大数据分析技术在采集运维业务中的应用研究

文/钟镇宇，国网湖南省电力有限公司汉寿县供电分公司

1 引言

我国对民众日常的用电信息采集系统建设已经进入尾声，现阶段，我国各地区共计接入智能电表4.2亿只，电能计量终端有1268.95万台，覆盖了全国3.86亿的用户。所以为了保障采集工作的顺利进行，成为现阶段建设的重要问题，同时这也是采集系统的未来发展方向。目前，我们的运维采集业务仍然存在缺陷，比如采集的效率低下、无法划分故障的紧急性、无法对故障的位置进行准确的定位等一系列问题，本文主要对运维采集业务中的问题进行了处理，提出大数据分析技术在运维采集业务中的优化情况。

2 加强运用大数据分析技术对智能电表进行计量的意义

使用智能电表是组成智能电网的重要部分，使用智能电表进行电能的计量是建设中的重要组成部分，操作的质量和操作的可靠性能够直接关系到国家电网的企业形象，由于这能够直接影响个人的利益，所以人们对采集系统格外关注。加强对电量的计量准确可靠性，及时处理智能网络的故障，维护用户的合法利益，能够为企业树立一个良好的形象；同时，使用大数据分析技术能够减少工作人员的工作压力，有效提高运维采集的进行，实现对大数据分析的应用。

3 采集运维业务的大数据系统模型

3.1 大数据分析的核心技术

大数据在采集运维业务中拥有许多的应用，其中包括采集数据、清理废弃数据、储存数据、分析各种数据、进行数据的处理、解读和应用，在本篇文章中，我们研究大数据的分析方面（即OLAP），主要包括了以下两种形式：

1）关系型联机分析处理

关系型联机分析处理技术主要依赖于关系型的数据库，采取关系型的结构方式对数据进行表示和解读，同时对储存的数据进行动态的多维分析。使用这种方式对数据进行表示，拥有装载快、储存空间小、不限制维度数、可使用SQL进行分析的优点。

2）多维联机分析处理

多维联机分析处理技术是一种进行多维数据储存的方式，这种方式会遭受使用平台数据储存量的限制，基本上很难达到TB级，同时在对数据进行储存时，需要对平台的储存量进行预测，否则会出现数据爆炸；并且这种方法有装载慢，位数低等缺点，只适合应用于对高性能辅助决策的计算。

3.2 大数据运维业务的架构

大数据运维业务的构架分为数据ETL层（选择数据源的数据，进行初步的数据筛选，之后装载进数据储存层）、数据储存层（储存ETL层的数据并对这些数据进行分类，分别储存在不同的数据库）、数据分析层（对储存层的数据进行分析，提高应用服务的效率）、应用层（实现数据的多维动态分析，在异常工单只能化派发、异常工单智能处理、采集运维多维度质量评价三个板块之间实现业务应用）四个层次，其中应用层的三个板块之间相互协调，同时还能独立运行，实现完美的功能融合；所需要分析的数据源包括采集数据库、营销数据库、运维数据库。总体架构如图1所示：

图1 大数据运维业务架构示意

4 大数据运维优化方案

4.1 异常工单智能派发

1）使用效用值模型

即Y效用值=Σf(x),其中Y效用值表示进行采集运维时的效用值，f（x）表式单个异常电表的效用值。

2）使用模型

图2 持续 N 天无抄电能表数据的电能表数分布统计

我们对5000名用户和5000名非用户进行了日电量进行了分析，根据图表我们可以发现，低压居民用户日用电量标准偏差为21左右，小于21的用户占94%，低压非居民用户日用电量标准偏差为120左右，低于120的用户占90%左右。这充分说明了我们在日常生活中家用电力的损失并不是太多，但是仍有损失；而在各个企业或者工厂中，由于电量的大量使用更容易使终端产生故障，从而出现较大的偏差。

同时，我们也分析了距离抄表日天数故障的频率，由图2可以知道，用户距离抄表日越近，损失的电量越多，产生的故障越多。

4.2 对异常的工单进行智能化的处理分析

大数据分析技术弥补了原始采集运维工作的局限性，在进行大数据的分析和现场调查之后，运维工作人员可以提高对所属地区进行高效率的运维工作，提高运维工作人员对故障发生的预估能力，及时处理异常工单，提高了运维效率。如果新生成异常工单，可以通过生产厂家、国家网络招标标准等进行判断，从而尽快的确定故障原因，并对故障原因进行预测、分析、处理，利用下列公式进行分析。

4.3 对采集终端产品进行质量评价

根据运维采集的数据对采集终端进行质量分析，参照终端运营厂商提供的数据建立终端产品质量分析评价的指标。

1)终端故障更换率：终端故障更换率=周期内更换终端的数量÷周期内在运行的采集终端数量×100%。

2)终端时钟偏差超标占比：终端时钟偏差超标占比=周期内终端时钟偏差超过5min的终端数量÷周期内在运行的采集终端数量×100%。

3)各厂家终端故障率：终端故障率=周期内终端发生故障的次数÷周期内在运行的采集终端数量×100%。

5 运维采集业务中存在的问题和解决方法

5.1 提高运维采集的效率

在现代社会中由于社会的发展，导致人们对电力的用途更加广泛，各电力公司也在不断发展，但是经过统计，我们会发现每天电力公司产生的异常工单有一万多，而电力公司的工作人员远远不足以及时去处理这些异常工单，并且大部分公司没有工单的筛选制度，导致工单的紧急程度无法划分，影响采集效率。

有效运用采集运维模型，筛选这些异常工单，合理判断异常工单的紧急程度，及时处理故障，建立消缺机制，提高运维采集的效率。

5.2 准确确定故障位置

运维采集的工作人员需要对各种运维对象进行数据采集，经过统计会发现拥有59种异常现象，根据出现故障的不同又可以将其划分为100种，这些故障拥有各种复杂的故障地点，难以准确定位，从而影响处理的及时性。

建立大数据故障库，记录发生的各种故障及原因，针对对各地区的勘察确定相应的故障类型，提高现场运维采集的效率。

5.3 制定合理的考核系统

我国现阶段的电力企业在信息采集运维业务中主要依靠线下进行工单处理，无法准确把握故障的发生原因，不能有效的反馈，现场缺乏有效的考核系统，不能保证采集工作的质量。

制定合理的考核系统，将工作人员的工作情况列入季度考核项目，关系到工作人员的个人利益，提高工作人员的积极性，制定合理的奖罚制度，要求去现场进行作业的工作人员带回可靠的材料，防止出现偷懒现象。

6 结语

大数据分析技术在运维采集业务中占有重要的地位，在采集用户信息时，可以使用大数据分析技术对数据进行合理的分析，深入挖掘，合理处理，运用智能化派发异常工单等有效手段提高运维采集的效率，同时精简了采集的过程，加强了采集的准确性，使运维采集更加有水平，更加被人们喜欢。用电信息采集的运维管理是一项庞大而复杂的工作，本文提出的对异常工单智能化派发、异常工单智能处理和采集运维多维度质量评价只是对其中的一部分业务进行了优化应用，后续还将对采集异常智能化甄别、异常工单智能处理及异常工单智能化派发进行更深入的实践与研究，最终为满足国网营销部的“全覆盖、全采集、全费控”目标要求提供强有力的技术保障。