摘要：对电力行业而言，电力生产涉及的运行工况、参数、设备运行状态等实时生产数据，现场总线系统所采集的设备检测数据以及发电量、电压稳定性等方面的数据，电力企业运营和管理数据，共同构成了“电力大数据”。目前，大数据分析技术在电力生产运维和安全管控中的应用较少。而大数据技术应用到电力生产运维工作中将发挥巨大的作用和产生良好的经济价值。本文将大数据技术与最优运维策略、设备状态趋势预判、现场作业安全管控、顺控操作时远方视频验证等方面进行结合，来阐述对运维模式的改进和提高运维效率的作用。
关键词：大数据；运维策略；安全管控；技术研究
1引言
随着我国信息化时代的快速发展，大数据作为一项重要的技术手段，在各行各业被广泛的应用，同时整体提高了其相关行业的运作效率。而通过大数据的有效应用，也给了数据中心的管理提出了更全面的功能性要求。特别是通过大数据和自动化运维平台的有效结合，从而可以大幅度的减少人力造成的工作失误。同时还可以更好的应对大规模集群所产生的各种问题。综合来看，大数据时代自动化的运维管理，是新时代下信息技术发展的必然阶段，其将会为我国的信息化以及移动互联网建设带来深远的影响。
2大数据概念
大数据的概念最早是由维克托•迈尔•舍恩伯格和肯尼斯•库克耶提出，指不用随机分析法(抽样调查)的捷径，而是采用所有数据进行分析处理[}l。近年来，大数据受到了日益广泛的关注，是指通过对大量的、种类和来源复杂的数据进行高速地捕捉、发现和分析，用经济的方法提取其价值的技术体系或技术架构[al0因此，从广义上讲，大数据不单单是指大数据中涉及的数据，更是包含着处理和分析这些数据的思想、理论和技术。近几年，大数据发展迅猛，己经成为科技界和企业界乃至世界各国政府关注的热点。《Nature》和《Science》等相继出版专刊专门探讨大数据带来的机遇和挑战。目前来说，各行各业已经离不开数据，数据己经成为影响生活生产的重要因素。大数据不可以片面的理解为一种新技术或新产品，而是可以理解为新现象，已经成为研究的热门话题。大数据具有以下4个特点，即4个“V":（1）数据体量(Volumes)巨大。大型数据集，从TB级别，跃升到PB级别。（2）数据类另。(Variety)繁多。数据来自更力{丰富，类型更力口多样，包括半结构化和非结构化数据。（3）价值(Value)密度低。例如，日常监控视频为了能够记录下真正有价值的两三秒钟的数据，需要持续的进行拍摄记录。（4）处理速度(Velocity)快。只有更加快速的处理挖掘实时数据才能满足日益多变的业务需求。大数据的应用领域将会更加广阔，应用前景被人们所期待，大数据早期在商业、金融等领域广泛应用，接着又逐步扩展到交通、医疗、能源等领域。
3基于大数据的运维管理现状
3.1运维方式被动
在大数据环境下，为了满足用户信息资源的应用需求，电力系统的整体架构逐渐变得复杂。而传统的电力系统运维模式大多是被动式运维，即出现问题、发现问题、找出问题、解决问题。目前，这种运维模式是在出现问题之后才会开展运维工作，事前没有采取任何主动防范措施，这要求运维人员必须具有较高的运维素养，快速找出问题、排除故障，否则就可能给用户造成严重损失。这种被动的运维模式已经很难满足日渐复杂的信息系统的运维需求。
3.2运维工作的自动化水平较低
目前，随着信息技术的不断进步，电力运维系统的技术水平也有了很大进步，但总体来说，我国电力系统运维工作的自动化水平并不高，很多运维工作都需要工作人员人工处理，比如，一些系统文件的简单变更往往需要工作人员对所有相关设备进行逐一操作，运维效率较低，对大数据环境下电力系统的运维来说远远不够。因此，只有不断提升运维工作的自动化、智能化水平，才能有效提升电力系统运维的工作效率，满足大数据环境下电力系统的运维需求。
期刊文章分类查询,尽在期刊图书馆
3.3运维过程存在泄密隐患
目前运维人员在执行数据运维时，通过本地终端访问运维审计系统，根据运维审计系统中的资源访问权限去访问相应资源，进行相关数据的运维操作。在该过程中，由于运维人员可对数据库中的数据进行查询及导出操作，并能将数据导出到本地终端，相应数据没有采用安全措施进行防护，存在运维人员在获取导出的数据后进行非法利用的风险。
4基于大数据的运维策略及安全管控技术措施
4.1运维策略的算法和策略评价模型的构建
以变电站运维为例进行说明，变电站内各种设备信息数据，如设备温湿度，油位油压，运维人员的临时任务等都时刻传送到运维数据的中心，使得运维数据中心数据量巨大。在面对如此繁多的的数据大规模的访问的情景下，如果仅仅考虑变电站数据的整体性能已经远远无法满足运维人员对多QOS的需要。因此，就迫切需要建立一种能满足和适应多种数据需求的运维机制，不仅在可以确保运维人员的多QOS需求，实现数据资源与运维人员的最优效用，而且能够重视数据资源的有效利用和系统综合性能的显著提高。结合电力运维数据的特征和在异构环境下对QOS的研究，选取可靠性、时间参数、优先级和安全性作为其约束条件，使用效用函数将QOS转换为效用值，以评价运维目标的实现程度
4.2扩大数据来源
在数据采集方面，要打破纵向和横向的局限，扩大数据的周期，比如选择十一五期间某银行的数据，这样可以减少系统用户行为受到季节或者是特殊日期的影响，从而保证结果的真实性。另外，可以对数据进行分类，分为管控数据、配置数据、作业数据、容器数据以及集成数据等，同时还要做好故障的定位工作。
4.3加强硬件架构排查力度
和常规的运维管理模式相比较来说，大数据背景下的运维管理模式也存在一定问题，如果问题比较严重，相关人员要立即进行检查与维修，在常规的运维管理模式当中，通常会采取人工检修方式，针对各个硬件设备进行故障排查，相关人员还要制定详细的周期排查计划，对各项硬件设备进行规范化管理，如果设备出现较大的运行故障问题，相关人员还要将数据资金进行迁移，防止出现信息故障，此过程比较繁琐，也特别容易发生二次故障。大数据下运维管理模式的有效运用，能够实现自动检查与监管，相关人员通过合理配置系统架构，在明确系统逻辑关系的基础之上，对系统进行故障排查，一旦发现系统硬件出现故障，要及时处理。
4.4防护措施
（1）安全摄像头监控。在运维专区安装安全摄像头对运维人员进行实时监控，集成机房监控系统，并做好监控设备的维护工作，不仅有效杜绝了运维人员用客户端直连数据库操作的行为，同时对机房操作也进行了有效的监控，以保障监控系统的长期、可靠、有效地运行。（2）采用人脸识别技术认证在运维用户登录运维审计系统时，通过终端的摄像头进行人脸识别验证，有效杜绝了盗用他人身份进行运维的现象，保证了运维数据安全，运维工作正常开展。（3）操作终端严格控制USB接口。由于任何移动介质的拷贝都有可能在局域网内造成病毒传播，因此需严格控制操作终端的USB接口，禁止运维人员利用U盘、移动硬盘等移动存储介质，在局域网内电脑终端上拷入非工作文件或拷出公司机密文件，这样才能防止信息泄密，同时保证网络与各应用系统的正常运行。
5结束语
本文通过多QOS评价模型运维策略的算法和策略评价模型的构建，扩大数据来源以及加强硬件架构排查力度等的研究，在变电站内实现了大数据运维的研究。
参考文献
[1]荣雪琴,刘勇,刘昊,卜树坡.基于时序数据库的电力运维系统关键技术研究[J].电测与仪表,2018,5509:48-51+83.
[2]王煜.基于大数据的风电场电力系统运维服务能力建设研究[J].中国高新技术企业,2017,10:115-116.
[3].国网青海电力配网运维大数据监测分析取得显著成效[J].农村电气化,2016,04:18.
论文作者:周沛然
论文发表刊物:《电力设备》2020年第1期
论文发表时间:2020/4/22
标签：数据论文; 人员论文; 系统论文; 终端论文; 电力论文; 工作论文; 电力系统论文; 《电力设备》2020年第1期论文;