基于物聯網與大數據的電學計量檢測架構分析

（重慶市機械工業理化計量中心，重慶 400020）

1 大數據與物聯網相關概述

所謂大數據技術，主要是指無法在一定時間內使用常規軟件進行捕捉、管理和處理的數據集合，需要新處理模式獲得強決策力、洞察力以及流程優化能力的信息資產，此類資產具有高增長率、海量和多樣化的特點[1]。在將其應用于電學計量檢測工作中后，能夠對數量龐大的計量電學設備和海量計量數據進行處理，增強數據的統一存儲管理和可追溯性，降低計量數據誤差。

所謂物聯網技術，主要是指利用信息傳感器以及紅外感應設備等裝置和技術，對任何需要連接、監控的物體進行實時采集的過程，例如光熱信息以及生物信息等，同時，通過接入網絡，能夠實現人與人、物與物之間的有效連接，可以說，物聯網是以互聯網和傳統電信網為基礎的信息承載體，能夠滿足萬物互聯的需要。在互聯網技術普及應用的時代背景下，物聯網技術以其資源的高效利用、人力成本有效降低以及數據采集等強大優勢逐漸在醫療事業和智能交通等領域得到廣泛使用。在應用該技術構建電學計量檢測架構時，主要按照自下而上的方式進行基本架構的搭建，即感知層、傳輸層和應用層，進而實現各環節的有效銜接，提高數據采集、計量等工作效率。

2 探討電學計量檢測架構的不足及運用大數據和物聯網的意義

隨著社會經濟的不斷發展和科學技術水平的提高，電學設備種類愈發豐富，例如標準電池、數字多用表、歐姆表等，雖然此類設備的廣泛應用為人們工作帶來極大便利，卻給電學計量工作提出挑戰。在電學設備運用過程中，為保證該設備測量的準確性和穩定性，需要定期對其進行計量檢測，這導致計量測量工作壓力日益增加。從目前電學設備計量檢測現狀來看，無論是數據采集、數據分析還是檢定報表的制作等，大部分工作仍由計量檢測人員開展，例如設備的現場檢測、手動讀數和計算等，在增加計量檢測人員工作壓力的同時，也極有可能出現計量和統計錯誤，這對計量檢測工作的發展形成制約。除此之外，在開展電學計量檢測工作過程中，由于設備繁多，進而會產生大量信息數據，但其僅作用于檢定報告的生成，缺乏數據分析和隱藏信息挖掘流程和技術，導致數據資源大量浪費。

通過將物聯網技術和大數據分析技術應用到電學計量檢測工作中，以此為基礎構建檢測架構，能夠有效改善甚至徹底解決上述問題。即運用物聯網技術的萬物互聯功能實現各類電學設備計量數據的采集和傳輸，發揮大數據技術的分析、處理功能挖掘計量數據的隱藏信息和價值，并構建計量數據庫，實現信息數據的統一存儲管理。一方面為電學計量檢測工作提供數據服務，另一方面還能夠為電學設備的改進提供科學有效支持，促進電學計量檢測工作的各方面優化和該事業領域的可持續發展。

3 分析以大數據和物聯網為基礎的電學計量檢測架構

通過將大數據技術與物聯網技術優勢相結合，能夠有效改善以往傳統電學計量檢測缺點，提高電學計量檢測結果準確性和檢測工作效率，并獲得監測數據的潛在價值，具體架構如下：

3.1 以物聯網為基礎的構成部分

由于該電學計量檢測架構的設計綜合了大數據技術和物聯網技術的優勢，為此，在該架構中，分別具有物聯網構成部分和大數據處理部分。對于物聯網部分而言，其主要包括電學計量信息感知層、網絡層以及應用層。①在電學計量信息感知層，主要包括數據采集和數據預處理，數據采集來源主要是電壓表、功率表、相位表以及標準功率源等電學計量檢測設備，數據預處理主要分為三個步驟，分別為數據分選、數據壓縮以及數據封裝。通過發揮傳感器技術和設備、藍牙技術以及射頻識別等現代化智能技術，將各電學計量檢測設備作為數據感知節點，進而通過自動讀取待計量電學設備的數據獲得電學設備計量信息，完成原始計量數據采集工作。由于海量的原始計量數據中難免存在無效、重復的數據內容，為此，需要對數據進行預處理，通過分選、壓縮以及封裝等數據處理工作，能夠為后續工作奠定良好基礎。②電學計量信息網絡層屬于中間層，能夠對無線通信網絡、有線網絡以及專用網絡等不同類別網絡進行自主選擇，滿足電學計量信息傳遞要求，更好為用戶提供服務。其主要包括網絡管理、流量控制、信息數據傳輸、網絡安全、有效網絡、互聯網、無線通信網以及私有網絡等模塊，為此，除了計量信息數據的傳輸外，還具有網絡、數據安全等方面的服務功能。③電學計量信息應用層主要負責識別解決接收到的計量數據并對其進行分類，從而得到高質量的電流數據、計量設備產品信息數據、電壓數據以及電阻數據等各類電學設備計量數據，并以此為基礎構建電學計量數據庫，實現對計量數據的統一管理和存儲。為此，電學計量信息應用層主要包括計量業務導調、計量業務管理、計量設備管控、數據存儲、數據解析、計量數據分析梳理以及報表生成等模塊，并以電壓等計量數據為基礎不斷豐富電學計量數據庫，實現計量數據的更新和可追溯。另外，應用層能夠隨時進行計量數據的讀取、分析和處理，包括計量結果的誤差分析和不確定度分析等，并在計量數據處理后自動生成檢定報表[2]。

3.2 以大數據為基礎的處理部分

在整個電學計量檢測架構中，以大數據為基礎的處理部分主要包括電學計量數據清洗、數據挖掘以及數據解釋。在開展電學計量檢測工作時，往往會產生海量計量信息和數據，并在檢測過程中自動錄入計量數據庫，使得工作人員難以對計量數據價值進行挖掘。但通過應用大數據處理分析技術，能夠順利挖掘計量數據的潛在信息，實現數據價值。在電學計量檢測架構中，以大數據為基礎的處理部分中，電學計量數據清洗、計量數據挖掘和計量數據解釋主要以電學計量數據庫為基礎，具體流程為：①將采集且經過預處理的計量數據進行加工和清洗，利用設置的預定義清洗規則對海量計量數據中的可識別錯誤數據進行識別和糾正，主要對計量數據的一致性進行檢查，并將檢查出的無效數據和缺失數據進行剔除。②挖掘清洗后的計量數據，主要使用高精度的遺傳算法、神經網絡、機器學習、聚類以及決策樹等技術方法分類計量數據，提高數據的有序性，之后對其進行估值、預測，并開展相關性分析，實現計量數據潛在信息的全面搜索和分析。最后，利用得到的隱藏信息對其進行可視化展示或構建模型，作為改進計量電學設備生產制造的有效信息基礎。

3.3 優化后電學計量檢測架構先進性

相較于以往傳統電學計量檢測，以大數據處理技術和物聯網技術為基礎的電學計量檢測架構具有以下先進點：

第一，改善以往工作效率低下的缺陷，提高電學計量檢測準確性和工作效率。通過以物聯網技術架構為基礎，對電學計量設備進行適應性改造并對網絡資源進行合理配置，相關工作人員就能夠對遠程計量設備的計量數據進行準確、全面獲取。而且，工作人員使用應用層軟件就能夠根據不同需求完成電學設備計量工作，并在工作完成后獲得由軟件自動生成的計量檢定報告，極大的提高了電學計量工作效率，將相關工作人員從基礎性、重復性工作中解放出來，減輕其工作量的同時使其具有更多時間和精力進行數據分析工作，同時，也從根本上避免了因人為原因帶來的計量錯誤，計量準確性能夠得到有效提高。

第二，大數據分析技術的應用能夠促進計量數據價值的實現，提高數據利用率。由于電學設備計量工作涉及多種類型的電學設備，在高頻次計量要求下難免產生海量電學設備計量測試數據。以往傳統的電學計量方式中，計量數據主要發揮計量檢測報告生成的基礎作用，僅應用于計量設備判定方面，然而，判定后計量數據不僅沒有得到及時分析，甚至沒有標準化存儲和管理，造成數據完整性較差，難以為后續工作提供科學有效支持。但是，通過將大數據分析技術作為電學計量檢測架構基礎，能夠充分利用大數據分析功能對數據價值和隱藏信息進行挖掘，并實現對計量數據的存儲和管理，提高計量數據管理質量，進而為日常計量工作提供數據支持。最后，大數據分析技術的使用能夠幫助相關工作人員通過計量檢測工作，通過電學設備不確定度信息和誤差信息掌握設備潛在變化規律，增加該檢測工作的預測性能，為電學設備的制造和設計提供有效意見和改進信息。

4 結束語

綜上所述，使用大數據分析技術和物聯網技術構建電學計量檢測架構對計量數據利用率、工作效率和準確率的提高具有極強現實意義。因此，相關單位和人員應深入研究這兩項技術并將其應用到電學計量檢測工作中，從而提高工作質量。