管红
国网临汾供电公司计量中心 山西省临汾市 041000
摘要：随着社会的发展，随着用电信息采集系统的大力推广，用电信息采集规模日渐庞大，数据深化应用不断加强，对系统的运行维护工作也随之扩大，迫切的运维需求与落后的运维能力不匹配等问题逐渐凸显出来。
关键词：大数据分析技术；采集运维业务；应用
引言
在整个电力系统运行过程中，为了确保电信采集系统中各项业务能够顺利开展，就需要加强对采集运维业务的有效维护。但从当前采集运维业务开展情况来看，其中还存在诸多问题，整体的运维效率较低，故障处置率不高，故障种类较多，产生的原因十分复杂，发生故障之后难以准确对故障位置进行定位，影响到采集运维业务的高效开展，使得整体的工作效率普遍较低，甚至在运行维护过程中，还容易出现一系列的安全问题。而将大数据分析技术应用到采集运维业务当中，能够大大提升整个系统的智能化分析水平，可以及时发现故障，明确故障位置，明确故障原因，然后制定针对性的维修措施，确保整个供电系统能够顺利运行。
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大数据分析技术在采集运维业务中的应用研究
2.1模型应用
在对采集异常运维数据的分析和处理中主要是对月平均用电量、异常持续时间和离下一抄表天数的分析，其中月平均用电量仅仅将使用电量作为效用值时，最后计算的数值较大，将标准月用电量引入到整体模型中去作为最后的数值单位，标准用电量是在随机抽取大部分用户实际用电量，并统计出各类用户月平均用电量，根据最多类型的用户平均用电量作为标准用电量。异常持续时间指的是每个电表故障持续一天则会造成一天的电量监控损失，电量的监控损失按照累加的方式进行计算。距离下一抄表天数的分析，当距离效益抄表的天数越近，则表明对该用户的监控损失电量概率越大，故障的紧急维修程度越高；当距离效益抄表的天数越远，则表明对该用户的监控损失电量概率小，且该因数所造成的影响趋近于0。
2.2业务框架构建
大数据分析技术要想在采集运维业务当中得到充分应用，就需要构建大数据运行维护业务框架，该业务框架主要用于对数据的采集、收集、营销和运行维护，依托数据抽取转换加载层对所收集到的数据进行分类，并向系统的储存层提供相应的数据。储存层对数据进行分类整理之后，向数据分析层提供所需要的数据。数据分析层对所提供的数据进行进一步的优化检索，然后为整个系统的异常工单的智能派发、智能处理、多维数据质量评价提供数据支撑。在该框架模式之下，系统所涉及的各项数据源主要来源于采集主站、营销系统、采集运维闭环系统当中所提供的各种数据信息，如用户的档案信息以及故障采集成功率和异常工单的处置情况等相关数据。数据ETL（数据仓库技术）模块的主要功能是使用相关工具，对涉及的数据源进行智能化的抽取转化，并将转换好的数据向着储存层传输。在数据储存层当中，配置了混合型的大数据储存结构和处置框架，它能够对整个系统所涉及的多源型的异构电力数据进行多源化的储存分类整理，它能够储存各种格式的数据信息，储存内容多样，有利于对多种数据进行有效的管理，满足不同应用层的需求。整个处理框架主要面向离线分析、实际计算、密集型数据分析等场景。在该框架模式之下，能够实现对数据的批量计算、内存计算、高性能计算。数据分析层是整个框架的重要组成部分，它实现了分析模型管理、计算实时查询的功能。在数据的分析层和处理层之间通过应用分布式的内存数据缓存技术能够实现整个框架在业务处理和应用操作之间的耦合性，大大提升数据分析效率。
数据分析层所得到的各种数据，进一步向着应用层传递，然后实现应用层的异常工单的智能派发、智能处理和多种信息的质量评价。通过应用模块化的软件设计方式，能够实现各个模块功能的随插随用，并且还能够充分考虑各个模块之间的联系性、功能联合性，统一接口，实现了不同模块之间的有效融合，使业务模块之间既能够独立运行，又能够相互补充。
2.3异常工单智能化分析处理
大数据分析技术在电网异常故障诊断工作完成后，可以结合故障的情况以及类型，给出针对性的故障解决措施，对于可以即时解决的问题，通过网络系统操作即可完成。具体来说，异常工单智能化分析处理的整体过程如下。一是大数据分析技术在发现电网系统存在异常之后，会进行系统异常反馈，工作人员会通过系统操作来进行故障的具体识别，一般会结合系统设备情况、国网招标批次情况等进行更加深入的故障分析。二是确定好故障原因之后，大数据分析技术还会结合以往的系统修复操作，以及故障严重程度进行具体处理和分析，如果可以通过系统操作进行解决，会进行系统化处理和操作。三是在故障问题处理过程中，工作人员只需要进行系统操作即可完成相关工作。实际上同传统的电网工作模式相比，整个异常工单智能化分析处理的过程中，大大缩短了工作时间，工作人员能够结合系统故障解决方案开展各类工作，避免了工作问题和麻烦。大数据分析技术作为智能电网的一个重要组成，在电力系统中的应用过程中，可以实现对于电力系统各类数据的有效分析，智能电网系统之下，所有的系统都会接入电网系统当中，这更利于实现电网故障的统一排查和处理，并且有效控制电网整体的运行品质。
2.4采集终端产品质量评价
根据采集运维情况对各终端厂商的终端质量进行量化分析，利用各终端厂商的运行终端数、确认终端问题数、异常终端占比、更换终端数、终端时钟异常数等数据，建立采集终端产品质量分析评价指标计算规则如下。1）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%。2）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终端数量×100%。3）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%。
结语
通过引入大数据技术，对采集数据进行深入挖掘、分析与梳理，实现采集运维异常工单的智能化派发、分析处理和运维多维度质量评价，能够使运维工作由粗放式向集约化、精益化转变，进而提高运维工作效率和质量。用电信息采集的运维管理是一项庞大而复杂的工作，提出的对异常工单智能化派发、异常工单智能处理和采集运维多维度质量评价只是对其中的一部分业务进行了优化应用，后续还将对采集异常智能化甄别、异常工单智能处理及异常工单智能化派发进行更深入的实践与研究，最终为满足国网营销部的“全覆盖、全采集、全费控”目标要求提供强有力的技术保障。
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,2015(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2011(4):32-35.
[4]季文天,郭清菊,马杰.基于模型驱动的框架技术在数据采集平台中的分析与应用[J].软件,2014,35(3):121-124.
[5]李益文.湖南烟草商业系统基于大数据在云计算平台运维中应用的思考与设计[J].经营管理者,2016(33):293.