大數(shù)據(jù)分析技術(shù)在采集運維業(yè)務(wù)中的應(yīng)用

劉暢

DOI：10.16661/j.cnki.1672-3791.2017.30.023

摘 要：隨著我國科技力量的逐漸提升，信息技術(shù)水平在不斷提高，大數(shù)據(jù)分析技術(shù)則是建立在信息技術(shù)發(fā)展的基礎(chǔ)上發(fā)展起來的，近年來大數(shù)據(jù)分析技術(shù)在多個領(lǐng)域中都得到了應(yīng)用，并取得了一定的進(jìn)展。隨著國民經(jīng)濟(jì)發(fā)展，人們對用電需求在不斷增加，用電信息的采集規(guī)模也在與日俱增，因此就要加強采集信息系統(tǒng)的運行維護(hù)工作。

關(guān)鍵詞：大數(shù)據(jù)分析技術(shù) 采集運維業(yè)務(wù) 用電信息采集系統(tǒng)

中圖分類號：G202 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-3791（2017）10（c）-0023-02

目前，我國對用電信息系統(tǒng)的建設(shè)和發(fā)展已經(jīng)逐漸完善，累積接入的采集終端約有1500萬臺，智能電表的接入約5億。為了確保在用電信息采集系統(tǒng)中各項業(yè)務(wù)順利展開，就需要加強對采集系統(tǒng)的運行維護(hù)工作，這也是采集系統(tǒng)未來主要研究和注意的問題[1]。從當(dāng)前情況來看，在采集運維業(yè)務(wù)中還存在著諸多問題，如運維效率較低，缺乏故障優(yōu)先處理級，故障種類多樣、復(fù)雜，難以對故障進(jìn)行準(zhǔn)確的定位等，因此本文就首先對用電信息采集系統(tǒng)的運維業(yè)務(wù)中所存在的問題加以分析，并進(jìn)一步提出在采集運維業(yè)務(wù)中大數(shù)據(jù)分析技術(shù)的應(yīng)用。

1 用電信息采集系統(tǒng)運維業(yè)務(wù)存在的問題

1.1 用電采集系統(tǒng)運維效率低

隨著社會經(jīng)濟(jì)發(fā)展水平的提升，在人們?nèi)粘Ｉ詈凸I(yè)生產(chǎn)中對電力需求量在逐漸增加，電力行業(yè)也得到了快速發(fā)展，但根據(jù)調(diào)查統(tǒng)計發(fā)現(xiàn)，電力公司每日產(chǎn)生的異常工單總計約有1萬條，工作強度遠(yuǎn)遠(yuǎn)超出運維工作人員的工作能力，且大部分企業(yè)都沒有建立消缺機制，在故障處理和運維業(yè)務(wù)開展中難以根據(jù)業(yè)務(wù)的緊急程度開展相應(yīng)等級的工作，從而導(dǎo)致采集系統(tǒng)的運維效率低下。

1.2 對故障點難以進(jìn)行準(zhǔn)確的定位

在電力企業(yè)的用電信息采集系統(tǒng)的運維業(yè)務(wù)工作開展中，主要的運維對象為采集主站、智能電表、遠(yuǎn)程通信信道、本地通信信道、采集終端。根據(jù)統(tǒng)計發(fā)現(xiàn)異常現(xiàn)象的種類可以分為59種，根據(jù)不同的故障原因又可以將其分為100種，故障的種類十分復(fù)雜、繁多，導(dǎo)致難以對故障點及故障原因進(jìn)行準(zhǔn)確的定位和分析，普通的運維工作人員也難以對故障原因進(jìn)行定位，缺乏消缺方案技術(shù)能力[2]。

1.3 缺乏完善的考核評價

當(dāng)前電力企業(yè)在用電信息系統(tǒng)的采集運維業(yè)務(wù)中主要采用的是故障查詢和線下派工的業(yè)務(wù)處理方式，對故障信息和運維結(jié)果不能進(jìn)行準(zhǔn)確、及時有效的反饋，在現(xiàn)場運維的工作質(zhì)量、計量設(shè)備和采集設(shè)備中缺乏相關(guān)考核評價體系，難以提高運維業(yè)務(wù)的工作質(zhì)量。

2 采集系統(tǒng)運維業(yè)務(wù)的大數(shù)據(jù)分析模型

為了解決在采集系統(tǒng)的運維業(yè)務(wù)中所存在的問題，在采集運維業(yè)務(wù)的開展中采用大數(shù)據(jù)分析技術(shù)，并建立大數(shù)據(jù)系統(tǒng)模型，對采集運維業(yè)務(wù)中的相關(guān)問題進(jìn)行分析。

2.1 大數(shù)據(jù)分析技術(shù)

在采集系統(tǒng)中大數(shù)據(jù)主要包括數(shù)據(jù)采集、清理、存儲、分析、處理和應(yīng)用等多個環(huán)節(jié)，而大數(shù)據(jù)分析技術(shù)則主要包括有關(guān)系型聯(lián)機分析處理和多維分析技術(shù)兩種，對用電信息采集系統(tǒng)進(jìn)行優(yōu)化[3]。其中關(guān)系型聯(lián)機分析處理是一種聯(lián)機分析處理的表現(xiàn)形式，這種技術(shù)是建立在關(guān)系型數(shù)據(jù)庫的基礎(chǔ)上，通過關(guān)系型結(jié)構(gòu)來對多維數(shù)據(jù)進(jìn)行存儲，并對在數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行動態(tài)分析和多維分析。采用關(guān)系型數(shù)據(jù)庫進(jìn)行數(shù)據(jù)存儲，存儲空間耗費較小，對維度數(shù)也沒有限制，數(shù)據(jù)裝載速度較快。而多維聯(lián)機分析技術(shù)則是OLAP的一種表現(xiàn)形式，是建立在多位分析數(shù)據(jù)存儲結(jié)構(gòu)的基礎(chǔ)上的，多維聯(lián)機分析處理主要是采用專門的多維結(jié)構(gòu)來進(jìn)行數(shù)據(jù)存儲，但數(shù)據(jù)文件的大小卻受到操作平臺的限制，在存儲規(guī)劃中需要測算數(shù)據(jù)量的大小，否則會導(dǎo)致數(shù)據(jù)爆炸，此外，還缺乏數(shù)據(jù)訪問和數(shù)據(jù)模型標(biāo)準(zhǔn)，在對查詢響應(yīng)速度的分析中高于其他OLAP技術(shù)。

2.2 大數(shù)據(jù)運維業(yè)務(wù)架構(gòu)

大數(shù)據(jù)運維業(yè)務(wù)架構(gòu)主要是對數(shù)據(jù)進(jìn)行收集、采集、營銷與運維等，采用數(shù)據(jù)抽取轉(zhuǎn)換加載層進(jìn)行數(shù)據(jù)的分類和調(diào)配，并為數(shù)據(jù)存儲提供相應(yīng)的數(shù)據(jù)，數(shù)據(jù)存儲層在對數(shù)據(jù)分類存儲后為數(shù)據(jù)分析提供所需的數(shù)據(jù)，對數(shù)據(jù)進(jìn)行優(yōu)化與檢索，并為數(shù)據(jù)應(yīng)用層派發(fā)異常工單，在對異常工單進(jìn)行智能處理和多維度質(zhì)量評價中提供相應(yīng)的數(shù)據(jù)支撐[4]。其中數(shù)據(jù)源主要是從營銷系統(tǒng)、采集主站及采集運維閉環(huán)系統(tǒng)中獲取，如異常工單、用戶檔案數(shù)據(jù)等。

3 大數(shù)據(jù)系統(tǒng)的采集運維業(yè)務(wù)優(yōu)化

3.1 異常工單智能派發(fā)

當(dāng)前在異常工單派發(fā)中主要是由采集運維工作人員負(fù)責(zé)，但在人工派發(fā)工單的情況下難以對現(xiàn)場情況緊急程度進(jìn)行合理的判斷，并在異常工單大量產(chǎn)生時不能按照先后順序?qū)芜M(jìn)行合理的消缺，對于需要緊急處理的故障難以在最短時間內(nèi)進(jìn)行修復(fù)，造成大量經(jīng)濟(jì)損失。本文就從多維分析的角度對大量的運維數(shù)據(jù)和系統(tǒng)的歷史數(shù)據(jù)進(jìn)行分析，對不同種類異常工單的嚴(yán)重程度進(jìn)行判斷，提高異常工單的處理效率和處理質(zhì)量，提高采集系統(tǒng)設(shè)備的數(shù)據(jù)完整性。

（1）采集運維效用值模型。

在單個表計效用值的情況下，主要受到月平均用電量、異常持續(xù)時間和離下一抄表天數(shù)的影響，而總體的工單效用則是指工單的故障電表效益總和，也就是指故障電能表數(shù)量的影響，而根據(jù)這些因素可以得出效用值的模型公式，即Y效用值=Σf（x），其中Y效用值指的是采集運維業(yè)務(wù)的效用值，而f（x）則表示的是單個電表的異常采集運維效用值，i表示的是第i個電能表。

（2）模型應(yīng)用。

在對采集異常運維數(shù)據(jù)的分析和處理中主要是對月平均用電量、異常持續(xù)時間和離下一抄表天數(shù)的分析，其中月平均用電量僅僅將使用電量作為效用值時，最后計算的數(shù)值較大，將標(biāo)準(zhǔn)月用電量引入到整體模型中去作為最后的數(shù)值單位，標(biāo)準(zhǔn)用電量是在隨機抽取大部分用戶實際用電量，并統(tǒng)計出各類用戶月平均用電量，根據(jù)最多類型的用戶平均用電量作為標(biāo)準(zhǔn)用電量。居民月均用電量和非居民月均用電量的分界點為≤200kW·h的為一戶標(biāo)準(zhǔn)戶，≤1000kW·h，>200kW·h的為2戶標(biāo)準(zhǔn)戶，>1000kW·h的為3戶標(biāo)準(zhǔn)戶。異常持續(xù)時間指的是每個電表故障持續(xù)一天則會造成一天的電量監(jiān)控?fù)p失，電量的監(jiān)控?fù)p失按照累加的方式進(jìn)行計算[5]。距離下一抄表天數(shù)的分析，當(dāng)距離效益抄表的天數(shù)越近，則表明對該用戶的監(jiān)控?fù)p失電量概率越大，故障的緊急維修程度越高；當(dāng)距離效益抄表的天數(shù)越遠(yuǎn)，則表明對該用戶的監(jiān)控?fù)p失電量概率小，且該因數(shù)所造成的影響趨近于0。

3.2 異常工單的智能化處理

原有的采集運維業(yè)務(wù)開展主要是由于缺乏大數(shù)據(jù)支撐，當(dāng)運維人員對該地區(qū)缺乏一定的熟悉程度的情況下，運維工作的效率較低，對已發(fā)生的故障缺乏準(zhǔn)確的分析能力，運維人員只能對現(xiàn)場故障類型進(jìn)行一一排查。在對異常工單的歷史大數(shù)據(jù)中采用大數(shù)據(jù)分析技術(shù)，可以通過系統(tǒng)異常分析功能對現(xiàn)場的故障類型進(jìn)行快速判斷，提高現(xiàn)場的運維效率。對于新生成的異常工單，可以通過生產(chǎn)廠家、國網(wǎng)招標(biāo)批次、故障設(shè)備類型等維度對異常原因的發(fā)生概率進(jìn)行判斷，從而確定異常工單的主要原因，并對比值大小進(jìn)行比較預(yù)測出異常原因，從多維度分析角度對異常原因的分析概率比值公式為Y比值=Σf（xi）/n，其中Y比值指的是單個異常原因的概率比值，而f（xi）則表示的是單個維度下單一異常原因的發(fā)生概率，n表示所有維度總量。

4 結(jié)語

在用電信息采集系統(tǒng)中的運維業(yè)務(wù)中采用大數(shù)據(jù)分析技術(shù)，可以對采集的數(shù)據(jù)信息進(jìn)行深入挖掘和分析、處理，對運維異常工單進(jìn)行智能化派發(fā)和分析處理等，使采集運維工作從粗放式管理逐漸向集約式和精益化方向發(fā)生轉(zhuǎn)變，提高運維業(yè)務(wù)水平和工作效率。

參考文獻(xiàn)

[1] 萬方達(dá).容量評估管理方式探索——數(shù)據(jù)分析在信息技術(shù)運維領(lǐng)域的應(yīng)用[J].金融電子化，2015（11）：70-72.

[2] 邊紅軍.數(shù)據(jù)挖掘技術(shù)在信用卡業(yè)務(wù)中的應(yīng)用分析研究[J].無線互聯(lián)科技，2015（1）：105.

[3] 劉光榕.數(shù)據(jù)倉庫及OLAP技術(shù)在電信業(yè)務(wù)分析中的應(yīng)用探討[J].電腦編程技巧與維護(hù)2011（4）：32-35.

[4]季文天，郭清菊，馬杰.基于模型驅(qū)動的框架技術(shù)在數(shù)據(jù)采集平臺中的分析與應(yīng)用[J].軟件，2014，35（3）：121-124.

[5]李益文.湖南煙草商業(yè)系統(tǒng)基于大數(shù)據(jù)在云計算平臺運維中應(yīng)用的思考與設(shè)計[J].經(jīng)營管理者，2016（33）：293.endprint