基于大數據分析技術的電能信息采集運維業務分析

劉雅婷 楊政

摘 要： 在市場經濟快速發展的重要時期，社會生產對電能的需求量越來越大，影響電能信息采集運維業務難度也有所提升。基于此，本文就大數據分析技術在電能信息采集運維業務中的應用展開研究，簡要介紹了基于大數據分析技術的電能信息采集運維業務系統框架，進一步從異常工單智能化派發與處理、采集運維業務質量評價的角度出發，對大數據分析技術的在電能信息采集運維業務中的具體應用進行了較為詳細的分析。

關鍵詞： 大數據分析技術；電能信息；采集運維業務

前言：在智能電網建設規模不斷擴大的發展背景下，需要對用戶用電信息進行大規模的采集，而先進技術在電能信息采集運維業務中的應用，能夠幫助相關電力企業以更加直接、簡便的方式，對電網中電能傳輸的實際情況進行準確了解。尤其是大數據分析技術的應用，能夠有效實現電能信息采集運維業務的智能化轉型，對促進電力企業中電能信息管理的集約化、精益化發展，具有重要意義。

1.基于大數據分析技術的電能信息采集運維業務系統框架

基于大數據分析技術的電能信息采集運維業務框架，主要作用就是收集相關電能采集數據、營銷數據與運維數據，并由數據抽取轉換加載層對相關數據進行分類適配，進而提供給數據存儲層來完成分類存儲；存儲數據的主要作用就是為后續的數據分析提供充足的資源基礎；經過數據分析層的優化與數據檢索處理之后，所得數據將進入到應用層，為異常工單智能派發、異常工單智能處理、采集運維業務質量評價提供可靠依據[1]。整個框架當中，數據分析層的作用就是實現采集運維業務系統的基礎功能，包括批量計算、分析模型管理、實時查詢等；另外，數據分析層與處理層均應用了分布式內存數據緩存技術，具有高并發、低延時事務操作特點，能夠顯著降低數據處理層與業務操作之間的耦合性，即提高電能信息采集運維業務系統的服務響應效率。

2.大數據分析技術在電能信息采集運維業務中的具體應用

2.1 異常工單智能化派發

上文中提到基于大數據分析技術的電能信息采集運維業務系統，其構建目標是實現對大量運維數據與歷史電能信息的多維度分析，進而得出多種異常問題及其嚴重程度，對此，需要采用基于多維分析的采集運維效用模型，來完成系統應用層的異常工單智能化派發操作。效用模型如下：

Y效用值=

式中的Y效用值就表示電能信息采集運維效用值；i表示的是i個電能表，而f（xi）則表示單個電能表異常采集運維的效用值。

將此基于多維分析的運維效用模型應用到實際電能信息采集運維業務當中。某省電力企業在2017年1月1日至5月31日，對24907249戶低壓用戶的用電信息進行采集，包括采集成功率、抄表數據、采集異常運維數據等，共計1417869條，數據項42536070個。運用效用值模型對全省的月平均用電量進行分析，若單一利用電量作為效用值單位，則最終所得數值相對較大，根據此種特點可引入“標準月用電量”作為最后的數值單位，實現對效用值模型的適當修正，然后根據用戶最多類型的用電戶的平均電量作為標準用電戶電量。在此基礎上，還需根據存儲數據當中，每個電表所表示的故障異常持續時間，一般來說，故障時間每持續1天，就會形成1天的電量監控損失，而系統則會利用累加方式對電量監控損失進行計算。此外，利用效用值模式，還能分析距離下一抄表日天數、故障電能表數量效用值，以完成對歷史工單全面分析，得到相關數據規律，為后續異常工單智能化處理提供數據支撐。

2.2 異常工單智能化處理

異常工單智能化處理需要通過對歷史工單的數據規律進行歸納與分析，來發現不同維度下異常發生的原因以及異常原因發生的概率，并輸出異常原因概率的比值，公式如下：

Y比值=

式中的Y比值表示單個異常原因概率比值；而f（xi）則表示單個維度下，單一異?，F象原因的發生概率；n表示維度總量。

在得到異常原因概率比值之后，可通過對比不同維度的相關比值的大小，來對類似故障現象進行分析與預測，具體內容包括設備類型的異常、設備生產廠家異常、國網招標批次異常等。有效實現電能信息采集運維業務系統的預分析功能，能夠有效提升運維效率。

2.3 采集運維業務質量評價

采用基于大數據分析技術的電能信息采集運維業務系統，還需通過采集運維業務質量評價，來增加系統功能實現的可能性。首先，應量化評價各終端廠商的終端質量；為保證多維度質量評價的有效實現，需要全面采集相關終端廠商的運行運行終端數、異常終端占比、終端時鐘異常數等數據，為評價指標的有效建立提供可靠支撐[2]。評價指標中，終端故障更換率=（周期內更換終端數/運行終端數）·100%；終端時鐘偏差超標占比=（周期內終端始終異常數/運行終端數）·100%；終端故障率=（周期內終端故障數/運行終端數）·100%。然后，對電能表的產品質量進行評價，核心的評價指標就為故障更換率，計算規則：故障更換率=（周期內電能表更換數/運行電能表數）·100%。最后，需要從運維工作人員的角度著手，深入評價采集運維工作質量與效率，相關評價指標包括：異常工單派發率=（統計日派發工單數/應派發工單總數）100%；異常工單反饋率=（當期反饋工單數/應反饋工單總數）·100%；采集故障處理及時率=（已恢復的采集故障數/當期應處理的采集故障總數）·100%。

結束語：綜上所述，探究大數據分析技術在電能信息采集運維業務中的應用，有利于提高相關運維工作的效率與質量。通過相關分析，大數據分析技術的有效應用，能夠實現對電能信息的深入挖掘、分析、處理，進而簡化相關工作人員對電能信息的采集運維管理難度，促進電力事業的穩健發展。在后續的研究過程中，還應對采集異常智能化甄別等進行更加深入的研究，為實現國網營銷部“全覆蓋、全采集、全費控”提供技術保障。

參考文獻

[1]王寶萱.電能計量采集運維及故障處理探析[J].技術與市場，2017，24（10）：64-65.

[2]王文彬. 內蒙古電力需求側企業電能監測管理平臺設計及應用[D].華北電力大學（北京），2017.