（国网河北省电力有限公司 河北 050000）
摘要：资产管理对于企业来说是一项十分重要的工作。电力企业属于典型的资产密集型企业，其资产具有规模大、跨部门、更新快的特点，资产精细化管理的程度直接影响到企业的安全生产能力、服务社会能力、创造盈利能力和持续发展能力。而实现电力资产精细化管理首先必须实现对于所拥有的电力资产当前状况的客观、全面、准确的认识。提出一种基于图数据库的电力资产画像解决方案，全面阐述了电力资产画像的实现原理、关键问题及解决思路、具体的实现方式、画像成果的应用方式及产生经济效益。
关键词：电力资产；画像技术；图数据库
电力资产画像是电力企业实现对于电力资产当前状况的客观、全面、准确认识的有效手段。电力资产画像的实现依赖于电力企业运行过程中产生的业务数据。电力企业在日常生产过程中，产生了大量的与电力资产相关的业务数据。这些数据是以编码形式存在的信息载体，是物理世界的碎片化反映。电力企业可以使用这些业务数据，通过特定的分析方法，生成对于电力资产的一个个侧写，从各个方面客观、清晰、定性地描述电力资产。这些侧写汇总在一起，形成电力资产业务对象的全视角的电力资产画像，提供给电力企业使用。
1 资产画像技术基础-图数据库简介
为了记录资产画像标签值与资产画像模型之间的关联关系，便于进行关系查询，采用了最新的图数据库作为资产画像模型以及资产画像计算结果的数据存储技术。在这里，对于图数据库做一个简要介绍。图数据库以图结构作为数据模型，具有网状数据的存储与检索能力。相比于关系数据库，图数据的优势在于能够进行复杂连接关系的查询。图数据库具有专用的关系查询语言，以实现对于关系的查询，这类似于关系数据库中的SQL 语言。
2 电力资产画像
2.1 画像架构
画像是根据研究对象的基本属性、行为特征等信息抽象出的一个标签化的模型。构建画像的核心工作就是给研究对象贴“标签”，而标签是通过对研究对象信息分析而来的高度精炼的特征标识。画像整体架构包括数据源、标签定义与画像、展示与应用层次。其中，数据源主要包括来自于PMS、OMS、ERP、ECP等业务系统以及部分外部数据；标签定义与画像层次包括标签定义体系、定义画像计算、标签挖掘、标签画像库；展示和应用层是根据业务需求和规则进行个性化场景的定制，包括设备画像、供应商画像等内容；画像用途包括统计查询、数据挖掘、效果评估、精益化管理等。
2.2 画像展现与管理
画像涉及的数据种类、数量、类型众多。设计开发画像展示组件，即能形成对象数据的结构化摆放、容易快速识别关键信息。画像展示与管理技术涉及的内容如下。
（1）画像生成与展示。根据单个标签生成结果，对每个标签权重开展运算，生成画像。应提供功能支持人为对画像结果调整，以便于适应不同需要。根据用户点击情况自动识别用户的关注度，进行标签权限的调整。点击标签自动链接到系统中的向隋界面。
（2）画像管理。包括画像保存、画像共享、画像历史分析等技术问题。画像保存研究画像的保存格式问题，尤其经人工参与调整后的结果，涉及XML、图片处理等相关技术。画像共享研究画像在各种终端、系统中方便共享的技术，提供便捷的画像访问、展示方法。画像历史分析研究实现同一个对象的某些方面或整体历史画像的对比分析功能。
3 资产画像实现方案
3.1 电力业务对象画像模型结构。电力业务对象画像模型中包含了电力业务对象的标签信息、标签所使用的算法信息。系统进行画像计算时，将解析此画像模型，据此调用各个标签的算法进行计算。画像模型存储在图数据库中，如图所示。
图显示了变压器的画像体系模型。从计算实现的角度，标签可以分别是属性类标签、挖掘类标签、计算类标签。每个人标签分类下面可以包含任意数量的标签。属性类标签的标签值来源于一个业务数据表的某个字段。例如，“名称”标签的标签值是“台账表”的“名称”字段。
挖掘类标签的标签值来源于一个挖掘流的计算结果。使用数据挖掘软件制作一个挖掘流，电力资产画像计算可以通过数据挖掘软件的开发接口访问此挖掘流。挖掘流可以挂接一本字典，用以将挖掘流输出的数值型结果翻译成定性的标识。计算类标签的标签值来源于一个定制算法组件的计算结果。可以编写一个OSGI 组件，上传并注册。画像建模时，将此组件关联到一个标签，作为此标签的算法。画像计算时，此算法组件的计算结果就是此标签的标签值。
3.2 电力资产画像计算过程。电力资产画像的计算将依据上述的电力资产画像模型，按照一定的时间周期定期执行，每次计算都会生成一幅电力资产的画像。数据画像计算首先需要读取画像模型，找到画像模型包含的标签及标签配置的算法。依据标签的分类，提取标签关联的数据表字段、执行标签关联的计算组件、执行标签关联的挖掘流，得到相应的计算结果。从数据中提取的表字段可以直接作为标签值进行保存；计算组件及挖掘流的计算结果，可能需要字典进行翻译，以将数值型结果转换成定性的标识。“保存画像”流程节点进行标签值及中间结果的保存工作。所谓中间结果，是指标签值的影响因素的指标数据。例如，变压器的健康状况可能与工作环境平均温度有关，极寒或者极热都会导致变压器的健康状况不佳。因此，工作环境平均温度就可以作为健康状况标签值的影响因素指标。标签的计算组件、挖掘流会输出中间结果，以便描述标签值计算结果产生的原因。影响标签值的指标分别是正向指标、逆向指标、适度指标。正向指标的指标数据越大，标签值就越理想；反向指标的指标数据越小，标签值就越理想；适度指标的指标数据越接近最佳点，标签值就越理想。
3.3 电力业务对象画像结果存储方式。画像结果存储在图数据库中。通过增加画像对象节点、标签值节点、标签值与算法或者字典标识值的关联关系的方式保存画像计算结果，变压器画像计算保存了变压器的画像计算结果，各个统计周期的画像的标签值需要增加标签值节点进行保存。建立统计周期节点与“标签值”节点的“标签值”关系，以记录标签值属于的统计周期。需要记录标签值对应的字典标识，以记录标签值对应的算法及翻译字典，因此建立了标签值节点与画像模型的字典值节点的关联关系。如果标签值不需要查字典以转换成字典标识，可以直接将标签值关联到画像模型的算法节点。
3.4 电力资产画像计算结果应用。画像结果保存完毕后，可以使用图数据库查询语言，查询出电力业务对象各个统计周期的画像；可以查询出某个标签的某个字典值对应了哪些电力业务对象，从而在实际工作中采取相应的电力资产管理措施。电力资产画像的计算结果可应用于资产预防性检修、资产成本效能评价、供应商评价等电力业务场景。对电网资产预防性检修方面，运检部工作人员查询到最近一个月内健康状况为不合格的一台330 kV 变压器，根据健康状况标签以及此标签计算输出的中间结果画像结果影响因素指标，发现不合格的原因为油气试验中乙炔/乙烯的比值不在规定区间范围内，其发生低能故障的概率为65%；通过进一步查看该主变压器的行为标签运行。据此，辅助运检人员决定对该设备采取预测性检修。
通过实施电力资产画像，电力企业可以对于电力资产的状态进行全方位地了解，进而根据各个电力资产的状况，采取合理的精细化管理措施，保障电力资产运行安全、可靠、稳定，进而达到不断改进电网运行绩效，持续提升电网安全经济优质输电和供电服务水平的目的。
参考文献：
[1]宋才华，蓝源娟，范婷．电力企业客户细分模型研究[J]．现代电子技术，2017，37（2）．
[2]杨华飞，李栋华，程明．电力大数据关键技术及建设思路的分析和研究[J]．电力信息与通信技术，2017，13（1）：7—10．
[3]李婷．大数据资源优化在电网客户关系系统中的应用[J]．电网与清洁能源，2016，31（9）：16—20．
[4]蒋晓军．大数据电网资产全寿命周期管理经验借鉴研究[J]．财经界，2017，28（1）．
论文作者:王海鲲,武雷
论文发表刊物:《河南电力》2019年6期
论文发表时间:2019/12/11
标签：画像论文; 标签论文; 资产论文; 电力论文; 数据论文; 模型论文; 业务论文; 《河南电力》2019年6期论文;