大数据在电力采集运维业务中的应用--中国期刊网

字体：大中小

首页> 原创作品> 正文

大数据在电力采集运维业务中的应用

发表时间：2020/8/5 来源：《基层建设》2020年第10期作者：张小丹

[导读] 摘要：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。

        江苏省电力有限公司徐州供电分公司江苏省徐州市 221000
        摘要：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。
        关键词：采集运维；大数据；多维度；智能化
        1大数据分析技术系统概述
        具体来说，大数据分析技术系统的主要依靠关系型联机分析处理和多维联机分析处理等关键技术措施来为电力系统提供各项数据服务的。在电网系统工作开展中，大数据分析技术系统主要分为三个层次，一是数据储存层。数据储存层需要进行数据库系统的建设，同时还要确保各类数据信息类型的全面性。二是数据分析层。电力信息数据被储存之后，需要进行数据分析模型的构建，进一步分析数据异常情况。三是数据应用层。分析后的数据信息会被反馈到操作终端，电网工作人员会根据故障情况，及时进行系统修复。
        2采集系统运维业务的大数据分析模型
        2.1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。
        2.2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。
        3用电信息采集系统运维业务存在的问题
        3.1对故障点难以进行准确的定位
        在电力企业的用电信息采集系统的运维业务工作开展中，主要的运维对象为采集主站、智能电表、远程通信信道、本地通信信道、采集终端。根据统计发现异常现象的种类可以分为59种，根据不同的故障原因又可以将其分为100种，故障的种类十分复杂、繁多，导致难以对故障点及故障原因进行准确的定位和分析，普通的运维工作人员也难以对故障原因进行定位，缺乏消缺方案技术能力。

期刊文章分类查询,尽在期刊图书馆

        3.2用电采集系统运维效率低
        随着社会经济发展水平的提升，在人们日常生活和工业生产中对电力需求量在逐渐增加，电力行业也得到了快速发展，但根据调查统计发现，电力公司每日产生的异常工单总计约有1万条，工作强度远远超出运维工作人员的工作能力，且大部分企业都没有建立消缺机制，在故障处理和运维业务开展中难以根据业务的紧急程度开展相应等级的工作，从而导致采集系统的运维效率低下。
        3.3缺乏完善的考核评价
        当前电力企业在用电信息系统的采集运维业务中主要采用的是故障查询和线下派工的业务处理方式，对故障信息和运维结果不能进行准确、及时有效的反馈，在现场运维的工作质量、计量设备和采集设备中缺乏相关考核评价体系，难以提高运维业务的工作质量。
        4大数据分析技术在采集运维业务中的应用
        4.1异常工单智能化派发应用
        在电力系统运行过程中，最重要的注意事项是查询电力系统的故障，并确保快速找到故障点。在过去的故障排除工作中，使用传统技术方法的效率相对较低，故障点确定的准确性也不令人满意。随后，随着智能电网的建设，大数据分析技术得到了应用。智能电网中的大数据分析技术可以发挥其自身的功能，实现对电网运行的实时监控，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。
        4.2采集运维多维度质量评价
        在技术应用的实际过程中，电网系统的多维数据评估将主要从以下几个方面实现。一是评估电网系统中使用的各种设备产品的质量。通过使用设备，大数据分析技术可以结合各种电网设备的运行数据信息和异常终端数据信息，构建电网产品设备质量分析和评价指标。具体来说，它将主要处理和分析以下三个方面的数据信息，即终端故障的更换率、超过标准的终端时钟偏差的比例以及每个制造商的终端故障率。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。
        5结束语
        大数据分析技术在用电信息采集系统运维业务中的应用，可以对采集到的数据信息进行深入挖掘、分析和处理，对运维异常工单进行智能分发和分析处理，从而逐步将运维工作从粗放管理向集约化精益管理转变，提高运维业务水平和工作效率。
        参考文献:
        [1]万方达.容量评估管理方式探索——数据分析在信息技术运维领域的应用[J].金融电子化，2015(11):70-72.
        [2]边红军.数据挖掘技术在信用卡业务中的应用分析研究[J].无线互联科技，2018(1):105.
        [3]刘光榕.数据仓库及OLAP技术在电信业务分析中的应用探讨[J].电脑编程技巧与维护2017(4):32-35.