摘要：随着智能电网信息技术的快速发展，用电信息采集系统自建成后积累了海量的电网采集量测类型的数据，采集量测数据是电网领域的重要数据类型之一，是电网设备状态监控、电网业务辅助决策分析的主要依据，用电采集数据分析和智能监测系统是：用电数据搜集系统在配电网搜集的数据作为前提，综合营销系统、GIS、PMS系统等通过营配集成运用效果，对配电网运行、供电稳定性、线损进行检测。本文主要分析探讨了大数据分析技术在采集运维业务中的应用情况，以供参阅。
关键词：大数据分析技术；采集运维业务；应用
引言
随着电网信息采集系统的大力推广，用电信息系统的信息采集范围、应用范围持续增大，伴随着用户量和业务需求量的增长，传统数据采集处理技术和系统构架已经无法满足当前对系统数据处理分析的要求。在这种情况下，如何满足系统建设和发展需求，对用电信息采集系统框架进行运维优化，成为了当前思考的首要问题。大数据下的用电信息采集运维优化受到广泛关注。
1大数据分析技术系统概述
具体来说，大数据分析技术系统的主要依靠关系型联机分析处理和多维联机分析处理等关键技术措施来为电力系统提供各项数据服务的。在电网系统工作开展中，大数据分析技术系统主要分为三个层次，一是数据储存层。数据储存层需要进行数据库系统的建设，同时还要确保各类数据信息类型的全面性。二是数据分析层。电力信息数据被储存之后，需要进行数据分析模型的构建，进一步分析数据异常情况。三是数据应用层。分析后的数据信息会被反馈到操作终端，电网工作人员会根据故障情况，及时进行系统修复。
2采集系统运维业务的大数据分析模型
2.1大数据分析技术
在采集系统中大数据主要包括数据采集、清理、存储、分析、处理和应用等多个环节，而大数据分析技术则主要包括有关系型联机分析处理和多维分析技术两种，对用电信息采集系统进行优化。其中关系型联机分析处理是一种联机分析处理的表现形式，这种技术是建立在关系型数据库的基础上，通过关系型结构来对多维数据进行存储，并对在数据库中的数据进行动态分析和多维分析。采用关系型数据库进行数据存储，存储空间耗费较小，对维度数也没有限制，数据装载速度较快。而多维联机分析技术则是OLAP的一种表现形式，是建立在多位分析数据存储结构的基础上的，多维联机分析处理主要是采用专门的多维结构来进行数据存储，但数据文件的大小却受到操作平台的限制，在存储规划中需要测算数据量的大小，否则会导致数据爆炸，此外，还缺乏数据访问和数据模型标准，在对查询响应速度的分析中高于其他OLAP技术。
2.2大数据运维业务架构
大数据运维业务架构主要是对数据进行收集、采集、营销与运维等，采用数据抽取转换加载层进行数据的分类和调配，并为数据存储提供相应的数据，数据存储层在对数据分类存储后为数据分析提供所需的数据。对数据进行优化与检索。并为数据应用层派发异常工单，在对异常工单进行智能处理和多维度质量评价中提供相应的数据支撑。其中数据源主要是从营销系统、采集主站及采集运维闭环系统中获取，如异常工单、用户档案数据等。
3大数据分析技术在采集运维业务中的应用
3.1异常工单智能化派发应用
目前，在分配异常工作单时，大部分负责收集操作和维护人员。然而，当人工作业订单分发时，现场情况的紧急程度很难做出合理的判断。
期刊文章分类查询,尽在期刊图书馆当大量生产异常工作指令时，无法合理地消除工作指令的顺序，并且难以在最短的时间内修复需要紧急处理的故障，造成大量的经济损失。本文从多维分析的角度，对大量的系统运行维护数据和历史数据进行了分析，判断了不同类型的异常工作单的严重程度以及异常工作单的处理效率。（1）采集运维效用值模型。在单个仪表的效用值的情况下，它主要受下月抄表的平均月用电量、异常持续时间和天数的影响，而工单的总效用指的是故障表的效益的总和。工单。也就是说，故障的电能表的数量的影响。根据这些因素，可以得到效用值的模型公式，即Y效用值=Σf(x)，其中Y效用值指的是采集运维业务的效用值，而f(x)则表示的是单个电表的异常采集运维效用值，i表示的是第i个电能表。(2)模型应用。在采集异常运行维护数据的分析和处理中，主要分析了月平均电耗、异常持续时间和从下表读数开始的天数，其中月平均电耗仅取电量。城市消费作为效用价值。最后，计算值较大。将标准月用电量作为最终的数值单元引入到整个模型中。标准用电量是随机选择大多数用户的实际用电量，计算各类用户的月平均用电量。标准功耗是基于大多数用户所消耗的平均电量。异常持续时间是指每台仪表故障持续一天，就损失监测一天的电量，并以累计方式计算监测电量。对从下次抄表开始的天数的分析表明，用户的功率损失概率越大，故障的紧急维护程度越高，并且从受益抄表开始的天数越长，从受益抄表开始的天数就越长。在读取时，用户的功率损耗概率越高，故障的应急维护程度越高。结果表明，用户的功率损失概率较小，影响因素接近0。
3.2异常工单智能化分析处理
原有的采集运维业务开展主要是由于缺乏大数据支撑，当运维人员对该地区缺乏一定的熟悉程度的情况下，运维工作的效率较低。对已发生的故障缺乏准确的分析能力，运维人员只能对现场故障类型进行一一排查。在对异常工单的历史大数据中采用大数据分析技术，可以通过系统异常分析功能对现场的故障类型进行快速判断，提高现场的运维效率。对于新生成的异常工单，可以通过生产厂家、国网招标批次、故障设备类型等维度对异常原因的发生概率进行判断。从而确定异常工单的主要原因，并对比值大小进行比较预测出异常原因，从多维度分析角度对异常原因的分析概率比值公式为Y比值=乏f(xi)／n，其中Y比值指的是单个异常原因的概率比值，而f(xi)则表示的是单个维度下单一异常原因的发生概率，n表示所有维度总量。
3.3采集运维多维度质量评价
在实际的技术应用过程中，主要会从以下几个方面着手，实现对于电网系统的多维度的数据评价。一是对于电网系统应用的各类设备产品进行质量评价，通过设备的使用情况，大数据分析技术可以结合各类电网设备的运行数据信息、异常终端数据信息构建起一个电网产品设备的质量分析评价指标。具体来说会主要对以下三个方面的数据信息进行处理分析，分别是终端故障的更换率、终端时钟偏差超标占比、各个厂家终端故障率。通过数据运算，能够了解各类设备的运行情况，同时还可以进行设备运行品质评估，了解设备性能，确保各项工作的有效开展。二是对于电网系统运行维护的工作质量进行整体的数据评估。在电力系统当中，电网运维数据会进行即时更新，同时还会影响到整个电网工作品质。
结束语
总之，用电信息采集的运维管理是一项庞大而复杂的工作，本文提出的对异常工单智能化派发、异常工单智能处理和采集运维多维度质量评价只是对其中的一部分业务进行了优化应用，后续还将对采集异常智能化甄别、异常工单智能处理及异常工单智能化派发进行更深入的实践与研究，最终为满足国网营销部的“全覆盖、全采集、全费控”目标要求提供强有力的技术保障。
参考文献
[1]侯亚男.大数据分析技术在采集运维业务中的应用[J].区域治理.2018 (44)
[2]刘海燕.大数据分析技术在采集运维业务中的应用[J].建筑工程技术与设计.2018(25)
[3]王建昆.大数据分析技术在采集运维业务中的应用[J].中国新通信.2018(12)
论文作者:王琪涵1,范雅舒2,周宇桐3
论文发表刊物:《基层建设》2019年第19期
论文发表时间:2019/9/21
标签：数据论文; 多维论文; 异常论文; 大数论文; 电网论文; 技术论文; 系统论文; 《基层建设》2019年第19期论文;