基于用電信息采集系統的多業務高效協同處理技術研究

張新陽， 李輝

(云南電網有限責任公司 信息中心，云南 昆明 650217)

0 引言

協同處理技術發生在多臺計算機中，分擔一個程序或者同一個任務的分布式處理，該技術的處理過程，主要是一個復雜的程序，實現網絡中的負載分配、數據共享等。在分布式處理任務展開的同時，保證信息的同步性、安全性以及準確性[1]。傳統的協同處理技術，以時間順序或事件重要程度順序為依托，對計算系統中的任務進行處理，但隨著移動互聯網、物聯網的發展，越來越多的工作任務都利用計算機系統實現，因此計算機需要處理的業務數據飆升，傳統協同處理技術面對日趨海量的任務數據，不能完全實現對海量數據的全面覆蓋、數據采集，因此根據用電信息采集系統的功能特性，研究全新的多業務高效協同處理技術。

用電信息采集系統的主要功能包括自動采集用電信息、實時監測異常信號、集中管理用電方案、及時發布用電信息，是一個可以實現信息交互、分布式處理的系統[2]。該系統作為目前應用最為廣泛的系統之一，以高級測量、高效管理、高速通信、迅速存儲等技術為基礎，實現對計算系統中，所有業務信息的全時段采集，以此達到快速響應、計量無誤等效果[3]。此次所提出的協同處理技術，利用該系統實現對海量業務的高效協同處理，為協同技術的創新和發展，提供科學的技術支持。

1 基于用電信息采集系統設置業務協同處理規則

保證業務之間的關聯后，基于用電信息采集系統，設置對海量業務的協同處理規則[4-5]。利用用電信息采集系統，挖掘已經建立其可靠連接的業務，并對得到的業務數據進行預處理[6]，對挖掘結果的預處理過程如圖1所示。

圖1 業務預處理過程

將任務格式標準化、異常數據重復數據以及錯誤數據清除糾正后，形成一個全新的同步處理數據集合，則該集合中，每一待處理子集之間的歐氏距離為式(1)。

(1)

式中，d表示子集合u與z之前的歐氏距離；i表示第i類業務類型；n表示子集合中的變量。根據上述結果設置的協同處理規則如圖2所示。

圖2 協同處理規則

按照上述規則對海量業務進行協同處理，至此基于用電信息采集系統的協同處理技術，實現對多業務的高效協同處理[7]。

2 用電信息采集系統交易協同處理技術的架構規劃

在總體架構設計過程中，規劃設計遵循“業務驅動”的原則，采用由業務架構到應用架構和數據架構再到技術架構逐層驅動的方法[8]。業務架構是從用電信息采集系統電力市場化交易過程管理和服務角度對業務覆蓋范圍內的過程、環節、規則的細化、抽象和建模；應用架構是基于業務架構，從用電信息采集系統功能需求的角度去清晰準確定義應用范圍、功能及模塊等[9-10]；數據架構是基于應用架構，從用電信息采集系統數據需求的角度去準確定義數據分類、數據來源及數據部署等；技術架構根據信息技術和人工智能發展趨勢以及相應的實踐經驗，結合業務架構、數據架構及應用架構的特點從用電信息采集系統具體實現角度提出系統總體的技術實現方案和軟硬件物理部署方式。

2.1 實體機器人客服應用分析

電力交易人工智能實體機器人客服應用是結合電力交易大廳的業務場景功能需求，充分考慮人工智能技術發展現狀、人與機器人的協同辦公適應期創新性開展的，主要包括人工智能模式、人工輔助智能模式、人工接管模式3種類型。應用功能包括人機協作、語音交互、業務咨詢、智能迎賓、參觀講解、信息查詢、嘉賓預約、人臉識別、大屏互動、遠程視頻、通用聊天等。

2.2 渠道機器人客服應用分析

渠道機器人客服應用分析圍繞用電信息采集系統電力市場化交易實際工作各業務域場景需求，應用功能通過嵌入某電力市場交易網站的智能問答頁面、嵌入移動交易App的智能問答頁面、接入電力交易公眾號3個方式實現7×24小時智能化服務。應用功能包括電力交易業務咨詢、交易知識問答、交易信息查詢、交易相關資訊推送、交易方式智能推薦、用戶評價等功能。

2.3 知識庫應用分析

電力交易知識智庫由IBOT實現。主要包括智能引擎、前端平臺和管理后臺。智能引擎模塊，是處理自然語言和集成各種專業處理引擎的基礎平臺，其智能性、準確度、并發性能等各方面都會對整個系統產生關鍵影響。主要包括文本處理、句法分析、語義分析、對話管理、答案渲染、知識管理等。前端平臺模塊，是用戶使用智能機器人系統的所有前端用戶交互能力基礎，負責機器人的登錄驗證，響應調度，負載平衡等。主要包括運行框架、消息處理、服務接口、通訊控制、二開框架等。管理后臺模塊，是通過智能服務引擎及機器人前端平臺提供的API，對機器人進行統一的管理及維護。主要包括系統管理、知識管理、運維管理、授權管理等。

3 實驗研究

為了驗證基于用電信息采集系統的多業務高效協同處理技術的可行性以及有效性，提出對比實驗，將此次研究的基于用電信息采集系統的協同處理技術，與傳統協同處理技術進行對比，通過比較2個技術對全時段數據的覆蓋能力，分析2種技術對多業務的處理進度。

3.1 實驗準備

搭建實驗測試平臺，分別在該平臺中載入2種技術所需的處理系統，此次實驗的網絡結構框圖如圖3所示。

圖3 網絡結構框圖

提取該網絡環境中的業務，并對其進行編號，此次測試選取的實驗對象的數據如表1所示。

將此次研究的協同處理技術測試結果，作為實驗組；將傳統協同處理技術測試結果，作為對照組，分別對表1中的5組實驗測試對象，進行協同處理。經過無量綱化處理后，5組數據在4個階段內的占比分布情況如表2所示。

表1 實驗測試對象

表2 5組數據的占比分布示意圖

根據表1和表2中的有效數據，分別利用2種不同的協同處理技術，對系統中的海量、多級業務進行處理，該業務協同處理過程中，實驗監測模塊的多級監測線路示意圖如圖4所示。

圖4 監測模塊的各級監測線路

經過圖4中的監測線路監測可知，2種協同處理技術的響應時間略有不同，響應時間監測結果如圖5所示。

圖5 監測時間響應曲線

根據圖5中的2組響應曲線可知，實驗組對5組實驗數據的平均響應時間，在1.5 s左右；對照組中對5組實驗數據的平均響應時間，超過了1.75 s。根據圖中曲線可知，基于用電信息采集系統的協同處理技術，面對類型多樣、體量極大的實驗對象，其響應時間并沒有因為數據量的增加出現極大改變，其初始響應時間與最終響應時間的差值僅為0.43 s；而傳統協同處理技術由于采集數據的能力偏弱，當數據達到一定體量時，該技術的響應時間隨之增加，其初始響應時間與最終響應時間的差值達到了1.26 s，遠遠高于此次研究的協同處理技術，因此分析導致響應時長出現較大差異的原因。

3.2 結果分析

分析2種協同處理技術，響應時間相差較大的原因，利用測試系統中的追蹤代碼查詢單次協同處理下，2種技術識別實驗測試對象后，得到多級任務覆蓋量。覆蓋量追蹤結果如圖6所示。

(a)實驗組的任務覆蓋量

根據圖6中的節點任務數據覆蓋圖可知，此次研究的協同處理技術，在執行單次協同處理任務時，利用用電信息采集系統，將所有類型的業務全部識別，從而實現對海量多級業務的同步處理。而傳統方法中的數據采集系統功能較弱，單次協同處理時，面對數量龐大、種類繁多的多級業務，只能獲取其中的一部分業務信息，從圖6(b)中的識別結果可以看出，同樣的測試條件下，該方法只將K1數據完全識別；對K2、K3業務，只識別出了極少量的數據；而K4、K5數據完全沒有得到識別。根據上述分析可知，傳統協同處理不能單次對所有數據完全識別，而需要進行多次協同處理，才能完成處理任務，因此增加了傳統協同處理技術的累積響應時間，最終導致協同處理技術對多業務處理效率低下。為了令實驗測試結果更加具體，我們再對2種協同處理技術的處理效率進行評估，選用的評估模型最后一步為式(2)。

(2)

式中，xi表示第i組業務的協同處理響應時間；Δx表示期望響應時間，需要注意，此次實驗將期望時間設置為1.4 s；n表示一組業務中的任務組數量。2種技術應用下的2組實驗參數如表3、表4所示。

表3 實驗組協同處理響應時間參數

表4 對照組協同處理響應時間參數

根據表3、表4中的數據可知，實驗組中的響應時間更加接近期望值，而對照組中的響應時間，當數據體量較小時比較接近期望值；當數據體量較大時，則距離期望響應時間稍遠。將上表中第1、3、5、7、9作為A組，將第2、4、6、8、10組數據作為B組，已知A組的數據量遠少于B組，則利用式(3)計算其處理效率。

(3)

式中,q表示處理效率；U表示業務數據總量；t表示響應時間。利用式(3)分別計算2種技術的處理效率，整理計算平均值，可知實驗組對照組，對A組數據的處理效率分別為94.58%和94.56%；對B組數據的處理效率分別為92.16%和78.52%。綜合上述實驗結果可知，此次研究的協同處理技術，利用用電信息采集系統，可以將全時段數據完全覆蓋，對多業務實現高效協同處理；而傳統協同處理技術只能將體量較少的數據進行完全覆蓋，面對海量業務時，只能分次協同處理，降低了對多業務的處理效率。

4 總結

隨著用電需求的增加、用電范圍的擴展，計算系統中會出現越來越多的業務類型和海量的實時數據，因此，利用用電采集系統的高效性、統計性和全時段覆蓋性，對所有數據進行識別與覆蓋，提高單次協同處理多業務的數據量，以此降低協同處理技術的協同響應時間，實現對多業務的高效協同處理。但此次提出的協同處理技術，雖然增加了單次協同處理量，但并不能在真正意義上實現一次性協同處理，今后的研究與分析還需對該技術進行改進，將所有數據一次處理完畢，降低響應時間、提升處理效率。