摘要：电力物联网是一个新兴的研究领城。本文具体分析了电力物联网中的分层聚合技术。
关键词：物联网；信息聚合；数据融合
物联网的信息聚合技术在采集原始数据的同时，进行了大量的信息处理和计算，从海量、无序、不可理解的原始数据中提取和推导出对智能电网一体化管理平台具有特殊意义和判决参考价值的数据，它还可减少网络数据传输总量、减少网络拥塞的发生、改善网络性能，是物联网发展的重要技术方向之一。
一、电力物联网概述
电为物联网是电气设备之间从及与操作人员之间通过各种分布式传感装置或信息采集器，并结合现有的电力通信网络，将其采集的信息汇聚到一个统一的管理平台，并通过管理平台对采集到的信息加以分析，将最终的处理结果展现给用户和管理人员。这就是一个完整的电力物联网，其不仅涉及到现有的通信传输技术，还涉及到信息处理及大数据、云计算等数据管理技术，最终形成的是一个完整的生态化智能网络。
二、电力物联网信息聚合技术
物联网信息聚合技术在传输数据的同时处理数据，并并行传输和融合数据。在采集终端到用户终端的数据传输过程中，完成了复杂的信息处理流程，并根据智能电网应用的不同要求，设计和实现了具体的信息处理方法。
信息聚合技术带来的直接优势主要体现在以下方面：
L、从面向智能电网的物联网网络结构来看，数据被大量的底层设备采集和感知，然后传输到汇聚设备，这种网络数据流分布特征称为“漏斗效应”。网络规模越大，数据流量越大，“漏斗”瓶颈压力就越大，阻滞和拥塞的可能性越大，这将严重影响网络性能。
在智能电网的实际应用中，位置相近的传感器节点采集的环境信息往往具有很高的相似性，重复发送冗余信息会造成严重的额外消耗。因此，将多个高相关感测设备的信息先进行合并处理，得到高质量数据再进行发送，可减少网络中传输的数据总量，从而节省网络带宽。内部网信息聚合技术针对底层节点的海量数据流量，随着内网处理和数据聚合的增加，可在不丢失基本信息的情况下减少数据总量及网络冗余，从而提高网络性能。
2、内网信息聚合技术进一步封装和集成原始采集的数据，将大量的信息处理和计算移植到物联网中，从而简化了用户端的设备需求，用户可使用更多低端简单的设备来读取和应用感知信息。
内部网信息聚合技术使智能电网具有更先进和完善的信息处理能力，监测点的感官信息易于理解，高度满足智能信息的需求。内部网信息融合技术还扩展了单个感知单元中数据的连通性，通过感知设备之间的协同工作模式和信息交互，可进行数学计算，得到网络管理、移动管理、业务管理、数据传输等优化结果，并协助上级业务操作、传输选路、用户决策等。
三、电力物联网的数据融合
数据融合是物联网信息聚合技术中的一个重要环节，电力物联网不但实现了感知数据的采集和透明传输，而且在原始数据采集的基础上，在网络中进行了大量的数据融合工作，同时网络实时、可靠地传输数据。传输到管理平台的感知信息将被处理为对特定智能电网管理者有价值和意义的数据，从大量、可能杂乱和难以理解的原始数据中提取。
内网数据融合处理与智能电网的应用模式密切相关，涉及多种数据处理功能。针对不同的信息采集需求，选择不同的数据融合功能，以满足特定应用场景的需求。数据集成功能如图1所示，根据操作对象的特点，网络中的数据融合可分为数据级、特征级、融合级和表示级。
图1
1、数据级处理
1)数据存储：数据存储方式直接影响系统各数据处理模块的运行，收集的数据能有选择地以分布式或集中模式存储。存储方式应考虑节点容量限制、数据采集和分发方式、冗余备份和能耗最小化等问题。
2)数据备份：网络中的数据具有一定的时间有效性，在处理网络中的数据时，可将处理结果实时传输给终端用户，以便及时有效地处理和控制事件。但对重要数据，需对数据进行备份，做历史记录以备查询，并在数据到有效期后删除备份数据。
2、特征级处理
1)特征提取：计算并改变某一模式的一组测量值，突出该模式的代表性特征，根据不同的数据特征对数据进行处理。同一模拟信息源有不同的特征提取方法，根据不同的应用场景选择需要提取的特征。
2)数据分类：利用提取的不同数据特征，可根据不同的需要对采集到的数据进行分类，可根据数据属性、数据包长度、数据内容等规则进行分类。在分类的基础上，数据很容易在下一个层次上融合，分类规则与更高层次的融合策略有关。
3)数据排序：数据排序功能需数据库支持，通过对数据项的特征进行排序，可根据不同的优先级处理数据。排序后的数据可提高传输的有序性，并优化用户获得的信息结果。
4)数据筛选：数据筛选完成智能电网综合管理平台数据采集与信息需求的匹配、汇总和转换功能。一方面，对数据聚合，管理平台获取的信息可能不是底层设备收集的所有数据。另一方面，对单个数据项，用户获取的信息可能只是该项的一部分。因此，需通过筛选将有用信息提取出来传送，屏蔽不需要的数据。
3、融合级处理
1)数据关联：关联分析的目的是寻找数据中隐藏的关联网。在某些情况下，获取感知信息时，单个数据不能表征物体的特征，需要多个数据的共同表示。数据关联的结果取决于关联规则的可信度。关联可分为多维数据关联、多时间数据关联和多种不同类型的数据关联。
2)数据转换：有些信息(如图像特征信息)直接处理非常复杂，为了便于处理，需要对数据进行转换，并对转换域中的数据进行处理。通过数据的转换和计算，可节省传感器网络的计算资源。对标量数据，数据转换主要用于计算数据的最大最小值、平均值、统计计数等。
3)数据合并：数据合并处理数据项之间的关系，合并相同的数据项，或根据关联规则合并数据项，从而减少数据量、冗余度、网络的传输开销与能耗。
4)数据加密：考虑到智能电网的敏感安全问题，数据加密以加密格式存储和传输敏感数据。加密算法是公开的，而密钥不是公开的。密文不应为无密钥的用户理解，用于数据的存储及传输。传统的加密方法包括替换和置换，替换方法是使用密钥将明文中的每个字符转换为密文中的一个字符，而置换方法只将明文中的字符按不同的顺序重新排列。
4、表示级处理
1)数据重构：根据管理平台的要求，最终的数据表示方式可能与网络内传输的数据结构不同，需要进行数据重构。首先提取网络中的数据结构描述，并根据需要通过相应的映射函数对数据结构进行转换。
2)数据表示：对不同的应用，提供给管理平台的数据有不同的表示方法。对标量数据，数据表示可分为单点值表示和多点值表示。单点值表示特定时间的信息，也可根据多点变化的趋势表示一段时间内数据的总体情况。对非标量数据，二维或多维数据表示可反映数据的本质特征。
3)压缩编码：根据特定的编码机制，信息用较少的数据位元(或其他信息有关的单位)表示。从压缩结果可分为有损压缩和无损压缩，因底层终端通常采集模拟信息，所以主要采用有损压缩算法。根据不同的数据特点，可采用标量数据压缩算法或矢量数据压缩算法，并根据不同的数据类别选择相应的数据压缩算法。
四、结语
电力物联网是指通过智能传感器和通信设备在电力系统中实现有效的信息感知和获取，通过无线或有线网络进行可靠的信息传输，对感知和获取的信息进行智能化处理，实现信息自动交互处理的网络。电力物联网技术在智能电网中的应用，将有效地为电网各方面提供重要的技术支持，为国家节能减排目标做出贡献。因此，电力物联网可成为推动智能电网发展的重要技术手段。
参考文献：
[1]刘振亚.智能电网技术[M].北京:中国电力出版社,2014.
[2]刘海涛.物联网应用技术[M].北京:机械工业出版社,2014.
[3]陈晰.电力物联网中的分层聚合技术研究[J].电力系统通信，2015(12).
论文作者:夏莘雨
论文发表刊物:《电力设备》2019年第7期
论文发表时间:2019/9/17
标签：数据论文; 信息论文; 电网论文; 网络论文; 智能论文; 技术论文; 电力论文; 《电力设备》2019年第7期论文;