李国兵

（国网泰兴市供电公司，江苏 泰兴 225400）

目前，更多的电网在运行过程中将面临较大的电量传输问题，为此，需集中监控系统的状态，并提出具体的异常值检测方式来处理此项问题[1-3]。电网运行异常值快速检测算法在算法构建的同时需进行较高程度的数据掌控操作，获取较为科学的数据信息。不少国内外学者按照原有的检测算法对快速检测算法作出了一定的调节，以原有数据为基础实施数据检测处理，并管理信息内部空间数据，结合数据状态合理划分数据管理区域，并根据现存的数据空间整合收集的数据信息，改变数据的存储位置，便于检测操作的信息查询。但在研究操作过程中，操作步骤过于简洁，对于某些问题的研究不够深入，无法满足系统的真实需求，且操作消耗较大，成本较高，不利于检测的可持续发展[4]。针对上述问题，文中提出一种新的基于粒子滤波算法的电网运行异常值快速检测算法，提高电网异常值的检测精度。

1 电网运行异常值快速检测算法

1.1 运行异常值挖掘

为增强文中系统的可操作性，实现电网运行异常值挖掘操作，对粒子滤波算法的结构做出一定的调整，并整合调整的条件数据信息，控制操作的信息在系统允许范围内[5-7]。粒子滤波算法作为测量原始数据最为有效的手段之一，可在数据状态变量改变之前实现数据滤波操作，追踪数据中存在的隐藏信息，获取利于操作的数据信息[8]。在电网运行的过程中构建动态信息研究空间，并调整空间位置，设置空间位置调整图如图1所示。

图1 数据空间位置调整图

图1整合了数据操作空间信息，完善了检测算法的检测方式，在电力传输信号进行传输时，输入传输的电力状态，时刻监测状态信息数据，以保证数据的精准性[9]。设置相应的数据监测公式如式（1）所示。

式中，C表示数据监测参数，A表示传输信号数据，T表示电力状态参数，s表示监测状态信息数据，q表示数据研究空间参数。经过上述操作后，调节数据具体状态，并研究内部数据存在的空间位置，记录电网运行时刻，并将同一时段内产生的异常值集中存储于同一数据集合中，依据集合的存储空间大小划分存储的具体方向，并进行数据传输操作，接通数据传输通道，确保数据通道的末端连接数据处理空间，保证数据处理的正常进行[10]。设置数据传输图如图2所示。

在实现数据传输的过程中，需过滤传输的数据信息，研究数据中是否存在不利于检测实验的外来因素，并清除这些外来干扰因素，管理已知的有用数据，时刻保持高度的数据信息咨询操作，保证检测的可行性，以便实施下一步骤的研究操作[11]。

图2 数据传输图

1.2 运行异常值数据处理

以传输过来的挖掘数据为基础实现电网运行异常值数据检测操作，将粒子滤波算法的计算原则作为数据操作标准，由此控制数据的大体流向，监管内部数据的信息状况，同时设置数据监管方程式，如式（2）所示：

式中，K表示数据监管参数，F表示数据流向参数，H表示粒子滤波算法计算法则数据，a表示执行操作命令的数据总体数量[12]。由此，获取更加完整的处理操作所需的数据信息基础，根据数据存储的位置计算中心调控数值的大小，并检验电网的运行正常性，构建较为和谐的电力传输系统。当电网输入信号时，扩大信号的接收空间，并扩展信号接收通道，按照通道信息的容量设置接收场景，构建数据信号接收图，如图3所示。

图3 数据信号接收图

以此增强数据的处理强度，利用大数据处理框架精准分析异常值数据的矛盾性问题，查找矛盾产生的原因，并检验输出信号与检测空间的位置信息关联性。整合联系数据，标定联系数据数值，并深入研究电网状态，扩大电网运行规模，检查电网设备的负荷及整体布局状况，分析数据时延大小，判断电网运行异常值是否被精准收集[13]。通过粒子滤波算法的数值划分方法研究数值间的差异，同时缩小差异范围，降低数据间的冗余度，调整异常值数据的处理模式，并设置数据处理结构图如图4所示。

图4 数据处理结构图

经过数据处理后，记录处理模式状态。对比分析异常值数据的处理效果，并择优选取最佳效果模式进行再处理操作，达到对电网运行异常值数据处理的目的[14]。

1.3 运行异常值快速检测

结合处理后的电网运行异常值数据实施检测操作，采用粒子滤波算法中的粒子信息采集性能提取主导信息的数据，集中加大对中心数据的管理力度，将粒子滤波算法的计算性能完美融合进检测手段中。构建电网数据网络拓扑结构，并设置一个完整子集，为主体空间提供一定的能源供应，构建数据融合图如图5所示。

图5 数据融合图

构造若干个数据节点，并实行数据监督，设置监督公式如式（3）所示：

式中，V表示监督参数，p表示节点数据，u表示能源供应数值，E表示子集数据，Q表示计算性能融合参数。按照此种数据操作模式转变数据运行方式，调节电网运行进程的异常值数据操作方式。在数据检测框架下，分析整体研究迭代计算的可能性，并判别该种可能的存在有效率。重新划分原有的网络拓扑系统，优化电网中存在的模式电量，调整电量状态，整合通信信号的小波发射数据[15]。设置数据整合图，如图6所示。

图6 数据整合图

将整合的数据收录至中性空间中，时刻准备进行数据数值检测。控制算法分析力度，避免因操作进度过激造成的数据丢失状况。研究分布式存储模式，不断整理存储空间，增加信息检测内容，提高检测结果的精准性，不断追踪检测结果数据，采用主从结构管理研究数据并进行节点数据访问操作，将访问的信息定时报告给区域电网系统，实现整体电网运行异常值快速检测算法的研究[16]。

2 实验与研究

为精准评估文中基于粒子滤波算法的电网运行异常值快速检测算法的检测性能，设置相应的实验环境进行性能检验，将文中基于粒子滤波算法的电网运行异常值快速检测算法的检测效果[17]，与传统基于数据挖掘的电网运行异常值快速检测算法及基于CIM的电网运行异常值快速检测算法的检测效果进行实验对比。

针对粒子滤波算法操作的数据计算复杂性，以及电网运行异常值快速检测算法电网异常信息查找困难性，需对其实验环境进行数据筛选，根据基础信息状况调节算法参与力度，并精准分析在实验操作中可能产生的因素影响，进行如下步骤的实验操作：

1）设置不同的电网区域，精准划分每个区域的空间并运行电网，在运行过程中不断记录运行的异常数据，并标记异常数据的产生位置，作为初始处理数据进行集中存储；

2）在完成数据收集后，优化内部检测算法，按照数据的操作完成度对比算法参与力度进行检测操作，并不断控制检测的力度，确保数据检测的安全性；

3）根据检测的结果结合检测算法性能分析检测实施的有效性，并进行实验结果分析。

在此实验中，根据以下实验参数进行实验对比，进一步提高整体对比效果，并设置相应的实验参数如表1所示。

表1 实验参数1

图7和图8分别显示出在上述实验参数条件下，文中基于粒子滤波算法的电网运行异常值快速检测算法与传统基于数据挖掘的电网运行异常值快速检测算法，及基于CIM的电网运行异常值快速检测算法的检测正确率和检测所需时间对比图。

图7 检测正确率对比图

图8 检测所需时间对比图

根据图7、8可以分析出，基于数据挖掘的电网运行异常值快速检测算法的检测正确率较低，检测所需时间较长，基于CIM的电网运行异常值快速检测算法检测所需时间较短，但检测准确率较低，文中基于粒子滤波算法的电网运行异常值快速检测算法的检测正确率均高于其他两种传统检测算法，检测所需时间均短于其他两种传统检测算法。

造成此种差异的原因在于文中检测算法主要研究电网运行过程中的异常值数据，并精准查找数据存在的原因，整合原因信息，并由此提取与检测操作相符的操作方式，促使检测能够更好地进行，提升检测的有效率，缩减操作所需时间，获取更为精准的初始数据信息，提高检测正确率。基于数据挖掘的电网运行异常值快速检测算法在操作的同时掌握电网异常数据的基础信息，对其内部空间进行精准研究，由此获取较为科学的操作信息，整合获取的数据信息，并划分数据规模，调整数据的排序模式，促使检测步骤明了，提升检测正确率，但忽视了数据检测时间的安排，减轻了对数据处理的压力，导致其操作时间更长[18]。基于CIM的电网运行异常值快速检测算法结合数据处理优势执行检测命令，精确提取所需信息，缩减不必要的时间浪费，缩短检测时间，但正因如此，在检测的同时未对中心数据的状况进行具体分析，数据的掌控力度较小，无法满足系统的基础需求，致使其检测正确率较低。

综上所述，文中基于粒子滤波算法的电网运行异常值快速检测算法能够更好地实现数据检验操作，提升数据收集的精准度，合理分配操作模块，掌控数据基础信息，具有较高的可研究价值。

3 结束语

文中在传统电网运行异常值快速检测算法的基础上提出了一种新式基于粒子滤波算法的电网运行异常值快速检测算法，实验结果表明，该检测算法的检测效果明显优于传统检测算法的检测效果。

相较于传统检测算法，文中基于粒子滤波算法的电网运行异常值快速检测算法能够在较高程度上完成数据的精准处理操作，完善检测算法，调节算法中的不适部分，提升检测的正确率，具有更为广阔的发展前景。