关键词：电力信息通信；智能化运维；大数据
在2019年，全国两会上国家电网提出了要建设世界一流的能源互联网企业，其中物质基础就是要建设并运营好两张网，即建设智能电网和泛在电力物联网。泛在电力物联网是运用云物大智移五大技术，实现电力系统各环节万物互联，人机交互，这对电力信息通信数据智能运维技术提出了更高的要求。
一、智能化运维
我国电力通信网络目前已经初具规模，现在广泛地承载着客户服务、营销、地理信息、人力资源管理、办公自动化、视频会议、IP电话、集中抄核收等多种数据业务。随着电力企业信息系统的不断应用，构成信息系统的基础设施规模庞大，结构复杂，设备种类众多，为了实现信息资源的合理配置，有效管理，确保系统安全可靠运行，集中监控系统的建设成为信息通信运维工作的重点。早期的信息通信运维起源是各个设备厂家的网元网管等监控工具，随着信息技术的发展而升级换代，在大数据、云计算、虚拟化等技术的考验下逐步完善成熟。
当下人工智能技术是最火爆的前沿技术，在计算机科学领域是最值得期待的一个分支。智能化将大大减轻人的劳动，以最少的人工干预来完成复杂的工作。在运维领域，如果用智能化程序代替运维人员，能够在最少的人员干预下使用故障探测技术寻找故障点，当发生故障问题时，通过问题分析引擎快速定位故障根源并给出解决方案，并且可以自动运行与之脚本与工具尝试进行故障修复，同时还可以根据暴露出来的问题进行关联分析，找出潜在的隐患并制定预防方案。当然现在的人工智能技术还达不到这样的技术水平。但是大数据技术却提供了伪智能的可能，因为大数据分析可以通过各种数据来挖掘关联信息，进而实现相对科学的预测。目前智能化运维所走的道路主要就是利用大数据技术来实现的。
二、电力信息通信数据智能化运维技术
（一）大数据是电力信息通信数据智能化运维的关键技术
随着电力信息通信网络规模不断变大，网络结构日趋复杂，系统节点、接口增多，运维的最大挑战来自于对故障的快速定位。智能化运维的价值就在于能够实现故障的快速定位。目前国家电网要打造泛在电力物联网。进一步结合上文的分析，目前电力信息通信网络的智能化运维主要的基础在于数据，当然这也是因为智能化运维是从IT领域发展而来，在Gartner的定义当中描绘了智能化运维的11大功能，包括历史数据管理、流数据管理、日志数据提取、网络数据提取、算法数据提取、文本和NLP文档提取、自动化模型的发现和预测、异常检测、原因分析等等。这些功能描述中数据都是基本的前提。所以电力信息通信智能化运维也应当基于巨量的数据来构建。
目前随着电力系统的不断信息化，大量的数据保存在电力系统的数据库当中，实时采集的数据，离线数据均呈现出指数化增长的趋势，由此可以从数据挖掘开始，基于科学的数学模型，添加相应的最新数据来进行综合分析，进而对未来走势进行预判。而数据来源则不仅仅依靠电力系统的数据，还有包括及交通部门、住建部、气象部门、电信运营商等。当然基本的数据类型可以归纳为设备空间学习数据，通道基础地形数据，运行维护专题数据，气象数据，林业数据等等。通过对这些数据的挖掘进而分析出电力通信网络当中可能存在的薄弱环节，进而识别出危险源。
未来很大可能是人工智能的时代，机器学习非常关键。
期刊文章分类查询,尽在期刊图书馆当然现阶段要实现机器学习也有很多种方法，在本课题的研究当中，主要列举自适应增强方法——ADABOOST。该方法给定一个训练样本集S，其中X和Y分别对应正例样本和负例样本，T代表训练的最大循环次数，然后初始化样本权重，得到训练样本的初始概率分布1/n。然后开始迭代，在迭代过程当中训练样本的概率分布相当，训练弱分类器进行分错，并且计算出分类器的错误率，算法自动选择合适的阈值来确定误差，并且使误差最小化。这样分错之后的样本就需要自动更新权重，进入下一次训练，得到T个弱分类器，并且叠加更新的权重，最终得到强分类器。该方法可以利用SKLEARN模块来实现，具体代码可参考ADABOOST分类器的官方文档。
实际上电力信息通信的运维可以参考电信运营商的智能化运维方式。因为电信运营商所架构的通信网络更加复杂，在一个普通维护人员的日常运维当中，每天的告警平均处理量约300条，这其中还不包括无效指派和错误指派，也就是说通信系统的运维将要花费大量的人力和物力。所以利用这样一种算法来进行大数据分析，该算法为Apriori，一种挖掘关联规则的频繁项集算法，这是一种开源学习算法，利用它来打造了Prefix-Span算法来进行增强，形成了超过8000条告警关联规则，对偶然性关联告警的识别率大大提升，使用这一类机器学习的方法后告警率被降低了90%以上。
（二）大数据如何支撑电力信息通信智能化运维
在大数据分析当中，只有有用的数据才有价值，因此必须要用数据挖掘技术来挖掘到有用的数据才能对电力企业的通信运维决策起到信息支撑的作用。大数据，因为体量非常大，其中有很多是没有用的数据，比如NULL值、符号以及字母等无效数据。在准备数据时，这些数据都是需要处理掉的，剩下的数据才是有用的数据。
对于电力企业而言，其本身积累了非常多的数据，但是这些数据都是异构数据，因为这些数据来自不同部门，并不单单只是运维，这里就需要数据的共享。数据共享上没有实现，在大数据分析上存在短板，数据挖掘作为大数据分析的核心，必须要解决好数据格式问题，一般可以将数据格式转化为XLS或者CSV格式，并由统一的数据库来管辖，然后利用SQL脚本来实现数据的采集，然后进行必要的处理后，即可得到数据分析用的有用数据，然后再进行数据挖掘，在有用数据当中挖掘出更加客观准确的数据，用于数据分析，并用来支撑决策。
比如SG-I6000是国家电网公司的信息通信调度运行体系，集成了通信调度、运行、检修、客服、三线的新一代通信一体化调度运行支撑系统，该系统借鉴了IMS以及TMS的设计经验，考虑对信通业务的全面支持，引入数据仓库来加强对数据挖掘的支撑，配合大数据技术，可支撑多业务的一体化管控。
大数据的可视化集成平台采用WEB页面超链接方式，实现平台页面的数据封装、服务封装、业务需求等的调用，本质上就是形成了一个WEB的数据采集系统，这一系统具有标准化，统一性的特征，打通各个系统的应用页面，满足不同业务，不同场景的数据需求。采用全数据链闭环反馈自适应模式，对电力系统及其通信系统的核心要素、重点目标、线上线下位置、状态、数据、关联、分析等数据进行全面挖掘分析和智能化分析应用。
结束语
综上所述，电力信息通信智能化运维现阶段主要依靠大数据技术，利用数据分析来支撑科学的运维管理。因为本身电力通信系统的运维难度就比较高，电力通信系统通常是跟随电力线路来进行架设的，可谓点多面广，要对通信线路进行全面运维，需要消耗大量的人力物力。在人工智能尚未满足运用条件的情况下，大数据技术可以给智能化运维提供支撑。
参考文献
[1]焦睿.电力信息通信运维体系的优化对策[J].通讯世界,2019,26(07):100-101.
[2]曹百慧.电力信息通信一体化运维体系探讨[J].中国新通信,2019,21(14):30.
[3]刚毅凝,同东辉,邸卓,等.电力信息通信一体化运维体系探讨[J].信息与电脑(理论版),2019(03):196-197.
论文作者:吴笑
论文发表刊物:《科学与技术》2019年14期
论文发表时间:2019/12/4
标签：数据论文; 电力论文; 通信论文; 信息论文; 技术论文; 大数论文; 样本论文; 《科学与技术》2019年14期论文;