电网构建中软件工程论文

2022-04-20

摘要：当前我国电力建设事业的快速发展，对智能电网的构建与应用产生了积极影响。实践中为了丰富智能电网应用中的技术内涵，满足其高效运行要求，优化这类电网应用中的工作性能，则需要对与之相关的可视化技术应用加以思考，积极开展相应的展望分析工作，确保智能电网运行状况良好性，充分发挥可视化技术的应用优势。下面是小编整理的《电网构建中软件工程论文(精选3篇)》相关资料，欢迎阅读！

电网构建中软件工程论文篇1：

计算机科学在智能电网中的应用

摘要：文章介绍了智能电网的相关概念、特点和相关技术，并介绍了计算机科学在智能电网中的应用，重点针对云计算、数字图像处理、数据挖掘、人工智能和软件工程等计算机科学相关技术应用于智能电网提出了一些建议，为我国智能电网技术的发展提供参考。

关键词：计算机科学；智能电网；云计算；数字图像处理；数据挖掘；人工智能文献标识码：A

1 概述

随着信息技术的发展，人类逐渐步入信息化时代。在此过程中所引起的信息革命给许多传统行业带来了巨大的冲击，信息化时代的四大特点——智能化、电子化、全球化、非群体化成为了许多行业变革的风向标。而信息化时代的代表性象征——计算机在各行各业中的必要性与日俱增，在电力行业中也不可避免。

而电力行业作为关乎国计民生的传统行业，在信息化时代中也面临着如何更高效地利用能源、如何更安全可靠地供电、如何更好地了解用户需求等诸多方面的新挑战，于是“智能电网”的概念应运而生。

2 智能电网

2.1 智能电网的概念

智能电网是将信息技术，如通信技术、传感技术、计算机技术和控制技术等融入电力系统之中，使整个电力系统更加安全可控，成为高效智能的新型电网。由于各国的国情不同，因此各个国家对智能电网的具体要求也会有不同的侧重点。因为我国还是一个发展中国家，与国外发达国家的电力工业已步入成熟期不同，我国在发展智能电网的同时，还需要加强骨干电网建设。因此除了要建设能够充分满足用户对电力的需求和优化资源配置，确保电力供应的安全性、可靠性和经济性，满足环保约束，保证电能质量，适应电力市场化发展的坚强智能电网外，我国的智能电网建设还需要满足以特高压电网为骨干网架，各级电网高度协调发展。

2.2 智能电网的特点

智能电网一般包括有以下七个特点：

2.2.1 能量互联网：智能电网要求实现供电方和用户之间的交互，构建多向电力流，它主要由能量管理系统和配电管理系统组成。其中能量管理系统提供整个电网的实时状态信息，并根据实时信息选择最优发电方案，减少输电损耗，维护系统可靠性以确保供电稳定；配电管理系统提供配电网络的实时状态信息，允许供电方远程控制断电的隔离与恢复，管理可再生能源发电。

2.2.2 降低损耗：智能电网能够基于“能量互联网”中的实时信息，根据用户的需求来供电，通过电压控制来降低电力损耗。同时还可以沿输电线放置传感器和电容器，通过无功负载控制来减少电力损耗。减少电力损耗的同时还会降低二氧化碳的排放量，使电网系统更加低碳环保。

2.2.3 融入可再生能源发电：目前可再生能源发电的最大缺点在于可变性过大，产电不稳定。智能电网能够通过储电技术，在产电过剩时将多余电能存储起来，在供不应求时再通过智能电网的自动化技术供能，进而解决可再生能源产电不稳定的问题。

2.2.4 减少输电阻塞：智能电网能够检测输电线的实时度数，在可能发生输电阻塞时，传感器和控制器会及时地重新安排电力输送线路，使得电力能够最大限度地流过线路而不发生阻塞。

2.2.5 分布式发电：通过智能电网的双向电力流，用户自行通过太阳能、风能等可再生能源产生的电力可以出售给供电方，流入配电网络中，使电网系统在用电高峰期可以为用户提供更稳定的供电服务。

2.2.6 自愈：智能电网能够基于实时测量的概率风险评估确定最有可能失败的设备、发电厂和线路，及时进行隔离和恢复，从而减少大面积用电故障的出现。同时，智能电网还能实时分析电网的整体健康水平，及时触发可能导致电网故障发展的早期预警，并根据具体情况确定是否立即进行检查或采取相应措施。

2.2.7 用户需求管理：智能电网能够通过智能电表实时通知用户其电力消费成本、实时电价、电网的状况、计划停电信息等信息，使用户可以根据这些信息制定自己的电力使用方案，继而通过影响用户需求来促进电力供求平衡。

2.3 智能电网的相关技术

智能电网的关键基础技术主要包括集成的通信技术、先进的传感和测量技术、先进的电网设备技术、先进的控制技术以及决策支持和可视化技术。

3 计算机科学在智能电网中的应用

在电网智能化的过程中，计算机是必不可少的。而计算机科学在智能电网中也有诸多应用，其中云计算、数字图像处理、数据挖掘、人工智能和软件工程这些计算机科学相关技术在智能电网中尤为重要。

3.1 云计算

云计算是分布式计算的一种特殊形式，根据美国国家标准与技术研究院的定义，云计算可以实现随时随地、便捷、按需地从可配置计算资源共享池中获取所需的资源，资源可以快速供给和释放，使管理的工作和服务提供者的介入降低至最少。

云计算技术能够整合优化电网系统中的各种异构资源，如电力系统中的监控维护资源、配电管理资源和市场运营资源等。利用云计算支持广泛企业计算和普适性强的特点，能够构建更加高效的智能电网数据中心，实现基础设施资源的自动化管理。例如利用Google的Borg能够使大量服务器协调工作，继而实现大规模系统的可靠性管理。

而智能电网信息系统所产生的大量数据，更需要通过云计算来实现分布式存储和管理。利用云计算来实现海量数据的分布式存储，可以通过冗余存储和高可靠性软件来提高数据的可靠性，并能较好地达到成本、可靠性和性能的最佳平衡。例如利用Google的GFS文件系统可以实现数据的冗余存储，并大幅度降低主服务器的负担，使系统IO高度并行工作，从而提高系统的整体性能。智能电网所产生的数据种类众多，而云计算的数据管理技术能够较好地满足智能电网信息平台数据种类繁多的海量服务请求，因此云计算能够高效地管理智能电网信息平台中的多元数据。例如，利用Google的BigTable，通过一个巨大的分布式多维数据表，将数据都作为对象，并通过关键字、列关键字和时间戳来进行索引，满足各类数据的性能要求，进而实现多元数据的高效管理。

为了保证电网系统运行的安全稳定，智能电网需要通过大规模的电力系统计算来监控整个电网系统的运行状态，如暂态稳定计算、故障计算、拓扑分析、数据挖掘与智能决策等，计算量极大，而云计算可以为智能电网提供高性能的并行计算与分析服务。例如利用Google的MapRduce，可实现针对大规模数据集的并行计算。

3.2 数字图像处理

数字图像处理是指通过计算机对图像进行去噪、增强、复原、分割以及提取特征等处理，从而改善图示信息，以便人们解释或机器自动理解。

在智能电网系统所产生的海量数据中有不少的数据都是图像数据，例如对输电线路状态的远程监测常常通过线路图像/视频监控系统来实现。为了能够实现对输电线路状态全天候全方位的实时监控，采用智能化和自动化的手段来代替人工是必然的趋势。但原始图像中包含的噪声太多了，价值密度低，难以用于智能识别。在这种情况下，可以通过数字图像处理中的灰度变换、直方图修正、小波包去噪、图像锐化以及边缘检测等处理方式来增强图像对比度，去除噪声，加强图像的轮廓特征，以便于特征的提取和识别，进而产生价值密度较高的特征数据集，为输电线路状态的智能识别过程做好图像数据的预处理。

3.3 数据挖掘

数据挖掘是指从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的，但又是潜在有用的信息和知识的过程。数据挖掘的方法包括分类、聚类、关联分析、预测等。

由于智能电网系统中的数据具有数据量巨大、数据类型繁多、价值密度低以及处理速度快的特点，智能电网系统中的数据属于无法在一定时间内用传统数据库软件工具对其内容进行抓取、管理和处理的“大数据”，需要通过数据挖掘来提取其中隐含的有价值的信息，从而实现对整个电网系统多角度、多层次的精确感知。例如，通过对长期的、大量的用户用电数据进行数据挖掘，对不同地区以及不同用户进行分类，可以得到有助于优化配电调度的信息，并能为电费定价调整提供参考；由于在当今社会中各行业的发展都离不开能源的使用，因此对用电数据进行挖掘甚至还可以归纳总结出各种指标增长率与社会用电情况的一般规律，便于政府了解和预测社会各行业发展状况及用能情况，为政府决策提供参考。而通过对长期的、大量的电动汽车充电数据进行数据挖掘，可以为充电站的布点提供参考。通过对长期的、大量的可再生能源发电情况进行数据挖掘，有利于降低可再生能源产电不稳定对供电网络的影响，进而更好地融入可再生能源发电。此外，数据挖掘还有利于用户能效的分析管理、业务拓展分析、供电舆情监测预警分析、电力系统的故障预测和状态检修、短期电网负荷预测、城市电网规划等。智能电网系统的数据特性表明了数据挖掘在智能电网中有着广泛的应用。

3.4 人工智能

根据著名人工智能科学家Michael R.Genesereth和Nils J.Nilsson在1987年提出的定义，人工智能是研究智能行为的科学，它的最终目的是建立关于自然智能实体行为的理论和指导创造具有智能行为的人工制品。人工智能是一门研究如何将人的智能转化为机器智能或者用机器来模拟或实现人的智能的学科。

数据挖掘在智能电网中有着广泛的应用，而数据挖掘需要人工智能技术来提供数据分析的技术支持，因此人工智能在智能电网中也有着十分重要的应用。例如，通过构建人工神经网络来对经过数字图像处理所得的典型线路状态的监控图像特征数据集进行训练识别来实现输电线路状态的智能识别。除了故障诊断外，人工神经网络还可应用于智能控制、继电保护、优化运算等

方面。

除了为数据挖掘提供数据分析的技术支持外，人工智能还可以通过人类专家提供的经验和知识来构建相应的专家系统，如电网故障诊断和调度处理专家系统和操作票专家系统等，模拟人类专家解决问题的过程来进行决策，从而实现电网自动化和智能化。

而采用遗传算法、粒子群算法等进化算法求解诸如发电厂和输电线架设的规划问题以及电力系统中各种控制参数的最优解等问题或利用模糊集理论来处理电力系统中难以实现精确控制的复杂问题，也是人工智能在智能电网中的重要应用。

3.5 软件工程

根据Fritz Bauer在NATO会议上给出的定义，软件工程是建立和使用一套合理的工程原则，以便获得经济的软件，这种软件是可靠的，可以在实际机器上高效的

运行。

为了便于管理和使用，无论是供电管理方还是用户方都会希望通过一个稳定可靠，功能完备，并具有友好人机界面的软件来方便操作。因此在建设智能电网的过程中势必需要开发相应的软件，软件工程便应用于其中。尤其是对用户端而言，在移动设备使用越来越广泛的今天，开发相应的移动端的APP无疑能够更好地促进用户参与到交互过程中。一个针对用户个体，能够实时显示如电力消费成本、实时电价、电网状况、计划停电信息等的智能电表提示信息，结合数字家庭技术，能够远程控制家电开关以便于用户随时随地调整自己的用电情况，并整合线上业务申请、缴纳电费等功能的APP能够极大程度地减轻用户的操作负担，方便用户的使用，使智能电网更加高效智能。

4 结语

计算机科学在智能电网中的广泛应用使电力行业在信息化时代中能够更好地应对各种新挑战，为整个社会的发展带来深远的影响。

参考文献

[1] 肖世杰.构建中国智能电网技术思考[J].电力系统自动化，2009，33（9）.

[2] 李乃湖，倪以信，孙舒捷，等.智能电网及其关键技术综述[J].南方电网技术，2010，4（3）.

[3] 杨德昌，李勇，C.Rehtanz，等.中国式智能电网的构成和发展规划研究[J].电网技术，2009，33（20）.

[4] 王德文，宋亚奇，朱永利.基于云计算的智能电网信息平台[J].电力系统自动化，2010，34（22）.

[5] 彭小圣，邓迪元，程时杰，等.面向智能电网应用的电力大数据关键技术[J].中国电机工程学报，2015，35（3）.

[6] 宋亚奇，周国亮，朱永利.智能电网大数据处理技术现状与挑战[J].电网技术，2013，37（4）.

[7] 张东霞，苗新，刘丽萍，等.智能电网大数据技术发展研究[J].中国电机工程学报，2015，35（1）.

[8] 金华，王民，昝涛，等.基于数字图像处理的输电线路状态智能识别技术[J].微计算机信息，2012，28（4）.

[9] 韩祯祥，文福拴，张琦.人工智能在电力系统中的应用[J].电力系统自动化，2000，24（2）.

[10] 杨勇.人工神经网络在电力系统中的应用与展望[J].电力系统及其自动化学报，2001，13（1）.

[11] 王振江，盛肆清，顾雪平.专家系统及其在电力系统中的应用[J].西北电力技术，2000，（5）.

[12] 朱福喜.人工智能基础教程（第二版）[M].北京：清华大学出版社，2011.

（责任编辑：蒋建华）

作者：温诗华

电网构建中软件工程论文篇2：

智能电网下可视化技术的展望核心探究

摘要：当前我国电力建设事业的快速发展，对智能电网的构建与应用产生了积极影响。实践中为了丰富智能电网应用中的技术内涵，满足其高效运行要求，优化这类电网应用中的工作性能，则需要对与之相关的可视化技术应用加以思考，积极开展相应的展望分析工作，确保智能电网运行状况良好性，充分发挥可视化技术的应用优势。基于此，本文将对智能电网下可视化技术的展望进行系统阐述。

关键词：智能电网;可视化技术;展望;应用优势;建设事业

结合智能电网的建设要求及功能特性，注重对可视化技术的展望探究，可为这类电网的稳定运行提供技术保障，提升智能电网的潜在应用价值，增加其应用中的技术优势及含量。因此，在对智能电网方面进行研究时，应给予其可视化技术更多的关注，实施好相应的研究计划，使得智能电网运行中能够得到所需的技术保障，完成好相应的生产计划，并为可视化技术应用范围的扩大打下基础。同时，通过对可视化技术展望方面的思考，可使智能电网运行质量更加可靠，避免其生产效益、应用效果等受到不利影响。

一、智能电网概述

为了使智能电网能够处于良好的运行状态，高效地完成电力生产计划，则需要对其相关内容有所了解。具体包括：（1）通过对智能理论、信息技术、网络基础设施等要素的考虑及整合利用，有利于完善智能电网应用中的服务功能，为其运行质量提高及效益状况改善等提供专业保障;（2）基于智能调度的电网调度系统运行，可提高其安全生产保障能力及决策能力，实现调度系统运行中的资源共享及优化配置，有利于增加电力生产效益，实现对智能调度方式的高效利用;（3）注重电网的智能化运行及管理，结合精益化及标准化要求，有利于减少电网的运行成本费用，为其提供适用性良好的技术保障体系，高效地完成智能电网构建工作，为电力行业的可持续发展提供技术保障。

二、可视化技术的实践分析

结合智能调度支持下的电网调度系统运行状况及要求，为了实现对可视化技术的高效利用，增强电网调度系统运行中的可视化调度效果，则需要对这类技术的相关内容加以探讨，积极开展实践分析工作予以应对。在此期间，可视化技术的相关内容包括以下方面：

（1）现阶段通过对智能电网科学建设、调度系统性能优化等方面的综合考虑，电力技术人员在自身专业优势、丰富实践经验等要素的支持下，实现了稳态、动态、暂态三位一体安全防御及全过程发电控制系统的构建与应用，并在智能可视化技术的配合作用下，为高级调度中心在智能电网中的应用价值提升带来了保障作用，增强了电网调度系统运行中的智能调度应用效果，逐渐提高了可视化技术的利用效率。

（2）新时期电力系统服务功能的不断完善及运行水平的提升，也对可视化技术的发展产生了积极影响，加快了其朝着二维/三维图形化、动画方面的发展速度，并为可视化系统的构建及智能电网可视化调度水平的提升带来了保障作用。同时，相比数据信息，人眼对图形的敏感性更强。这为可视化技术应用范围的扩大创造了有利条件，可为其系统在智能电网调度中的应用水平提升打下基础。除此之外，基于可视化技术的智能电网调度系统运行，可在可视化图形的作用下，及时消除电网调度系统运行中可能存在的安全隐患，保持其良好的决策状况，避免影响这类系统在电力生产实践中的应用效果。

（3）电力技术人员通过对计算机图形理论及技术应用方面的考虑，可利标准数据库实现在线可视化调度及预警系统运行中的数据交换，实现对丰富电网运行信息的整合利用，且能以可视化的形式进行显示。同时，在了解智能电网运行状况及调度系统稳定运行要求的基础上，加强可视化技术使用，构建好电网调度过程中所需的可视化系统，可实现对二维、三维图像的生动显示及转换，实现对电力生产设备运行状况的实时分析，有利于降低调度系统运行风险，全面提升智能电网安全运行水平，增加可视化系统应用中的技术优势。因此，未来在提高智能调度作用下的电网调度系统运行效率、改善其质量状况的过程中，应加深对可視化技术科学应用方面的重视程度，使得电网可视化调度系统在生产实践中可发挥出应有的作用，更好地体现出这类系统的潜在应用价值。在此期间，可视化调度系统在电力生产计划实施中的作用发挥，有利于保持其良好的成本经济性及技术可靠性，满足电网运行风险科学应对要求，可使智能电网运行效果更加显著，最大限度地提高电力生产效益增加中可视化调度系统的利用效率。

三、智能电网下可视化技术的展望探讨

在了解可视化技术功能特性及应用价值的基础上，为了扩大其应用范围，满足智能电网高效运行要求，则需要对这类技术展望方面进行探讨。在此期间，相关的要点包括以下方面：

（一）注重人机一体化协同决策模型的构建与应用

所谓的人机一体化协同决策方法，是指以人为主，人和机器共同合作决策，应用中所涉及的计算机智能辅助决策程序完全设计成开放式的，且计算机和人都可以根据对方提供的信息对自己的决策作相应修正，最终达成共识，获取理想的决策结果，可为智能电网调度效果的增强及效益水平的提升提供技术支持。实践中通过对可视化技术支持下的人机一体化协同决策模型构建与应用方面的综合考虑，有利于减少智能电网运行中相关人员在决策方面的工作量，且在人机共同协商方式的作用下，可增强决策结果准确性，实现智能电网与可视化技术的协同发展。

（二）关注数据融合及态势可视化

智能电网运行中可视化调度应用方面的数据融合状况是否良好，体现着可视化技术的应用水平，与其能否处于长效发展状态密切相关。因此，在对这类技术在智能电网中的应用方面进行展望时，应给予数据融合更多的考虑，实现可视化调度系统运行中的数据资源共享，避免该系统运行质量、智能电网应用价值等受到不利影响。同时，由于电网建设规模正在扩大，对智能电网在未来实践中的数据可视化显示提出了更多要求，因此，需要电力人员关注态势可视化，对其显示的统一规范性进行深入思考，使得数据分析结果作用下的智能电网在当前与未来的态势能够得到更好地显示，拓宽可视化调度系统及智能电网高效运行方面的研究思路。

（三）重视智能告警、快速仿真及建模

智能电网未来发展过程中，单一的告警方式无法满足其高效运行要求，影响告警系统的应用效果。针对这种情况，技术人员应重视对智能理论、可视化技术及自身专业基础知识等要素的充分利用，设置好智能告警模块，为相应的告警系统设置及应用提供专业支持，使得这类系统作用下的智能电网运行更加高效，增强其运行风险应对工作的落实效果。同时，智能告警系统实际作用的发挥，也能加深电网调度运行中告警方面的智能化程度，并以可视化的方式显示告警信息，有利于为智能电网及可视化技术的更好发展打下基础。除此之外，基于可视化技术的智能电网运行，为了实现对其运行状况的实时分析，并输配电系统未来运行中的规划与管理提供专业技术支持，则需要对快速仿真及建模的充分利用进行思考。在此期间，应在构建智能调度系统的过程中，重视计算机三维空间中快速仿真模型的建立与应用，促使这类系统运行中能够得到有效的技术保障，增强智能电网调度方面的可视化分析效果，确保相应的技术应用效果良好性。

（四）其它方面的展望要点

在对智能电网下的可视化技术展望方面进行探讨和研究时，也需要了解其在这些方面的要点：（1）借助计算机网络、可视化技术的应用优势，实现智能调度、备调系统及应急指挥中心一体化，实现对电网调度系统运行中可能存在安全隐患的及时排除，避免影响智能调度系统的应用效果;（2）加强数据挖掘技术使用，并对智能调度可视化系统的运行效果进行科学评估，处理好其中的细节问题，使得可视化技术科学应用及发展方面能够得到更多支持，增强与之相关的系统在电力生产实践中的性能可靠性。

四、结语

综上所述，在可视化技术的支持下，有利于提高智能电网运行效率及质量，可使其应用中所需的技术手段更加丰富，满足与时俱进的发展要求，更好地适应新时期的形势变化。因此，未来在提升智能电网应用水平、增强其运行效果的过程中，应给予可视化技术引入及应用方面足够的重视，确保这类电网应用状況良好性，实现对智能电网的科学应用。在此基础上，有利于实现对智能电网运行风险的科学应对，为其生产效益最大化目标的实现提供技术支持。

参考文献：

[1]朱海林，陈登峰.基于WebGL的BIM模型三维可视化技术研究[J].科技风，2019（31）：123.

[2]谭剑，王圣华.面向Web可视化的临近空间数据视频化方法研究[J].北京航空航天大学学报，1-17.

[3]段家振.试析输电线路通道可视化系统关键技术[J].科技创新与应用，2019（30）：151-152.

[4]田雨青.分布式发电技术与智能电网技术的协同发展趋势[J].电子技术与软件工程，2019（21）：206-207.

[5]王祝军，宋安心.电力工程技术应用于智能电网建设中的分析[J].科技风，2019（31）：182.

[6]刘迪迪，马丽纳.智能电网时变电价下基站的动态能量管理[J].北京邮电大学学报，1-7.

作者：李翠

电网构建中软件工程论文篇3：

基于机器学习的智能电网调度控制系统在线健康度评价研究

摘要：针对智能电网调度控制系统的在线健康度评价问题，基于机器学习算法中的随机森林算法（RF），提出一种智能电网调度控制系统在线健康度评价模型——不需设复杂参数、指标权重及分级标准。通过构建模型并进行实例验证分析，证明了该模型的有效性。

关键词：机器学习;随机森林;智能电网;调度控制;健康度评价

Research on Online Health Evaluation of Smart Grid Dispatching Control System Based on Machine Learning

Deng Zhiguang， Tan Zhenpeng

（Foshan Power Supply Bureau， Guangdong Power Grid Corporation， Foshan 528000， China）

Key words：machine learning; random forest; smart grid; dispatching control; health evaluation

0 引言

智能电网调度控制系统集成了动态预警、调度计划等多个应用系统，实现了多级调度业务的联合协调管理工作，对于保障我国电网的安全和稳定运行有着极大的作用。为了加强智能电网调度控制系统的运维、预警以及快速处置等能力，提高相关工作的效率，运维人员需要对系统运行实时状态信息能够全面地了解掌握。因此，本文針对智能电网调度控制系统的在线健康度评价问题展开研究，探讨更快速、更精确的健康度评价方法。

1 智能电网调度控制系统在线健康度评价指标体系的构建

在评价问题上，构建合理的指标体系是最基础的阶段，因此本文首先对智能电网调度控制系统运行过程仔细分析，归纳总结其健康度影响因素主要包括系统硬件设备的状态、系统中各项业务的状态等，并在此基础上构建了智能电网调度控制系统在线健康度评价指标体系。

1.1 系统硬件设备在线健康度评价指标体系

本文所构建的系统硬件设备在线健康度评价指标体系如表1所示。

从表1可以看到，系统硬件健康度评价指标体系中包含了3个等级的指标。系统服务器作为最核心的硬件，其健康度为最高层次的一级指标;CPU、网卡以及硬盘等设备的健康度为二级指标;在各二级指标下，有对应硬件的使用率等三级指标。

1.2 系统业务在线健康度评价指标体系

智能电网调度控制系统集成了公共服务等多个应用系统以及关系数据库、实时数据库等，因此与系统硬件健康度评价指标体系相比，系统各项业务在线健康度评价指标体系的构建相对复杂。本文对数量较大且层级关系复杂的各项业务进行分析归纳后，分别建立了各子业务相应的业务在线健康度评价指标，再将智能电网调度控制系统中所有子业务的业务在线健康度评价指标结合为一个系统业务在线健康度评价指标体系，具体如图1所示。

2 基于随机森林的智能电网调度控制系统在线健康度评价模型

近年来在对象评价问题上常用机器学习算法，如神经网络、支持向量机、随机森林等。这些机器学习算法都具有较好的处理非线性数据处理能力;但是相比较而言，随机森林算法（RF）有行随机和列随机两个随机性，因此可以有效地降低过拟合的概率，对离散型和连续型的数据均能够进行处理，并且更适合并行化应用。本文根据前文所构建的智能电网调度控制系统在线健康度评价体系，构建基于随机森林算法的智能电网调度控制系统在线健康度评价模型。

2.1 系统在线健康度评价模型的构建

本文采用了多层级联的架构方案，在多层级的原则基础上，构建了各业务通用的子模型，同时也根据不同业务评价指标的差异性，相应的构建了一部分特有的子模型。本文所构建的基于随机森林算法的智能电网调度控制系统在线健康度评价模型中共包含了17个评价子模型，分别具体负责系统中子进程、多个子进程相关的总进程、实时数据库、关系数据库、其他各个应用的健康度评价，以及相应的设备硬件健康度评价。

2.2 评价子模型的构建

本文构建的智能电网调度控制系统在线健康度评价模型中，最底层的子进程模型是最基础的评价子模型。因此以子进程模型作为典型来对评价子模型的构建方法进行具体阐述。

对于智能电网调度控制系统而言，其中所包含的各子进程指标以及计算方法是一样的，本文将各子进程的数据组成原始数据集，从而扩大数据的规模和变化范围。评价子模型的具体生成步骤：

（1）将智能电网调度控制系统中各节点的子进程资源占用情况作为原始数据集（x，y）， x 表示资源占用情况，y 表示健康度等级，其中 x 包含CPU、内存占用情况及线程数等6个特征，y 分为良好、正常、异常等5个等级，离散化为0、1、2、3、4;

（2）以原始数据集（x，y）中70%的数据作为训练集D，余下的数据作为测试集S;对训练集 D 进行Bootstrap重抽样，得到 k 个容量与训练集 D 相同的样本，每个样本均为分类树的所有训练数据;

（3）对k个样本重复步骤（1），以此生成 k 个分类树并得到对应的分类结果;

（4）以简单投票法得到最终分类结果，即得到子进程模型;

（5）训练子进程模型，并以交叉验证方法评估训练精度;若不满足要求则重新选取指标数和分类树的个数，直到满足要求。

在上述步骤中，子进程模型的具体训练过程如图2所示：

3 实例验证及分析

为了验证本文所构建的基于随机森林的智能电网调度控制系统在线健康度评价模型的有效性，选取10 000条智能电网调度控制系统的进程运行数据作为原始数据集，对该模型进行实例分析。

3.1 模型实现

在Python语言环境下，根据前文所述方法构建基于随机森林的智能电网调度控制系统在线健康度评价模型，同时还构建了基于支持向量机（SVM）的智能电网调度控制系统在线健康度评价模型，以此对比验证性能优劣情况。

将包含10 000条数据样本的原始数据集分割为训练集D和测试集S。其中，训练集D为原始数据集中70%的数据，用于构建子进程模型;测试集S为余下的30%数据，用于检验子进程模型的性能。

根据一定规则对原始图像进行尺度变换，最终构建成如图2所示的多尺度空间表示序列。

3.2 评价结果分析

3.2.1 评价精度分析

本文采用5折交叉验证方法来验证基于随机森林的智能电网调度控制系统在线健康度评价模型的评价精度，结果如表2所示。

从表2所示结果可以看到，与基于支持向量机的模型相比较，本文所提出的基于随机森林的智能电网调度控制系统在线健康度评价模型达到了更高的精度。对此，本文分析认为其主要原因在于随机森林算法本身就内置了比交叉验证方法更高效的验证计算能力。

3.2.2 模型指标重要性分析

基于本文所提出方法而构建的子进程模型，其所有指标的重要性的验证结果如图3所示。

从图3中可以看到，子进程健康的评价指标中重要性最大的为内存占用指标，超过了30%。此外，CPU占用指标也非常显著，接近30%。其他几项指标的重要性则差异不大，均在10%左右。

3.2.3 评价结果分析

将用于检验子进程模型性能的测试集S 输入到训练完毕的基于随机森林的智能电网调度控制系统在线健康度评价模型中，得到评价结果;同样将测试集S 输入到基于支持向量机的智能电网调度控制系统在线健康度评价模型中，得到相应的评价结果。两个模型的最终评价结果分布结果如表3所示。

对比两个模型的评价结果后发现：对于测试集S中包含的3 000条智能电网调度控制系统进程运行数据，两个模型的预测差异点数量只有150条，预测结果的差异性非常小。

4 结语

本文构建了基于随机森林的智能电网调度控制系统在线健康度评价模型，并与基于支持向量机算法的模型进行了实例对比验证。验证结果说明：基于随机森林的智能电网调度控制系统在线健康度评价模型不需要设置复杂参数、指标权重以及分级标准，既容易实现又具有较好的客观性。该模型能够很好地解决多分类问题，达到了较高的精度要求。

参考文献

[1]李海英，劉中银，宋建成. 电力系统静态安全状态实时感知的相关向量机法[J]. 中国电机工程学报，2015，35（02）：294-301.

[2]熊伟，程小丽，刘飞源，等. 电网调度安全评价体系信息化研究[J]. 科技视界，2015（01）：328-332.

[3]冯长有，金一丁，史东宇，等. 基于D5000系统的互联电网在线安全稳定分析异地联合计算技术与实现[J]. 陕西电力，2015，43（02）：39-44.

[4]吴潇雨，和敬涵，张沛，等. 基于灰色投影改进随机森林算法的电力系统短期负荷预测[J]. 电力系统自动化，2015，39（12）：50-55.

[5]姚锡文，汤规成，许开立，等. 复杂系统安全评价模式的集成研究及应用[J]. 东北大学学报（自然科学版），2015，36（07）：1047-1 050+1 055.

[6]茹笑天，车成华. 电力调度运行中的安全控制分析[J]. 中国高新技术企业，2015（34）：127-128.

[7]李婉华，陈宏，郭昆，等. 基于随机森林算法的用电负荷预测研究[J]. 计算机工程与应用，2016，52（23）：236-243.

[8]刘帅，于晓飞. 智能电网调度控制系统“两级三化”的管理[J]. 中国管理信息化，2017，20（02）：102-103.

[9]王安颖，许志成，甄庆，等. 天津滨海电网D5000系统中PAS应用的研究[J]. 科技资讯，2017，15（28）：54-55.

[10]孙伟卿，王承民，张焰，等. 电力系统运行均匀性分析与评估[J]. 电工技术学报，2014，29（04）：173-180.

[11]刘桂华，刘慕娴，陆力瑜，等. 一种基于层次分析和支持向量机的电网安全评估模型[J]. 无线互联科技，2019，16（21）：109-111.