人工神經(jīng)網(wǎng)絡(luò)程序設(shè)計及柔性數(shù)據(jù)集成助推堅強智能電網(wǎng)

實驗報告課程名稱人工智能應(yīng)用技術(shù)實驗項目人工神經(jīng)網(wǎng)絡(luò)程序設(shè)計實驗儀器WindowsXP、VisualC++學(xué)院信息管理學(xué)院專業(yè)信息安全班級/學(xué)號學(xué)生姓名實驗日期20XX-5-10成績指導(dǎo)教師北京信息科技大學(xué)信息管理學(xué)院（課程上機）實驗報告實驗課程名稱:人工智能應(yīng)用技術(shù)專業(yè):信息安全班級:學(xué)號:姓名:

實驗名稱人工神經(jīng)網(wǎng)絡(luò)程序設(shè)計實驗地點學(xué)院機房實驗時間5/101—4節(jié)實驗?zāi)康模赫莆栈旧窠?jīng)網(wǎng)絡(luò)的常用學(xué)習(xí)規(guī)則掌握人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程實驗內(nèi)容：相關(guān)知識：基本神經(jīng)網(wǎng)絡(luò)（感知器，前饋網(wǎng)絡(luò)）的常用學(xué)習(xí)規(guī)則實驗環(huán)境：WindowsXP,Visualstudio主要內(nèi)容：人工神經(jīng)網(wǎng)絡(luò)的程序設(shè)計與實現(xiàn)實驗要求：完成神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)程序的調(diào)試，課堂演示程序執(zhí)行結(jié)果輸出神經(jīng)網(wǎng)絡(luò)權(quán)值調(diào)整過程值，分析結(jié)果數(shù)據(jù)，繪制神經(jīng)網(wǎng)絡(luò)提交實驗報告實驗準(zhǔn)備：掌握感知器學(xué)習(xí)算法初始化：將權(quán)值向量賦予隨機值，t=0(迭代次數(shù))連接權(quán)的修正：對每個輸入樣本xk及期望輸出dk完成如下計算計算網(wǎng)絡(luò)輸出：y=f(S)，其中S=∑wixi，f為激活函數(shù)計算輸出層單元期望輸出dk與實際輸出y間的誤差： ek=dk-y若ek為零，則說明當(dāng)前樣本輸出正確，不必更新權(quán)值，否則更新權(quán)值： w(t+1)=w(t)+α×ek×xk t=t+10<α<1為學(xué)習(xí)率。對所有的輸入樣本重復(fù)步驟(2)，直到所有的樣本輸出正確為止實驗過程：#include<stdio.h>#include"stdafx.h"#defineMAX_ITERATIONS 1000#defineINPUT_NEURONS 2#defineNUM_WEIGHTS (INPUT_NEURONS+1)#defineALPHA (double)0.2doubleweights[NUM_WEIGHTS];typedefstruct{doublea;doubleb;doubleexpected;}training_data_t;#defineMAX_TESTS 4training_data_ttraining_set[MAX_TESTS]={{-1.0,-1.0,-1.0},{-1.0,1.0,1.0},{1.0,-1.0,1.0},{1.0,1.0,1.0}};doublecompute(inttest){doubleresult;/*Equation10.2*/result=((training_set[test].a*weights[0])+(training_set[test].b*weights[1])+(1.0*weights[2]));if(result>0.0)result=1.0;elseresult=-1.0;returnresult;}intmain(){inti,test;doubleoutput;intchange;/*Initializetheweightsfortheperceptron*/for(i=0;i<NUM_WEIGHTS;i++)weights[i]=0.0;/*Traintheperceptronwiththetrainingset*/change=1;while(change){change=0;for(test=0;test<MAX_TESTS;test++){/*Testontheperceptron*/output=compute(test);/*PerceptronLearningAlgorithm*/ doubledif=training_set[test].expected-output;if((int)training_set[test].expected!=(int)output){/*UseEquation10.3*/weights[0]+=ALPHA*training_set[test].expected*training_set[test].a;weights[1]+=ALPHA*training_set[test].expected*training_set[test].b;weights[2]+=ALPHA*training_set[test].expected;change=1;}}}/*CheckthestatusofthePerceptron*/for(i=0;i<MAX_TESTS;i++){printf("%gOR%g=%g\n",training_set[i].a,training_set[i].b,compute(i));}return0;}#include<stdio.h>#include<stdlib.h>#include"maths.c"#include"rand.h"#defineINPUT_NEURONS 35#defineHIDDEN_NEURONS 10#defineOUTPUT_NEURONS 10doubleinputs[INPUT_NEURONS+1];doublehidden[HIDDEN_NEURONS+1];doubleoutputs[OUTPUT_NEURONS];#defineRHO (double)0.1doublew_h_i[HIDDEN_NEURONS][INPUT_NEURONS+1];doublew_o_h[OUTPUT_NEURONS][HIDDEN_NEURONS+1];#defineRAND_WEIGHT (((double)rand()/(double)RAND_MAX)-0.5)#defineIMAGE_SIZE 35typedefstructtest_images_s{intimage[IMAGE_SIZE];intoutput[OUTPUT_NEURONS];}test_image_t;#defineMAX_TESTS 10test_image_ttests[MAX_TESTS]={{{0,1,1,1,0,//01,0,0,0,1,1,0,0,0,1,1,0,0,0,1,1,0,0,0,1,1,0,0,0,1,0,1,1,1,0},{1,0,0,0,0,0,0,0,0,0}},{{0,0,1,0,0,//10,1,1,0,0,0,0,1,0,0,0,0,1,0,0,0,0,1,0,0,0,0,1,0,0,0,1,1,1,0},{0,1,0,0,0,0,0,0,0,0}},{{0,1,1,1,0,//21,0,0,0,1,0,0,0,0,1,0,0,1,1,0,0,1,0,0,0,1,0,0,0,0,1,1,1,1,1},{0,0,1,0,0,0,0,0,0,0}},{{0,1,1,1,0,//31,0,0,0,1,0,0,0,0,1,0,0,1,1,0,0,0,0,0,1,1,0,0,0,1,0,1,1,1,0},{0,0,0,1,0,0,0,0,0,0}},{{0,0,0,1,0,//40,0,1,1,0,0,1,0,1,0,1,1,1,1,1,0,0,0,1,0,0,0,0,1,0,0,0,0,1,0},{0,0,0,0,1,0,0,0,0,0}},{{1,1,1,1,1,//51,0,0,0,0,1,0,0,0,0,1,1,1,1,0,0,0,0,0,1,1,0,0,0,1,0,1,1,1,0},{0,0,0,0,0,1,0,0,0,0}},{{0,1,1,1,0,//61,0,0,0,0,1,0,0,0,0,1,1,1,1,0,1,0,0,0,1,1,0,0,0,1,0,1,1,1,0},{0,0,0,0,0,0,1,0,0,0}},{{1,1,1,1,1,//71,0,0,0,1,0,0,0,0,1,0,0,0,1,0,0,0,1,0,0,0,1,0,0,0,0,1,0,0,0},{0,0,0,0,0,0,0,1,0,0}},{{0,1,1,1,0,//81,0,0,0,1,1,0,0,0,1,0,1,1,1,0,1,0,0,0,1,1,0,0,0,1,0,1,1,1,0},{0,0,0,0,0,0,0,0,1,0}},{{0,1,1,1,0,//91,0,0,0,1,1,0,0,0,1,0,1,1,1,1,0,0,0,0,1,0,0,0,1,0,0,1,1,0,0},{0,0,0,0,0,0,0,0,0,1}}};voidinit_network(void){inti,j;/*Settheinputbias*/inputs[INPUT_NEURONS]=1.0;/*Setthehiddenbias*/hidden[HIDDEN_NEURONS]=1.0;/*Initializetheinput->hiddenweights*/for(j=0;j<HIDDEN_NEURONS;j++){for(i=0;i<INPUT_NEURONS+1;i++){w_h_i[j][i]=RAND_WEIGHT;}}for(j=0;j<OUTPUT_NEURONS;j++){for(i=0;i<HIDDEN_NEURONS+1;i++){w_o_h[j][i]=RAND_WEIGHT;}}return;}voidfeed_forward(void){inti,j;/*Calculateoutputsofthehiddenlayer*/for(i=0;i<HIDDEN_NEURONS;i++){hidden[i]=0.0;for(j=0;j<INPUT_NEURONS+1;j++){hidden[i]+=(w_h_i[i][j]*inputs[j]);}hidden[i]=sigmoid(hidden[i]);}/*Calculateoutputsfortheoutputlayer*/for(i=0;i<OUTPUT_NEURONS;i++){outputs[i]=0.0;for(j=0;j<HIDDEN_NEURONS+1;j++){outputs[i]+=(w_o_h[i][j]*hidden[j]);}outputs[i]=sigmoid(outputs[i]);}}voidbackpropagate_error(inttest){intout,hid,inp;doubleerr_out[OUTPUT_NEURONS];doubleerr_hid[HIDDEN_NEURONS];/*Computetheerrorfortheoutputnodes(Equation10.6)*/for(out=0;out<OUTPUT_NEURONS;out++){err_out[out]=((double)tests[test].output[out]-outputs[out])*sigmoid_d(outputs[out]);}/*Computetheerrorforthehiddennodes(Equation10.7)*/for(hid=0;hid<HIDDEN_NEURONS;hid++){err_hid[hid]=0.0;/*Includeerrorcontributionforalloutputnodes*/for(out=0;out<OUTPUT_NEURONS;out++){err_hid[hid]+=err_out[out]*w_o_h[out][hid];}err_hid[hid]*=sigmoid_d(hidden[hid]);}/*Adjusttheweightsfromthehiddentooutputlayer(Equation10.9)*/for(out=0;out<OUTPUT_NEURONS;out++){for(hid=0;hid<HIDDEN_NEURONS;hid++){w_o_h[out][hid]+=RHO*err_out[out]*hidden[hid];}}/*Adjusttheweightsfromtheinputtohiddenlayer(Equation10.9)*/for(hid=0;hid<HIDDEN_NEURONS;hid++){for(inp=0;inp<INPUT_NEURONS+1;inp++){w_h_i[hid][inp]+=RHO*err_hid[hid]*inputs[inp];}}return;}doublecalculate_mse(inttest){doublemse=0.0;inti;for(i=0;i<OUTPUT_NEURONS;i++){mse+=sqr((tests[test].output[i]-outputs[i]));}return(mse/(double)i);}voidset_network_inputs(inttest,doublenoise_prob){inti;/*Fillthenetworkinputsvectorfromthetest*/for(i=0;i<INPUT_NEURONS;i++){inputs[i]=tests[test].image[i];/*Inthegivennoiseprobability,negatethecell*/if(RANDOM()<noise_prob){inputs[i]=(inputs[i])?0:1;}}return;}intclassifier(void){inti,best;doublemax;best=0;max=outputs[0];for(i=1;i<OUTPUT_NEURONS;i++){if(outputs[i]>max){max=outputs[i];best=i;}}returnbest;}intmain(void){doublemse,noise_prob;inttest,i,j;RANDINIT();init_network();do{/*Pickatestatrandom*/test=RANDMAX(MAX_TESTS);/*Grabinputimage(withnonoise)*/set_network_inputs(test,0.0);/*Feedthisdatasetforward*/feed_forward();/*Backpropagatetheerror*/backpropagate_error(test);/*CalculatethecurrentMSE*/mse=calculate_mse(test);}while(mse>0.001);/*Now,let'stestthenetworkwithincreasingamountsofnoise*/test=RANDMAX(MAX_TESTS);/*Startwith5%noiseprobability,endwith25%(perpixel)*/noise_prob=0.05;for(i=0;i<5;i++){set_network_inputs(test,noise_prob);feed_forward();for(j=0;j<INPUT_NEURONS;j++){if((j%5)==0)printf("\n");printf("%d",(int)inputs[j]);}printf("\nclassifiedas%d\n\n",classifier());noise_prob+=0.05;}return0;}實驗總結(jié)：（實驗結(jié)果及分析）通過人工神經(jīng)程序設(shè)計的學(xué)習(xí)，我進一步了解了感知器和神經(jīng)網(wǎng)絡(luò)算法，包括期望值的調(diào)整等內(nèi)容，同時更加熟練地使用c語言進行程序設(shè)計，對程序設(shè)計中遇到的各種問題漸漸地有了自己的認識和解決方案。說明：實驗名稱、實驗?zāi)康?、實驗?nèi)容、實驗要求由教師確定，實驗前由教師事先填好，然后作為實驗報告模版供學(xué)生使用；實驗準(zhǔn)備由學(xué)生在實驗或上機之前填寫，教師應(yīng)該在實驗前檢查；實驗過程由學(xué)生記錄實驗的過程，包括操作過程、遇到哪些問題以及如何解決等；實驗總結(jié)由學(xué)生在實驗后填寫，總結(jié)本次實驗的收獲、未解決的問題以及體會和建議等；源程序、代碼、具體語句等，若表格空間不足時可作為附錄另外附頁。柔性數(shù)據(jù)集成助推堅強智能電網(wǎng)摘要：堅強智能電網(wǎng)的建設(shè)存在著更為廣泛、更為復(fù)雜的數(shù)據(jù)集成需求。本文以JATUIB企業(yè)信息集成產(chǎn)品為代表，提出標(biāo)準(zhǔn)化的“柔性數(shù)據(jù)集成”解決方案以助推堅強智能電網(wǎng)，使越來越復(fù)雜電網(wǎng)信息系統(tǒng)具有柔性，可以具有插件化的可持續(xù)發(fā)展和更新能力、創(chuàng)造能力。關(guān)鍵字：智能電網(wǎng)、柔性數(shù)據(jù)集成、CIM、IEC61970、IEC61968“堅強智能電網(wǎng)的數(shù)據(jù)集成”需求解讀隨著電力系統(tǒng)運行環(huán)境的日趨復(fù)雜與電力體制改革的不斷前進，傳統(tǒng)電力網(wǎng)絡(luò)亟待進一步提升，實現(xiàn)向智能電網(wǎng)的轉(zhuǎn)變。國家電網(wǎng)公司于2009年5月下旬首次公布了“智能電網(wǎng)”的發(fā)展計劃，初步披露了建設(shè)時間表，智能電網(wǎng)在中國的發(fā)展將分三個階段逐步推進，2020年可全面建成統(tǒng)一的“堅強智能電網(wǎng)”[1]。此外，國家電網(wǎng)公司闡釋道，“積極發(fā)展智能電網(wǎng)已成為世界電力發(fā)展的新趨勢。智能電網(wǎng)首先應(yīng)當(dāng)是一個堅強的電網(wǎng)。堅強是智能電網(wǎng)的基礎(chǔ)，智能是堅強電網(wǎng)充分發(fā)揮作用的關(guān)鍵，兩者相輔相成、協(xié)調(diào)統(tǒng)一；智能電網(wǎng)的目標(biāo)是實現(xiàn)電網(wǎng)運行的可靠、安全、經(jīng)濟、高效、環(huán)境友好和使用安全。智能電網(wǎng)為電網(wǎng)的發(fā)展方向，中國的智能電網(wǎng)包含電力系統(tǒng)的發(fā)電、輸電、變電、配電、用電和調(diào)度共六個環(huán)節(jié)，具有信息化、數(shù)字化、自動化、互動化的‘智能’技術(shù)特征。堅強智能電網(wǎng)的建設(shè)，依然存在更為廣泛、更為復(fù)雜的數(shù)據(jù)集成需求。主要體現(xiàn)在以下方面：智能電網(wǎng)將面臨大量數(shù)據(jù)流，要求更加實時化、復(fù)雜化、自動化、集成化以及智能化圖表SEQ圖表\*ARABIC1電網(wǎng)管理的PDCA支撐一強三優(yōu)的管理戰(zhàn)略目標(biāo)“一強三優(yōu)”的電網(wǎng)管理可以從以下三個方面建立有效的過程反饋機制：針對于客戶和表計的客戶服務(wù)的調(diào)度規(guī)劃管理針對于線路和變電的輸變配整體電網(wǎng)的調(diào)度和規(guī)劃管理針對于作業(yè)人員和設(shè)備資產(chǎn)的工作和資產(chǎn)管理的調(diào)度規(guī)劃管理自動化監(jiān)控—>智能化分析->最優(yōu)化決策三部曲形成的PDCA的反饋機制貫穿著不斷優(yōu)化、提升管理水平的全過程。在可以預(yù)見的未來，電力的功能系統(tǒng)將產(chǎn)生大量的數(shù)據(jù)流，變得更加實時化、更加復(fù)雜化、更加自動化、更加集成化以及更加智能化。智能電網(wǎng)的信息模式必然需要關(guān)注面向未來的集成架構(gòu)和信息整合關(guān)于智能電網(wǎng)，IBM亞太區(qū)電力專家MartinHauske解釋道，智能電網(wǎng)有三個特征[2]：首先它是數(shù)字化程度高的網(wǎng)絡(luò)，內(nèi)含各種設(shè)備、控制系統(tǒng)、應(yīng)用系統(tǒng)等；其次，它基于統(tǒng)一的信息平臺，能夠自動整合和收集數(shù)據(jù)；另外，它基于商業(yè)智能分析系統(tǒng)之上，具有數(shù)據(jù)分析能力，可優(yōu)化系統(tǒng)的運行和數(shù)據(jù)的管理。通俗地說，智能電網(wǎng)可以讓管理者非常清楚地了解網(wǎng)絡(luò)運行狀況，智能管理電力網(wǎng)絡(luò)。中國智能電網(wǎng)建設(shè)必須關(guān)注兩大要素：創(chuàng)建開放的系統(tǒng)、創(chuàng)建共享的信息模式。而創(chuàng)建開放的系統(tǒng)、創(chuàng)建共享的信息模式，必然面臨兩大鴻溝：關(guān)鍵流程的業(yè)務(wù)協(xié)作核心數(shù)據(jù)的信息整合跨越這兩個鴻溝必然需要面向未來的集成的信息體系架構(gòu)規(guī)劃和針對信息化現(xiàn)狀的信息整合。當(dāng)前的信息整合的主要技術(shù)方法是數(shù)據(jù)集成和功能集成信息技術(shù)。核心數(shù)據(jù)的集成需要更柔性的集成，而不是固化或剛性的集成智能電網(wǎng)是一個完整的信息架構(gòu)和基礎(chǔ)設(shè)施體系，實現(xiàn)對電力客戶、電力資產(chǎn)、電力運營的持續(xù)監(jiān)視，利用“隨需應(yīng)變”的信息提高電網(wǎng)公司的管理水平、工作效率、電網(wǎng)可靠性和服務(wù)水平。與傳統(tǒng)的電網(wǎng)相比，智能電網(wǎng)進一步擴展對電網(wǎng)的監(jiān)視范圍和監(jiān)視詳細程度，整合各種管理信息和實時信息，為電網(wǎng)運行和管理人員提供更全面、完整和細致的電網(wǎng)狀態(tài)視圖，并加強對電力業(yè)務(wù)的分析和優(yōu)化，改變過去那種基于有限的、時間滯后的信息進行電網(wǎng)管理的傳統(tǒng)方式，幫助電網(wǎng)企業(yè)實現(xiàn)更精細化和智能化的運行和管理。堅強智能電網(wǎng)需要更柔性的集成，而不是固化或剛性的集成。通過柔性的集成，為“特高壓長距離電能傳送，實現(xiàn)能源共享”、“能源從生產(chǎn)、傳送到最后使用的過程受到集中監(jiān)控和管理”、“錯峰避峰”、“提高供電可靠性”等需求提供有力的基礎(chǔ)支撐。無論是電網(wǎng)的監(jiān)視、業(yè)務(wù)管理、高級分析和優(yōu)化，需首先重點攻克“三”類數(shù)據(jù)集成即電網(wǎng)模型、遙測遙信、電網(wǎng)圖形數(shù)據(jù)集成。電網(wǎng)模型數(shù)據(jù)：主要包括電網(wǎng)設(shè)備數(shù)據(jù)、電網(wǎng)拓撲數(shù)據(jù)；需要充分利用電網(wǎng)模型數(shù)據(jù)資源，滿足電網(wǎng)模型數(shù)據(jù)定義與管理、電網(wǎng)模型數(shù)據(jù)共享與維護、電網(wǎng)模型更新、電網(wǎng)拓撲分析等需求。遙側(cè)遙信數(shù)據(jù)：主要包括歷史數(shù)據(jù)、實時數(shù)據(jù)，如母線電壓、線路電流、線路有功、主變電流、主變有功、主變無功、電容器電流、電容器無功、開關(guān)狀態(tài)等；為了促進業(yè)務(wù)的有效開展，需要充分利用精準(zhǔn)、實時、有效的電網(wǎng)遙測遙信數(shù)據(jù)資源，提高遙測遙信、電力負荷原始數(shù)據(jù)獲取和整理的能力，提高原始數(shù)據(jù)的準(zhǔn)確性，實現(xiàn)遙測遙信共享與維護、關(guān)聯(lián)等集成需求。電網(wǎng)圖形數(shù)據(jù)：主要包括站內(nèi)接線圖數(shù)據(jù)、全網(wǎng)圖數(shù)據(jù)。在電網(wǎng)圖形業(yè)務(wù)應(yīng)用領(lǐng)域，通常存在“同一份圖形要多處維護，經(jīng)常需要重新繪制”、“調(diào)度圖形在各系統(tǒng)中通常以控件方式顯示，難以共享”、“基于電網(wǎng)圖形的業(yè)務(wù)應(yīng)用難以深入開展”等問題。需要通過電網(wǎng)圖形信息集成，可充分利用電網(wǎng)圖形資源，滿足電網(wǎng)圖形共享、電網(wǎng)圖形管理與維護、電網(wǎng)圖形展現(xiàn)、電網(wǎng)圖形設(shè)備參數(shù)查看、電網(wǎng)圖形實時與歷史遙測遙信數(shù)據(jù)顯示與刷新等集成需求。電網(wǎng)模型數(shù)據(jù)、遙測遙信數(shù)據(jù)、電網(wǎng)圖形數(shù)據(jù)特點各異，在數(shù)據(jù)集成時需結(jié)合具體特點與實際應(yīng)用需求區(qū)別對待：電網(wǎng)模型數(shù)據(jù)相對穩(wěn)定；歷史數(shù)據(jù)如遙測數(shù)據(jù)的數(shù)據(jù)量龐大；實時數(shù)據(jù)如遙信數(shù)據(jù)的產(chǎn)生變化頻率最快，面向這類數(shù)據(jù)的應(yīng)用通常有很高的實時性，響應(yīng)速度要求最高各類數(shù)據(jù)不是相互獨立的，數(shù)據(jù)間的關(guān)聯(lián)性強：如電網(wǎng)拓撲數(shù)據(jù)反映了電網(wǎng)企業(yè)的拓撲連接關(guān)系；電網(wǎng)模型與遙測遙信數(shù)據(jù)之間存在關(guān)聯(lián)如測點與量測的關(guān)聯(lián)；電網(wǎng)模型與電網(wǎng)圖形之間不是相互脫離的，需要圖模一體的電網(wǎng)圖形共享、信息展現(xiàn)等；此外，還存在來源不同、訪問頻率不同、單次訪問的數(shù)量不同等差異。標(biāo)準(zhǔn)化的柔性數(shù)據(jù)集成——JATUIB的解決之道本文提出基于JATUIB企業(yè)信息集成產(chǎn)品的“標(biāo)準(zhǔn)化的柔性數(shù)據(jù)集成”解決之道，主要包括以下方面：標(biāo)準(zhǔn)化的柔性集成架構(gòu)，是貼合電力業(yè)務(wù)、確?？蓴U展性的基礎(chǔ)堅強智能電網(wǎng)的建設(shè)，面臨著復(fù)雜的、快速多變的實時采集的海量信息、具有根據(jù)業(yè)務(wù)不斷升級不斷升級換代的輔助分析方法、具有面向市場不斷變化的營銷手段提高客戶滿意度和需求等，需要更具有柔性、面向未來的成熟信息體系結(jié)構(gòu)，才能把以往建成的信息系統(tǒng)變成半年可以建成的滿足快速的信息系統(tǒng)、才能把以往必須拆了全部重建的信息系統(tǒng)變成可以逐步分模塊更新的信息系統(tǒng)。行業(yè)標(biāo)準(zhǔn)集成使企業(yè)信息系統(tǒng)具有柔性和可持續(xù)發(fā)展的神奇力量。電力領(lǐng)域非常注重信息標(biāo)準(zhǔn)化尤其是IEC標(biāo)準(zhǔn)的建設(shè)與應(yīng)用，標(biāo)準(zhǔn)化一直是信息系統(tǒng)的努力方向，也是EMS/DTS發(fā)展的必然之路，“標(biāo)準(zhǔn)化”是貼合電力業(yè)務(wù)、確保可擴展性的一體化集成基礎(chǔ)。IEC61850、61970、61968是國際電工組織發(fā)布的一系列電力行業(yè)集成標(biāo)準(zhǔn)，CIM模型是在這幾個標(biāo)準(zhǔn)中貫穿所有標(biāo)準(zhǔn)的電力統(tǒng)一數(shù)據(jù)模型[3]。美國EPRI在智能電網(wǎng)的整體結(jié)構(gòu)中采用了不同的標(biāo)準(zhǔn)結(jié)合來完成整體系統(tǒng)架構(gòu)的搭建。為了實現(xiàn)這些未來的信息通訊集成，在現(xiàn)有的這些標(biāo)準(zhǔn)的結(jié)合上還需要進一步推進，下面是其中主要的一些推進方向：相關(guān)的標(biāo)準(zhǔn)IEC開發(fā)組描述CIM和IEC61850AdHocWG07IEC61968和61970公共信息模型CIM界定了整個電網(wǎng)，而IEC61850-7對象模型界定變電站內(nèi)部的設(shè)備和功能。IEC將合并兩個對象模型或在兩者間定義一個標(biāo)準(zhǔn)的映射。這將允許數(shù)據(jù)在兩個實現(xiàn)不同數(shù)據(jù)模型的系統(tǒng)之間進行交換，并且允許采用配置工具創(chuàng)建EMS和SCADA系統(tǒng)間的信息共享。說明：IEC61970標(biāo)準(zhǔn)用于滿足電力企業(yè)“數(shù)據(jù)集成”的需求；IEC61968標(biāo)準(zhǔn)用于滿足電力企業(yè)“功能與流程集成”的需求；IEC61970、IEC61968標(biāo)準(zhǔn)被國際接受，在國內(nèi)得到廣泛應(yīng)用與重視IEC61970GID和61850ACSI和61968消息模型WG13、WG14IEC61850提供了變電站內(nèi)部設(shè)備通訊的機制，IEC61970提供了調(diào)度高級應(yīng)用之間的訪問方法，IEC61968提供了業(yè)務(wù)應(yīng)用系統(tǒng)間功能整合的訪問操作信息的方法。然而，如何精確的集成61970、61968和61850的方法并沒有標(biāo)準(zhǔn)化。IEC未來將標(biāo)準(zhǔn)化這些標(biāo)準(zhǔn)單元之間互操作的機制。OpenAMI和UtilityAMIUCAOpenAMI工作組智能化配網(wǎng)和客戶服務(wù)是當(dāng)期重要發(fā)展方向，而OpenAMI標(biāo)準(zhǔn)制定了智能表計和主站間通訊的標(biāo)準(zhǔn)CIM元數(shù)據(jù)應(yīng)用7種武器，激活數(shù)據(jù)全生命周期的柔性應(yīng)用圖表SEQ圖表\*ARABIC2JATUIB在CIM元數(shù)據(jù)應(yīng)用的7種武器智能電網(wǎng)的數(shù)據(jù)集成構(gòu)成主要涉及數(shù)據(jù)產(chǎn)生、數(shù)據(jù)維護、數(shù)據(jù)存儲、數(shù)據(jù)組織、數(shù)據(jù)傳輸、數(shù)據(jù)應(yīng)用六個方面，JATUIB分別提供了7種武器進行相應(yīng)的支持：數(shù)據(jù)的標(biāo)準(zhǔn)化封裝與遺留數(shù)據(jù)CIM標(biāo)準(zhǔn)化隨著電網(wǎng)規(guī)模的不斷擴展與建設(shè)，多系統(tǒng)數(shù)據(jù)接入的處理能力至關(guān)重要。JATUIB采用IEC61970GDA、TSDA、HSDA接口標(biāo)準(zhǔn)，從而支持強大的電網(wǎng)模型、歷史與實時遙測遙信數(shù)據(jù)的有效傳輸與標(biāo)準(zhǔn)化訪問，通過GID接口接入到集成平臺中，達到即插即用的效果。JATUIB具備“千萬級以上”數(shù)據(jù)良好接入的處理能力。數(shù)據(jù)質(zhì)量提升通常存在部分電網(wǎng)模型數(shù)據(jù)缺失的現(xiàn)象，導(dǎo)致電網(wǎng)分析或相關(guān)業(yè)務(wù)功能無法有效開展。應(yīng)急指揮、線損分析、需求側(cè)分析等業(yè)務(wù)需要獲得高質(zhì)量的數(shù)據(jù)，需要多方面、多層次的有機關(guān)聯(lián)；JATUIB提供數(shù)據(jù)質(zhì)量提升功能（數(shù)據(jù)校驗、數(shù)據(jù)補全、數(shù)據(jù)關(guān)聯(lián)等），保證電網(wǎng)分析與應(yīng)用所需數(shù)據(jù)的完整性和有效性:企業(yè)CIM模型和主數(shù)據(jù)管理在電力企業(yè)數(shù)據(jù)集成中需要采用統(tǒng)一的IEC61970標(biāo)準(zhǔn)與CIM模型來描述電力領(lǐng)域世界，使傳輸信息時各系統(tǒng)有共同的語義；支持基于IEC61970CIM的電網(wǎng)模型構(gòu)建、拆分、精簡、合并，全面支持企業(yè)元數(shù)據(jù)和數(shù)據(jù)的標(biāo)準(zhǔn)化；為了使數(shù)據(jù)的一致性與標(biāo)準(zhǔn)化的應(yīng)用落到實處，需要支持CIMRDF/OWL/XMI，能使數(shù)據(jù)的一致性與標(biāo)準(zhǔn)應(yīng)用落到實處，可用于統(tǒng)一模型，并用于支持元數(shù)據(jù)的導(dǎo)入或?qū)С觯沟谩霸獢?shù)據(jù)擴展”比較方便。按業(yè)務(wù)視圖重新組織CIM數(shù)據(jù)及其可視化其中可視化的元數(shù)據(jù)管理，按各種數(shù)據(jù)組織方式和自定義的數(shù)據(jù)組織方式來查看整合后的所有數(shù)據(jù)，使得元數(shù)據(jù)的查詢比較方便如可瀏覽Schema信息、提供者類視圖、提供者實體視圖、自定義視圖、PhysicalView、SVGView等，滿足電網(wǎng)模型元數(shù)據(jù)的管理需求，以及不同層面的視圖瀏覽業(yè)務(wù)需求。CIM數(shù)據(jù)聯(lián)邦、路由與同步常規(guī)集成方式主要包括集中式、聯(lián)邦式兩種方式，針對不同