大數據的電力信息通信預警技術研究

黃建威

深圳市電網通信有限公司 廣東 深圳 518000

近幾年科學技術飛速發展，我國各項產業發展和科技同步推進，成績斐然，電網建設也穩步推進。在環境不斷變化、經濟快速發展的背景下，電網及其相關設備受諸多因素的影響，安全系數受到極大影響。在大數據、云計算應用推廣的同時，實現和電網發展的有機融合，能進一步提升電網發展的預警水平和預警能力，對電網穩定性提升也具有現實和指導意義。

1 電力信息通信預警技術通信風險預警概述

以Spark和Hadoop為代表的云計算、大數據處理平臺在備受關注的同時也被廣泛應用，近年來的普及率也不斷提高。Hadoop在大規模集群操作基礎上發展起來，通過增設共同計算的節點以保證其具有較高的便捷性。Hadoop的計算速度和集群數量密切相關，集群數量越大其計算速度越快，這有效彌補了傳統處理數據問題，在實時應用數據處理方面優勢凸顯。Spark作為一種通用并行計算框架也是基于Hadoop發展起來的，其采用了流式處理技術以及內存并行計算方式，因此在實時處理方面也具有極強性能。

電力信息通信預警技術近年來也得到關注與發展，技術人員首先基于大數據技術基礎構建起相應框架，然后對各類信息進行綜合分析，在分析的基礎上結合數據收集技術、收集整理、整合技術，實現對數據的分析以及整理，其中日志收集模塊實現對防火墻日志、網絡日志等相關數據的收集。業務分析模型的創建一般采用Hive技術，最終實現日志多維度查詢。通信預警技術中還存在數據存儲層，數據在存儲層中實現數據轉換、分析、清洗，然后將其導入Oracle中，結合電力通信實際情況，實現現有日志科學分析。基于大數據技術、結合日志關鍵詞，進一步加強相關數據的深度挖掘，另外，引入數據壓縮、數據歸并以及數據清洗技術，對通信安全、通信指標以及通信運行狀態進行有效判定。綜合作用下實現對電網通信系統運行狀態的自動預警，保障其安全性[1]。

2 大數據背景下發展電力信息通信預警技術的重要意義

作為電力系統正常運行的有效保障，電力信息通信網絡作為特定網絡能夠有效保障電力系統穩定運行，其中的關鍵是電力信息通信預警系統，防患于未然，保證不同部門、不同電子組成部分之間聯系密切、早發現問題與故障，穩定正常運行。就目前電力企業的運行發展而言，很多企業并不關注與重視電力信息通信預警技術，即使部分企業開始加強通信預警建設，但通信預警相關工作還單純依靠人工來實現，不僅增加了故障排查、預警工作的難度，還進一步顯示了預警該工作的精確度。因此在電力信息通信預警技術發展中，必須對現有框架進行分析，并進行改革。

在大數據技術、云計算技術發展的同時推動了電力信息通信網絡架構的完善，電力設備也不斷發展，種類和數量優勢逐漸凸顯，在增加電力信息通信系統穩定運行方面貢獻力量。在電力信息通信預警技術發展中引入大數據技術以及云計算技術，能夠有效實現對通信風險、通信故障以及通信現在隱患的全面感知，實現提早發現、提前排除，保證電力系統正常通信，保障其安全性與穩定性[2]。

3 大數據背景下電力信息通信預警技術發展概述

3.1 大數據為根本的電力通信風險剖析以及預警架構

和傳統電力通信自動預警技術相比，大數據技術的引入進一步提升了其優勢，不僅能夠實現復雜、多樣化數據的有效分析，還能夠結合電網運行實際情況、電網設備實際情況實現科學預警。科學預警的建設需要其具有實時性，在面臨潛在隱患和現有故障的時候，能夠在數據分析的基礎上及時發現問題、把控問題，管理人員和工作人員能第一時間給出科學決策，進行科學處理。

在電力系統和電力行業發展中，基于大數據技術的Hadoop和Spark開源平臺誕生，近來多元化趨勢越來越顯著。各種形式的應用開始在這兩個開源平臺的基礎上出現，并且功能逐漸完善，結合電網通信系統實際情況，預警功能也越來越強大，人性化越來越凸顯。

3.2 基于大數據的相關數據處理

在電力通信預警系統建設中引入大數據技術，進一步提高了SOA架構模板應用的可能性，可以采用基于Java技術的端口，采用B/S技術以支撐電力通信預警系統。就目前的電力通信預警系統功能劃分而言，其一般由預警生成模塊、數據采集模塊、數據挖掘模塊以及數據分析模塊和接口模塊構成。五大模塊相互協調、配合，保證電力通信預警系統的穩定、準確運行。同時，電力預警系統在運行中還應該結合電力通信系統的運行環境分析，明確各類信息的同時引入作為預警影響因素，保證預警科學性。不斷完善五大功能模塊，保證出現故障或者發現潛在隱患的時候能及時給出預警，并通知管理人員。另外硬件也是預警系統的另一核心，需要增設匹配的隔離裝置保證相關硬件安全運行，提升安全系數。電力通信預警系統的運行必須遵循相應標準以及規劃，有效規避操作失誤，實現預警功能。

3.3 大數據基礎下電力信息的通信趨勢預測

隨著電力系統通信安全要求越來越高，其不僅僅局限于傳統的發現問題、解決問題，越來越重視趨勢預測、故障預測等方面，結合電力通信系統設計設備情況、季節性情況進行預測。但傳統的趨勢預測等方面一般需要消耗大量的人力資源以及物力資源，在大數據背景下必須要引入大數據技術進行總的趨勢預測和分析，以更有效的手段實現對電力信息通信趨勢的精準預測。目前電力通信系統中發展中還存在部分容量不確定問題，而趨勢預測必須在平穩運行環境上進行，以規避誤差的同時保障其準確信和實時性。在電力通信系統預警中建議在四個環節和步驟中更加關注，首先加強數據平穩化處理，做好模型識別工作，然后是重視參數預測以及參數估算。這四方面工作同時進行、穩步推進，能夠最終保障通信趨勢預測的精確把控。

4 大數據的電力信息通信預警技術應用實證分析

4.1 具體實施

在本文大數據背景下電力信息通信預警技術研究以及預警系統構建中引入BP神經網絡，并采用遺傳算法進行必要優化。

（1）種群初始化。以60個初始種群規模為例進行分析，將包括全部閾值和全部連接權值作為個體樣本，并且設置相應編碼：

式中：m為隱含層節點數；n為輸入層節點數；l為輸出層節點數。

（2）設定適應度函數。在適應度函數設定、選取中需要充分考慮試驗值誤差平方和預警值，保證其具有較小的預測誤差和較高的適應性。

（3）選擇、交叉與變異。通過前面分析能夠得到最優個體，并且進入下一代，除最優個體之外的其他的個體進行兩兩交叉（交叉概率），得到新個體，并對新個體進行優化，進一步得到的最優個體進入下一代（其他個體進行變異操作）。

（4）循環第 2 步和第 3 步。直到訓練目標達到設定要求或者訓練次數達到上限。

遺傳算法優化的 BP 神經網絡預警仿真結果如圖1所示。

圖1 預警仿真結果圖

4.2 效果對比

上圖顯示了在相同條件下的預警仿真結果圖，通過圖中數據能夠看出實際預警值和預測預警值相差不大，而且誤差很小，說明遺傳算法優化的BP神經網絡在電力通信預警中實現快速收斂，預警精度更高、更能準確反映真實情況。

5 結束語

近年來在我國電網迅速發展、智能化水平不斷提高的背景下，電力系統和電力設備的更新改革不斷推進，電力設備以及電力行業進入新的發展階段。電力信息通信系統作為電力行業發展的又一關鍵因素，必須要加強其預警技術建設，保證其高性能、高精確度，以保障國家電網安全穩定發展。