基于人工智能的電力數據服務管理應用

施 園，包志強

（1云南電網有限責任公司信息中心，云南 昆明 650000；2云南遠信科技有限公司，云南 昆明 650041）

0 引 言

隨著我國信息技術的進步，電力企業需要加速數據價值化，讓電力數據惠及各方。然而，全球信息安全問題不斷演變升級，新技術和新應用給電力相關數據管理帶來巨大挑戰[1]。因此，如何在數據共享和訪問過程中保障用戶的隱私，保證數據安全是一個需要研究的熱點問題。目前，大量的數據安全管理研究正在進行。需要實施數據共享的標準化，為數據的安全管理奠定良好基礎。

電力數據面向所有的家庭和所有的企業，能夠實時反映家庭和企業經營狀況信息與信用信息，具有數據量大、數據復雜以及覆蓋面廣等特點[2]。因此，電力數據應用管理的需求很大，數據安全也顯得尤為重要。研究人員研究了電力數據服務管理的安全性，基于USB Token讀取用戶信息，保障用戶訪問安全，通過支持區塊鏈的用戶電力數據管理等來保障電力數據存儲安全[3]。但傳統的電力數據服務管理忽視了管理機制問題，而人工智能可以解決電力數據服務管理機制問題，因此本文設計了基于人工智能的電力數據服務管理方法。

1 人工智能技術在電力數據服務管理中的具體運用

基于人工智能的電力數據服務管理中，最重要的步驟就是設計一個符合電力公司的數據服務管理平臺。該管理平臺需要根據電力公司的實際情況設計出相對應的數據服務管理組件，為數據服務管理提供保障。同時還具有數據注冊功能、數據發布功能、數據服務功能以及數據更新功能等，因此需要設置與平臺對接的各個接口，以保障數據服務管理的良好實施。

1.1 電力數據管理架構中的應用

電力數據管理架構是依據HDFS構建的，電力數據包括目錄數據和文件數據。其中，目錄數據包括整個文件系統的目錄樹結構、目錄屬性以及目錄包含的文件等，文件數據包括文件的屬性。電力信息數據的正確格式往往是利用GLOBA構建，其目錄或文件創建時由管理平臺生成唯一標識，標識生成后就不會再改變[4]。USERID是這個目錄或文件生成標識的儲存庫，NAME是該文件或目錄的完整路徑名稱，在進行數據信息訪問時，需要更新數據管理時間，基于此設計的電力數據管理架構如圖1所示。

圖1 電力數據管理架構

通過構建圖1的數據服務管理架構，可以將數據管理中的命名空間轉換到扁平結構的數據結構中，從而輕松地存儲在電力數據庫中，方便電力數據的服務管理。命名空間的完整路徑中，每個組件都能對應在電力數據庫中。

基于此，整個架構在支持電力數據服務管理時的流程如下。第一步，提供一個API供客戶端訪問，同時由該API輸出數據服務文件并直接與Namenode進行交互。為了提高系統訪問性能，客戶端緩存了最新的數據名稱路由信息。第二步，Namenode負責將數據存儲在內存中并響應客戶端的請求，包括查詢數據，新建、刪除以及修改服務屬性。第三步，使用數據庫更新名稱節點數據。第四步，使用心跳機制來管理每個名稱節點，并將這些節點提供到Namenode的數據路由中，用來規劃Namenode集群間的平衡，便于數據復制和遷移。在處理Namenode故障和系統擴展問題時，還需要協調和互動，將所有數據都保存在數據庫中。第五步，每個Name Node都需要向管理器注冊，如果注冊成功，則可以將數據從數據庫中讀取到內存中。Name Node在開始處理數據請求，并定期使用心跳機制向Name Node Manager報告其運行狀態。心跳傳輸間隔由用戶設置，內容包括資源利用率和數據訪問速率等。

1.2 電力數據服務管理中通信數據預測的應用

在信息化背景下，越來越多的人開始重視數據信息的經濟價值[5]。基于人工智能構建數據通信管理機制需要先計算數據管理機制中的相關參數，其中信息通道的數據傳輸速率為：

式中，V代表信息通道傳輸速率；F代表通信容量；C代表數據庫容量。根據數據傳輸速率，結合數據挖掘技術計算電力服務信息管理冗余數據R，計算公式為：

從整體電力數據量中減去冗余數據量，得出此時的數據管理矢量值，并求出此時數據通道中的管理數據總量D和數據管理矢量值S，計算公式分別為：

基于管理數據總量和數據管理矢量值，求出管理機制中的Q1、Q2兩個參數，即：

此時，依據該管理機制的相關參數，即可以求解出電力數據服務管理機制范圍。除此之外，該管理機制還可以通過專門的手段對海量數據進行深度學習，從而發現數據系統中各種數據之間的關聯，再根據現有的相關數據信息，預測電力數據服務管理中心的未來發展狀態。

人工智能技術可實現電力數據服務的預測和管理優化。預測功能是指根據現階段獲取的數據信息從而推斷電力數據服務管理中心未來的發展方向，開啟隱藏電力數據分析的路徑。管理優化人工智能技術可提高電力數據服務管理性能及范圍，并根據預測數據庫的演變性質作出未來的管理方向，因此人工智能的應用可以有效解決電力數據服務管理平臺在運行過程中存在的很多問題。

1.3 電力數據管理負載中的應用

在管理電力數據時，應建立負載平衡策略[6]。負載平衡策略可以有效地管理此時電力數據中出現的負載，避免出現由于負載過多導致的電力數據管理效率低下的問題。

首先，設計負載的分布式組成，將數據訪問的路徑設置為分布式訪問模式，一旦產生訪問負載，優先利用此模式調整負載中冗余數據。其次，提升數據分發傳輸的整體速率，將數據的訪問通知書下達到每個電力數據管理的通道中，加快各個通道中數據的傳輸速率。再次，利用負載平衡法，導出已經經過數據處理后的負載，提升整個數據管理中心的效率。最后，在處理中控制好電量數據分布、數據傳輸速率以及負載均衡3個差異變量。除此之外，文件訪問通常是不可預測的，需要提前準備，避免發生不可預測的故障。

2 實驗分析

為了驗證基于人工智能的電力數據服務管理在應用過程中的有效性，將其與傳統的數據服務管理方法進行對比，以響應時間為對比指標進行對比驗證。

2.1 實驗準備

實驗測試模塊選取NameNode核心數據檢測模塊，負責在檢測電力數據服務平臺中存儲和管理的所有電力數據，數據模塊結構如圖2所示。

圖2 數據模塊結構圖

由圖2可知，電力數據管理平臺是利用數據模塊結構為基礎，對電力數據服務進行管理。此時模塊中的子節點管理的所有分支被分為多個部分運行，使用各個部分的序號作為標簽就可以找到數據所屬的組織。每個組織包含一個由PARENT GLOBAL ID指向一個數據列表的節點值，列表中所有的電力數據具有相同指數，即位于同一個目錄下。

2.2 實驗結果與討論

采用本文設計的基于人工智能的電力數據服務管理方法和傳統的數據服務管理方法分別進行6次循環管理，確定各方法的管理響應時間，結果如表1所示。

表1 管理響應時間 單位：s

由表1可知，本文設計的基于人工智能的電力數據服務管理方法的管理響應時間遠低于傳統的數據服務管理方法，具有省時性。由此證明，人工智能可以縮短電力數據服務管理的響應時間。

3 結 論

人工智能的普及為我國各行各業都帶來了便利，利用人工智能管理數據信息可以有效減少其數據服務管理的響應時間，實驗也驗證了本文設計的基于人工智能的電力數據服務管理方法具有省時性，有一定的應用價值。但由于人工智能技術一直處于不斷進步的狀態，因此還需要在后續的應用中進一步優化。