].机械制造与自动化,2019,48(1):179-181.

[9]姚浩,黄开天,余宏洲,等.基于共享Cache划分的电力芯片能耗优化技术[J].电力科学与技术学报,2021,36(5):28-34.

[10]丁毅,陈新之,潘可,等.基于电力专用多核异构芯片架构的低压保护测控装置设计[J].南方电网技术,2020,14(1):58-64.

[11]李鹏,习伟,王轲.基于任务调度的电力终端多核芯片能耗优化技术[J].南方电网技术,2020,14(1):52-57.