基于大數據的電力通信系統自動預警診斷方法研究

陳軒

【摘? 要】經濟的發展，城市化進程的加快，人們對電能的需求也逐漸增加。前階段內電力信息通信技術快速發展，尤其是隨著相應運維監測與管理系統的完善，電力系統運維工作取得了良好進展。但綜合實際情況來看，電力信息通信中并未形成完善的信息收集機制，在數據全面性、精準性等方面仍存在著一定的不足。

【關鍵詞】電力通信;大數據;自動診斷;線性預測

引言

在大數據時代，隨著電網信息系統架構的不斷擴展，IT設備的數量越來越多，網絡也變得更加復雜，信息通信系統中的狀態數據、運行數據以及故障數據等體量越來越大，且具有典型的大數據特征，如果數據未經過處理，則對運維沒有任何意義和價值。綜合運用大數據采集技術、實時數據流處理技術、關聯分析挖掘技術、狀態評估技術、趨勢預測及風險評估技術，建立科學的分析模型，實現信息通信風險態勢全面感知、運維數據全面分析、運維風險實時預警，達到在故障發生前解決問題的主動運維效果，有助于提升信息通信故障監測和風險預警能力，對提高信息通信系統的安全性、穩定性及其服務能力具有重要的理論價值和實際意義。

1目前國內外的研究發展狀況

相關的學術界討論中，從互聯網技術，生物醫學和超級計算對大數據進行了專門的探討和研究。在大數據應用相關應用領域，谷歌公司在2009年通過對人們網上搜索的內容和疾病中心的數據整體上進行整合分析，及時的找出了流感的傳播來源，給公共衛生機構的工作提供了有利用價值的數據和信息;美國的俄州運輸部運用INRIX的云計算對大數據進行分析處理來了解和處理惡劣天氣的道路狀況，降低了冬季發生連環撞車的概率，為人們的出行帶來便利。大數據技s術進行了新技術和構架的相關描述，適用于經濟的方式模式，對于技術進行高速的捕獲和分析處理，從大規模的數據中進行價值的提取和運用。國外對大數據的研究工作主要集中對于大數據存儲、處理分析和管理的相應技術和軟件的運用方面。多年的研究發展后產生了優秀便捷的挖掘方法，其中常見有路徑、關聯、分類、聚類和統計的分析等。當前發展階段的大數據平臺以HADOOP為主，對于傳統日志無法處理海量的分析數據進行解決，但HADOOP并不擅長實時的應用信息的處理，采取離線處理的模式。在HADOOP基礎上的實時處理運用還比較少，采用流處理數據對日志數據進行處理是這個行業的未來發展方向。

2電力大數據的特點及面臨的問題

當前，隨著電力通信系統網絡化建設和發展，電力大數據呈現指數級增長，并且具有數據量大、數據類型多、處理速度快、精確性高和價值大五大特征。同時，數據的采集、處理、應用等都要求完成數據的移動和存儲，其實現的基本條件是電力系統網絡化。但在當前網絡架構下，大數據移動存儲還面臨如下挑戰：（1）大容量問題。隨著智能終端的普及，實時采集終端狀態信息導致產生了大量的數據，每天的數據量達到TB量級，數據的存儲面臨重大挑戰。（2）延遲問題。應用于實時問題分析時，大數據的分析診斷存在一定的滯后性，這種特性可能給實時數據分析應用帶來不可估量的損失。（3）差異化問題。不同等級的業務需求所采集的數據信息不同，要求數據網絡具備不同等級的服務功能，以保證重點用戶或者關鍵節點的正常運行。

3電力信息通信風險預警技術

以Hadoop及Spark為例，該類大數據處理平臺在近年來逐漸受到更廣泛的應用，發展速度較快。其中Hadoop可以進行大規模集群操作，具有較強的便捷性，同時可增設不同數量的節點共同計算。且其計算速度并不會受到集群數量的減弱影響，相反，計算速度與集群數量呈正相關關系，以此有效彌補了傳統系統處理數據中存在的不足。但相對而言，Hadoop在處理實時應用方面存在明顯的劣勢。而Spark作為一種通用并行計算框架，其產生與改進是以Hadoop為基礎的，主要應用內存并行計算方式及流式處理技術，具備較好的實時處理性能。電力信息通信預警技術的應用過程中，相關技術人員通過構建電力信息通信大數據處理框架，對各類信息數據進行有效收集、整合、分析、管理。對應的日志收集板塊主要負責收集來自各個系統的數據，包括網絡日志、防火墻日志等。利用Hive技術創建業務分析模型，以此保證日志的多維度查詢。經由數據存儲層，對采集所得的數據進行一定的清洗及轉換，并將其系統的存儲與HDFS中，結合Sqoop將其導入Oracle內。而后根據具體分類情況，對現有日志進行合理分析。圍繞日志關鍵詞，以大數據技術為主要手段，對相應數據進行深度模式挖掘。并結合數據清洗、壓縮歸并等方式，實現系統指標、安全情況、運行狀態的有效判定。

4自動預警診斷方法

4.1基于小區節點數據統計差異的故障診斷研究

小區節點直接與網絡節點連接，網絡節點實時將網絡節點監測數據發送到小區節點中，檢測數據主要包括節點電力負載、節點配電信息、節點狀態信息。小區節點主要完成2個功能：一是數據的預處理與分類，為區域節點的數據分析提供基礎;二是小區內網絡節點的統計分析，實現網絡節點的故障診斷。本文主要從以下3個角度開展診斷研究。（1）基于心跳分組的故障診斷：在網絡系統中，心跳機制是網絡終端定時發送一個自定義的心跳分組，讓對方知道自己仍在工作，以確保連接的有效性的機制。基于上述原理，小區節點實時監測網絡節點的心跳分組，統計一段時間內心跳分組數量，當心跳分組數量遠低于正常數值時，表示網絡節點中的設備斷開連接或者出現故障，則推送告警信息，提示工作人員處理。（2）基于節點狀態信息的故障診斷：節點狀態數據包含了節點當前所處的狀態，解析狀態數據，實時分析統計設備狀態信息數據。當狀態出現異常時，統計數據背離正常值，診斷節點異常背離原因，告警工作人員。（3）基于電力數據差異的故障診斷：實際電力系統中，存在如下情況：網絡節點心跳分組正常，系統狀態信息正常，但系統配電信息與節點負載信息差異較大，則表示出現某種特殊耗電情況。基于上述原理，小區節點實時檢測網絡節點中配電數據與負載數據間的差異，當電力負載數據遠低于配電數據（設計時考慮電力系統線路正常損耗）時，則推送告警信息，提示工作人員處理。

4.2大數據基礎上的信息通信數據的相關處理

在數據處理框架中對各類日志進行集中的分析處理和管理工作，其中日志收集來自不同系統的日志、網絡和防火墻日志等，采用Hive建立業務相關的分析模型，對日志的進行多維度的智能查詢，進行數據的初步清洗工作。在數據存儲層完成對數據的進一步清洗和轉換，進行數據的分類處理，存儲于HDFS中，利用SQOOP工具將數據從HDFS中導出到Oracle中。

4.3基于中心節點的動態電力資源分配與調度

中心節點具有較高的管理權限，屬于控制中心節點;各區域節點根據電力負載預測情況，將電力負載請求信息發送給中心節點，中心節點根據各區域節點的需求動態配送電量。另外，設計時考慮各區域節點的優先級，并根據優先級配置供電權重，目的是在電量需求緊張時，優先保證優先級較高的區域節點的供電，最終實現動態電力資源調度與分配。

結語

綜上所述，隨著我國電網建設的不斷完善，相應的信息化建設發揮出更大的作用。在此背景下，運維人員應對電力信息通信預警技術進行深入研究。及時發現并有效預警其中存在的隱患，進而形成良好的工作效果。

參考文獻：

[1]周平.基于大數據平臺的日志分析預警技術研究[J].電腦知識與技術，2016.

[2]付萍萍.以風險防控為中心的大型電網企業信息安全管理體系研究[J].電力信息與通信技術，2015.

（作者單位：深圳供電規劃設計院有限公司）