周玲，汤成佳，杨松，吴方权，刘亦驰

（贵州电网有限责任公司信息中心，贵州 贵阳 550000）

为进行电力信息管理系统的智能化管理和优化设计，提高电力信息管理系统的智能化管理能力[1]，电力信息管理和电网智能化调度等具有重要意义，文献[2]对智能电网信息管理系统的各复杂性测量因素进行了计算，基于多维结构熵，从系统主站层、通信网络层、智能终端设备层3个层面，建立了智能电网信息管理系统复杂性评估模型，在引入管理功和多维熵空间尺度理论的基础上，评估系统内部各层和整体的复杂性，实现智能电网信息管理系统复杂性评估，但是该方法的自适应性不足。文献[3]开发了一套地区电网调度信息图像化管理软件，直接关系着电网调控运行效率及电网的安全稳定运行，采用客户端或服务器结构，以图形化的方式直观显示电网调度信息，实现信息滚动更新及共享，但其统计分析能力不强。文献[4]根据供电可靠性指标的特点和要求设计了一套用电信息管理软件，提出客户用电可靠性的概念和评价指标，对客户用电情况进行实时分析，缩短了客户用电中断时间，提高了用电可靠性，为以后的可靠性统计提供基础数据，但是对电力信息管理的人工智能性不足。

针对上述问题，文中提出基于混合架构的电力信息管理系统设计方法。其创新之处在于构建了电力信息管理的大数据信息整合模型，并以电力系统的极数和所需要的安匝数等参数为约束参量，在混合构架体系中进行电力信息的大数据融合和特征优化检测，实现电力信息管理系统的优化设计，体现了文中方法在提高电力信息管理能力方面的优越性。

1 系统总体设计构架和大数据挖掘

1.1 电力信息管理系统总体设计构架

为了实现电力信息管理系统的优化设计，结合DSP和PLC逻辑控制方法，进行电力信息管理系统底层结构设计，电力信息管理系统的总体构架如图1所示。

根据图1电力信息管理系统的总体构架，进行电力信息管理系统的功能结构特征分析，即使用标准的可编程仪器进行电力信息管理系统的综合管理和信息调度，在混合构架体系下，进行电力信息管理系统的总线开发[5]。

图1 电力信息管理系统的总体构架

1.2 电力信息管理的大数据挖掘

根据上述电力信息管理系统总体设计构架，采用融合特征分布式检测方法进行电力信息管理过程调度，在混合构架体系下挖掘电力信息的相关特征量[6]，通过模糊信息调度，得到电力信息管理的场耦合模型为：

其中，A(x)为电力信息管理文件中的负载x的数据集，B(x)为电力信息的功率相关性数据集，φ为电力信息管理的多维空间约束参数。通过多维空间信息采样，进行电力信息感知和多维空间信息重组，根据幅值调度的方法，得到建立信息管理系统的电磁场和温度场耦合参数模型[7]。通过参数构架结果，采用分布式信息融合方法，进行电力信息异构存储的双活结构特征分析[8]，得到电力信息的缓存替换模型为c，电力信息管理系统的电磁负荷分布集为：

其中，z0为复杂电力信息的模糊度，zi为i点处采集的电力负载信息的额定功率密度参数，di为i点处采集的电力信息的电磁负荷量。

根据感应电机电磁分布异构特征进行电力信息存储的自适应访问控制[9]，得到复杂电力信息调度的迭代函数为：

其中，K(xi,xj)为复杂电力信息调度采样坐标，α为迭代次数。根据以上电力信息参数特征重构和特征提取分析方法，通过高速高密度电机控制方法，进行电力信息异构存储的综合管理，在混合构架条件下，进行电力信息异构存储设计，得到电力信息数据的特征分布为：

其中，pdrop为电力信息存储节点的功率因数信息，通过调整功率β因素，得到输出电力信息的功率谱密度特征，根据上述分析，分析电力信息系统的三相绕组特征分布，结合混合励磁整流分析方法进行电力信息管理系统的混合构架体系大数据融合处理，提高电力信息管理能力。

2 电力信息管理的系统优化设计实现

2.1 电力信息特征提取和调度

结合混合励磁整流分析方法进行电力信息管理系统的混合构架体系大数据融合处理，以电力系统的极数和所需要的安匝数等为约束参数，进行电力信息的特征重组[12]。在混合构架模式下，得到电力信息管理的分簇调度分析模型为：

其中，w为电力系统所需要的安匝数，l为电力系统的极数，u(xi)为电力信息管理的调度函数，根据实际负载工况，得到电力信息存储的信道均衡模型。根据隐极转子的直、交轴电枢信息分布模式[13]进行电力信息调度，得到电力信息管理的特征压缩函数，计算发电机外特性的两个关键参数，得到电力信息的空间分布特征集为：

其中，γ为发电机外特性，在电力信息的输出特征量与实际负载工况相符合的情况下[14]，得到电力信息异构线性特征重构输出为：

其中，ck表示电力信息的直、交轴电枢反应特征量，可得到电力信息异构特征分布函数：

其中，p和q分别为电力信息管理的合成相量和关联特征量，σ为电力信息管理的异构存储权重，λi为电励磁部分的空载，通过电力信息管理的分簇特征检测进行电力信息管理和优化调度[15-16]。

2.2 混合构架体系下电力信息融合

在混合构架体系中进行电力信息的大数据融合和特征优化检测，提取电力信息管理系统的额定功率、效率和额定转矩等基本参数，结合特征优化可知，电力信息的极对数及基波频率参数融合结构满足：

其中，θ为基本参数，采用电励磁部分的空载反电动势调度的方法，得到电力信息关联的统计特征向量F(Xi,Pi,Tj)，其中，Xi为对应的气隙系数在Tj时刻励磁转子的直轴分量，Pi为电力信息的关联信息熵。结合电力信息存储的权限特征进行异构融合，得到输出状态参数为：

其中，d为融合系数，xs为融合前电力信息存储的权限特征值，根据电力信息的谐波次数分布值，通过转子结构特征分布，得到电力信息异构融合参数分布值为：

式中，为电力信息的正向分布函数，为电力信息的负向分布函数，r为气隙磁密谐波系数，i=1,2,3…r，b为谐波次数，可得到空载反电动势的基波有效值信息分量为：

其中，φ为电力信息异构存储的径向气隙磁密分量，H(x,y)为电力信息的谐波空间分布域，δi为电力信息的各次谐波分量，根据上述分析，在混合构架体系中进行电力信息的大数据融合和特征优化检测，提取电力信息管理系统的额定功率、效率和额定转矩等基本参数，实现电力信息管理系统的优化设计。

3 系统软件实现及仿真测试

在上述电力信息管理功能算法设计的基础上，进行电力信息管理系统的软件开发设计，在嵌入式的ARM环境下进行电力信息管理系统的软件嵌入式调度，采用IRPF260N型组件构成电力信息管理系统的MOSFET模型库，采用IEEE802.15.4协议构建电力信息管理系统的网络构架体系，得到软件设计流程，如图2所示。

图2 系统的软件设计流程

设定电力信息存储块的大小为120 MB，数据采样的信息长度为1 024，D/A的控制数字量ΔD=65 536×V/5。根据上述仿真参数的设定，得到电力信息管理系统的输出功率参数，如图3所示。

图3 电力信息管理系统的输出功率参数

分析图3得知，运用文中方法进行电力信息管理时，输出的功率参数增益较大，信息管理能力较好。测试有功和无功功率，得到测试结果，如图4所示。

图4 电力信息的有功和无功功率测试

分析图4得知，运用文中方法进行电力信息管理系统管理和调度时，输出的有功功率和无功功率的增益较大，说明其通过模糊度检测和特征提取方法优化后，电力信息管理的输出功率增益较大。

测试电力信息管理系统的内存开销，得到对比结果，如表1所示。

表1 内存开销对比

分析表1得知，运用文中方法进行电力信息管理系统设计时，内存开销较小，说明其通过分析电力信息管理系统的相关性因素，进行电力信息管理系统的关联规则挖掘的效果较好，导致内存开销较少，可以应用于实际。

4 结束语

文中提出基于混合架构的电力信息管理系统设计方法。采用DSP集成信号处理方法进行电力信息管理数据采集和实时信息处理，提高电力信息管理和实时检测能力，建立电力信息管理系统的上位机通信模块，通过模式化调度，进行信息嵌入式控制，通过加权平均分析的方法，建立电力信息管理的模糊关联分布式重构模型，结合温度分布和转子应力分布，进行电力信息的线性特征重构。在嵌入式环境下，实现电力信息管理系统的软件开发设计，电力信息管理的输出功率增益较大，信息管理能力较强。