基于大數據的用電信息采集運維系統設計

郭雷崗 ，余寧 ，崔宗浩 ，李耀祖

（1.鄭州電力高等專科學校，河南鄭州，450001；2.中原工學院，河南鄭州，450003）

近年來,由于國家供電信息收集體系的大力推廣,全國供電信息收集規模日益壯大,數據深化運用能力不斷加強,系統的運營保障工作也隨之增加,但緊迫的運維工作要求和相對落后的運維力量不相匹配等問題也逐步凸現了出來。隨著中國科學技術能力的逐漸增強,國家信息化管理水平也在不斷提升,而大數據分析技術也是建立在計算機技術蓬勃發展的基石上而蓬勃發展出來的,近年來大數據分析技術已經在許多應用領域之中進行了廣泛應用,并獲得了相應的蓬勃發展。因此筆者也對大數據分析技術在信息采集與運維服務領域中的運用策略作出了一些探討。

圖1 信息采集系統框圖

1 大數據技術

大數據又被叫做巨量數據甚至是大資料等,它是指利用人工或是電腦,利用適當的空閑資源和時間加以截取、管理并且進行處理和收集整理,作為給我們唯一一個可以被理解的各種表達方式的信息,這一類數據在醫學和商業模式的研發、疾病預警、交通運輸和科研等各個領域,例如在遺傳學、人類生物工程等方面都會起到巨大的推動力。一般來說,當人們遇到這些大數據時,很難直觀地了解這些數據間的關系,但盡管如此,通過利用與大數據分析的關聯研究技術,我們能夠更加輕松地找到這些數據之間的相互關系,有助于對其中的相互關系進行深入研究。大數據有著規模大、增長速度快、表現形式多樣化、辨識難度和社會價值密度系數較低的優勢,但只要進一步提高了數據的存儲效能和信息處理速率,才可以促進人們對大數據資源的綜合利用。為此,google、amazon和apache等大企業,先后從產品研發中開始從現實應用需求角度著手,提供了一整套基于大數據分析的相關檔案文件系統、計算框架、數據庫管理、機器人學習等應用領域的熱點關鍵技術。

在當前互聯網技術和大數據分析科技的進步與發展過程中,人們對即時運算的需求在不斷持續地提高,造成對分布式內存的計算問題也就慢慢地變成了熱點話題,而怎樣實現可以同時地進行對海量數據的分類與即時運算,以及怎樣逐步地提高對分布式離線審核批處理的速度,也就慢慢地變成了當前人們所關心的一項重要課題。固態硬盤等內存設備的出現和發展,雖然大幅地提高了整個操作系統的內存質量和吞吐量,不過,硬盤的吞吐量卻仍然呈現了快速增長與緩慢態勢,因為只有真正做到了充分利用外部的存儲器設備和文件系統來取代傳統的硬盤設備,才真正可以有效地促進和提升整個系統的工作效能。為徹底解決這一問題,amplab公司自主開發了tachyon操作系統,這種系統所使用的是一個有著良好的高容錯性和安全度的分布式多延遲內存數據處理系統,其基本的設計目標正是為適應目前對”低延遲”的數據處理需求。Tachyon可以從緩存文件的存儲器中自動實現對緩存文件的管理,同時也可以實現將文件以訪問存儲器的最高速度進行共享,其吞吐量可以是HDFS的一百多倍。Tachyon架構底層分布式內存與上面的計算相比的中間件,可以把不需保存在DFS中的文檔直接存入分布式內存檔案體系中,以提升數據處理效能、降低內存冗余和垃圾處理時間等。

2 采集系統數據分析

目前的用電信息收集體系以時效為主要分類準則,將信息內容分成如下三種:1類數據信息實時數據信息不具備的時限序列信息屬性,一般只根據其及時發布而很少查閱,但由于信息量巨大,其一般僅存在約十五分鐘的時限實效內,總加數、測量個數、終端數量等為其主要表現形式,在信息內容保存的過程中應針對與其不同的物理對象,選用與其相對應的信息內容存儲表;二類資料數據其主要表示用電戶在過去一段時間里的供電數據信息,為預付費管理、供電狀況統計分析等工作提供了數據支撐,它和l類資料數據的不同具有時間序列屬性,而且更新數量少而信息內容多,從十五分鐘至一小時,甚至1日、每月等均可以按照實際需求作為周期,因此在儲存的過程中也可針對不同的物理對象,選用不同的儲存表;另外三類資料數據中還有參量遺漏或改變、供電回路變異、電能表的指示值存在誤差等情形,但因為其在各個時段的發生頻次、使用方法等均具有顯著不同,所以在儲存的過程中應單獨分表,并將供電信號根據自身屬性加以分類,大大提高了信息采集系統的效率。

3 大數據分析在采集運維服務過程中的運用

■ 3.1 用電數據識別、估值

操作系統根據不同的消費者群體,可選擇不同的判斷準則組合,以獲得最佳的數據識別效率。操作系統根據配置準則組合內的所有子準則,判斷篩選異常數據信息,以保證結果資料數據準確性。操作系統針對缺數、無法收集到的數據信息,采用一系列的估值原則,以得出最合理的數據。系統數據修復具有自動學習功能,可以自動匹配最貼近現實狀況的統計實現數值修復。例如,如果在信息采集流程中,出現了某個時間段缺數,最常用的修復統計方法就是直線修復。數據分析系統所提出的大數據引擎科技,會按照預設的規律找出最貼近缺數期間的用電數據信息,再選擇缺數時期的數據信息加以統計修復,讓數據信息更符合實際狀況。

圖2 在線監測系統框圖

■ 3.2 可疑的偷電行動數據分析

識別偷電行動是繁瑣的分析流程。使用者可以依據生產狀況,隨意提高或降低供電負荷。但如何從變化的電力數據分析中篩查出具有疑似竊電行為的使用者,就必須利用從各種事物、營銷信息系統中收集到的相關數據開展多維度統計分析,并形成了漏斗式識別模式,以最后篩選出疑似竊電名單,并根據可疑嚴重程度排名,以引導電力稽查。而除了自動識別竊電情況之外,系統還綜合顯示了使用者的供電狀況、斷電事故、停電修復事故和電表編程參數的變化事故等歷史數據,以方便于采用人工方法確定使用者是否具有竊電情況。

■ 3.3 判定依據

其一,電力非正常管理系統能按定時每天/每周完成用戶電力非正常數據分析。電量分析的統計包括本日(月)與上日(月)用電量的比較。當變動范圍達到一定閥值時,得出用戶電力非正常列表。用電量的變化閥值可由使用者按照實際狀況加以選擇。其二,失壓、失流等報警事故針對使用測量裝置的報警事故,如失壓、失流和計量閥門開啟等非正常事故,依據測量裝置的負載統計加以處理,得出正確的電力非正常列表。其三,線損異常針對10kV饋電線損、臺區線損中線損等非正常的數量經過處理,得出了對線損非正常危害最大的表計,將其標記為供電非正常列表。

■ 3.4 用戶供電裝置負載分類

通過數據分析使用者的負載狀況,篩選超載的線路、變壓器設備及其接近超載的該線和變壓器設備,為線路和使用者擴容提出基礎數據分析;并按超載的頻次、超載的容量等級,給出按技改優先順序的人員名單;控制系統能夠從宏觀經濟(總體)和微觀(單臺變壓器)兩方面,給出對變壓器設備負荷狀況的分析數據。使用范圍:通過對供電裝置負荷率的統計趨勢分析,為用戶提出用電意見;對供電裝置負荷異常大的應用給出告警消息,以及時引起使用者重視;對長時間超負荷工作的裝置,進行風險提醒。

■ 3.5 用戶供電特點分析方法

根據調查分析用戶的用總功率、用電負擔、用戶業務、供電特性、峰谷供電比、最高需量和功率因數等統計資料,構建用戶用電信息模式,并提出電力情況改進方法,以指導其科學合理供電、科學合理供電、經濟供電。根據用戶的供電特點,能夠為用戶供電趨勢統計分析提出數據支撐。此外,還進行對用戶供電特點財務數據的綜合統計與分析,為政府部門以及地方主管部門提出了不同的供電報告。

4 大數據分析在采集運維業務中的應用案例

■ 4.1 案例解析1

某臺區內日均線損長期保持在百分之三以下,但某一天主站工作人員發覺當日臺區內線損突然達到百分之八以上,經進行系統檢查及數據分析比較,發覺該臺區內每天平均售電量基本保持在五百千瓦時,僅在七日,平均售電量突然上升至五百千瓦時,但用戶的用電能卻并未出現明顯增加,最初疑似出現竊電情形。后現場人員運維師與用檢中心工作人員共同排查臺區內,后在某用戶電能表前曾發生繞越表計計量范圍的電力狀況,隨后拍照取證并經使用者簽名承認后,對使用者實施了查處,并在當場實施了線路修復工作。恢復后次臺區內線損又回歸日正常值范圍。根據用電信號收集管理系統中臺區線損解析模塊實現對所收集數據信息的解析,很大程度方便了基層單元監管臺區線損的管理工作,也為對臺區基礎信號的處理工作提供了準確的校驗平臺。

■ 4.2 案例解析2

某用戶在夏季的某有序供電工作進行期間,供電負載達到了有序供電合同中約定的最大允許負載一千千瓦小時以上,因考慮到使用者的生產狀況實際供電部門已經通過電話告知,需要在十五分鐘內將負載壓降到一千千瓦小時以內,但使用者卻在時間內仍未能丌展負載的壓降工作,繼續過點供電,經最后一次電話協調仍未能壓減負載,因此主站工作人員在經調度同意情形下,通過有序供電的遠程跳閘功能對該使用者的一路開關進行了重合閘處理,共壓降負載為5001000KWh,從而使得超載線路的負載迅速下降,從而確保了有序供電工作的順利開展。我們還能夠根據用戶的季節性供電狀況,總結收集了系統負荷數據,并制定了有序供電工作的實施方案,從而保證了有序供電工作實施。

■ 4.3 案例解析3

某用戶是高供高計、三相三線臨時變用,主站工作人員某進行終端控制系統巡査時發覺某用戶的A相電流數據信息不足,經過現場檢測后查明是A相燒毀。經系統檢查后發現用戶失壓46326分鐘,約三十三天。

5 結語

隨著計算機技術的進展和電力采集系統的逐漸普及,電網數據資源將在信息量、獲取數據的時效性、有效性等方面更加完備和增強,而大數據處理技術的特點將獲得更加的突出。電力企業充分的關注大數據分析技術在采管理運維中的運用,通過對業務數據加以分類、整理,建立信息資源共享平臺,以增強大數據分析技術的實用價值。在電力信息收集管理系統中的管理運維服務中應用大數據分析技術,就可以對所收集的信息加以深度挖掘和統計分析、管理,將采管理運維管理工作由粗放式管理逐步地向集約化管理和精益化方向加以轉化,以提升管理運維業務水平和效率。