摘要：随着我国社会经济的快速发展与科技水平的不断进步，人们的生活水平取得了巨大的提高。人民的日常生活与企业的正常生产离不开电能的支撑与保障。随着自动化智能化技术成为当今技术发展的主流。在电力系统中采用用电信息采集系统逐渐引起人们的重视。特别是使大数据技术与之相结合发展更是成为焦点。本文就用电信息采集系统中的大数据分析技术进行深入的分析与探讨。以提升工作质量与效率，提高管理能力与水平。
关键词：采集运维；大数据；多维度；智能化
0引言
随着用电信息采集系统的建立与推广，我国已逐渐全面覆盖该采集系统。如今所要面对的问题就是如何可靠地保障采集系统各业务能够顺利展开。
（1）缺乏故障处理优先级，运维效率低下。各省电力公司平均每天产生10000条异常工单，远远超过目前配备运维人员的工作能力。大部分公司没有制定合理的消缺机制，无法依据故障的紧急程度和重要等级开展运维业务。
（2）故障种类复杂多样，故障分析定位困难。用电信息采集系统涉及的运维对象有：智能电能表、采集终端、采集主站、本地通信信道和远程通信信道。目前统计的异常现象共七大类59种，故障原因98种。故障分析定位非常困难，普通的运维人员通常不具备定位故障原因并确定消缺方案的技术能力。
（3）缺少有效的考核评价体系。目前采集运维工作大多采用“故障查询–线下派工”的模式，缺少运维结果和故障信息的反馈环节。采集设备、计量设备、现场运维工作质量等方面均缺乏相关的考核评价体系，无法进一步提高运维工作质量。为了解决以上问题，本文从采集运维业务中工单智能派发、智能分析处理和多维度质量评价3个角度介绍了大数据分析技术在采集运维业务中的应用。
1采集运维大数据系统模型
1.1大数据分析关键技术
大数据在采集系统中的应用包括数据采集、数据清理、数据存储、数据分析、数据处理、数据解读和数据应用6个环节，本文针对数据分析环节中，引入关系型联机分析处理机制和多维分析技术进而优化整个系统进行论述。1）关系型联机分析处理（RelationalOnlineAnalyticalProcessing，ROLAP）。关系型联机分析处理是联机分析处理（OLAP）的一种形式。这种技术基于关系型数据库，以关系型结构进行多维数据的表示和存储，对存储在关系数据库（而非多维数据库）中的数据作动态多维分析。使用关系数据库管理系统（RelationalDatabaseManagementSystem，RDBMS）存储数据，数据文件大小受RDBMS限制；数据装载速度快；存储空间耗费小；维度数没有限制；可以通过SQL对数据进行处理。2）多维联机分析处理（MultidimensionalOnLineAnalyticalProcessing，MOLAP）。多维联机分析处理是OLAP的另一种形式，基于专门的多维分析数据存储结构。MOLAP使用专有多维结构存储数据，数据文件大小可能受到操作系统平台文件大小限制，难以达到TB级；规划存储时需要对数据量进行预测算，否则可能导致数据爆炸；数据装载速度慢；维数有限，无法支持维的动态变化；缺乏数据模型和数据访问的标准；分析查询响应速度高于其他传统OLAP技术，支持高性能的辅助决策计算。
1.2大数据运维业务架构
该业务架构收集采集、营销和运维数据，通过数据抽取转换加载（Extraction-TransformationLoading，ETL）层对数据进行分类适配，向数据存储层提供数据，数据存储层对数据进行分类存储后向数据分析层提供所需数据。数据分析层对数据进行优化、数据检索，为应用层的异常工单智能派发、异常工单智能处理及采集运维多维度质量评价提供数据支撑。
数据源主要实现从采集主站、营销系统和采集运维闭环系统获取所需数据，如用户档案、采集成功率和异常工单等数据。数据ETL层的主要功能是使用ETL工具对数据源数据进行抽取、清洗、转换，并向数据存储层装载。
数据存储层采取混合型的大数据存储和处理架构，实现对多源异构电力大数据的多样性存储和处理功能。混合存储可适应分布式文件系统、列式数据库、内存数据库等多种数据存储和管理形式，以满足不同应用的需求；处理架构分别面向离线分析、实时计算、计算密集型数据分析等场景，采用分布式批处理、内存计算、高性能计算等技术实现。
期刊文章分类查询,尽在期刊图书馆数据分析层实现应用系统的基础功能，如分析模型管理、批量计算、实时查询等功能。在数据分析层和数据处理层之间采用支持高并发、低时延事务操作的分布式内存数据缓存技术，以降低业务应用操作与数据处理层之间的耦合性，提高应用服务响应效率。
应用层构建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3项业务，实现采集运维闭环管理的业务功能。采用模块化软件设计方法实现3个模块功能的即插即用，并在充分考虑模块之间的信息联络及功能联合的基础上，遵循规范的接口，实现模块之间的功能融合，从而实现3个业务模块之间既可独立运行，又可协作互补。
2大数据运维优化方案
2.1异常工单智能化派发应用
目前，异常工单主要由采集运维人员人工派发，本文在研究了大量文献后发现：人工派发工单的问题在于不能充分对现场情况的紧急程度有合理的判断，并且在异常工单大量产生时，对于工单的消缺没有合理的先后顺序，从而导致须紧急处理的故障不能在最短时间内修复，导致更大的经济损失。本章提出对大量运维数据和系统历史数据进行多维度分析，甄别各类异常的严重程度，输出采集运维效用值模型，用于判断异常处理的先后次序，逐步提升异常工单处理的完成率和工作成效的可控性，从而进一步提高采集系统设备可用率和数据完整性。
2.2异常工单智能化分析处理
原来的采集运维工作由于缺乏系统大数据的支撑，在研究了大量文献和现场调研后发现，运维人员仅通过对所属地区的熟悉程度进行相对低效率的运维工作，缺乏对已发生故障的预分析能力，这导致运维人员仅能对现场故障类型进行逐个排查。借鉴了前人研究并引入对历史异常工单大数据分析技术后，运维人员可通过系统的异常预分析功能更快地判断现场故障原因，从而提高现场运维效率。
2.3采集运维多维度质量评价
目前采集运维工作使用大数据技术，对终端、电能表和运维服务质量评价没有有力的数据支撑。借鉴了前人研究并引入大数据后，可在采集数据、营销数据、运维数据之间建立桥梁，实现采集运维多维度质量评价。
3结语
通过引入大数据技术，对采集数据进行深入挖掘、分析与梳理，实现采集运维异常工单的智能化派发、分析处理和运维多维度质量评价，能够使运维工作由粗放式向集约化、精益化转变，进而提高运维工作效率和质量。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]刁培忠．用电信息采集系统在电力企业的应用分析[J]．中国电力教育，2010（9）：254-256.
[2]任秀萍.电力用户用电信息采集系统运维要点分析[J].中国高新技术企业，2014（36）：122-123.
[3]梁丽丽，张大伟，薛志敏，等.地市公司用电信息采集系统运维存在的问题探讨[J].电子技术与软件工程，2015（13）：200.
[4]张雷.电力用户用电信息采集系统现状与分析[C]//中国高等学校电力系统及其自动化专业学术年会，2009.
[5]孟祥君，季知祥，杨祎.智能电网大数据平台及其关键技术研究[J].供用电，2015，32（8）：19-24.
[6]雷启明.关系型联机分析处理（ROLAP）应用研究[J].中国科技信息，2008（18）：103-104.
[7]王凌云.基于多维数据库的MOLAP的聚集计算研究[J].中国西部科技，2006（28）：33-34.
[8]黄芳利.基于大数据平台的智能运维信息集成技术研究[J].昆明民族干部学院学报，2015（1）：56-58.
[9]贺红燕.基于大数据的智能电网关键技术研究[J].电源技术，2016，40（8）：1713-1714.
论文作者:陈为
论文发表刊物:《基层建设》2018年第16期
论文发表时间:2018/7/16
标签：数据论文; 多维论文; 异常论文; 技术论文; 采集系统论文; 质量论文; 故障论文; 《基层建设》2018年第16期论文;