CN107231250A - 一种基于电网信息物理系统感知数据压缩采样方法及装置 - Google Patents

一种基于电网信息物理系统感知数据压缩采样方法及装置 Download PDF

Info

Publication number
CN107231250A
CN107231250A CN201710274374.6A CN201710274374A CN107231250A CN 107231250 A CN107231250 A CN 107231250A CN 201710274374 A CN201710274374 A CN 201710274374A CN 107231250 A CN107231250 A CN 107231250A
Authority
CN
China
Prior art keywords
information
node
electric network
matrix
physical
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710274374.6A
Other languages
English (en)
Other versions
CN107231250B (zh
Inventor
梁云
黄莉
黄凤
王瑶
林为民
缪巍巍
汪大洋
曹晶
孙元良
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Global Energy Interconnection Research Institute
Information and Telecommunication Branch of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Global Energy Interconnection Research Institute
Information and Telecommunication Branch of State Grid Jiangsu Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Jiangsu Electric Power Co Ltd, Global Energy Interconnection Research Institute, Information and Telecommunication Branch of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201710274374.6A priority Critical patent/CN107231250B/zh
Publication of CN107231250A publication Critical patent/CN107231250A/zh
Application granted granted Critical
Publication of CN107231250B publication Critical patent/CN107231250B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/12—Discovery or management of network topologies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/02—Capturing of monitoring data
    • H04L43/022—Capturing of monitoring data by sampling
    • H04L43/024—Capturing of monitoring data by sampling by adaptive sampling
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Power Engineering (AREA)
  • Environmental & Geological Engineering (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明公开了一种基于电网信息物理系统感知数据压缩采样方法及装置，包括：按电网信息物理系统的物理节点划分目标区域，构建信息拓扑模型；按所述信息拓扑模型，定义物理节点状态变化量构成的稀疏矩阵；根据所述稀疏矩阵定义电网信息物理系统的观测矩阵；为观测矩阵中的观测向量赋值，并以信息熵最小为目标，迭代更新信息熵，获取最优观测矩阵。通过上述方案，使电网信息物理系统能够以较小的观测向量数感知到整体状态，从而大大降低冗余性。

Description

一种基于电网信息物理系统感知数据压缩采样方法及装置
技术领域
本发明属于电网信息物理系统领域，具体涉及一种基于电网信息物理系统感知数据压缩采样方法及装置。
背景技术
电网是规模最大也是最复杂的互联系统之一，是典型的信息物理融合系统研究对象，电网CPS旨在充分反映电网运行的物理过程和信息过程，体现两者融合机理和相互作用机制，人们期待通过更高级的控制方式来提升系统整体性能并优化全局系统运行，提高能源利用率、设备利用潜力及系统可靠性、安全性和稳定性。
电网具有物理系统与信息系统融合，即电网一次系统与二次系统在功能方面高度协调的特点，同时，在机理方面具有降低两系统的异构特征，能够统一描述两类系统的表达形式。同时，电网信息物理系统应具备与信息流特点相匹配的信息采集控制网络，能按照物理电网运行状态和能量分布，优化信息路径和信息内容，充分考虑电网全景监测、协调控制与优化分析的需要。
在实际应用中，传感器节点的部署和时域采样一般非常密集，致使相邻节点与相邻时隙的采样数据有很大的相关性，从而造成大量数据冗余。而且在电网信息物理系统的异构通信网络中，普遍采用多跳传递的通信方式进行数据传输，所以汇聚节点收到的感知数据可以包含通信路径中所有节点的数据。因此，用合适的数据压缩采样技术，使优化的数据传输路径与全景状态的感知结合起来，成为目前信息物理联合建模的研究重点，为相关工程系统设计、建设和运行提供支撑。
例如，201610842728.8号中国发明专利公开了一种配电线路状态监测的无线传感器网络数据传输方法，其中披露了采用双网关双方向数据传输架构，通过可信可靠节点评价策略计及距离信任值与剩余能量值，路径评价策略计及剩余能量值与路径节点总数，实现最佳可信可靠传输路径选择。但是该专利方法主要考虑的是传感器节点本体中的电池能量，没有公开电网的能量分布，而对采样数据本身的冗余性优化的信息不能克服存在的不足。
压缩采样是针对时空相关性的一种新型数据压缩方法，通过选择合适的观测矩阵，将原始信号稀疏化，把信号从高维度空间投影到低维度空间中，使其能够在远小于原始信号奈奎斯特采样率的条件下，采集到信号的离散样本，以达到压缩数据的目的。例如201310534263.6号中国发明专利公开了一种基于分布式存储的无线传感网的数据融合方法，该法在空域和时域上联合应用压缩感知技术，各节点在向其邻居节点广播数据之前，压缩了所获得的数据，节点间收发的数据为矢量形式，最终所有节点各个时隙的数据由二维压缩感知数学模型恢复。但是该现有对于观测矩阵的定义和优化调整方式公开的信息不能解决存在的弊端。
发明内容
针对现有技术的不足，本发明提出一种基于电网信息物理系统感知数据压缩采样方法，基于信息熵定义并优化观测矩阵，能够根据电网信息物理系统的融合特征，实现感知数据压缩采样，支撑电网信息物理系统的全景信息采集。
本发明的技术方案为：
一种基于电网信息物理系统感知数据压缩采样方法，所述方法包括以下步骤：
按电网信息物理系统的物理节点划分目标区域，构建信息拓扑模型；
按所述信息拓扑模型，定义所述物理节点状态变化量构成的稀疏矩阵；
根据所述稀疏矩阵定义电网信息物理系统的观测矩阵；
为观测矩阵中的观测向量赋值，并以信息熵最小为目标，迭代更新信息熵，获取最优观测矩阵。
优选的，所述划分目标区域X包括：将电网信息物理系统部署于m*m的平面空间内，对所述平面空间进行矩形划分得到下式m2个互相拼接的矩形子区域，每个子区域均包含电气设备、传感器和通信装置；
其中，x表示子区域，所述每个子区域均包含所述物理节点PNx和信息节点INx，PNx表示与子区域对应的电气设备。
优选的，所述构建信息拓扑模型包括：将与子区域对应的传感器和通信装置定义为信息节点INx，电网信息系统控制中心监测子区域x，获取信息拓扑模型上所述信息节点INx的传感数据。
优选的，所述按信息拓扑模型，定义物理节点状态变化量构成的稀疏矩阵包括：
所述物理节点的原始信号vec(X)的定义如式所示：vec(X)＝[x11,x12,…xmm]；
所述物理节点PNx的状态变化量的定义为Sx，基于压缩感知理论，获得所述物理节点的状态变化量构成的稀疏矩阵状态变化信号：vec(S)＝[s11,s12,…smm]；
其中，所述状态变化信号为原始信号的稀疏表示。
优选的，通过下式定义电网信息物理系统的观测矩阵Φ：
其中，均为n维观测向量；
所述观测矩阵为m2*n阶矩阵，能够对原始信号vec(X)进行压缩采样；其中，n表示vec(S)中非零值的个数。
优选的，所述观测向量赋值包括：
依据信息拓扑模型中的不同通信路径，将所述物理节点的能量分布作为权值，并根据信息拓扑模型的通信路径中信息节点INx和物理节点PNx的对应关系和电网信息物理系统的运行状态，为观测矩阵Φ中的观测向量赋值。
进一步地，通过Dijkstra算法计算所述通信路径。
优选的，通过下式迭代更新信息熵：
其中，Hx(f)为信息熵初始值，Hx+1(f)为增加观测向量Φx+1后，获得的新的信息熵，为常数；x∈[1,2,…m2-1],m2表示观测向量数量。
一种基于电网信息物理系统感知数据压缩采样装置，所述装置包括：
目标区域划分模块，用于按电网信息物理系统的物理节点划分目标区域；
构建模块，用于构建信息拓扑模型；
第一定义模块，用于按所述信息拓扑模型，定义所述物理节点状态变化量构成的稀疏矩阵；
第二定义模块，用于根据所述稀疏矩阵定义电网信息物理系统的观测矩阵；
赋值模块，用于为观测矩阵中的观测向量赋值；
迭代计算模块，用于以信息熵最小为目标，迭代更新信息熵；
获取模块，用于获取最优观测矩阵。
优选的，所述目标区域划分模块包括：
部署单元，用于将电网信息物理系统部署于m*m的平面空间内；
划分单元，用于对所述平面空间进行矩形划分得到下式m2个互相拼接的矩形子区域，每个子区域均包含电气设备、传感器和通信装置；
其中，x表示子区域，所述每个子区域均包含所述物理节点PNx和信息节点INx，PNx表示与子区域对应的电气设备。
优选的，所述构建模块包括：
设置单元，用于将与子区域对应的传感器和通信装置定义为信息节点INx，电网信息系统控制中心监测子区域x；
读取单元，用于获取信息拓扑模型上所述信息节点INx的传感数据。
优选的，所述第一定义模块包括：
原始信号定义单元，用于将所述物理节点的原始信号vec(X)的定义为：vec(X)＝[x11,x12,…xmm]；
变化量定义单元，用于将所述物理节点PNx的状态变化量的定义为Sx，基于压缩感知理论，获得所述物理节点的状态变化量构成的稀疏矩阵状态变化信号：vec(S)＝[s11,s12,…smm]。
优选的，所述第二定义模块包括：
观测矩阵定义单元：用于通过下式定义电网信息物理系统的观测矩阵Φ：
其中，均为n维观测向量；
所述观测矩阵为m2*n阶矩阵，能够对原始信号vec(X)进行压缩采样；其中，n表示vec(S)中非零值的个数。
优选的，所述赋值模块包括：
第一处理单元，用于依据信息拓扑模型中的不同通信路径，将所述物理节点的能量分布作为权值；
第二处理单元，用于根据信息拓扑模型的通信路径中信息节点INx和物理节点PNx的对应关系和电网信息物理系统的运行状态，为观测矩阵Φ中的观测向量赋值。
优选的，所述迭代计算模块包括：
更新单元，用于通过下式迭代更新信息熵：
其中，Hx(f)为信息熵初始值，Hx+1(f)为增加观测向量Φx+1后，获得的新的信息熵，为常数，x∈[1,2,…m2-1],m2表示观测向量数量。
与最接近的现有技术相比，本发明提供的技术方案具有以下优异效果：
本发明的技术方案提出的基于电网信息物理系统感知数据压缩采样方法及装置，按电网信息物理系统的物理节点划分目标区域，构建信息拓扑模型；按信息拓扑模型，定义物理节点状态变化量构成的稀疏矩阵；根据稀疏矩阵定义电网信息物理系统的观测矩阵；为观测矩阵中的观测向量赋值，并以信息熵最小为目标，迭代更新信息熵，获取最优观测矩阵。
基于信息熵选取最优的观测矩阵，实现了被监测节点的部署位置和采样方式的优化，系统能够以较小的观测向量数感知到整体状态，从而大大降低了冗余性，为电网信息物理系统的全景信息采集提供了可靠的支撑。此外，本发明所述模型中包含的电网物理设备、运行状态、通信网拓扑等信息均都可以通过现有的信息系统获得，具有实际可操作性。克服了现有技术存在的观测矩阵的定义和优化调整方式不足的弊端。
附图说明
图1为本发明实施例中提供的基于电网信息物理系统感知数据压缩采样方法流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
电网信息物理系统是具备信息泛在感知、协作计算、交互通信、自动控制功能的复杂测控系统，需要广泛布置传感测量节点进行多种信息的协作测量，测量信息具有冗余性，网络系统动态特性强，且是对环境开放的系统，不同节点的重要性受电网运行状态、环境、社会等多种复杂因素影响。基于信息熵定义并优化观测矩阵，可以基于电网信息物理系统的融合特征，实现感知数据压缩采样，支撑电网信息物理系统的全景信息采集。
因此本发明提出一种基于电网信息物理系统感知数据压缩采样方法，具体方法包括以下步骤：
(1)按电网信息物理系统的物理节点划分目标区域，构建信息拓扑模型；
划分目标区域X包括：将电网信息物理系统部署于m*m的平面空间内，对所述平面空间进行矩形划分得到下式m2个互相拼接的矩形子区域，每个子区域均包含电气设备、传感器和通信装置；
其中，x表示子区域，所述每个子区域均包含所述物理节点PNx和信息节点INx，PNx表示与子区域对应的电气设备。
构建信息拓扑模型包括：将与子区域对应的传感器和通信装置定义为信息节点INx，电网信息系统控制中心监测子区域x，获取信息拓扑模型上所述信息节点INx的传感数据。
(2)按信息拓扑模型，定义物理节点状态变化量构成的稀疏矩阵；
定义物理节点的原始信号vec(X)如式所示：vec(X)＝[x11,x12,…xmm]；
定义物理节点PNx的状态变化量为Sx，基于压缩感知理论，获得物理节点的状态变化量构成的稀疏矩阵状态变化信号：vec(S)＝[s11,s12,…smm]；
其中，所述状态变化信号为原始信号的稀疏表示。
(3)根据稀疏矩阵定义电网信息物理系统的观测矩阵；
通过下式定义电网信息物理系统的观测矩阵Φ：
其中，均为n维观测向量；
观测矩阵为m2*n阶矩阵，能够对原始信号vec(X)进行压缩采样；其中，n表示vec(S)中非零值的个数。
(4)为观测矩阵中的观测向量赋值，并以信息熵最小为目标，迭代更新信息熵；
获取最优观测矩阵。
其中，观测向量赋值包括：依据信息拓扑模型中的不同通信路径，将物理节点的能量分布作为权值，并根据信息拓扑模型的通信路径中信息节点INx和物理节点PNx的对应关系和电网信息物理系统的运行状态，为观测矩阵Φ中的观测向量赋值。
通过Dijkstra算法计算通信路径。
通过下式迭代更新信息熵：
其中，Hx(f)为信息熵初始值，Hx+1(f)为增加观测向量Φx+1后，获得的新的信息熵，为常数；x∈[1,2,…m2-1],m2表示观测向量数量。
基于上述发明构思提供以下实施例：
实施例1：本发明的技术方案适用于智能变电站站域局放在线监测；具体为：
S1，按电网信息物理系统的物理节点划分目标区域，构建信息拓扑模型；
定义变电站部署在一个m*m的平面空间中，被划分为m2个子区域，用矩阵X表示，即：
每个区域x中的物理节点PNx可以是变压器、全封闭式组合电器(GIS)、母线、避雷器等安装位置固定的电气设备，信息节点可以是特高频(UHF)传感器及其无线回传装置，变电站站域局放在线监测的控制中心可以是站控层的监测主机，对某一个子区域x进行监测时，特高频(UHF)传感器的信号经过无线接入或无线多跳回传到监测主机，因而可以得到经过的所有信息节点INx的传感数据。
S2，按信息拓扑模型，定义物理节点状态变化量构成的稀疏矩阵；
由于智能变电站是连续运行的物理系统，在进行局放监测时，只用监测每个时隙特高频(UHF)传感器对电磁场监测数据的变化量，定义每个物理节点PNx的状态变化量为Sx，由于正常运行状态下没有局放信号，电晕和其它干扰信号被滤波，大部分物理节点在一个时隙中的状态变化为0，因此Sx构成的矩阵S是一个稀疏矩阵。基于压缩采样的数学模型，将X、S都用向量表示，每个向量即：
vec(X)＝[x11,x12,…xmm]T
vec(S)＝[s11,s12,…smm]T
其中，可认为vec(S)为状态变化信号，vec(X)为原始信号。状态变化信号vec(S)是原始信号vec(X)的稀疏表示，可以通过一个n*m2阶观测矩阵Φ实现对信号vec(X)的压缩采样，其中，n等于vec(S)中非零值的个数。
S3，根据稀疏矩阵定义电网信息物理系统的观测矩阵Φ为：
其中均为n维观测向量，Φ与信息拓扑模型有关，在每次监测中，信息拓扑模型中的不同通信路径对应不同观测向量，进而对应不同的观测矩阵。
S4，为观测矩阵中的观测向量赋值，并以信息熵最小为目标，迭代更新信息熵；获取最优观测矩阵。
根据无线通信回传的时间约束、带宽约束等条件设置，基于Dijkstra算法获得每次监测的通信路径，依据通信路径中信息节点INx和物理节点的PNx对应关系，使用物理设备的运行状态，如变压器、GIS的负载情况等，对观测矩阵Φ中的每一个观测向量赋值。在此基础上，根据电网信息物理系统的运行状态，通过计算信息熵来选择所使用的观测矩阵：
其中，Hx(f)表示原有的信息熵，Hx+1(f)表示增加了观测向量Φx+1后的新的信息熵值，为常数，然后根据使信息熵Hx+1(f)最小的标准选择合适的观测向量，使系统能够以较小的观测向量数感知到整体状态。
实施例2：本发明的技术方案适用于电动汽车车联网。具体为：
S1，按电网信息物理系统的物理节点划分目标区域，构建信息拓扑模型；
定义一个城市或社区的电动汽车部署在一个m*m的平面空间中，被划分为m2个子区域，每个区域x中的物理节点PNx可以是充电桩等安装位置固定的电气设备，也可以是在不同区域间移动的电动汽车，信息节点是充电桩的计量与通信装置，也可以是电动汽车上的监测装置，控制中心可以是车联网的公共服务平台，对某一个子区域x进行监测时，充电桩、电动汽车的信号回传到监测主机，因而可以得到经过的所有信息节点INx的传感数据。
S2，依据所述信息拓扑模型定义电网信息物理系统的观测矩阵；例如对于车联网的能量监测，在每个时隙监测所有充电桩和电动汽车的运行情况，并基于压缩采样的数学模型，通过信息拓扑模型中不同通信路径对应的不同观测向量定义观测矩阵Φ。
S3，为观测矩阵中的每一个观测向量赋值，并计算信息熵；
根据通信时间约束、带宽约束等条件设置，基于Dijkstra算法获得每次监测的通信路径，依据通信路径中信息节点INx和物理节点的PNx对应关系，使用物理设备的运行状态，如充电桩的负载情况、电动汽车的地理位置等，对观测矩阵Φ中的每一个观测向量赋值。在此基础上，根据电网信息物理系统的运行状态，通过计算信息熵来选择所使用的观测矩阵，使系统能够以较小的观测向量数感知到整体状态，适应电动汽车等具有动态性的负荷，为车联网中大量调度对象的全局快速优化与在线应用提供支撑。
S4，为观测矩阵中的观测向量赋值，并以信息熵最小为目标，迭代更新信息熵，获取最优观测矩阵。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
基于同一发明构思，本发明还提供一种基于电网信息物理系统感知数据压缩采样装置，包括：
目标区域划分模块，用于按电网信息物理系统的物理节点划分目标区域；
构建模块，用于构建信息拓扑模型；
第一定义模块，用于按所述信息拓扑模型，定义所述物理节点状态变化量构成的稀疏矩阵；
第二定义模块，用于根据所述稀疏矩阵定义电网信息物理系统的观测矩阵；
赋值模块，用于为观测矩阵中的观测向量赋值；
迭代计算模块，用于以信息熵最小为目标，迭代更新信息熵；
获取模块，用于获取最优观测矩阵。
其中，目标区域划分模块包括部署单元和划分单元。
部署单元，用于将电网信息物理系统部署于m*m的平面空间内；
划分单元，用于对所述平面空间进行矩形划分得到下式m2个互相拼接的矩形子区域，每个子区域均包含电气设备、传感器和通信装置；
其中，x表示子区域，所述每个子区域均包含所述物理节点PNx和信息节点INx，PNx表示与子区域对应的电气设备。
构建模块包括设置单元和读取单元。
设置单元，用于将与子区域对应的传感器和通信装置定义为信息节点INx，电网信息系统控制中心监测子区域x；
读取单元，用于获取信息拓扑模型上所述信息节点INx的传感数据。
第一定义模块包括原始信号定义单元和变化量定义单元。
原始信号定义单元，用于将所述物理节点的原始信号vec(X)的定义为：vec(X)＝[x11,x12,…xmm]；
变化量定义单元，用于将所述物理节点PNx的状态变化量的定义为Sx，基于压缩感知理论，获得所述物理节点的状态变化量构成的稀疏矩阵状态变化信号：vec(S)＝[s11,s12,…smm]。
第二定义模块还包括观测矩阵定义单元。
观测矩阵定义单元：用于通过下式定义电网信息物理系统的观测矩阵Φ：
其中，均为n维观测向量；
观测矩阵为m2*n阶矩阵，能够对原始信号vec(X)进行压缩采样；其中，n表示vec(S)中非零值的个数。
赋值模块包括第一、二处理单元：
第一处理单元，用于依据信息拓扑模型中的不同通信路径，将所述物理节点的能量分布作为权值；
第二处理单元，用于根据信息拓扑模型的通信路径中信息节点INx和物理节点PNx的对应关系和电网信息物理系统的运行状态，为观测矩阵Φ中的观测向量赋值。
迭代计算模块还包括更新单元。
更新单元，用于通过下式迭代更新信息熵：
其中，Hx(f)为信息熵初始值，Hx+1(f)为增加观测向量Φx+1后，获得的新的信息熵，为常数，x∈[1,2,…m2-1],m2表示观测向量数量。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (15)

1.一种基于电网信息物理系统感知数据压缩采样方法，其特征在于，所述方法包括以下步骤：
按电网信息物理系统的物理节点划分目标区域，构建信息拓扑模型；
按所述信息拓扑模型，定义所述物理节点状态变化量构成的稀疏矩阵；
根据所述稀疏矩阵定义电网信息物理系统的观测矩阵；
为观测矩阵中的观测向量赋值，并以信息熵最小为目标，迭代更新信息熵，获取最优观测矩阵。
2.如权利要求1所述的方法，其特征在于，所述划分目标区域X包括：将电网信息物理系统部署于m*m的平面空间内，对所述平面空间进行矩形划分得到下式m2个互相拼接的矩形子区域，每个子区域均包含电气设备、传感器和通信装置；
其中，x表示子区域，所述每个子区域均包含所述物理节点PNx和信息节点INx，PNx表示与子区域对应的电气设备。
3.如权利要求1-2所述的方法，其特征在于，所述构建信息拓扑模型包括：将与子区域对应的传感器和通信装置定义为信息节点INx，电网信息系统控制中心监测子区域x，获取信息拓扑模型上所述信息节点INx的传感数据。
4.如权利要求1所述的方法，其特征在于，所述按信息拓扑模型，定义物理节点状态变化量构成的稀疏矩阵包括：
所述物理节点的原始信号vec(X)的定义如式所示：vec(X)＝[x11,x12,…xmm]；
所述物理节点PNx的状态变化量的定义为Sx，基于压缩感知理论，获得所述物理节点的状态变化量构成的稀疏矩阵状态变化信号：vec(S)＝[s11,s12,…smm]；
其中，所述状态变化信号为原始信号的稀疏表示。
5.如权利要求1所述的方法，其特征在于，通过下式定义电网信息物理系统的观测矩阵Φ：
其中，均为n维观测向量；
所述观测矩阵为m2*n阶矩阵，能够对原始信号vec(X)进行压缩采样；其中，n表示vec(S)中非零值的个数。
6.如权利要求1所述的方法，其特征在于，所述观测向量赋值包括：
依据信息拓扑模型中的不同通信路径，将所述物理节点的能量分布作为权值，并根据信息拓扑模型的通信路径中信息节点INx和物理节点PNx的对应关系和电网信息物理系统的运行状态，为观测矩阵Φ中的观测向量赋值。
7.如权利要求6所述的方法，其特征在于，通过Dijkstra算法计算所述通信路径。
8.如权利要求1所述的方法，其特征在于，通过下式迭代更新信息熵：
其中，Hx(f)为信息熵初始值，Hx+1(f)为增加观测向量Φx+1后，获得的新的信息熵，为常数，x∈[1,2,…m2-1],m2表示观测向量数量。
9.一种基于电网信息物理系统感知数据压缩采样装置，其特征在于，所述装置包括：
目标区域划分模块，用于按电网信息物理系统的物理节点划分目标区域；
构建模块，用于构建信息拓扑模型；
第一定义模块，用于按所述信息拓扑模型，定义所述物理节点状态变化量构成的稀疏矩阵；
第二定义模块，用于根据所述稀疏矩阵定义电网信息物理系统的观测矩阵；
赋值模块，用于为观测矩阵中的观测向量赋值；
迭代计算模块，用于以信息熵最小为目标，迭代更新信息熵；
获取模块，用于获取最优观测矩阵。
10.如权利要求9所述的装置，其特征在于，所述目标区域划分模块包括：
部署单元，用于将电网信息物理系统部署于m*m的平面空间内；
划分单元，用于对所述平面空间进行矩形划分得到下式m2个互相拼接的矩形子区域，每个子区域均包含电气设备、传感器和通信装置；
其中，x表示子区域，所述每个子区域均包含所述物理节点PNx和信息节点INx，PNx表示与子区域对应的电气设备。
11.如权利要求9所述的装置，其特征在于，所述构建模块包括：
设置单元，用于将与子区域对应的传感器和通信装置定义为信息节点INx，电网信息系统控制中心监测子区域x；
读取单元，用于获取信息拓扑模型上所述信息节点INx的传感数据。
12.如权利要求9所述的装置，其特征在于，所述第一定义模块包括：
原始信号定义单元，用于将所述物理节点的原始信号vec(X)的定义为：vec(X)＝[x11,x12,…xmm]；
变化量定义单元，用于将所述物理节点PNx的状态变化量的定义为Sx，基于压缩感知理论，获得所述物理节点的状态变化量构成的稀疏矩阵状态变化信号：vec(S)＝[s11,s12,…smm]。
13.如权利要求9所述的装置，其特征在于，所述第二定义模块包括：
观测矩阵定义单元：用于通过下式定义电网信息物理系统的观测矩阵Φ：
其中，均为n维观测向量；
所述观测矩阵为m2*n阶矩阵，能够对原始信号vec(X)进行压缩采样；其中，n表示vec(S)中非零值的个数。
14.如权利要求9所述的装置，其特征在于，所述赋值模块包括：
第一处理单元，用于依据信息拓扑模型中的不同通信路径，将所述物理节点的能量分布作为权值；
第二处理单元，用于根据信息拓扑模型的通信路径中信息节点INx和物理节点PNx的对应关系和电网信息物理系统的运行状态，为观测矩阵Φ中的观测向量赋值。
15.如权利要求9所述的装置，其特征在于，所述迭代计算模块包括：
更新单元，用于通过下式迭代更新信息熵：
其中，Hx(f)为信息熵初始值，Hx+1(f)为增加观测向量Φx+1后，获得的新的信息熵，为常数，x∈[1,2,…m2-1],m2表示观测向量数量。
CN201710274374.6A 2017-04-25 2017-04-25 一种基于电网信息物理系统感知数据压缩采样方法及装置 Active CN107231250B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710274374.6A CN107231250B (zh) 2017-04-25 2017-04-25 一种基于电网信息物理系统感知数据压缩采样方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710274374.6A CN107231250B (zh) 2017-04-25 2017-04-25 一种基于电网信息物理系统感知数据压缩采样方法及装置

Publications (2)

Publication Number Publication Date
CN107231250A true CN107231250A (zh) 2017-10-03
CN107231250B CN107231250B (zh) 2022-08-19

Family

ID=59933161

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710274374.6A Active CN107231250B (zh) 2017-04-25 2017-04-25 一种基于电网信息物理系统感知数据压缩采样方法及装置

Country Status (1)

Country Link
CN (1) CN107231250B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107561416A (zh) * 2017-07-03 2018-01-09 国家电网公司 一种基于压缩感知的局部放电信号采集系统及方法
CN109088851A (zh) * 2018-06-22 2018-12-25 杭州海兴电力科技股份有限公司 用电信息采集的数据压缩方法
CN110098609A (zh) * 2018-01-29 2019-08-06 中国电力科学研究院有限公司 一种面向配电网的量测上传数据准备方法及系统
CN111447229A (zh) * 2020-03-27 2020-07-24 青岛海信网络科技股份有限公司 一种基于压缩感知理论的大规模数据采集方法及装置
CN111726766A (zh) * 2019-12-19 2020-09-29 全球能源互联网研究院有限公司 一种变电设备状态监测信息采集方法及系统
CN112383433A (zh) * 2020-11-13 2021-02-19 天津大学 面向区域电网cps稳定控制的边缘计算优化配置方法
CN113098945A (zh) * 2021-03-26 2021-07-09 江西省能源大数据有限公司 一种基于压缩感知理论的5g能源物联网通讯方法
CN117313499A (zh) * 2023-11-30 2023-12-29 国网山东省电力公司枣庄供电公司 组合电器隔离开关状态信号多源传感器布置方法与系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101895957A (zh) * 2010-07-23 2010-11-24 浙江大学 面向矩阵式无线传感器网络分配权重的随机路由选择方法
CN103593833A (zh) * 2013-10-25 2014-02-19 西安电子科技大学 基于压缩感知和能量规则的多聚焦图像融合方法
CN104077438A (zh) * 2014-06-23 2014-10-01 中国能源建设集团广东省电力设计研究院 电网大规模拓扑结构构建方法与系统
CN106569196A (zh) * 2016-11-09 2017-04-19 南京理工大学 一种基于压缩感知的地面雷达多目标检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101895957A (zh) * 2010-07-23 2010-11-24 浙江大学 面向矩阵式无线传感器网络分配权重的随机路由选择方法
CN103593833A (zh) * 2013-10-25 2014-02-19 西安电子科技大学 基于压缩感知和能量规则的多聚焦图像融合方法
CN104077438A (zh) * 2014-06-23 2014-10-01 中国能源建设集团广东省电力设计研究院 电网大规模拓扑结构构建方法与系统
CN106569196A (zh) * 2016-11-09 2017-04-19 南京理工大学 一种基于压缩感知的地面雷达多目标检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘继忠等: "一种基于小波稀疏确定性简单二值观测矩阵的嵌入式视觉压缩传感实现方法", 《中国激光》 *
李珂: "面向微电网的无线传感器网络能效和时滞特性研究", 《重庆大学》 *
许学杰等: "基于压缩感知的SAR图像压缩算法", 《中国科学院大学学报》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107561416A (zh) * 2017-07-03 2018-01-09 国家电网公司 一种基于压缩感知的局部放电信号采集系统及方法
CN110098609A (zh) * 2018-01-29 2019-08-06 中国电力科学研究院有限公司 一种面向配电网的量测上传数据准备方法及系统
CN109088851A (zh) * 2018-06-22 2018-12-25 杭州海兴电力科技股份有限公司 用电信息采集的数据压缩方法
CN111726766A (zh) * 2019-12-19 2020-09-29 全球能源互联网研究院有限公司 一种变电设备状态监测信息采集方法及系统
CN111726766B (zh) * 2019-12-19 2022-09-02 全球能源互联网研究院有限公司 一种变电设备状态监测信息采集方法及系统
CN111447229A (zh) * 2020-03-27 2020-07-24 青岛海信网络科技股份有限公司 一种基于压缩感知理论的大规模数据采集方法及装置
CN111447229B (zh) * 2020-03-27 2022-03-11 青岛海信网络科技股份有限公司 一种基于压缩感知理论的大规模数据采集方法及装置
CN112383433A (zh) * 2020-11-13 2021-02-19 天津大学 面向区域电网cps稳定控制的边缘计算优化配置方法
CN113098945A (zh) * 2021-03-26 2021-07-09 江西省能源大数据有限公司 一种基于压缩感知理论的5g能源物联网通讯方法
CN117313499A (zh) * 2023-11-30 2023-12-29 国网山东省电力公司枣庄供电公司 组合电器隔离开关状态信号多源传感器布置方法与系统
CN117313499B (zh) * 2023-11-30 2024-02-13 国网山东省电力公司枣庄供电公司 组合电器隔离开关状态信号多源传感器布置方法与系统

Also Published As

Publication number Publication date
CN107231250B (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
CN107231250A (zh) 一种基于电网信息物理系统感知数据压缩采样方法及装置
Liu et al. Big-data-based intelligent spectrum sensing for heterogeneous spectrum communications in 5G
Ding et al. Spectrum inference in cognitive radio networks: Algorithms and applications
Zhang et al. 6G: Connecting everything by 1000 times price reduction
Pradhan et al. Connectivity constrained wireless sensor deployment using multiobjective evolutionary algorithms and fuzzy decision making
Oda et al. WMN–GA: A simulation system for WMNs and its evaluation considering selection operators
Han et al. Radio environment map construction by kriging algorithm based on mobile crowd sensing
Sun et al. LSTM based link quality confidence interval boundary prediction for wireless communication in smart grid
Chriki et al. UAV-GCS centralized data-oriented communication architecture for crowd surveillance applications
CN112613230B (zh) 基于神经网络的网络切片资源动态划分方法及装置
Wang et al. Data aggregation point placement problem in neighborhood area networks of smart grid
CN114422018B (zh) 卫星网络仿真系统及测试方法、设备、存储介质和产品
Wang et al. Intelligent post-disaster networking by exploiting crowd big data
CN111935124A (zh) 一种应用于智慧城市的多源异构数据压缩方法
Mnasri et al. 3D indoor redeployment in IoT collection networks: A real prototyping using a hybrid PI-NSGA-III-VF
CN105493602B (zh) 用于虚拟网络中的无线电协调的动态集群
KR102215519B1 (ko) 확장현실 환경에서 엣지 컴퓨팅을 이용하여 대상 지역의 재난 발생을 예측하는 엣지 게이트웨이, 클라우드 서버 및 방법
Xia et al. Digital twin and artificial intelligence for intelligent planning and energy-efficient deployment of 6G networks in smart factories
Sadio et al. Rethinking intelligent transportation systems with Internet of Vehicles: Proposition of sensing as a service model
EP3884732A1 (en) Method and node for handling sensor nodes and fog nodes in a communications system
CN114513805A (zh) 无线建模方法和系统
Hu et al. Edge intelligence: Challenges and opportunities
Kalyoncu et al. A data analysis methodology for obtaining network slices towards 5g cellular networks
CN115250536A (zh) 一种基于大数据对比的多ap协调管控方法及系统
Tao et al. UAV-assisted ground signal map construction based on 3-D spatial correlation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant