摘要：随着社会的发展，迎来了大数据时代。在电力营销过程中每天都会产生大量的数据，在这样的发展背景下，构建用电信息采集运维监测系统，能从海量的数据中挖掘出隐藏的用电信息，为电力企业向用电客户提供更加优质的电力服务奠定了重要的基础，同时也是电力企业智能化、信息化建设进程深入推进的重要举措。本文对基于大数据的用电信息采集运维监测系统设计进行了分析。
关键词：大数据；用电信息；采集运维；监测系统
随着电网规模的扩大，用电信息数据规模增大，用电信息采集及计量业务的工作量不断增多，用电信息采集和管理涉及到对电网的故障诊断、用电调度、电力稽查、智能电能表设计及通信、计量、远程费控等诸多业务，对用电信息采集的运维监测是实现对用电数据的供电电压监测、电能质量管理的数据分析过程，采用大数据分析技术进行用电信息采集运维监测，通过终端厂商协助运维监测，实现对用电网络的故障定位、故障处理及用电监测等。
一、大数据简介
大数据(big data)是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据具有以下特点：Volume(大量)、Velocity(高速)、Variety(多样)、Value(低价值密度)、Veracity(真实性)。
此外，大数据还具有以下特征：容量(Volume)：数据的大小决定所考虑的数据价值和潜在的信息；种类(Variety)：数据类型的多样性；速度（Velocity)：指获得数据的速度；可变性(Variability)：妨碍了处理和有效地管理数据的过程。真实性(Veracity)：数据的质量。复杂性(Complexity)：数据量巨大，来源多渠道。价值(value)：合理运用大数据，以低成本创造高价值。
二、数据中心运维大数据的来源与特征
1、来源。1)基础设施监控系统获取，如动力、环境、网络等指标信息；2)安防系统的人员设备出入管理数据；3)管理流程数据如工单、服务申请记录、设备部署信息等；4)CMDB库中的设备资产信息。
2、特征。1)基础设施的监控数据大多以秒级时间间隔来采集，数据体量大。2)视频监控、告警信息及服务申请记录等数据的非结构化导致运维数据具有多样性。3)数据中心的高可用性和连续性要求数据处理速度快，以便于快速响应并处理故障。4)当前数据中心运维数据利用率低，多停留于简单报表呈现。
三、用电信息采集运维监测系统总体构架与数据分析
1、总体构架模型。大数据用电信息采集运维监测系统采用ROLAP(关系型联机分析处理)结构模式，ROLAY结构能实现对存储在关系数据库中的数据作动态多维分析，构建用电信息采集和数据存储的关系型数据库，以关系型结构模型进行大数据结构分析，建立用电信息采集的监测系统。将采集的用电信息作为用电信息运维监测的数据源，输入到中央处理机中，通过OA邮件等方式进行总线调度，将采集的运维信息输入到关系型联机分析数据库中，用于存储关键指标和维关键字，实现从采集主站、营销系统、采集运维监测、总线数据传输。
在用电信息采集运维监测系统的物联网体系设计中，采用三层体系结构模型，分别为数据采集层、中间层和应用层，使用RDBMS存储数据库对采集的用电信息，对采集、营销和运维数据通过外键和主键形成“星型模型”，通过数据ETL层向数据分析层提供用电信息采集运维监测所需数据，并在应用层中进行优化数据检索，实现用电信息的运维监测和智能派发，根据上述设计原理，设计了用电信息采集运维监测系统，其总体架构如图1所示。
2、用电采集信息的融和处理。在用电信息采集后，需对所采集信息进行融合处理，用电信息采集采用分布式批处理的方法来进行，而用电采集信息的融和处理主要通过采用相空间特征组合与基向量重构方法来实现。
四、基于大数据的用电信息采集运维监测系统设计实现
1、用电信息的特征挖掘。在构建了基于大数据的用电信息采集运维监测系统的总体构架模式和进行用电信息采集后的信息融合基础上，进行用电信息采集运维监测系统的优化设计，本文提出设计一种基于大数据的用电信息采集运维监测系统，采用关联规则挖掘算法进行用电信息的特征挖掘，对用电信息采集的异常数据进行谱分析，通过对异常数据的关联规则挖掘，进行用电网络的故障判断和定位。
2、系统模型的设计。通过对原始数据进行加工处理，生成数据宽表，同时，确定需要解决的业务问题，其中业务目标即为模型因变量，选取数据宽表中的数据作为模型自变量。然后再进行模型设计，如选线性或非线性算法。再进行模型训练、校验和预测，并通过调整模型自变量来优化模型算法，最后输出模型预测结果。
3、系统模型的执行。设计和执行一个以监控数据分析模型为核心的DCIM监控数据应用机制，对采集数据进行快速和有效的处理。分析结果与现有的监控系统进行有效集成，为用户提供实时的数据分析服务。通过运用大数据挖掘和分析技术，发现大数据技术能提高运维的可靠性。数据中心运营的第一要务是保证全天不间断可靠运行。若出现故障需即时处理，以减少事故处理时间，降低故障带来的损失和风险，因此，数据中心运维需重点关注设备故障。
大多数据中心都建设有自己的基础设施监控系统(DCIM系统)，但目前大多DCIM系统仍停留在简单的监控和数据统计展示上，并未对监控数据进行深层次分析，难以发现故障的诱因和共性。在基础设施管理系统的基础上加入大数据分析技术，探索缩短故障历时的途径：如通过基础设施管理系统获取关键设备的历史运行参数及其基本属性信息、历史故障信息、机房环境参数等，对这些数据进行挖掘分析，构建一个预测模型，通过预测模型，结合相应的风险预警规则，能提前预测和识别一部分存在高风险故障可能性的机组，并将预警信息与前台的运维系统进行集成，定期实时更新风险标签，从而提醒运维人员提前维护和更换，以避免故障的发生，减少宕机的可能。通过对机房各级配电设备的监测，能实时动态了解机房各设备的能耗情况，可通过对单元能耗数据的挖掘和分析获取机房内整体能耗利用率，建立健全相应的能耗智能调度系统，从而帮助管理人员清晰了解机房能耗消耗和分布情况，为后期机房节能措施的应用提供数据依据。
五、实验测试
为了验证基于大数据的用电信息采集运维监测系统的应用性能，进行仿真实验，实验依据某省低压用户每日采集的用电信息作为运维监测数据的原始样本，以三个月采集的用户抄表数据为测试样本，进行大数据集成分析和运维监测，采集的数据使用改进系统中用电信息关联规则挖掘算法及信息融合方法进行数据加工和信息处理，在用电信息运维监测系统中进行实际用电情况分析，其中，用电信息采集的停滞时间为120～200s，采集的用电信息为用电功率，时间间隔为120s，信息采样的时长10000s，根据上述实验环境和参数设定，得到用电信息采集的时域波形如图2所示。
图2 用电信息大数据信息采样时域波形
以图2的数据为研究对象，采用改进系统进行用电信息的运维监测，得到采用改进系统和传统系统进行居民用户日用电量标准偏差统计，得到对比结果如图3所示。
图3 居民用户日用电量标准偏差统计
分析图3结果得知，采用改进系统进行用电信息采集运维监测，对居民用户日用电量标准偏差较低，提高对用电采集信息分类识别能力，对用电信息采集的规则归纳能力较好，学习收敛性较好。
综上所述，随着电网信息采集系统的的大力推广，用电信息系统的信息采集范围、应用范围持续增大，随着用户量和业务需求量的增长，传统数据采集处理技术和系统构架已无法满足当前业务发展对系统数据处理分析的要求。在这种情况下，大数据下的用电信息采集运维监测系统设计受到了广泛关注。
参考文献：
[1]陈子轩.基于大数据的用电信息采集运维监测系统设计[J].电子设计工程，2018(13).
[2]姜楠.基于大数据的用电信息采集运维监测系统设计[J].电力系统，2019(04).