巫聰云，劉斌，沈梓正，顏麗，廖曉春

（1. 廣西電網(wǎng)有限責(zé)任公司，南寧530000；2. 武漢華電順承科技有限公司，武漢430071）

目前電力系統(tǒng)處于大力發(fā)展以“控大智移”為目標(biāo)的階段，具備繼電保護(hù)設(shè)備信息集成能力的各種系統(tǒng)，注重中心化，將各種數(shù)據(jù)、信息和資源歸集至調(diào)控機(jī)構(gòu)，造成傳輸網(wǎng)絡(luò)開銷大和信息處理延遲的問題，無法滿足電網(wǎng)快速發(fā)展業(yè)務(wù)形態(tài)的需求。

隨著電網(wǎng)規(guī)模的持續(xù)擴(kuò)張，錄波裝置作為基礎(chǔ)配套設(shè)備，其數(shù)量快速增加，錄波數(shù)據(jù)呈爆發(fā)式增長，海量錄波數(shù)據(jù)的快速處理成為亟待解決的問題。分析錄波數(shù)據(jù)，發(fā)現(xiàn)其存在以下特點(diǎn)：（1）價(jià)值密度低：故障數(shù)據(jù)占比僅為2%；（2）海量驟發(fā)性：故障發(fā)生時(shí)，多個(gè)錄波裝置監(jiān)測(cè)點(diǎn)集中產(chǎn)生海量數(shù)據(jù)并同時(shí)上送，瞬間沖擊主站通信、存儲(chǔ)和計(jì)算資源，考驗(yàn)主站服務(wù)器的承載能力；（3）多源異構(gòu)：異種錄波裝置產(chǎn)生格式各異的數(shù)據(jù)，在數(shù)據(jù)傳輸過程中出現(xiàn)信息丟失、上傳失敗等問題。對(duì)海量、異構(gòu)、驟發(fā)錄波數(shù)據(jù)穩(wěn)定傳輸、快速存儲(chǔ)、提煉出2%故障數(shù)據(jù)高效診斷的研究，具有極大的價(jià)值。

近年來，邊緣計(jì)算的出現(xiàn)，可減輕云計(jì)算中心的負(fù)荷，減少網(wǎng)絡(luò)鏈路數(shù)據(jù)傳輸壓力，降低實(shí)時(shí)性數(shù)據(jù)處理時(shí)延。為了緩解信息中心調(diào)控機(jī)構(gòu)的壓力，可利用錄波主站對(duì)海量數(shù)據(jù)進(jìn)行預(yù)處理，篩選出故障信息進(jìn)行分析，電子化報(bào)送故障報(bào)告，支持調(diào)控機(jī)構(gòu)直接決策，將調(diào)控人員從繁瑣的信息處理工作中解放出來。

本文通過研究調(diào)控機(jī)構(gòu)在電網(wǎng)事故實(shí)際處理過程中存在的問題，結(jié)合邊緣計(jì)算對(duì)數(shù)據(jù)高效處理的特點(diǎn)，提出一種基于邊緣計(jì)算的故障錄波主站信息快速智能處理方法，將大量的故障診斷任務(wù)下放到錄波主站系統(tǒng)進(jìn)行處理，滿足海量錄波數(shù)據(jù)場景的實(shí)時(shí)處理需求，提高電網(wǎng)故障的診斷效率。

1 基于邊緣計(jì)算的錄波信息快速智能處理設(shè)計(jì)原理

傳統(tǒng)故障信息處理模式為調(diào)控機(jī)構(gòu)進(jìn)行故障信息的集中式管理，但調(diào)控機(jī)構(gòu)處理信息壓力大、人工干預(yù)程度高、故障決策延遲問題頻發(fā)，在故障信息的實(shí)時(shí)處理方面已呈現(xiàn)局限性。

基于邊緣計(jì)算的錄波信息快速智能處理模式設(shè)計(jì)原理如圖1 所示，錄波主站作為調(diào)控機(jī)構(gòu)邊緣的故障信息處理系統(tǒng)，不再局限于信息傳遞，而是具備擾動(dòng)數(shù)據(jù)篩選、故障數(shù)據(jù)高效診斷和信息快速發(fā)布的能力，對(duì)廠站側(cè)上送的擾動(dòng)數(shù)據(jù)，快速進(jìn)行數(shù)據(jù)分析和故障診斷工作，直接將故障信息的分析報(bào)告電子化報(bào)送至調(diào)控機(jī)構(gòu)，可實(shí)時(shí)處理海量錄波數(shù)據(jù)，極大程度緩解調(diào)控機(jī)構(gòu)信息處理壓力和縮短故障決策時(shí)延。

圖1 邊緣計(jì)算設(shè)計(jì)原理圖Fig.1 Edge computing schematic diagram

2 故障錄波信息處理的邊緣計(jì)算框架

故障錄波信息的邊緣計(jì)算框架如圖2 所示，從設(shè)備、網(wǎng)絡(luò)、數(shù)據(jù)和應(yīng)用四域，利用異步通信、分布式存儲(chǔ)和故障快速診斷等技術(shù)，實(shí)現(xiàn)對(duì)海量錄波數(shù)據(jù)的并行處理，提供芯片級(jí)的診斷服務(wù)并電子化報(bào)送故障結(jié)果，提高錄波主站系統(tǒng)的綜合處理能力，降低實(shí)時(shí)性數(shù)據(jù)的處理時(shí)延，全面促進(jìn)電網(wǎng)故障錄波信息處理模型的持續(xù)優(yōu)化生長。

1）設(shè)備域

圖2 故障錄波信息的邊緣計(jì)算框架Fig.2 Edge calculation framework of fault recording wave information

設(shè)備狀態(tài)：主要涉及安裝在廠站側(cè)的所有錄波裝置，負(fù)責(zé)監(jiān)視電力系統(tǒng)一次設(shè)備的正常運(yùn)行，當(dāng)線路發(fā)生擾動(dòng)或故障時(shí)，正常啟動(dòng)并記錄模擬量和開關(guān)量的變化情況。

源端信息：將采集到的故障電壓、電流信號(hào)經(jīng)過隔離、變送、A/D 轉(zhuǎn)換后，形成COMTRADE 格式連續(xù)的數(shù)據(jù)量，按照通道配置和時(shí)標(biāo)轉(zhuǎn)換成故障波形，清晰再現(xiàn)整個(gè)故障過程。

2）網(wǎng)絡(luò)域

海量數(shù)據(jù)傳輸：錄波主站提供通信接口，與調(diào)度數(shù)據(jù)網(wǎng)建立網(wǎng)絡(luò)連接，采用實(shí)時(shí)通信方式，提高海量錄波數(shù)據(jù)的通信效率。

網(wǎng)絡(luò)風(fēng)暴抑制：通信網(wǎng)絡(luò)服務(wù)器故障、網(wǎng)卡損壞、網(wǎng)絡(luò)環(huán)路等原因造成的網(wǎng)絡(luò)風(fēng)暴，配置風(fēng)暴抑制特性進(jìn)行預(yù)防，避免網(wǎng)絡(luò)丟包、響應(yīng)遲緩、時(shí)斷時(shí)通、癱瘓等問題的發(fā)生，提高網(wǎng)絡(luò)性能。

信息安防：錄波主站具有網(wǎng)絡(luò)通信和數(shù)據(jù)處理能力，將錄波數(shù)據(jù)進(jìn)行過濾和處理后傳輸，可有效保護(hù)敏感數(shù)據(jù)不被上傳到網(wǎng)絡(luò)中，保證數(shù)據(jù)的安全及隱私。

3）數(shù)據(jù)域

海量數(shù)據(jù)存儲(chǔ)：利用分布式的存儲(chǔ)方式，擴(kuò)展錄波主站海量數(shù)據(jù)的存儲(chǔ)性能，提高資源利用效率，達(dá)到各存儲(chǔ)節(jié)點(diǎn)資源的動(dòng)態(tài)平衡。

數(shù)據(jù)融合與快速診斷：建立錄波數(shù)據(jù)的獨(dú)立分析診斷機(jī)制，主站系統(tǒng)對(duì)同故障多來源的錄波數(shù)據(jù)深入挖掘，結(jié)合獲取到的開關(guān)量，進(jìn)行故障信息融合和快速診斷，生成錄波故障報(bào)告。

事故復(fù)盤：保留所有電網(wǎng)相關(guān)業(yè)務(wù)數(shù)據(jù)，包含原始數(shù)據(jù)和故障報(bào)告、設(shè)備運(yùn)行有效日志等信息，在檢索線路故障、設(shè)備故障及歷史回溯等場景時(shí)進(jìn)行信息調(diào)取和查看，對(duì)電網(wǎng)事故復(fù)盤，避免同類問題再次發(fā)生。

4）應(yīng)用域

報(bào)告發(fā)布與直接決策：錄波主站系統(tǒng)將生成的故障報(bào)告通過電子化報(bào)送方式推至Web、云平臺(tái)和移動(dòng)終端，實(shí)現(xiàn)便捷式故障信息查看，支撐調(diào)控機(jī)構(gòu)直接決策。

策略機(jī)制管控：設(shè)計(jì)基于邊緣計(jì)算的錄波故障信息處理策略和共享管控機(jī)制，在保證安全性的同時(shí)，優(yōu)化信息處理機(jī)制，提高信息共享的范圍和深度，面向調(diào)度、檢修和運(yùn)行等人員實(shí)現(xiàn)電網(wǎng)故障信息利用價(jià)值的最大化。

3 基于邊緣計(jì)算的故障錄波信息快速智能處理關(guān)鍵技術(shù)

設(shè)計(jì)故障錄波信息快速處理的邊緣計(jì)算框架，其目的就是從設(shè)備、網(wǎng)絡(luò)、數(shù)據(jù)和應(yīng)用四域?qū)︿洸〝?shù)據(jù)進(jìn)行智能監(jiān)控、高效處理和有效利用，降低數(shù)據(jù)傳輸網(wǎng)絡(luò)開銷?，F(xiàn)階段重點(diǎn)工作是如何解決錄波數(shù)據(jù)實(shí)時(shí)通信傳輸穩(wěn)定、數(shù)據(jù)存儲(chǔ)和調(diào)取便捷以及故障信息快速挖掘和診斷的問題，這是基于邊緣計(jì)算的電網(wǎng)故障錄波信息快速處理方法研究中的關(guān)鍵。

3.1 基于DataSocket的異步并行實(shí)時(shí)通信網(wǎng)絡(luò)

錄波主站系統(tǒng)通信端口與廠站側(cè)錄波裝置之間通過調(diào)度數(shù)據(jù)網(wǎng)進(jìn)行大量的通信工作。主站系統(tǒng)自有規(guī)約庫，可根據(jù)當(dāng)前主流廠商規(guī)約的特性，將非標(biāo)規(guī)約自適應(yīng)轉(zhuǎn)換成電力系統(tǒng)自動(dòng)化領(lǐng)域唯一的全球通用標(biāo)準(zhǔn)IEC 61850，對(duì)異種錄波裝置具有極高的兼容性。然而傳統(tǒng)主站服務(wù)器局域網(wǎng)TCP/IP 通信方式因編程的復(fù)雜性，存在網(wǎng)絡(luò)鏈路不穩(wěn)定導(dǎo)致數(shù)據(jù)傳輸失敗的問題，無法滿足在高頻通信情況下數(shù)據(jù)實(shí)時(shí)傳輸?shù)男枨蟆?/p>

基于DataSocket 的異步并行實(shí)時(shí)通信網(wǎng)絡(luò)設(shè)計(jì)如圖3 所示，DataSocket 通信方式能夠有效地將廠站側(cè)錄波裝置采集到的大量數(shù)據(jù)轉(zhuǎn)化為適合于主站通信網(wǎng)絡(luò)傳輸?shù)男盘?hào)，DataSocket 包含DataSocket API 和DataSocket Server，前者提供獨(dú)立的編程接口，適應(yīng)不同編程環(huán)境下多種數(shù)據(jù)類型的通讀，后者通過封裝底層TCP/IP 協(xié)議進(jìn)行統(tǒng)一管理來控制數(shù)據(jù)的發(fā)送和接收，簡化了網(wǎng)絡(luò)通信方式，且數(shù)據(jù)傳輸準(zhǔn)確可靠。

圖3 基于DataSocket的異步并行實(shí)時(shí)通信網(wǎng)絡(luò)設(shè)計(jì)Fig.3 Design of asynchronous parallel real-time communication network based on DataSocket

基于DataSocket 的分布式實(shí)時(shí)通信網(wǎng)絡(luò)，充分利用DataSocket API 提供的傳輸信道資源，不受限于數(shù)據(jù)格式的差異和網(wǎng)絡(luò)間通信協(xié)議的不同，利用異步并行方式將通信開銷時(shí)間進(jìn)行量化，合理分配每條傳輸信道的通信時(shí)間，為實(shí)時(shí)性要求高、傳輸性能要求可靠的錄波主站系統(tǒng)的數(shù)據(jù)通信和集成提供便利，將通信開銷維持在最小范圍內(nèi)，有效解決錄波主站在海量驟發(fā)錄波數(shù)據(jù)傳輸中通信開銷大的問題。

3.2 基于Hadoop的故障錄波信息分布式存儲(chǔ)

Master/Slave 架構(gòu)的HDFS（Hadoop Distributed File System）系統(tǒng)可用于分布式數(shù)據(jù)存儲(chǔ)，一個(gè)名字節(jié)點(diǎn)（NameNode）和多個(gè)數(shù)據(jù)節(jié)點(diǎn)（DataNode）組成一個(gè)HDFS 集群，分別負(fù)責(zé)分配文件存儲(chǔ)位置和存儲(chǔ)實(shí)際數(shù)據(jù)。

HDFS 系 統(tǒng)通過 NameNode High Availability 機(jī)制可啟動(dòng)兩個(gè)Namenode，一個(gè)處于active狀態(tài)，負(fù)責(zé)所有的客戶端操作，另外一個(gè)處于standby 狀態(tài)，負(fù)責(zé)維護(hù)數(shù)據(jù)狀態(tài)，具備隨時(shí)切換的條件，其作用是降低Namenode 并發(fā)訪問時(shí)單點(diǎn)失敗的風(fēng)險(xiǎn)，形成彼此協(xié)同的處理模式。

HDFS 分布式存儲(chǔ)示意如圖4 所示，系統(tǒng)中數(shù)據(jù)存儲(chǔ)不受單一節(jié)點(diǎn)磁盤大小的限制，可將錄波文件分散存儲(chǔ)到集群的各個(gè)節(jié)點(diǎn)，而且采用副本存放與讀取策略，備份文件分布于不同的DataNode，具有較高的容錯(cuò)性。

圖4 HDFS分布式存儲(chǔ)示意圖Fig.4 Flow chart of HDFS distributed storage

相較于傳統(tǒng)Oracle 數(shù)據(jù)庫的存儲(chǔ)僅集中于一臺(tái)物理服務(wù)器節(jié)點(diǎn)，磁盤寫入時(shí)間隨存儲(chǔ)數(shù)據(jù)量的不斷增加呈線性快速增長而言，HDFS 分布式存儲(chǔ)優(yōu)勢(shì)整理如下：

1）HDFS 節(jié)點(diǎn)管理性能：存儲(chǔ)著HDFS 文件系統(tǒng)目錄樹和錄波數(shù)據(jù)操作日志的fsimage 和edits 大小直接影響NameNode 的啟動(dòng)速度，Active Na?meNode 通過 HTTP 從 Standby NameNode 獲取最新的fsimage 文件命名為fsimage.ckpt_txid，并生成MD5 文件，與 Standby NameNode 的 MD5 值比對(duì)校驗(yàn)，在確認(rèn)收到的fsimage 文件正確后將其重命名為fsimage_txid，并清理掉舊的fsimage 和edits 文件，以此確保 Standby 和 Active 2 個(gè) NameNode 都擁有最新的fsimage 和edits 文件，從而增強(qiáng)2 個(gè)節(jié)點(diǎn)協(xié)同管理的性能。

2）信息存儲(chǔ)的安全性：對(duì)所有錄波數(shù)據(jù)復(fù)制相同的3 個(gè)副本，通過機(jī)架感知的策略，將一個(gè)副本存放在本地機(jī)架的節(jié)點(diǎn)上，一個(gè)副本放在同一機(jī)架的另一個(gè)節(jié)點(diǎn)上，最后一個(gè)副本放在不同機(jī)架的節(jié)點(diǎn)上，3個(gè)副本有序分開保存于不同的存儲(chǔ)節(jié)點(diǎn)，在提高寫操作效率的同時(shí)，也保證了數(shù)據(jù)的安全性。

3）信息調(diào)用的可靠性：DataNode 的存儲(chǔ)設(shè)備錯(cuò)誤、網(wǎng)絡(luò)錯(cuò)誤或者軟件bug 可能造成從某個(gè)DataNode 獲取的數(shù)據(jù)塊是損壞的，在調(diào)用數(shù)據(jù)時(shí)，可對(duì)文件的內(nèi)容進(jìn)行checksum 檢查，通過check?sum 一致性匹配，確認(rèn)是否為目標(biāo)調(diào)用數(shù)據(jù)，如果不一致，可選擇從其他DataNode 獲取該數(shù)據(jù)塊的副本，減少損壞數(shù)據(jù)誤用的發(fā)生，提高信息調(diào)用的可靠性。

4）信息存儲(chǔ)的利用率：HDFS系統(tǒng)文件切分后分散存儲(chǔ)至不同的DataNode，滿足流式訪問數(shù)據(jù)讀取需求，響應(yīng)不同任務(wù)請(qǐng)求，按錄波啟動(dòng)時(shí)間進(jìn)行數(shù)據(jù)有序存儲(chǔ)，提高存儲(chǔ)數(shù)據(jù)的使用頻率。

存儲(chǔ)數(shù)據(jù)庫分為靜態(tài)和動(dòng)態(tài)兩部分，靜態(tài)數(shù)據(jù)庫保存電網(wǎng)拓?fù)浣Y(jié)構(gòu)、錄波裝置規(guī)格和屬性等信息，一次寫入可供多次讀取，后期維護(hù)量??；動(dòng)態(tài)數(shù)據(jù)庫用來記錄故障錄波波形的變化，數(shù)據(jù)存儲(chǔ)量大，采用基于Hadoop 的錄波信息分布式存儲(chǔ)方法，可以快速保存、檢索和調(diào)用啟動(dòng)時(shí)間序列相似的錄波數(shù)據(jù)。

3.3 基于改進(jìn)SSDA 算法的故障錄波信息并行智能診斷

3.3.1 故障錄波信息的預(yù)處理

1）智能容錯(cuò)：讀取錄波文件，查驗(yàn)文件中裝置ID、線路名稱、模擬量和狀態(tài)量通道采樣信息、線路兩側(cè)的CT/PT 變比等不可或缺的信息是否齊全。若信息不全或出現(xiàn)亂碼，調(diào)取含有錯(cuò)誤類型相對(duì)應(yīng)的補(bǔ)償信息列表，予以信息補(bǔ)充或更正。對(duì)錄波文件中經(jīng)常發(fā)生的數(shù)據(jù)缺失、異?；虿蛔R(shí)別等問題進(jìn)行智能容錯(cuò)處理。

2）無損轉(zhuǎn)換：不同廠商、不同型號(hào)錄波裝置采集的故障文件格式各異，通過錄波文件查詢對(duì)應(yīng)的錄波裝置型號(hào)，獲取對(duì)應(yīng)的文件格式轉(zhuǎn)換接口表，解析文件格式并讀取文件數(shù)據(jù)，最終將不同格式的錄波文件轉(zhuǎn)換成標(biāo)準(zhǔn)的COMTRADE 格式的數(shù)據(jù)文件。將不同采樣率的波形通過拉格朗日插值法進(jìn)行采樣率歸一化處理，便于后續(xù)對(duì)錄波波形快速診斷。

3.3.2 基于改進(jìn)SSDA算法的錄波信息并行診斷

故障錄波數(shù)據(jù)可靠，但信息量大，需要從海量錄波數(shù)據(jù)中提煉出2%的故障信息，傳統(tǒng)隊(duì)列式串行分析不利于故障信息的快速識(shí)別。

波形在某種程度上可以視為特定的圖形，只需要提取疑似故障段波形，將故障波形匹配問題轉(zhuǎn)換為直觀的圖像匹配問題進(jìn)行簡化。序貫相似度檢測(cè)匹配法（Sequential Similarity Detection Algorithms，SSDA）最主要的特點(diǎn)是圖像匹配處理速度快。

基于改進(jìn)的SSDA 算法的故障錄波信息快速智能診斷詳細(xì)流程如圖5所示，關(guān)鍵步驟介紹如下：

1）建立故障波形庫，記錄常見電網(wǎng)故障（單相接地、兩相短路、兩相接地、三相短路）波形特征信息。

2）并行計(jì)算目標(biāo)波形和故障庫波形之間的絕對(duì)誤差：(，) =|S(，) -(，)|。

式中：S(，)是故障波形庫中第個(gè)波形中的點(diǎn)；(，)為目標(biāo)匹配波形中的點(diǎn)。

3）將故障庫波形當(dāng)作模板，計(jì)算波形庫中波形模板與目標(biāo)待匹配波形點(diǎn)的絕對(duì)誤差，并將每一點(diǎn)的誤差累計(jì)，計(jì)算殘差和，作為初始閾值T。

4）閾值選取對(duì)于算法的精度有較大影響，若閾值較大，運(yùn)算速度較慢；閾值過小，匹配精度會(huì)降低，故采用改進(jìn)后的自適應(yīng)閾值進(jìn)行閾值更新。將故障庫波形模板不斷移動(dòng)，記下一個(gè)匹配區(qū)域的殘差和為T，如果T≥T，則搜索完成；如果T< T，則用T來更新T，并記錄該區(qū)域起始點(diǎn)位置坐標(biāo)，當(dāng)目標(biāo)波形搜索完成，則可得目標(biāo)匹配波形的最佳匹配結(jié)果，記錄累加次數(shù)r。

圖5 基于改進(jìn)的SSDA算法的故障錄波信息快速智能診斷Fig. 5 Fast and intelligent diagnosis for power grid fault based on improved SSDA algorithm

5）并行計(jì)算故障庫中波形和目標(biāo)波形的匹配 集 合 {，，...，r}， 最 終 的 匹 配 結(jié) 果=max{，，...，r}，即使得閾值最小且累加次數(shù)最多的波形即為最終的故障匹配結(jié)果。

對(duì)于大部分非匹配點(diǎn)來說，只需計(jì)算波形中的前幾個(gè)點(diǎn)即可算出殘差和超過閾值，波形不具有故障特征。只有匹配點(diǎn)附近的點(diǎn)才需要擴(kuò)寬計(jì)算，這樣平均起來每一點(diǎn)的運(yùn)算次數(shù)將遠(yuǎn)遠(yuǎn)小于實(shí)測(cè)波形的點(diǎn)數(shù)，從而達(dá)到減少整個(gè)波形匹配過程計(jì)算量的目的。

采用SSDA 算法并行匹配故障庫常見故障波形，可以滿足90%常見故障快速診斷的需求。對(duì)于剩余10%特殊故障或復(fù)雜故障無法快速識(shí)別的情況，可以利用與其他主站交互的信息進(jìn)行交叉驗(yàn)證或采用D-S證據(jù)理論進(jìn)一步融合診斷故障。

4 應(yīng)用實(shí)例

為了驗(yàn)證DataSocket 實(shí)時(shí)數(shù)據(jù)通信傳輸?shù)姆€(wěn)定性，在實(shí)驗(yàn)室局域網(wǎng)利用5 臺(tái)錄波裝置、2 臺(tái)PC 組建數(shù)據(jù)采集（發(fā)布端）、DataSocket server 和測(cè)控應(yīng)用（接收端）3 部分，采用南瑞NEP4A-E1 2 M 通道復(fù)用裝置模擬調(diào)度數(shù)據(jù)網(wǎng)2 M 專線進(jìn)行錄波數(shù)據(jù)傳輸，為增強(qiáng)系統(tǒng)的安全性，可以在計(jì)算機(jī)之間用防火墻隔離。

利用IEEE 39 節(jié)點(diǎn)系統(tǒng)Simulink 軟件對(duì)高壓輸電線路進(jìn)行仿真，利用5 臺(tái)錄波裝置監(jiān)測(cè)仿真產(chǎn)生的故障信號(hào)，采集到的5 000 個(gè)實(shí)時(shí)數(shù)據(jù)通過2 M通信通道傳輸方式發(fā)送到DataSocket server，不同類型的數(shù)據(jù)寫入不同路徑，接收端從相應(yīng)的路徑中取出數(shù)據(jù)，實(shí)現(xiàn)分布式數(shù)據(jù)的實(shí)時(shí)通信和監(jiān)控。通過客戶端監(jiān)控顯示，通過2 M 通信通道傳輸?shù)臄?shù)據(jù)發(fā)包率和接收成功率均為100%，表明利用Data?Socket異步并行方式可實(shí)現(xiàn)通信數(shù)據(jù)穩(wěn)定傳輸。

基于Hadoop 集群和Oracle 數(shù)據(jù)庫兩種存儲(chǔ)方式，在存儲(chǔ)硬件配置基本一致的前提下，進(jìn)行錄波數(shù)目量級(jí)遞增情況下數(shù)據(jù)讀寫響應(yīng)時(shí)間的對(duì)比實(shí)驗(yàn)，兩種存儲(chǔ)數(shù)據(jù)庫的硬件環(huán)境如表1所示。

表1 Hadoop和Oracle存儲(chǔ)數(shù)據(jù)庫配置Tab.1 Data base configuration of Hadoop and Oracle storage modes

以廣西電網(wǎng)歷史庫中錄波數(shù)據(jù)作為研究對(duì)象，選取 100、1 000、10 000、20 000、40 000、60 000、80 000、100 000 個(gè)大小為0.5~5 MB 錄波文件，分別采用傳統(tǒng)Oracle 與文中所提分布式Hadoop 集群兩種方式進(jìn)行數(shù)據(jù)存儲(chǔ)實(shí)驗(yàn)，最終取3 次存儲(chǔ)響應(yīng)時(shí)間的平均值，記錄結(jié)果如圖6所示。

圖6 Hadoop與Oracle存儲(chǔ)方式響應(yīng)時(shí)間的比較Fig.6 Response time comparison of Hadoop and Oracle storage modes

從圖6 可以看出，當(dāng)文件數(shù)量較少時(shí)，Oracle存儲(chǔ)效率比較高，原因是Hadoop 集群存儲(chǔ)方式涉及到節(jié)點(diǎn)的選取，系統(tǒng)自身開銷導(dǎo)致存儲(chǔ)響應(yīng)耗時(shí)較長，隨著存儲(chǔ)數(shù)據(jù)量的逐步增加，在超過臨界點(diǎn)10 000個(gè)以后，Oracle存儲(chǔ)方式響應(yīng)時(shí)間快速增長，而Hadoop 通過內(nèi)部節(jié)點(diǎn)協(xié)同和分配處理機(jī)制，使得數(shù)據(jù)寫入和讀取所需時(shí)間顯著縮短，在海量錄波數(shù)據(jù)的存儲(chǔ)效率方面顯示出了絕對(duì)性的優(yōu)勢(shì)。

錄波數(shù)據(jù)實(shí)時(shí)傳輸和分布式存儲(chǔ)都是服務(wù)于錄波數(shù)據(jù)快速診斷，基于改進(jìn)的SSDA 算法進(jìn)行波形匹配，閾值T的選取非常關(guān)鍵，本文采用自適應(yīng)閾值方法，初始閾值T設(shè)定在0.4 附近，避免搜索過早結(jié)束，匹配過程中不斷自適應(yīng)修正閾值，將目標(biāo)波形與故障庫波形模板進(jìn)行快速匹配，較少的時(shí)間就可以完成海量錄波數(shù)據(jù)診斷工作，挖掘出2%故障信息中的常見故障。相較于傳統(tǒng)方法故障特征量提取和精細(xì)分析來說，基于改進(jìn)的SSDA 算法更適合于價(jià)值密度僅2%的故障錄波數(shù)據(jù)快速分析，可以提高故障診斷效率。表2 整理了傳統(tǒng)和邊緣計(jì)算兩種架構(gòu)的海量錄波數(shù)據(jù)處理的指標(biāo)對(duì)比數(shù)據(jù)。

從表2可以看出：

1）錄波數(shù)據(jù)量級(jí)遞增，導(dǎo)致傳統(tǒng)架構(gòu)主站性能大幅度衰減，當(dāng)錄波數(shù)據(jù)沖擊量達(dá)到100 GB/min時(shí)，已接近傳統(tǒng)主站系統(tǒng)的性能極限，但基于邊緣計(jì)算架構(gòu)的主站系統(tǒng)可繼續(xù)維持系統(tǒng)穩(wěn)定。

表2 傳統(tǒng)和邊緣計(jì)算架構(gòu)海量錄波數(shù)據(jù)處理的對(duì)比指標(biāo)Tab.2 Comparison of edge computing and traditional architectures for processing mass recording wave data

2）數(shù)據(jù)存儲(chǔ)和診斷耗時(shí)受存儲(chǔ)方式和診斷算法的影響較大，分布式存儲(chǔ)和并行診斷方法的應(yīng)用可以大幅度縮減用時(shí)，但數(shù)據(jù)傳輸速率受網(wǎng)絡(luò)帶寬限制，雖然采取DataSocket 實(shí)時(shí)通信方式，傳輸速率有所提升，但在海量數(shù)據(jù)驟增的情況下，網(wǎng)絡(luò)開銷仍相對(duì)較大，是主站系統(tǒng)故障分析耗時(shí)的瓶頸。

5 結(jié) 論

基于邊緣計(jì)算的故障錄波主站信息快速智能處理方法，利用DataSocket 異步并行實(shí)時(shí)通信方式進(jìn)行數(shù)據(jù)穩(wěn)定上送；采用Hadoop 分布式存儲(chǔ)保證各個(gè)存儲(chǔ)節(jié)點(diǎn)的動(dòng)態(tài)平衡，便于數(shù)據(jù)的快速寫入和調(diào)取；利用改進(jìn)的SSDA 算法快速篩選故障數(shù)據(jù)，常見故障可以高效匹配判定，電子化報(bào)送故障報(bào)告支持調(diào)控機(jī)構(gòu)直接決策。實(shí)驗(yàn)證明，該方法在數(shù)據(jù)穩(wěn)定傳輸、高效存取和故障快速診斷方面有良好的應(yīng)用效果，緩解了調(diào)控機(jī)構(gòu)信息處理的壓力，解決了數(shù)據(jù)傳輸開銷大和故障決策延時(shí)的問題。

由于網(wǎng)絡(luò)通信數(shù)據(jù)傳輸是錄波主站故障快速診斷中的瓶頸，受網(wǎng)絡(luò)帶寬影響較大，后續(xù)將從源端錄波數(shù)據(jù)處理著手，進(jìn)一步優(yōu)化廠站側(cè)海量錄波數(shù)據(jù)的傳輸策略，提高錄波數(shù)據(jù)實(shí)時(shí)通信效率。