大數據在電力采集運維業務中的應用分析

摘要：用電信息采集系統的推廣應用，相應擴大用電信息采集規模，數據深化應用持續加強，相應增加系統運行維護的工作量，從而凸顯出運維需求和運維能力不匹配問題。本文基于大數據技術，優化整體采集運維工作，以此提升運行效率和質量。

關鍵詞：大數據;電力工程;采集運維業務;應用分析

用電信息采集系統建設已經趨于成熟，隨著智能電能表的推廣應用，逐漸擴大用戶群，采集系統業務的順利發展現已成為系統未來發展方向。當前，采集運維業務存在的問題主要表現在故障處理優先級劃分不準確、整體運行效率比較低、故障類型比較多，從而加大故障定位難度，且缺乏完善的考核評價體系。為了處理好上述問題，需要從采集運維業務的多個角度來分析大數據技術在采集運維業務中的應用效果。

一、采集運維大數據系統模型

（一）大數據關鍵技術

在采集系統中應用大數據技術，主要涉及到數據采集、清理、存儲和分析處理。此次研究針對數據分析環節，采用關系型聯機分析處理機制和多維分析技術對整個系統進行優化。第一，關系型聯機分析處理。該項技術主要是應用關系型數據庫，通過關系型結構表示和存儲多維數據，并且采用動態多維分析方式，深度分析關系數據庫內的數據。數據文件大小會受到數據庫管理系統的影響，數據的裝載速度非常快，且不會占據存儲空間，維度數不會受到限制影響，采用結構化查詢語言就可以處理數據。第二，多維聯機分析處理。其可以通過多維結構存儲數據，但由于操作系統平臺會限制數據文件大小，無法達到TB級，所以在規劃存儲期間，必須提前預算數據量，避免導致數據爆炸。此種分析處理方法會減緩數據裝載速度，且維數有限制，也不具備數據訪問和數據模型標準。

（二）大數據運維業務架構

業務架構能夠對數據進行采集、營銷和運維處理。采用數據抽取轉化加載層，能夠分類適配相關數據信息，同時將數據提供給數據存儲層，在分類存儲之后可以向數據分析層提供數據。通過數據分析層，可以優化和檢索數據，同時為應用層異常工單派發智能處理提供數據支撐。

數據源可以從采集主站、營銷系統和運維閉環系統獲取數據，包括采集成功率、用戶檔案、異常工單數據。數據ETL層可以通過ETL工具，抽取、清晰和轉換數據源數據，同時向數據存儲層裝載。混合存儲能夠高度適應多種數據存儲與管理形式，包括分布式文件系統、內存數據庫及列式數據庫，以此滿足應用需求。數據分析層屬于系統的基礎功能，包括批量化計算功能、模型管理功能和實時查詢數據。數據分析層和處理層之間，可以采用分步式內存數據緩存技術，以此減少數據處理層、業務應用操作存在的耦合性問題，全面加快應用服務響應效率。

二、大數據運維優化方案

（一）智能化派發異常工單

當前，采集運維人員負責派發異常工單，此次研究通過分析大量文獻能夠看出，人工派發工單時，無法合理判斷現場緊急程度。當同時產生大量異常工單時，沒有對工單進行合理消缺，從而在短時間內無法處理緊急事件，引發嚴重的經濟損失。在此次研究中，通過多維度方式分析系統歷史數據和運維數據，同時對異常嚴重性與處理順序進行甄別，能夠提升異常工單處理效率，增加工作成效的可控性，提升采集系統設備的可用率與數據完整性。

第一，分析采集運維效用值模型。針對單個表計效用值而言，主要影響因素包括異常持續時間、抄表間隔時間、月平均用電量等。對于總體工單效用，包含故障電表效益和的累計，因此主要為故障電能表數量影響。

第二，采集運維效用值模型應用。按照某地區低壓用戶每日抄表數據、采集成功率，異常運維數據，分析數據與數據項。數據項主要涉及到臺區編號、管理機構、所屬地區、采集成功率、供電單位、居民日均用電量等。

（二）異常工單一智能化分析處理

長期以來，采集運維工作缺乏大數據技術支持，通過文獻研究與現場調研后發現運維人員只是開展低效率運維工作，針對已經發生的故障，則比較缺乏故障分析能力，此時運維人員只能逐個排查現場故障類型。此次研究注重分析歷史工單、大批量數據和數據規格，明確異常工單的概率事件原因，對相同的異常原因概率的比值進行分析，比較不同原因比值大小，從而全面提升運行維護效率。

第一，基于多維度，分析異常原因概率比值。對于新的異常工單，需要對故障設備類型、招標頻次、生產廠家等多維度異常原因概率進行分析，以此明確異常工單的異常原因，通過對不同比值大小的比較，可以預測新異常工單的異常原因。

第二，異常原因概率比值應用。通過對某運維地區的歷史異常工單的招標頻次、生產廠家、故障設備類型進行篩選，通過不同異常原因概率比值，分析集中器和主站無通訊故障。第一，設備類型異常。地區集中器和主站無通信的歷史工單共計805條，集中器故障主要包括軟件故障、主機故障和定位模塊故障。第二，設備生產廠家異常。故障集中器的廠家相關工單共計368條，且無通信故障多為集中器軟件故障、主機故障和定位模塊故障。第三，招標頻次異常。故障集中器招標相關工單共計352條，主要為集中器軟件故障、主機故障和定位模塊故障。

（三）采集運維多維度質量評價

將大數據技術應用到采集運維工作中，無法對電能表、終端、運維服務質量評價提供數據支持。通過應用大數據技術，可以在采集、營銷和運維等數據之間建立溝通橋梁，以此評價采集運維多維度質量。通過分析和梳理某市級供電單位的采集運維工單數據、采集抄表數據、采集成功率，建立對應的質量評價計算規則，從而驗證了采集運維多維度質量評價的可行性。

三、結束語

綜上所述，在采集運維業務中應用大數據技術，可以深度挖掘和分析梳理采集數據，智能化派發采集運維異常工單，同時進行運維多維度質量評價。實現運維業務的精益化和集約化轉變，全面提升運維效率與質量。

參考文獻：

[1]陳霄逸.大數據技術下的電力數據中心運維管理[J].電子測試，2020，25（12）：137-138.

[2]趙川，趙明，路學剛，葉華，陶思鈺.基于大數據的電力運維故障診斷及自動告警系統設計[J].自動化與儀器儀表，2019，25（10）：222-226.

[3]陳龍，郝悍勇，巢玉堅，李鵬，羅玲，馬遠東，胡陽.基于大數據的電力信息網絡智能風險預警策略研究及應用[J].電力信息與通信技術，2019，17（01）：18-24.

[4]王煜.基于大數據的風電場電力系統運維服務能力建設研究[J].中國高新技術企業，2017，20（10）：115-116.

國網福建省電力有限公司沙縣供電公司陳曉宇