大數據分析技術在采集運維業務中的應用研究

文/鐘鎮宇，國網湖南省電力有限公司漢壽縣供電分公司

1 引言

我國對民眾日常的用電信息采集系統建設已經進入尾聲，現階段，我國各地區共計接入智能電表4.2億只，電能計量終端有1268.95萬臺，覆蓋了全國3.86億的用戶。所以為了保障采集工作的順利進行，成為現階段建設的重要問題，同時這也是采集系統的未來發展方向。目前，我們的運維采集業務仍然存在缺陷，比如采集的效率低下、無法劃分故障的緊急性、無法對故障的位置進行準確的定位等一系列問題，本文主要對運維采集業務中的問題進行了處理，提出大數據分析技術在運維采集業務中的優化情況。

2 加強運用大數據分析技術對智能電表進行計量的意義

使用智能電表是組成智能電網的重要部分，使用智能電表進行電能的計量是建設中的重要組成部分，操作的質量和操作的可靠性能夠直接關系到國家電網的企業形象，由于這能夠直接影響個人的利益，所以人們對采集系統格外關注。加強對電量的計量準確可靠性，及時處理智能網絡的故障，維護用戶的合法利益，能夠為企業樹立一個良好的形象；同時，使用大數據分析技術能夠減少工作人員的工作壓力，有效提高運維采集的進行，實現對大數據分析的應用。

3 采集運維業務的大數據系統模型

3.1 大數據分析的核心技術

大數據在采集運維業務中擁有許多的應用，其中包括采集數據、清理廢棄數據、儲存數據、分析各種數據、進行數據的處理、解讀和應用，在本篇文章中，我們研究大數據的分析方面（即OLAP），主要包括了以下兩種形式：

1）關系型聯機分析處理

關系型聯機分析處理技術主要依賴于關系型的數據庫，采取關系型的結構方式對數據進行表示和解讀，同時對儲存的數據進行動態的多維分析。使用這種方式對數據進行表示，擁有裝載快、儲存空間小、不限制維度數、可使用SQL進行分析的優點。

2）多維聯機分析處理

多維聯機分析處理技術是一種進行多維數據儲存的方式，這種方式會遭受使用平臺數據儲存量的限制，基本上很難達到TB級，同時在對數據進行儲存時，需要對平臺的儲存量進行預測，否則會出現數據爆炸；并且這種方法有裝載慢，位數低等缺點，只適合應用于對高性能輔助決策的計算。

3.2 大數據運維業務的架構

大數據運維業務的構架分為數據ETL層（選擇數據源的數據，進行初步的數據篩選，之后裝載進數據儲存層）、數據儲存層（儲存ETL層的數據并對這些數據進行分類，分別儲存在不同的數據庫）、數據分析層（對儲存層的數據進行分析，提高應用服務的效率）、應用層（實現數據的多維動態分析，在異常工單只能化派發、異常工單智能處理、采集運維多維度質量評價三個板塊之間實現業務應用）四個層次，其中應用層的三個板塊之間相互協調，同時還能獨立運行，實現完美的功能融合；所需要分析的數據源包括采集數據庫、營銷數據庫、運維數據庫。總體架構如圖1所示：

圖1 大數據運維業務架構示意

4 大數據運維優化方案

4.1 異常工單智能派發

1）使用效用值模型

即Y效用值=Σf(x),其中Y效用值表示進行采集運維時的效用值，f（x）表式單個異常電表的效用值。

2）使用模型

圖2 持續 N 天無抄電能表數據的電能表數分布統計

我們對5000名用戶和5000名非用戶進行了日電量進行了分析，根據圖表我們可以發現，低壓居民用戶日用電量標準偏差為21左右，小于21的用戶占94%，低壓非居民用戶日用電量標準偏差為120左右，低于120的用戶占90%左右。這充分說明了我們在日常生活中家用電力的損失并不是太多，但是仍有損失；而在各個企業或者工廠中，由于電量的大量使用更容易使終端產生故障，從而出現較大的偏差。

同時，我們也分析了距離抄表日天數故障的頻率，由圖2可以知道，用戶距離抄表日越近，損失的電量越多，產生的故障越多。

4.2 對異常的工單進行智能化的處理分析

大數據分析技術彌補了原始采集運維工作的局限性，在進行大數據的分析和現場調查之后，運維工作人員可以提高對所屬地區進行高效率的運維工作，提高運維工作人員對故障發生的預估能力，及時處理異常工單，提高了運維效率。如果新生成異常工單，可以通過生產廠家、國家網絡招標標準等進行判斷，從而盡快的確定故障原因，并對故障原因進行預測、分析、處理，利用下列公式進行分析。

4.3 對采集終端產品進行質量評價

根據運維采集的數據對采集終端進行質量分析，參照終端運營廠商提供的數據建立終端產品質量分析評價的指標。

1)終端故障更換率：終端故障更換率=周期內更換終端的數量÷周期內在運行的采集終端數量×100%。

2)終端時鐘偏差超標占比：終端時鐘偏差超標占比=周期內終端時鐘偏差超過5min的終端數量÷周期內在運行的采集終端數量×100%。

3)各廠家終端故障率：終端故障率=周期內終端發生故障的次數÷周期內在運行的采集終端數量×100%。

5 運維采集業務中存在的問題和解決方法

5.1 提高運維采集的效率

在現代社會中由于社會的發展，導致人們對電力的用途更加廣泛，各電力公司也在不斷發展，但是經過統計，我們會發現每天電力公司產生的異常工單有一萬多，而電力公司的工作人員遠遠不足以及時去處理這些異常工單，并且大部分公司沒有工單的篩選制度，導致工單的緊急程度無法劃分，影響采集效率。

有效運用采集運維模型，篩選這些異常工單，合理判斷異常工單的緊急程度，及時處理故障，建立消缺機制，提高運維采集的效率。

5.2 準確確定故障位置

運維采集的工作人員需要對各種運維對象進行數據采集，經過統計會發現擁有59種異常現象，根據出現故障的不同又可以將其劃分為100種，這些故障擁有各種復雜的故障地點，難以準確定位，從而影響處理的及時性。

建立大數據故障庫，記錄發生的各種故障及原因，針對對各地區的勘察確定相應的故障類型，提高現場運維采集的效率。

5.3 制定合理的考核系統

我國現階段的電力企業在信息采集運維業務中主要依靠線下進行工單處理，無法準確把握故障的發生原因，不能有效的反饋，現場缺乏有效的考核系統，不能保證采集工作的質量。

制定合理的考核系統，將工作人員的工作情況列入季度考核項目，關系到工作人員的個人利益，提高工作人員的積極性，制定合理的獎罰制度，要求去現場進行作業的工作人員帶回可靠的材料，防止出現偷懶現象。

6 結語

大數據分析技術在運維采集業務中占有重要的地位，在采集用戶信息時，可以使用大數據分析技術對數據進行合理的分析，深入挖掘，合理處理，運用智能化派發異常工單等有效手段提高運維采集的效率，同時精簡了采集的過程，加強了采集的準確性，使運維采集更加有水平，更加被人們喜歡。用電信息采集的運維管理是一項龐大而復雜的工作，本文提出的對異常工單智能化派發、異常工單智能處理和采集運維多維度質量評價只是對其中的一部分業務進行了優化應用，后續還將對采集異常智能化甄別、異常工單智能處理及異常工單智能化派發進行更深入的實踐與研究，最終為滿足國網營銷部的“全覆蓋、全采集、全費控”目標要求提供強有力的技術保障。