0 引言

    隨著網絡技術的進步與發(fā)展，將無線抄表系統(tǒng)應用于電力行業(yè)已然成為一種趨勢^[1]。集中器作為用電信息采集系統(tǒng)中的重要節(jié)點，是實現(xiàn)主站與采集節(jié)點的通信橋梁^[2]。集中器作為中介轉發(fā)設備，缺乏對用電數(shù)據進行分析的能力，導致主站對用電行為分析和響應的滯后^[3]。為了能夠在用戶側實現(xiàn)對能耗采集數(shù)據的分析與處理，采用該網關對集中器進行接入管理，獲取各集中器的能耗數(shù)據并進行分類存儲與分析，以解決主站對異常用電滯后的問題。

    目前，諸多學者針對用電信息采集系統(tǒng)及異常能耗數(shù)據分析提出了多種解決方案。文獻[3]通過構造關聯(lián)規(guī)則，提出了一種基于密度聚類DBSCAN算法，用于識別離群點的用電模式。文獻[4]通過軟、硬件的協(xié)同配合,實現(xiàn)了集中器與控制終端和遠程管理中心快速、可靠的通信。文獻[5]中的用電信息采集系統(tǒng)側重于需求管理和響應，分析了用戶用電行為。文獻[6]基于實時性方面的考慮，提出了一種層次化的異常事件檢測系統(tǒng)。以上研究對用電信息采集系統(tǒng)的發(fā)展做出了積極貢獻。

    為解決主站對用電數(shù)據分析滯后的問題，本文研究了網關接入用電信息采集系統(tǒng)時獲取地址的過程；網關接入用電信息采集網絡后，讀入集中器能耗數(shù)據并進行分類存儲，采用密度聚類DBSCAN算法^[7-8]得出離群點集合，并通過決策樹C4.5算法^[9-10]得出離群點數(shù)據對應的用電行為。

1 網關獲取節(jié)點地址

    網關與主站通信在應用層應滿足376.1電網規(guī)約^[11]，該規(guī)約對數(shù)據域地址進行規(guī)定，其地址由3部分組成：2 B行政區(qū)劃碼A1、2 B終端地址A2和1 B主站地址和組地址標志A3。

    網關接入用電信息采集網絡，獲取節(jié)點地址的流程如下：網關通過構建數(shù)據幀，向主站發(fā)送地址查詢命令，獲取地址A，其由2 B的行政區(qū)劃碼A1和2 B的終端地址A2構成，地址格式如圖1所示。

    網關與主站進行通信的過程中，主站根據網關節(jié)點地址構建數(shù)據幀地址域，包括地址段A1、A2和A3。在單播情況下，A1、A2直接從目標集中器地址A中獲取，A3為主站地址和組地址標志。A3的D0位為終端組地址標志，D0為0時表示終端地址A2為單地址；D0為1時表示終端地址A2為組地址；A3的D1～D7組成0～127個主站地址MSA，其中數(shù)據幀地址域格式如圖2所示。

2 網關關鍵軟硬件設計

    網關基于ARM11和Linux操作系統(tǒng)^[12]進行設計，采用輕量級的SQLite3數(shù)據庫對相關能耗數(shù)據及用戶信息進行存儲。對用電信息采集數(shù)據進行分析需要基于一定規(guī)模的歷史數(shù)據，考慮到存儲容量、網關規(guī)格和成本等因素，采用SD卡進行內存擴展。選取BOA服務器作為網關的Web服務器程序，在網關上實現(xiàn)簡單的網頁查看功能。

2.1 外擴存儲模塊設計

    在網關上實現(xiàn)對用電信息采集數(shù)據的分析，需要基于一定的歷史數(shù)據，網關需要存儲一定數(shù)量的數(shù)據，而網關自身內存有限，所以需要擴大用電信息采集網關的存儲能力，SD卡與S3C6410中的SDIO0接口的原理圖如圖3所示。

2.2 SQLite3數(shù)據庫的設計

    SQLite3是一個嵌入式數(shù)據庫，其存儲后端采用Btree實現(xiàn)。SQLite在硬盤上一個數(shù)據庫一個文件，每個數(shù)據庫文件頭部保存有這個數(shù)據庫的元信息，包括版本、大小、Btree根節(jié)點位置等。

    數(shù)據庫可以高效、安全、大批量地對數(shù)據進行管理，將SQLite3數(shù)據庫移植到本網關中以實現(xiàn)對能耗數(shù)據的分析。根據用電異常量分析算法對數(shù)據類型的需求進行存儲，包括能耗類型、相對頻率、用戶類型、環(huán)境溫度等。

2.3 BOA服務器程序的設計

    本網關采用BOA服務器Web程序搭載后臺管理界面，前端界面采用AJAX技術與服務器中的CGI程序進行交互，后臺管理網頁設計架構如圖4所示。

    用電信息采集網關Web網頁中的主要功能包括以下3個方面：

    (1)查詢能耗信息：通過曲線對能耗信息進行顯示，可以查看用戶時、日、月的用電信息等情況。

    (2)查看網關狀態(tài)：主要顯示當前數(shù)據庫的可用空間、與服務器間的通信狀況及接入的集中器信息。

    (3)查看能耗數(shù)據分析：可查看歷史能耗信息及異常情況下的數(shù)據情況。

3 用電信息異常分析算法

3.1 密度聚類算法

    網關將集中器上傳的能耗數(shù)據進行備份，以進行及時分析。對用電時段進行劃分，將工作日劃分為黑、白兩個時段，將周末劃分為早、中、晚3個時段，各時段的時間跨度可根據用戶類型及其生活作息習慣進行調整。在相同日期類型和時間段內，人們的用電行為比較類似，用電數(shù)據具有較小的波動性，采用密度聚類DBSCAN算法獲取異常用電數(shù)據。

3.2 異常量的獲取

    將不同日期類型和時間段的數(shù)據作為一個能耗數(shù)據單元，針對不同的數(shù)據單元采用不同的參數(shù)Eps和MinPts。參數(shù)的選擇效率直接決定了該網關的質量，采用文獻[13]提出的根據KNN分布算法與數(shù)學統(tǒng)計分析使網關自行計算各個數(shù)據單元中參數(shù)Eps與MinPts的值。

3.3 異常量分析

    以一定周期對用電數(shù)據進行采集，同時采集溫度、日期類型和用電狀態(tài)（是否有異常，是何種異常），并將采集的數(shù)據存放在data.db文件中。采用決策樹C4.5算法對歷史數(shù)據及對應的用電行為進行訓練。調入通過DBSCAN算法獲取的各個數(shù)據單元的噪聲點集合根據決策樹C4.5算法得出各噪聲點所對應的異常用電行為，并通過相應的機制采取對應的措施。然后根據實際調查驗證通過決策樹C4.5算法得出的結論是否正確，如果不正確將實際用電行為替代判斷用電行為。

4 測試與分析

4.1 實驗平臺的搭建

    搭建測試環(huán)境，所需設備與模塊如表1所示。

    采用2個集中器分別與16個采集節(jié)點通過470 MHz構建無線抄表網絡，網關通過交換機與集中器和主站（筆記本電腦）相連，集中器通過交換機接入網關。一個集中器采集子網放置在距離網關較近的地方，另一個集中器采集子網放置在較遠的地方，并且將兩個集中器采集子網設置為不同的通信信道，將一個子網內節(jié)點的信道設置為9，另一個子網內節(jié)點的信道設置為14，以防止采集節(jié)點之間的相互干擾。

4.2 網關獲取地址的驗證

    網關上電后，向主站發(fā)送地址查詢主站的行政區(qū)劃碼A1和管理的網關數(shù)量配置自身地址，通過串口調試助手打印網關地址信息。打印結果為00000001，前兩個字節(jié)為行政區(qū)劃碼A1，與主站保持一致；由于在網關接入主站時主站僅有網關這一個節(jié)點，因此終端地址A2為0001，其打印信息如圖5所示。

4.3 異常分析模塊的驗證

    將用電數(shù)據進行分段，并歸一化至溫度為25 ℃的情況下，通過KNN分布算法和數(shù)據統(tǒng)計算法實現(xiàn)對參數(shù)Eps與MinPts的自行計算，提高了網關的運行效率。

    根據不同日期類型和用戶的用電習慣將一天的用電數(shù)據進行分段劃分，分別對工作日和周末的不同時間段的用電數(shù)據進行聚類，并將節(jié)假日通過節(jié)假日因子歸并為周末進行聚類，采用DBSCAN算法能夠準確判斷新讀入的用電信息是否為噪聲點。通過決策樹C4.5算法對歷史數(shù)據分時段和日期類型進行訓練，能夠準確判定噪聲點的異常用電行為。

    以工作日、周末和節(jié)假日對用電日期進行歸類，并將節(jié)假日歸并為周末，使得在各自的用電類別中人們的用電習慣具有較高的相似性，采用決策樹C4.5算法可以得到更為準確的結果。將周末和工作日的用電數(shù)據根據人們的用電習慣的不同分為不同的區(qū)間單元，使得在各個時段內用電數(shù)據波動幅度較小，提高了DBSCAN算法的準確性。

5 結論

    本網關結合用電信息采集網絡特征，基于相關電網規(guī)約構造數(shù)據查詢幀，配置網關自身地址，實現(xiàn)網關對集中器的接入管理。通過對外擴存儲拓展程序、SQLite3數(shù)據庫程序、BOA服務器程序的設計和移植以及異常檢測單元塊的設計，完成網關在數(shù)據存儲和異常檢測功能。本文所采用的查詢主站地址池方法可以高效地配置網關自身地址；網關采用SQLite3數(shù)據庫實現(xiàn)對能耗數(shù)據的有效存儲，通過采用DBSCAN算法和決策樹C4.5算法實現(xiàn)對采集數(shù)據的異常用電行為的判斷，解決了主站對能耗數(shù)據分析滯后的問題。

參考文獻

[1] 孫宏斌，郭慶來，潘昭光.能源互聯(lián)網：理念、架構與前沿展望[J].電力系統(tǒng)自動化，2015(19)：1-8.

[2] 佟為明，張希棟，李中偉，等.基于橢圓曲線密碼的數(shù)據集中器通信報文混合密碼算法[J].電力系統(tǒng)自動化，2014，38(4)：86-91.

[3] 田力，向敏.基于密度聚類技術的電力系統(tǒng)用電量異常分析算法[J].電力系統(tǒng)自動化，2017(5)：64-70.

[4] 向敏，王時賀，趙星宇.一種基于電力載波通信的路燈控制系統(tǒng)集中器的設計[J].重慶郵電大學學報(自然科學版)，2013，25(2)：161-165.

[5] GELAZANSKAS L，GAMAGE K A A.Demand side management in smart grid：a review and proposals for future direction[J].Sustainable Cities & Society，2014，11(11)：22-30.

[6] LEE S C，NEVATIA R.Hierarchical abnormal event detection by real time and semi-real time multi-tasking video surveillance system[J].Machine Vision & Applications，2014，25(1)：133-143.

[7] 韓利釗,錢雪忠,羅靖,等.基于區(qū)域劃分的DBSCAN多密度聚類算法[J/OL].[2017-06-04].http：//www.arocmag.com/article/02-2018-06-047.html.

[8] MALHOTRA A，BAJAJ K.A hybrid pattern based text mining approach for malware detection using DBScan[J].CSI Transactions on ICT，2016，4(2-4)：141-149.

[9] 苗煜飛，張霄宏.決策樹C4.5算法的優(yōu)化與應用[J].計算機工程與應用，2015，51(13)：255-258.

[10] MANTAS C J，ABELLAN J，CASTELLANO J G. Analysis of Credal-C4.5 for classification in noisy domains[J].Expert Systems with Applications，2016，61：314-326.

[11] Q/GDW 376.1-2013.電力用戶用電信息采集系統(tǒng)通信協(xié)議[S].北京：國家電網公司，2013.

[12] 劉煒，毛建鑫，梁磊，等.一種基于ARM的集中器的硬件實現(xiàn)[J].電子技術應用，2014，40(1)：86-89.

[13] 周治平，王杰鋒，朱書偉，等.一種改進的自適應快速AF-DBSCAN聚類算法[J].智能系統(tǒng)學報，2016，11(1)：93-98.

作者信息:

王  平，于祥春

（重慶郵電大學 自動化學院，重慶400065）