一種面向電力大數(shù)據(jù)可視化的信息融合方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于電力大數(shù)據(jù)數(shù)據(jù)融合與處理技術(shù)領(lǐng)域，特別是設(shè)及一種面向電力大數(shù) 據(jù)可視化的信息融合方法。
【背景技術(shù)】
[0002] 信息融合（information fusion)起初被稱為數(shù)據(jù)融合（data fusion)，起源于 1973年美國國防部資助開發(fā)的聲納信號處理系統(tǒng)，其概念在20世紀(jì)70年代就出現(xiàn)在一些文 獻(xiàn)中。在20世紀(jì)90年代，隨著信息技術(shù)的廣泛發(fā)展，具有更廣義化概念的"信息融合"被提出 來。在美國研發(fā)成功聲納信號處理系統(tǒng)之后，信息融合技術(shù)在軍事應(yīng)用中受到了越來越廣 泛的青睞。20世紀(jì)80年代，為了滿足軍事領(lǐng)域中作戰(zhàn)的需要，多傳感器數(shù)據(jù)融合MSDF (Multi-sensor Data Fusion)技術(shù)應(yīng)運(yùn)而生。1988年，美國將C3I(Command，Cont;rol， Communication and Intelligence)系統(tǒng)中的數(shù)據(jù)融合技術(shù)列為國防部重點(diǎn)開發(fā)的二十項(xiàng) 關(guān)鍵技術(shù)之一。由于信息融合技術(shù)在海灣戰(zhàn)爭中表現(xiàn)出的巨大潛力，在戰(zhàn)爭結(jié)束后，美國國 防部又在C3I系統(tǒng)中加入計(jì)算機(jī)(computer),開發(fā)了 W信息融合為中屯、的C4I系統(tǒng)。此外，英 國陸軍開發(fā)了炮兵智能信息融合系統(tǒng)(Al孤)和機(jī)動(dòng)與控制系統(tǒng)(WAVELL)。歐洲五國還制定 了聯(lián)合開展多傳感器信號與知識綜合系統(tǒng)(SKIDS)的研究計(jì)劃。法國也研發(fā)了多平臺態(tài)勢 感知演示驗(yàn)證系統(tǒng)(TsMPF)。軍事領(lǐng)域是信息融合的誕生地，也是信息融合技術(shù)應(yīng)用最為成 功的地方。特別是在伊拉克戰(zhàn)爭和阿富汗戰(zhàn)爭中，美國軍方的信息融合系統(tǒng)都發(fā)揮了重要 作用。當(dāng)前，信息融合技術(shù)在軍事中的應(yīng)用研究己經(jīng)從低層的目標(biāo)檢測、識別和跟蹤轉(zhuǎn)向了 態(tài)勢評估和威脅估計(jì)等高層應(yīng)用。20世紀(jì)90年代W來，傳感器技術(shù)和計(jì)算機(jī)技術(shù)的迅速發(fā) 展大大推動(dòng)了信息融合技術(shù)的研究，信息融合技術(shù)的應(yīng)用領(lǐng)域也從軍事迅速擴(kuò)展到了民 用。目前，信息融合技術(shù)己在許多民用領(lǐng)域取得成效。運(yùn)些領(lǐng)域主要包括:機(jī)器人和智能儀 器系統(tǒng)、智能制造系統(tǒng)、戰(zhàn)場任務(wù)與無人駕駛飛機(jī)、航天應(yīng)用、目標(biāo)檢測與跟蹤、圖像分析與 理解、慣性導(dǎo)航、模式識別等領(lǐng)域。
[0003] 在我國，隨著云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)、移動(dòng)計(jì)算（簡稱"云大物移"）等新興技術(shù)的 快速發(fā)展，W及智慧城市發(fā)展需求的提出，"互聯(lián)網(wǎng)+"在各行各業(yè)中產(chǎn)生的數(shù)據(jù)成爆炸性增 長，形成具有各領(lǐng)域特色的大數(shù)據(jù)集合。TB甚至PB規(guī)模的數(shù)據(jù)已經(jīng)很常見，遠(yuǎn)遠(yuǎn)超出了現(xiàn)有 信息系統(tǒng)和傳統(tǒng)計(jì)算技術(shù)的處理能力，因此，尋找高效的大數(shù)據(jù)處理技術(shù)已經(jīng)迫在眉睫。將 信號轉(zhuǎn)化為數(shù)據(jù)、將數(shù)據(jù)分析為信息、將信息提煉為知識、W知識促成決策和行動(dòng)是大數(shù)據(jù) 技術(shù)的根本驅(qū)動(dòng)力。
[0004] 在智能電網(wǎng)系統(tǒng)中，大數(shù)據(jù)產(chǎn)生于整個(gè)系統(tǒng)的各個(gè)環(huán)節(jié)。比如在用電側(cè)，隨著大量 智能電表及智能終端的安裝部署，電力公司和用戶之間的交互行為迅猛增長，電力公司可 W每隔一段時(shí)間獲取用戶的用電信息，從而收集了比W往粒度更細(xì)的海量電力消費(fèi)數(shù)據(jù)， 構(gòu)成智能電網(wǎng)中用電側(cè)大數(shù)據(jù)。通過對數(shù)據(jù)進(jìn)行分析可W更好地理解電力客戶的電行為、 合理地設(shè)計(jì)電力需求響應(yīng)系統(tǒng)和短期負(fù)荷預(yù)測系統(tǒng)等。但目前尚缺少有效的面向電力大數(shù) 據(jù)可視化的信息融合方法。

【發(fā)明內(nèi)容】

[0005] 為了解決上述問題，本發(fā)明的目的在于提供一種面向電力大數(shù)據(jù)可視化的信息融 合方法。
[0006] 為了達(dá)到上述目的，本發(fā)明提供的面向電力大數(shù)據(jù)可視化的信息融合方法包括按 順序執(zhí)行的下列步驟：
[0007] 步驟一:獲取智能電網(wǎng)系統(tǒng)中的電力大數(shù)據(jù)信息；
[0008] 步驟二:將上述電力大數(shù)據(jù)中依賴于查詢主題的特征進(jìn)行一種標(biāo)準(zhǔn)化操作，而將 獨(dú)立查詢的特征進(jìn)行另一種標(biāo)準(zhǔn)化操作，之后采用簡單的線性方法聯(lián)合依賴于查詢主題和 獨(dú)立查詢的特征，從而將各個(gè)特征融合成統(tǒng)一的格式；
[0009] 步驟利用差分進(jìn)化法和粒子群優(yōu)化法，對上述步驟二中聯(lián)合依賴于查詢主題 和獨(dú)立查詢的特征時(shí)所得到的權(quán)重參數(shù)〇1，|3^進(jìn)行優(yōu)化，得到優(yōu)化后的權(quán)重參數(shù)4;
[0010] 步驟四：利用上述優(yōu)化后的權(quán)重參數(shù)y建立BM25和狄利克雷平滑一元語言兩種數(shù) 據(jù)檢索模型，然后在上述數(shù)據(jù)檢索模型中輸入電力大數(shù)據(jù)，最后輸出電力大數(shù)據(jù)的融合結(jié) 果。
[0011] 在步驟二中，所述的將依賴于查詢主題的特征進(jìn)行標(biāo)準(zhǔn)化操作的計(jì)算公式為：
[0013] 其中；
[0014] F代表輸入，Q代表查詢，qcLfeatk是依賴于查詢主題的特征之一，預(yù)示下一步，C是 輸入的集合；
[0015] 所述的將依賴于獨(dú)立查詢的特征進(jìn)行標(biāo)準(zhǔn)化操作的計(jì)算公式為：
[0017] 其中F代表輸入，qi_featk(F)是依賴于獨(dú)立查詢的特征之一，預(yù)示下一步，C是輸 入的集合；
[0018] 所述的采用簡單的線性方法聯(lián)合依賴于查詢主題和獨(dú)立查詢的特征的計(jì)算公式 為：
[0020] 其中，F(xiàn)代表輸入，Q代表查詢，qtfeatn。?是依賴于查詢主題特征的標(biāo)準(zhǔn)化操作， qi_featnDrm是依賴于獨(dú)立查詢特征的標(biāo)準(zhǔn)化操作，Qi ,Pj是權(quán)重參數(shù)。
[0021] 在步驟=中，所述的粒子群優(yōu)化方法是一個(gè)W電力用戶為基礎(chǔ)的隨機(jī)方法，其包 括下列步驟：
[0022] 步驟1)初始化操作:初始化所有粒子i的隨機(jī)位置，捜索空間若W及隨機(jī)速度詩， 將粒子的最佳已知位置（)初始化到初始位置；
[0023] 步驟2)計(jì)算初始群的最佳已知位置glA
[0024] 步驟3)對所有粒子群中的顆粒i，選取隨機(jī)數(shù)：(0, I)，根據(jù)公式 礦1二a * ^ + A *;?,*(如;-如更新粒子的速度，計(jì)算粒子的新位置:礦1 = Y: +r:";
[0025] 步驟4)計(jì)算新位置與最佳位置的適應(yīng)度值，值較小的點(diǎn)為新的最佳位置，并更新 粒子的最佳位置；
[00%] 步驟5)循環(huán)步驟3)-步驟4)，直到滿足終止準(zhǔn)則，返回最佳已知位置gb。
[0027] 在步驟=中，所述的差分進(jìn)化法是一個(gè)W電力用戶為基礎(chǔ)的捜索方法，其包括下 列步驟：
[0028] 步驟1)初始化隨機(jī)種群；
[0029] 步驟2)對所有用戶中的種群X，隨機(jī)獲得Xi, X2，X3 Epopulation，{Xi,X2，X3，X彼此 不同};
[0030] 步驟3)隨機(jī)獲得3￡{1，...，11}，{11為長鏈}，在區(qū)間（0，1)選擇'1￡1](0，1)^1符合 均勻變分布；如果i=R或者ri<CR，則yi = xii+F(X2i-X3i)，否則yi = xi，得至Ijy= [yi，y2. . .yn]， 產(chǎn)生新的候選集；
[0031] 步驟4)比較f(x)與f(y)的值，將較大值中的自變量代替較小值中的自變量；
[0032] 步驟5)重復(fù)步驟2)-步驟4)，直到滿足終止條件，返回zepopulation，滿足 V化辦卿括餅，/材么/巧。
[0033] 在步驟四中，所述的建立BM25模型的計(jì)算公式為：
[0035]其中，tft,D代表文檔D中查詢關(guān)鍵詞t的頻率，tft,Q代表查詢Q中查詢關(guān)鍵詞t的頻 率，Ld和Lave分別是整個(gè)集合中的文檔長度和平均電力數(shù)據(jù)文檔長度，W定義為一個(gè)逆文檔 頻率的權(quán)重Q壯）：
[0037] 其中，N是集合中的文檔總數(shù)，n是包含查詢關(guān)鍵詞t的文檔數(shù)量；
[0038] 所述的建立狄利克雷平滑一元語言模型的計(jì)算公式為：
[0040] 其中D是一個(gè)文檔，n為查詢條件的數(shù)量，tf(qi，D)是qi在D中的原頻率，Id I是文檔 長度(項(xiàng)數(shù)），y是優(yōu)化后的權(quán)重參數(shù);y ? P(qi I C)是在集合C中術(shù)語qi發(fā)生的概率，通?？蒞 從集合中獲得最大似然估計(jì)值計(jì)算。
[0041] 本發(fā)明提供的面向電力大數(shù)據(jù)可視化的信息融合方法可W通過對電力大數(shù)據(jù)進(jìn) 行分析來更好地理解電力客戶的電行為、合理地設(shè)計(jì)電力需求響應(yīng)系統(tǒng)和短期負(fù)荷預(yù)測系 統(tǒng)。
【附圖說明】
[0042] 圖1為本發(fā)明提供的基于面向電力大數(shù)據(jù)可視化的信息融合方法流程圖。
【具體實(shí)施方式】
[0043] 下面結(jié)合附圖和具體實(shí)施例對本發(fā)明提供的面向電力大數(shù)據(jù)可視化的信息融合 方法進(jìn)行詳細(xì)說明。
[0044] 如圖1所示，本發(fā)明提供的面向電力大數(shù)據(jù)可視化的信息融合方法包括按順序執(zhí) 行的下列步驟：
[0045] 步驟一:獲取智能電網(wǎng)系統(tǒng)中的電力大數(shù)據(jù)信息；
[0046] 步驟二:將上述電力大數(shù)據(jù)中依賴于查詢主題的特征進(jìn)行一種標(biāo)準(zhǔn)化操作，而將 獨(dú)立查詢的特征進(jìn)行另一種標(biāo)準(zhǔn)化操作，之后采用簡單的線性方法聯(lián)合依賴于查詢主題和 獨(dú)立查詢的特征，從而將各個(gè)特征融合成統(tǒng)一的格式；
[0047] 由于電力大數(shù)據(jù)中一些選定的特征是依賴于查詢主題的內(nèi)容匹配的特征，而其它 的特征，例如基于時(shí)間或基于社會(huì)的特征，是獨(dú)立查詢的，因此，為了有效地將運(yùn)些特征結(jié) 合起來，需要將它們的數(shù)值限定在同一個(gè)范圍（[0，1 ])。
[0048] 通過線性組合的方法(線性方法)聯(lián)合特征是一種簡單而有效的方法，W克羅夫特 信息檢索組合方法的驗(yàn)證表明，線性方法在結(jié)合多個(gè)來源的特征方面可W產(chǎn)生最佳的整體 性能。
[0049] 所述的將依賴于查詢主題的特征進(jìn)行標(biāo)準(zhǔn)化操作的計(jì)算公式為：
[0051] 其中；
[0052] F代表輸入，Q代表查詢，qcLfeatk是依賴于查詢主題的特征之一，預(yù)示下一步，C是 輸入的集合。
[0053] 所述的將依賴于獨(dú)立查詢的特征進(jìn)行標(biāo)準(zhǔn)化操作的計(jì)算公式為：
[0055] 其中F代表輸入，qi_featk(F)是