王思雨
国网内蒙古东部电力有限公司赤峰供电公司 内蒙古赤峰 024000
摘要：本文从大数据在电力通信网运维中的应用现状入手，探讨了大数据应用的成就和不足，构建了大数据下的电力通信网运维指标体系，并将其应用于工作实践，总结了大数据开发利用的经验，提高了电力通信网的运行水平。
关键词：大数据；电力通信；数据预处理
1大数据下电力通信网络运维策略
结合前人的研究成果，提出了构建电力通信网运维指标体系的策略。基于电力通信网的台帐数据、故障工单数据和维护数据，进行数据处理和数据分析，对电力通信网的运行状况进行评估，发现异常情况，进行针对性维护。在数据处理前，对电力通信网的运行指标进行定义，并对各指标的影响因素进行分析，为后续运行维护措施的实施提供参考，提高电力通信网的运行维护水平。
1.1操作和维护指标的选择
结合电力通信网运行维护要求，将运行维护指标分为以下三项:
(1)维护效果是指电力通信网络中某一设备在维护后发生故障的情况。K用来表示维修后的故障，T是设备的最后一次维修时间，那么Pr(K|t-T)=1表示设备在维修后的(t-T)时刻出现故障，(t-T)可以用来表示维修效果。
(2)维护成本是指电力通信网维护的时间成本，用维护持续时间表示，即维护开始时间与完成时间之差，用维护设备的平均时间表示。
(3)维护时间分配是指电力通信网维护工作量在时间尺度上的分配，包括周、月、年三个尺度。
1.2数据预处理
电力通信网运行过程中，由于内外环境因素的影响，出现了数据格式不一、数据无价值、数据缺失等现象，影响了大数据的开发和利用。因此，在分析电力通信网大数据之前，需要对电力通信网大数据进行预处理，补充缺失的数据，统一所有数据格式，方便数据分析。本文采用的数据预处理措施包括:
1.2.1数据清理
在大数据预处理中，数据清理可以去除数据中的杂质，填充缺失的数据，使所有数据一致。本文针对电力通信网络中的大数据清理，采取了以下两种数据清理措施:
(1)忽略缺失的具有特殊意义的电力通信网络大数据；
(2)电力通信网大数据中的噪声数据采用离群点分析处理，比较方便。利用距离分析法，可以判断和消除偏离数据点的数据内容，从而实现电力通信网大数据的高效清理。
1.2.2数据集成
在大数据预处理中，数据集成是指将不同来源的大数据进行集成，统一大数据的属性，存储在同一个数据库中。常用的数据集成方法包括相关性分析、数据冲突检测和语义异构处理等。本文在整合电力通信网大数据时，选择相关分析方法:定义电力通信网大数据的给定属性特征，通过相关分析评估一个属性覆盖另一个高相关属性的程度，完成电力通信网大数据的初步约简。在两种数据属性的对比分析中，选择卡方检验和相关系数检验来评价两种数据属性之间的相关性，剔除冗余属性。
1.2.3数据缩减
在电力通信网运维中，经过数据清理和数据整合，可以过滤掉部分大数据，但仍有大数据带有噪声，影响后续的数据挖掘分析结果，进而影响电力通信网的运维。针对这一现象，本文提出了一种数据约简方法，并通过主成分分析对数据进行进一步处理。一般来说，电力通信网运维的大数据包括N个属性或N个数据向量。在对这类数据进行主成分分析时，需要收集能够代表电力通信网运行维护数据的K个正交向量。基于相关性分析的结果，得到相关性属性高的数据，完成数据约简处理。具体来说，主成分分析过程如下:
(1)根据电力通信网的运维情况，规范大数据的属性，保证所有属性都在相应的区间内；
(2)用PCA计算k个标准正交向量，得到的标准正交向量作为数据归一化处理的基础，要求单位向量和其他向量保持垂直，作为主成分；
(3)根据得到主成分的强度降序排列数据，将主成分视为坐标系，明确数据处理的方差相关信息；
(4)剔除主成分排列中的弱成分，完成归约。
2大数据下电力通信网运维实践
在明确大数据下电力通信网运维策略的基础上，以某电力企业2015-2019年的运维数据为样本，应用本文设计的电力通信网运维指标体系，对大数据下电力通信网运维策略的可行性和有效性进行评估。在大数据处理中，基于故障数据、设备维护数据和账户数据，通过挖掘分析，明确维护效果、维护成本和维护时间的分布。
2.1维护效果
通过以上数据处理和分析过程，对电力通信网运维的大数据进行处理。
处理结果显示，2015年至2019年，电力企业数据网络型设备大修234次，大修后有7台数据网络型设备出现故障。在维护后出现故障的设备中，有三种数据网络设备的故障时间和维护时间相差不到两个月，这表明数据网络设备故障与维护之间存在相关性。经计算，检修后数据网络设备的故障率和总检修率约为1.3%，表明数据网络设备的检修效果属于中上水平。根据后续的数据挖掘分析，数据网络设备大修后的故障是由于大修时更换的硬件设备质量较低，大修后的三个数据网络设备故障中，有两个故障是同一台设备。由此可以判断，在电力通信网的运行维护中，设备故障率与检查方法、需要更换的硬件设备质量有很大的相关性。在今后的电力通信网运行维护中，运行维护人员应检查硬件设备的更换情况，确保其质量满足电力通信网的长期运行要求。
2.2维护成本
在维修时间和成本分析中，以平均维修时间为纵坐标，以不同地区电力通信网中不同类型设备为横坐标，分析了不同地区电力通信网中不同类型设备的平均维修时间，并编制了关系图。根据观察分析结果，在电力通信网的运维中，光缆设备的维护时间最长，传输设备次之，数据网络设备最低。相对于不同地区电力通信网络设备的维护时间，广东省在光缆设备的维护上时间成本最低，该省光缆设备、传输设备和数据网络设备的差异最小，说明广东省光缆设备的运维效率较高；云南省和贵州省的光缆设备维护时间成本偏高，因为云南和贵州的地理条件复杂，光缆设备运行环境恶劣，大大增加了运维难度，使得维护时间成本较高。不同省份的数据网络设备差别不大，说明影响设备运维的因素并不多，不同地区的运维标准也是一致的，使得维护时间和成本几乎相同。
2.3维护时间的分配
在维修时间分布研究中，采用空间指数坐标系来描述电力通信网中不同类型设备每月平均维修量的变化。以月为横轴，电力通信网中不同类型的设备为纵轴，平均维修量为纵轴。根据年度分析结果，在电力通信网络设备的运行维护中，设备维护的高峰期为春节至夏季，维护设备数量较多。造成这种现象的原因是现阶段电力用户的供电需求增加，电力通信网络设备的运行工作量增加，增加了运行负荷，提高了设备故障的概率，进而增加了维护量。因此，在电力企业电力通信网络的运行维护中，电力企业认识到自然条件对电力通信网络设备运行的影响，电力企业实施的维护工作计划仍然存在不足，可以进一步优化和完善。同时，观察分析结果表明，不同年份该电力企业电力通信网络设备的维护量基本相同，说明该电力企业的运维工作已达到稳定状态。
从月度分析结果可以看出，大部分电力通信网络设备的维护工作量分配是合理的，尤其是通信供电设备，其维护工作量集中在月中，这说明该电力企业通信供电设备维护的频率和质量较高，但光纤设备和数据网络设备的工作量集中在月末， 这表明该电力企业的光纤设备和数据网络设备相当缓慢，需要进一步改进。
根据周度的分析结果，电力通信网络设备的维护工作量集中在周中，周末维护工作量较少，说明该电力设备的维护工作相对合理，能够按时完成维护任务。
3结束语
综上所述，在电力通信网的运维中，大数据的应用可以为电力通信网的运维提供有效的指导。通过本文的分析，电力企业可以构建电力通信网运维指标体系，分析电力通信网的维护效果、维护时间成本和维护工作量分布，评价运维的优劣，为运维工作的优化提供指导。
参考文献
[1]赖真豪 . 电力通信网中通信电源的故障分析与维护 [J]. 中国新技术新产品 ,2020(14):26-27.
[2]刘泽华 . 电力通信网中通信电源监控系统运行维护与管理 [J]. 通信电源技术 ,2020,37(04):44-45.
[3]孟晓峰 . 电力通信网运维元数据的建模及管理系统设计 [D]. 北京邮电大学 ,2019.
[4]施健 , 邢宁哲 , 田宇等 . 电力通信网现场运维模式及运维场景建模与优化 [J]. 计算机与数字工程 ,2019,47(04):985-989.