论文部分内容阅读
摘 要：近些年我国经济发展十分迅速，信息技术水平也发展的越来越完善。大数据分析技术则是建立在信息技术发展的基础上发展起来的，近年来大数据分析技术在多个领域中都得到了应用，并取得了一定的进展。随着国民经济发展，人们对用电需求在不断增加，用电信息的采集规模也在与日俱增，因此就要加强采集信息系统的运行维护工作。
关键词：大数据分析技术；采集运维；应用
引言
在现代化社会的发展过程中，电力事业也需要做到与时俱进，不断提升自身的系统适用性，切实增强现代化电力系统的发展能力。大数据分析技术的应用，能对于电网系统中的运行情况，以及各类故障进行快速地感知，能有效增强电网整体的运行效果，为人们的生产生活提供稳定的电力资源。
1采集系统运维业务的大数据分析模型
1.1大数据运维业务架构
大数据运维业务架构主要是对数据进行收集、采集、营销与运维等，采用数据抽取转换加载层进行数据的分类和调配，并为数据存储提供相应的数据，数据存储层在对数据分类存储后为数据分析提供所需的数据，对数据进行优化与检索，并为数据应用层派发异常工单，在对异常工单进行智能处理和多维度质量评价中提供相应的数据支撑。其中数据源主要是从营销系统、采集主站及采集运维闭环系统中获取，如异常工单、用户档案数据等。
1.2大数据分析技术
在采集系统中大数据主要包括数据采集、清理、存储、分析、处理和应用等多个环节，而大数据分析技术则主要包括有关系型联机分析处理和多维分析技术两种，对用电信息采集系统进行优化。其中关系型联机分析处理是一种联机分析处理的表现形式，这种技术是建立在关系型数据库的基础上，通过关系型结构来对多维数据进行存储，并对在数据库中的数据进行动态分析和多维分析。采用关系型数据库进行数据存储，存储空间耗费较小，对维度数也没有限制，数据装载速度较快。而多维联机分析技术则是OLAP的一种表现形式，是建立在多位分析数据存储结构的基础上的，多维联机分析处理主要是采用专门的多维结构来进行数据存储，但数据文件的大小却受到操作平台的限制，在存储规划中需要测算数据量的大小，否则会导致数据爆炸，此外，还缺乏数据访问和数据模型标准，在对查询响应速度的分析中高于其他OLAP技术。
2大数据分析技术在采集运维业务中的应用
2.1异常工单智能化派发应用
在电力系统运行过程中，最需要注意的事情就是进行电力系统故障的查询，并且需要确保快速找出故障点，在以往的故障排查工作开展中，使用传统的技术手段工作效率相对较低，并且故障点确定的精准度也不尽如人意。后随着智能电网的建设，使得大数据分析技术得以应用，智能电网中大数据分析技术可以发挥自身功能，实现对于电网系统运行情况的实时监控，及时发现系统中的异常情况。具体的技术应用流程主要表现在以下几个方面。一是大数据分析技术首先能够在事前结合电网系统构建起一个电网运行数模型，通过该模型来确定电网正常运行的范围，明确电网有效运行的数据区间。二是结合数据模型，对于各类电网运行数据进行全面和具体的分析，这也相当于故障排查的过程，在进行数据分析过程中，主要是基于所辖区域的电网用电量数据情况，同时也会参考居民的月度以及年度用电量等情况，对于各类数据进行对比分析。三是将异常数据同正常运行数据进行智能化分析后，确定电网系统异常情况以及具体的故障类型。发现故障信息之后通过信息系统反馈到操控终端，工作人员就可以实现对故障问题的解决。
2.2异常工单的智能化处理
原有的采集运维业务开展主要是由于缺乏大数据支撑，当运维人员对该地区缺乏一定的熟悉程度的情况下，运维工作的效率较低，对已发生的故障缺乏准确的分析能力，运维人员只能对现场故障类型进行一一排查。在对异常工单的历史大数据中采用大数据分析技术，可以通过系统异常分析功能对现场的故障类型进行快速判断，提高现场的运维效率。对于新生成的异常工单，可以通过生产厂家、国网招标批次、故障设备类型等维度对异常原因的发生概率进行判断，从而确定异常工单的主要原因，并对比值大小进行比较预测出异常原因，从多维度分析角度对异常原因的分析概率比值公式为Y比值=Σf（xi）/n，其中Y比值指的是单个异常原因的概率比值，而f（xi）则表示的是单个维度下单一异常原因的发生概率，n表示所有维度总量。
2.3采集运维多维度质量评价
在实际的技术应用过程中，主要会从以下几个方面着手，实现对于电网系统的多维度的数据评价。一是对于电网系统应用的各类设备产品进行质量评价，通过设备的使用情况，大数据分析技术可以结合各类电网设备的运行数据信息、异常终端数据信息构建起一个电网产品设备的质量分析评价指标。具体来说会主要对以下三个方面的数据信息进行处理分析，分别是终端故障的更换率、终端时钟偏差超标占比、各个厂家终端故障率。通过数据运算，能够了解各类设备的运行情况，同时还可以进行设备运行品质评估，了解设备性能，确保各项工作的有效开展。二是对于电网系统运行维护的工作质量进行整体的数据评估。在电力系统当中，电网运维数据会进行即时更新，同时还会影响到整个电网工作品质。
2.4采集运维多维度质量评价
终端故障更换率：终端故障更换率=周期内更换终端的数量÷周期内在运行的采集终端数量×100%。终端时钟偏差超标占比：终端时钟偏差超标占比=周期内终端时钟偏差超过5min的终端数量÷周期内在运行的采集終端数量×100%。各厂家终端故障率：终端故障率=周期内终端发生故障的次数÷周期内在运行的采集终端数量×100%。电能表产品质量评价根据采集运维情况对各电表厂商的产品质量进行量化分析，利用各电表厂商的运行电表数、确认电表问题数、异常电表占比、更换电表数、电表时钟异常数等数据，开展各电表厂商的产品质量分析，建立电能表产品质量分析评价指标计算规则：故障更换率=周期内更换电能表的数量÷周期内在运行的电能表数量×100%。采集运维工作质量评价根据采集运维情况对各运维人员的工作质量和工作效率进行综合评价，利用异常处理数量、异常处理率、异常处理时长等数据，对采集运维工作进行评价，建立分析评价指标计算规则。异常工单派发率：异常工单派发率=统计日期内派发工单数÷当期应派发的工单总数×100%。异常工单反馈率：异常工单反馈率=反馈工单数÷当期应反馈的工单总数×100%。采集故障处理及时率：采集故障处理及时率=已处理并恢复的采集故障数÷当期应处理的采集故障电表总数×100%。
结语
综上所述在用电信息采集系统中的运维业务中采用大数据分析技术，可以对采集的数据信息进行深入挖掘和分析、处理，对运维异常工单进行智能化派发和分析处理等，使采集运维工作从粗放式管理逐渐向集约式和精益化方向发生转变，提高运维业务水平和工作效率。
参考文献
[1]江秀臣，盛戈皞.电力设备状态大数据分析的研究和应用[J].高电压技术，2015，44（04）：1041-1050.
[2]曹永峰，翟峰，岑炜，孙志强，程春光.大数据分析技术在采集运维业务的应用研究[J].电力信息与通信技术，2016，15（05）：38-43.
[3]李文鸿.面向电信网络优化的大数据分析系统实现与应用[D].北京邮大学，2016.
（作者单位：国网辽宁省电力有限公司铁岭供电公司）
关键词：大数据分析技术；采集运维；应用
引言
在现代化社会的发展过程中，电力事业也需要做到与时俱进，不断提升自身的系统适用性，切实增强现代化电力系统的发展能力。大数据分析技术的应用，能对于电网系统中的运行情况，以及各类故障进行快速地感知，能有效增强电网整体的运行效果，为人们的生产生活提供稳定的电力资源。
1采集系统运维业务的大数据分析模型
1.1大数据运维业务架构
大数据运维业务架构主要是对数据进行收集、采集、营销与运维等，采用数据抽取转换加载层进行数据的分类和调配，并为数据存储提供相应的数据，数据存储层在对数据分类存储后为数据分析提供所需的数据，对数据进行优化与检索，并为数据应用层派发异常工单，在对异常工单进行智能处理和多维度质量评价中提供相应的数据支撑。其中数据源主要是从营销系统、采集主站及采集运维闭环系统中获取，如异常工单、用户档案数据等。
1.2大数据分析技术
在采集系统中大数据主要包括数据采集、清理、存储、分析、处理和应用等多个环节，而大数据分析技术则主要包括有关系型联机分析处理和多维分析技术两种，对用电信息采集系统进行优化。其中关系型联机分析处理是一种联机分析处理的表现形式，这种技术是建立在关系型数据库的基础上，通过关系型结构来对多维数据进行存储，并对在数据库中的数据进行动态分析和多维分析。采用关系型数据库进行数据存储，存储空间耗费较小，对维度数也没有限制，数据装载速度较快。而多维联机分析技术则是OLAP的一种表现形式，是建立在多位分析数据存储结构的基础上的，多维联机分析处理主要是采用专门的多维结构来进行数据存储，但数据文件的大小却受到操作平台的限制，在存储规划中需要测算数据量的大小，否则会导致数据爆炸，此外，还缺乏数据访问和数据模型标准，在对查询响应速度的分析中高于其他OLAP技术。
2大数据分析技术在采集运维业务中的应用
2.1异常工单智能化派发应用
在电力系统运行过程中，最需要注意的事情就是进行电力系统故障的查询，并且需要确保快速找出故障点，在以往的故障排查工作开展中，使用传统的技术手段工作效率相对较低，并且故障点确定的精准度也不尽如人意。后随着智能电网的建设，使得大数据分析技术得以应用，智能电网中大数据分析技术可以发挥自身功能，实现对于电网系统运行情况的实时监控，及时发现系统中的异常情况。具体的技术应用流程主要表现在以下几个方面。一是大数据分析技术首先能够在事前结合电网系统构建起一个电网运行数模型，通过该模型来确定电网正常运行的范围，明确电网有效运行的数据区间。二是结合数据模型，对于各类电网运行数据进行全面和具体的分析，这也相当于故障排查的过程，在进行数据分析过程中，主要是基于所辖区域的电网用电量数据情况，同时也会参考居民的月度以及年度用电量等情况，对于各类数据进行对比分析。三是将异常数据同正常运行数据进行智能化分析后，确定电网系统异常情况以及具体的故障类型。发现故障信息之后通过信息系统反馈到操控终端，工作人员就可以实现对故障问题的解决。
2.2异常工单的智能化处理
原有的采集运维业务开展主要是由于缺乏大数据支撑，当运维人员对该地区缺乏一定的熟悉程度的情况下，运维工作的效率较低，对已发生的故障缺乏准确的分析能力，运维人员只能对现场故障类型进行一一排查。在对异常工单的历史大数据中采用大数据分析技术，可以通过系统异常分析功能对现场的故障类型进行快速判断，提高现场的运维效率。对于新生成的异常工单，可以通过生产厂家、国网招标批次、故障设备类型等维度对异常原因的发生概率进行判断，从而确定异常工单的主要原因，并对比值大小进行比较预测出异常原因，从多维度分析角度对异常原因的分析概率比值公式为Y比值=Σf（xi）/n，其中Y比值指的是单个异常原因的概率比值，而f（xi）则表示的是单个维度下单一异常原因的发生概率，n表示所有维度总量。
2.3采集运维多维度质量评价
在实际的技术应用过程中，主要会从以下几个方面着手，实现对于电网系统的多维度的数据评价。一是对于电网系统应用的各类设备产品进行质量评价，通过设备的使用情况，大数据分析技术可以结合各类电网设备的运行数据信息、异常终端数据信息构建起一个电网产品设备的质量分析评价指标。具体来说会主要对以下三个方面的数据信息进行处理分析，分别是终端故障的更换率、终端时钟偏差超标占比、各个厂家终端故障率。通过数据运算，能够了解各类设备的运行情况，同时还可以进行设备运行品质评估，了解设备性能，确保各项工作的有效开展。二是对于电网系统运行维护的工作质量进行整体的数据评估。在电力系统当中，电网运维数据会进行即时更新，同时还会影响到整个电网工作品质。
2.4采集运维多维度质量评价
终端故障更换率：终端故障更换率=周期内更换终端的数量÷周期内在运行的采集终端数量×100%。终端时钟偏差超标占比：终端时钟偏差超标占比=周期内终端时钟偏差超过5min的终端数量÷周期内在运行的采集終端数量×100%。各厂家终端故障率：终端故障率=周期内终端发生故障的次数÷周期内在运行的采集终端数量×100%。电能表产品质量评价根据采集运维情况对各电表厂商的产品质量进行量化分析，利用各电表厂商的运行电表数、确认电表问题数、异常电表占比、更换电表数、电表时钟异常数等数据，开展各电表厂商的产品质量分析，建立电能表产品质量分析评价指标计算规则：故障更换率=周期内更换电能表的数量÷周期内在运行的电能表数量×100%。采集运维工作质量评价根据采集运维情况对各运维人员的工作质量和工作效率进行综合评价，利用异常处理数量、异常处理率、异常处理时长等数据，对采集运维工作进行评价，建立分析评价指标计算规则。异常工单派发率：异常工单派发率=统计日期内派发工单数÷当期应派发的工单总数×100%。异常工单反馈率：异常工单反馈率=反馈工单数÷当期应反馈的工单总数×100%。采集故障处理及时率：采集故障处理及时率=已处理并恢复的采集故障数÷当期应处理的采集故障电表总数×100%。
结语
综上所述在用电信息采集系统中的运维业务中采用大数据分析技术，可以对采集的数据信息进行深入挖掘和分析、处理，对运维异常工单进行智能化派发和分析处理等，使采集运维工作从粗放式管理逐渐向集约式和精益化方向发生转变，提高运维业务水平和工作效率。
参考文献
[1]江秀臣，盛戈皞.电力设备状态大数据分析的研究和应用[J].高电压技术，2015，44（04）：1041-1050.
[2]曹永峰，翟峰，岑炜，孙志强，程春光.大数据分析技术在采集运维业务的应用研究[J].电力信息与通信技术，2016，15（05）：38-43.
[3]李文鸿.面向电信网络优化的大数据分析系统实现与应用[D].北京邮大学，2016.
（作者单位：国网辽宁省电力有限公司铁岭供电公司）