0 introduction
Avec les progrès et le développement de la technologie des réseaux, des systèmes de lecture des compteurs sans fil utilisés dans l'industrie électrique est devenue une tendance dans . Système de collecte d'information centralisé en tant que nud importante est mise en oeuvre en tant que noeud d'acquisition de pont de communication et la station maître . Concentrateur dispositif de transfert d'intermédiaire, pas la capacité d'analyser les données de l'électricité, l'électricité provoque une hystérésis de la station maître en réponse à l'analyse du comportement et . Afin de permettre l'analyse du côté de l'utilisateur et le traitement des données acquises sur la consommation d'énergie, en utilisant la passerelle de concentrateur pour la gestion d'accès, obtenir les données de consommation d'énergie pour chacune de la mémoire du concentrateur et l'analyse et la classification, la station maîtresse à l'adresse électricité anormale problème retard.
À l'heure actuelle, de nombreux chercheurs pour le système de collecte d'informations et l'analyse des données anormales de la consommation d'énergie ont proposé une variété de solutions. Document configuré par des règles d'association, basée sur le modèle d'utilisation proposé densité dbscan algorithme de classification, pour identifier les valeurs aberrantes. Document grâce à la synergie des logiciels et du matériel, pour atteindre un concentrateur de communication rapide, fiable et le terminal central et la gestion de contrôle à distance. Document Le système de collecte de l'information axée sur la gestion de la demande et les réponses à ces comportements des utilisateurs d'électricité. Document basé sur l'examen de l'aspect en temps réel, nous proposons un système de détection d'événement anormal hiérarchique. D'autres recherches sur le développement du système de collecte d'informations a apporté une contribution positive.
Afin de résoudre les problèmes de lag d'analyse des données de base de l'électricité, a étudié le processus d'acquisition de la passerelle d'accès adresse système de collecte d'informations, le réseau d'accès de la passerelle collecte d'informations, les données sont lues dans le concentrateur d'énergie et classée mémoriser, en utilisant le regroupement de densité de dbscan aberrantes étoiles de collecte, et par l'algorithme arbre de décision C4.5 stars aberrante données correspondant comportement électrique.
Passerelle en communication avec la couche d'application maître doit satisfaire à la grille de statut 376,1 , le statut du champ de données d'adresse prédéterminée, l'adresse est constituée de trois parties: deux B code administratif borne adresse A1,2 B A2 et la station maître 1 B et adresses de groupe drapeaux A3.
Les informations d'accès passerelle de réseau de collection, le processus d'acquisition d'adresse de noeud est la suivante: la passerelle, la construction d'une trame de données transmise par la commande de requête d'adresse de maître pour obtenir l'adresse A, la borne d'adresse constitué par un code administratif 2 B 2 B de A1 et A2 configuration, le format d'adresse comme indiqué sur la figure.
Procédé passerelle de communiquer avec la station maîtresse, le champ d'adresse de station maîtresse d'une trame de données construit selon l'adresse de noeud de passerelle, le segment d'adresse comprenant A1, A2 et A3. , A1, A2 acquiert la cible directement à partir de l'adresse unicast Un concentrateur, A3 et les adresses de groupe comme drapeau principal. A3 est le bit D0 est une marque d'adresse de groupe terminal, D0 est une adresse de terminal A2 est une adresse unique 0;. D0 est une adresse de terminal A2 est une adresse de groupe 1; A3, D1 ~ D7 composé de 0 à 127 Adresse de la station maître MSA, dans lequel données format de champ d'adresse de trame est représentée sur la Fig.
2 clés logiciel de passerelle et la conception de matériel
Gateway et le système d'exploitation Linux basé sur ARM11 conception, base de données SQLite3 légère en utilisant les données de consommation d'énergie et pertinentes de stockage d'informations utilisateur. Pour l'analyse des données de collecte d'informations nécessite une certaine quantité en fonction des données historiques, en tenant compte de la capacité de stockage, les spécifications de la passerelle et les facteurs de coûts, l'utilisation de l'expansion de la mémoire de la carte SD. Sélectionnez le serveur BOA comme une passerelle vers le programme serveur Web pour obtenir une page Web simple affichage sur la passerelle.
2.1 Conception du module de mémoire d'extension externe
Réaliser l'analyse des informations données recueillies sur l'électricité dans la passerelle, en fonction de certains besoins de données historiques, la passerelle nécessite une certaine quantité de stockage de données, alors que la passerelle elle-même limitée la mémoire, il est si nécessaire d'élargir la passerelle de collecte d'informations de capacité de stockage, carte SD et S3C6410 l'interface de principe SDIO0 illustré à la figure 3.
Conception 2.2 base de données SQLite3
SQLite3 est une base de données intégrée qui stocke l'arrière-plan à l'aide Btree atteindre. base de données SQLite dans un fichier sur un disque dur, chaque tête de fichier de base de données stocke la base de données méta-information, y compris la version, la taille, Btree emplacement racine.
Base de données peut être efficace, sûr, gérer de grandes quantités de données, seront transplantées dans la base de données SQLite3 atteindre cette passerelle pour analyser les données de consommation d'énergie. Type de besoins de stockage de données d'algorithme, y compris le type de consommation d'énergie, la fréquence relative, le type d'utilisateur, de la température ambiante, etc. L'analyse d'une quantité anormale de l'électricité.
2.3 Conception programme serveur BOA
BOA Web serveur utilise ce programme passerelle interface d'administration installé, en utilisant la technologie CGI programme d'interface front-end AJAX, pour interagir avec l'arrière-plan de gestion du serveur de l'architecture web design représenté sur la figure.
Collecte d'informations Portail pages Web principales caractéristiques comprennent les trois aspects suivants:
(1) informations sur la consommation d'énergie interroge: afficher des informations sur la consommation d'énergie grâce à une courbe, l'utilisateur peut voir le cas quand, jour, mois, etc. Les informations de l'électricité.
(2) Vérifiez l'état de la passerelle: affiche principalement l'espace libre cours dans la base de données, et les informations de concentration et la condition de communication entre le serveur d'accès.
(3) l'analyse des données de consommation d'énergie Vue: Vous pouvez afficher les données en cas d'anomalies et des informations historiques de la consommation d'énergie.
3 informations de consommation d'électricité algorithme d'analyse anormal
algorithme de classification de densité 3,1
Passerelle se concentrera télécharger des données de consommation d'énergie est sauvegardé, pour l'analyse en temps opportun. L'électricité divisée période, les jours sont divisés en noir, blanc et deux périodes, divisant le week-end au début, période milieu et la fin 3, le laps de temps de chaque période peut être ajustée en fonction du type d'habitudes des utilisateurs et mode de vie. Dans la même période et le type de date, il est plus semblable au comportement de l'électricité, l'électricité a moins de données de volatilité, acquises par la densité de clustering algorithme de données électriques anormales dbscan.
3,2 quantité anormale d'acquisition
Date différents types et les données temps en tant que données de consommation unitaire d'énergie, en utilisant différents paramètres et MinPts Eps pour les différentes unités de données. Sélectionnez le paramètre d'efficacité détermine directement la qualité de la passerelle, en utilisant la littérature faite conformément à l'algorithme de distribution KNN statistique mathématique analyse chaque donnée afin calculé que les paramètres de la cellule de la passerelle et MinPts Eps auto.
3.3 quantité anormale d'analyse
L'électricité à un cycle constant d'acquisition de données, l'acquisition simultanée de la température, suivant l'état de l'alimentation et le type (s'il existe une anomalie, ce qui est anormal), et stocké dans le fichier de collecte de données data.db. algorithme d'arbre de décision C4.5 sur des données historiques et le comportement électrique de la formation correspondante. unité de données transférée respective algorithme dbscan acquises par l'ensemble des points obtenus comportement de bruit anormal des points de puissance de bruit correspondant à l'arbre de décision de l'algorithme C4.5, et prendre les mesures correspondantes au moyen du mécanisme correspondant. Puis vérifié par les conclusions de l'algorithme d'arbre de décision de C4.5 réelle de l'enquête sont corrects, si le juge de remplacement du comportement incorrect le comportement de puissance réelle d'électricité.
4 Test et analyse
4.1 Plate-forme expérimentale de construction
Up environnement de test et l'équipement nécessaire comme indiqué dans le tableau 1 module.
En utilisant les deux concentrateurs sont réalisés Access Gateway commutateur 470 MHz compteur sans fil commutateur de passerelle de réseau de lecture vers le concentrateur et la station maître (PC portables) connectés au concentrateur 16 par les noeuds d'acquisition. Un concentrateur placé là où l'acquisition sous-réseau passerelle distance proche, un autre des sous-réseaux d'acquisition de concentrateur placé plus loin, et les deux sous-réseau concentrateur à collecter différents canaux de communication, un sous-réseau noeud de canal est réglé à 9, le canal réglé sur un autre noeud du sous-réseau 14, pour éviter toute interférence mutuelle entre les noeuds d'acquisition.
4.2 passerelle obtient la vérification d'adresse
Gateway est sous tension, le nombre de requêtes principale de la station de passerelle vers la station maître envoie l'adresse A1 code administratif et de gestion de configuration de sa propre adresse, des informations d'adresse de la passerelle par assistant de débogage série d'impression. 00000001 résultats d'impression, en accord avec les deux premiers octets du code administratif A1, et la station maître, depuis la station principale de passerelle uniquement lorsque la passerelle d'accès qui un noeud maître, l'adresse de terminal A2 à 0001, des informations imprimées telles que Figure 5.
Vérification 4.3 module d'analyse anormal
Le cas où le segment de données électriques, et normalisé à une température de 25 réaliser calculs avec les MinPts des paramètres par algorithme KNN et de l'algorithme de distribution statistique, d'améliorer l'efficacité de fonctionnement de la passerelle.
Selon différents types d'utilisateurs et les dates des segments de données d'utilisation d'énergie électrique divisée jour, jours respectivement différentes périodes de temps et les données de consommation sont des week-ends groupés, les vacances et la polymérisation a été réalisée par un facteur de fusion week-end de vacances type, en utilisant le nouvel algorithme dbscan de jugement peut lire des informations si un point de puissance de bruit. temps de formation et de points de données historiques par date algorithme d'arbre de décision de type C4.5 peut déterminer avec précision le comportement électrique du point de bruit anormal.
En semaine, week-ends et les jours fériés classer par date d'électricité, les vacances et les week-ends à la fusion, de telle sorte qu'il a une consommation d'énergie plus élevé de similitude dans leurs catégories respectives de puissance, l'algorithme arbre de décision C4.5 obtenir des résultats plus précis. Les données électriques dans une unité autre section de la semaine et le week-end en fonction de la consommation d'énergie de la population de ces données dans chaque période d'électricité moins volatile, améliorer la précision des dbscan.
5. Conclusion
Cette passerelle de liaison caractéristiques du réseau de collecte d'information, structure de grille requête liée trame de données basée sur le statut, l'auto-adresse pour configurer la passerelle, la passerelle d'accès mise en uvre de concentrateur de gestion. En élargissant l'extension de mémoire de programme externe, le programme de base de données SQLite3, et la conception et la migration anomalie de la conception des moyens de détection de bloc de programme serveur BOA, le stockage de données est terminée fonction de passerelle et de détection des anomalies. Rechercher adresse de maître méthodes de piscine employées ici peuvent être configurés pour traiter efficacement la passerelle elle-même, la passerelle de base de données SQLite3 utilisation efficace des données de stockage d'énergie, les données acquises contre l'électricité anormale à l'aide de l'arbre de décision C4.5 algorithme dbscan comportement juger, pour résoudre le problème de l'analyse des données de consommation d'énergie lag maître.
références
Sun Hongbin, Guo, l'énergie Guang Panzhao Internet: la philosophie, l'architecture et les perspectives de pointe Automatisation des systèmes d'énergie électrique, 2015 (19): 1-8.
de Tong Ming Zhang Xidong, Li Zhongwei, etc. algorithmes de chiffrement hybride basé sur le concentrateur de communication de données message sur Cryptographie Elliptic Curve Automatisation des réseaux électriques, 2014,38 (4): 86-91.
Tian, sensible à la densité du système d'algorithme d'analyse de la consommation de puissance anormale CLUSTERING Automatisation des systèmes d'énergie électrique, 2017 (5): 64-70.
Un système de commande sensible au concentrateur, SE Wang, Zhao Xingyu Éclairage basé sur la conception de communication de porteuse de ligne électrique Chongqing Université des Postes et Télécommunications (sciences naturelles), 2013,25 (2): 161-165.
GELAZANSKAS L, GAMAGE K Une gestion de la A.Demand dans smart grid: un examen et des propositions pour la direction future .Sustainable Villes & Société, 2014,11 (11): 22-30.
S C LEE, Nevatia R.Hierarchical détection d'un événement anormal en temps réel et le temps semi-réel système de surveillance vidéo multi-tâches .Machine Vision & Applications, 2014,25 (1): 133-143.
Li Han Zhao, Xue Zhong Qian, Luo Jing, etc.,. Algorithme de classification dbscan basé sur le zonage multi-densité . .http: //www.arocmag.com/article/02-2018-06-047.html.
A Malhotra, modèle hybride BAJAJ K.Procédé approche text mining basée pour la détection des logiciels malveillants en utilisant dbscan .Csi Transactions sur les TIC, 2016,4 (2-4): 141-149.
mouche de Yu, Zhang Xiao macro. C4.5 Arbre de décision algorithme d'optimisation et d'application Génie informatique et applications, 2015,51 (13): 255-258.
MANTAS C J, ABELLAN J, J CASTELLANO G. Analyse de Crédal-C4.5 pour la classification dans des domaines bruyants .Expert systèmes avec des applications, 2016,61: 314-326.
Q / VG 376,1 à 2013. Protocole de communication utilisateur assistée Système de collecte d'informations . Pékin: State Grid Corporation, 2013.
Liu, Mao Jianxin, Liang Lei, concentrateur et basé sur du matériel ARM Technologie électronique, 2014,40 (1): 86-89.
Zhou Zhiping, Wang Feng, Wei Zhushu, etc. algorithme de regroupement adaptatif Amélioration rapide AF-dbscan Journal of Intelligent Systems, 2016,11 (1): 93-98.
Informations sur l'auteur:
Wang Ping, dans Cheung Chun
(College of Automation, Chongqing Université des Postes et Télécommunications, Chongqing 400065, Chine)
