（广东电网公司佛山供电局 广东佛山 528500）
摘要：电力通信管理落后，缺乏全面的智能化网络管理。大数据分析速度快、功能强大，具有传统数据处理技术无可比拟的优势。本文基于大数据分析技术，介绍了大数据分析主要内容、特点，结合电力通信现状，提出了大数据分析在电力通信的具体功能应用。各功能的实现，提高了通信网风险、故障预警能力和安全管理能力，有助于智能电网发展。
关键词：大数据分析；电力通信；数据挖掘；风险分析
Summary：Power and telecommunications management is backward，the lack of comprehensive intelligent network management. Big data analysis speed and powerful，with the traditional data processing technology incomparable advantages. Based on big data analysis technology，this paper introduces the main content and characteristics of big data analysis，and puts forward the application of big data analysis in power communication based on the status quo of power communication. The realization of each function improves the risk of communication network，failure warning ability and safety management capability，which is helpful for the development of smart grid.
Keywords：Big data analysis Power communication Data mining Risk analysis
引言
目前，电力通信的设备类型多、数量大、网络结构复杂，故障管理、网络风险分析、安全分析和管理智能化水平比较低。随着大数据分析和数据挖掘技术在各个领域运用，对于现有基础数据的有效利用和深度挖掘也将成智能电网的一大发展方向。通信运维人员对于设备、网络风险分析、故障预判等迫切需要大数据分析技术的支持，建设电力通信的智能网络管理。
1 电力通信现状
目前，随着电网的发展，电力通信设备规模的日益增大，通信网络也日趋复杂，与外界相关性也越来越大。电力通信网络除网络结构复杂、设备众多等自身因素影响外，还与通信专业内运维、系统内检修、施工、系统外施工等各方面关系密切。通信网络的日常管理依靠传统人工管理，没有对这些大量的基础数据进行深度的关联性、多维度分析，分析耗时耗力效果差，安全管控能力薄弱。
电力通信网络发展迅速，数量大、种类多、结构复杂。针对电力通信设备、网络的风险分析主要依靠通信运维人员，分析方法和工具落后。随着对电网运行要求的提高，设备、网络风险分析结果不能全面、客观反映安全风险，无法满足日益发展的需要。
通信网络专业系统众多，缺乏有效的联系，故障管理依靠人工分析及网管告警，故障数量大，重复、误告警多，人员素质存在差别，众多原因使得无法快速准确、及时分析告警原因，定位故障点。故障发现、应对，缺乏预测性，处理时间紧急，安全风险大。
因此，电力通信网络管理智能化水平较低，缺乏全面的风险预警、分析手段，急需新技术来提升效率和安全。
2 大数据分析技术简介
2.1 数据挖掘
数据挖掘是大数据分析的关键过程，根据挖掘目标，采用各类算法和数据挖掘工具，深入大量、复杂的数据内部，挖掘分析，转化、提炼为有价值的数据信息。挖掘过程包括数据准备、数据挖掘和知识运用等。数据挖掘的算法有决策树、神经网络等，分析方法包括聚类分析、关联分析、分类和预测等1。
2.2 预测性分析
预测分析是大数据技术的核心应用，利用预测模型、机器学习、数据挖掘工具对当前、历史数据进行分析，从而对未来、不确定性事件进行预测2。选择预测算法需考虑预测形式、预测精度、可操作性等因素。
2.3 语义引擎
数据各不相同，需要语义分析来解析、提取、处理数据，再进行使用。语义引擎能从大数据中分析特征、从文档中智能提取信息，通过语义建模，从而预测未来的数据。语义分析基础是文本基本处理，分为文本语义分析、图片语义分析，包括分类、特征提取等内容。
2.4 数据质量和数据管理
大数据存在不精确等数据质量问题，需提高数据的质量，才能进行下一步分析、使用。数据质量和数据管理通过标准化的流程和工具，对数据进行处理，形成预先定义的高质量数据结果3。数据清洗能提高数据质量，数据质量的评估维度包括完整性、规范性、一致性、准确性、唯一性、关联性4。
2.5 可视化分析
以信息发现为核心，根据人和计算机特点进行建模，实现用户的人机交互可视认知。将原始数据以可视化形式传递到人的感知认知系统，能让人瞬间感知大量信息，具有丰富的表达能力，真实性强5。大数据的信息可视化技术主要包括图形、多维数据可视化技术等。
3 大数据分析在电力通信的应用
电力通信基础数据众多，内容详细，大数据分析的数据来源包括通信目前主要的专业系统、生产系统等系统接口数据，还可包含外部系统录入的相关信息，通过对应采集规则存储入分布式数据库。通过大数据分析技术，对数据进行质量管理、语义分析等，进一步通过挖掘算法建模，实现预测性分析。结合电力通信当前运维实际情况，电力通信的大数据分析方法可主要应用于风险预警、故障预警与定位、设备缺陷分析、设备状态评估、安全风险分析等方面，系统总体功能架构设计如图1：
图1 系统总体功能架构设计
3.1 风险预警
目前，电力通信网络由光缆网、传输网、数据网等多个专业网络平台构成，形成不同的网管和应用平台。网络风险包括网络开环风险、业务同路由风险、同施工风险等多种风险。在申请光缆施工、故障检修管理、方式调整时，申请、审核人员只能对一定内容进行风险分析，而且工作量比较大，无法进行全面的风险分析。利用大数据分析和挖掘技术，关联网络拓扑，对接当前电网当前使用的各个管控系统，对光缆施工、故障检修管理、方式调整的时间、内容、影响范围等网络资源，进行通信网综合性风险分析，分析是否存在中断业务、多点同时开工、多段网络开环、多点设备、多段隐患叠加等导致网络意外中断风险，一旦发现风险，立即预警，自动生成预警报告，做出应对预案，合理安排施工等。预警内容可包括：设备退运预警、高发告警区域预警及影响面预警、同路由电路及业务预警、施工影响预警、检修工作影响预警。还可对通信专业以外的其他单位、部门提供外部数据，提高数据源的采集和利用，特别是施工、停电信息等，提高风险预警能力。
3.2故障预警与定位
电网目前对故障的管理都是后处理方式，故障发生后才去处理，无智能化的故障预警平台，损失大，故障处理时间紧急。结合通信网络监控和历史运维、故障原因、处理信息等，每过一个周期，搜设备、网络实时状态信息，利用大数据分析技术进行设备运行状态监测和网络流量等性能分析，形成设备、网络的历史状态分析曲线，对设备、网络的可能变化作出预测，从而对可能出现故障的设备进行故障预警，通知运维人员检查、更换、应急处理等。
在出现故障时，综合各个专业网管系统告警和监测系统信息，利用大数据分析技术，开展多维度、关联性分析等，立即快速分析出故障位置和原因，提供故障处理简要方案等。
同时利用大数据统计分析能力，可同步管控、生产系统，将故障数据与工作票、故障单、检修单进行核对，实现故障处理流程依从性管理。
3.3设备缺陷分析
目前，电网运行了几十年，积淀成了一份真实的设备缺陷数据库，包括了故障的类型、时间，缺陷现象、故障原因，故障处理方法、详细处理结果等各类基础数据，利用近10年来所登记和维护的缺陷登记单作为数据源导入，形成历史缺陷大数据库。利用大数据分析技术，可对设备缺陷进行统计性分析，形成详细的缺陷统计报告。结合与资源、网管等的接口数据，可以为后续的设备健康分析、风险评估、故障判断，决策策略等提供有效的依据，同时也极大的为仓库管理提供信息，购买精确的准备备品备件等。
3.4设备状态评估
每年，电网都对设备开展设备状态风险评估分析，目前主要由人工一项项核查开展，效率低，效果不理想。利用大数据分析技术，可实现更为强大、只能的设备风险状态评估，建立一套完整的评估体系。不仅基于设备的型号、生产、投运时间、运行方式、电源供电等常规的状态评估，进一步可利用数据分析的特点，充分利用缺陷数据库，根据电力通信运维指标判断，开展运行负载、历史状态、“家族性”缺陷等各方面分析，得出综合、全面状态评估结果，提高设备状态评估准确率。自动生成设备风险评估报告和统计性分析，为立项目整改、风险预案等决策提供依据。
3.5安全风险分析
利用大数据的强大分析功能，可实现通信网的全面安全风险分析，可收集通信网相关数据，重点关注网管告警、网络性能、网络资源及各专业间的关联信息，利用数据分析和挖掘技术，结合日常工作经验与需求，可构建通信网风险分析模型，开展网络风险分析。对网络系统进行数据扫描，将整个网络的使用情况形成报告，包括：设备利用率，光缆使用率，资源使用率、存在同路由的传输系统、主备存在同路由的电路及业务、各类型端口占用率排行、汇聚骨干环接入能力及占用率情况。结合已发生的故障及设备健康状态，进行自动的统计和关联分析，避免人工检查的遗漏，提高安全分析全面性和智能水平。
3.6智能决策
利用数据的关联性分析，基于风险预警、故障预警与定位、设备缺陷分析、设备状态评估、安全风险分析等多方面数据，在年度、月度提供周期性运维策略，包括生产计划、定检、备品备件调度、设备投退运、巡视、方式调整、路由调整、检修等各类决策，如：在发生路由故障时，可提供故障的推荐路由等。也方便编写风险预案，提出资源现状、发展趋势决策，解决人为决策方面的主观、思虑不周全缺点的缺点，形成智能化的管理决策思维。
4 结语
随着智能电网的发展和供电质量要求的提高，传统的数据处理技术难以满足日益增长的需求，大数据分析技术是一系列采集、存储、管理、处理、分析、预测和可视化技术的集合，具有无可比拟的优势，将在电力通信中发挥越来越重要的作用。
参考文献：
[1]大数据研究 严霄凤，张德馨 计算机技术与发展 2013.04 1-2
[2]面向大数据的分析技术 高志鹏，牛琨 北京邮电大学学报 2015.03 4-5
[3]数据质量研究综述 韩京宇，徐立臻，董逸生．计算机科学，2008.02，1-5．
[4]社会网络大数据分析框架及其关键技术 易成岐，鲍媛媛 中兴通讯技术 2014.01 1-3
[5]任磊，杜一，马帅，等． 大数据可视分析综述［J］． 软件学报，2014.03 2-3
作者简介：
吕华良（1987—），男，工程师，硕士，从事电力通信建设与管理工作。
论文作者:吕华良
论文发表刊物:《河南电力》2019年6期
论文发表时间:2019/12/12
标签：大数论文; 数据论文; 风险论文; 故障论文; 设备论文; 据分析论文; 技术论文; 《河南电力》2019年6期论文;