泛在电力物联网下的中台云化构建及大数据分析研究

周升 谢民 王政 王文

目前，我国电力企业正通过云计算技术来加强共享体系结构的业务支持。大数据分析是中台数据更全面应用的代表性手段。本研究整合了业务系统源数据（包括关系型和基于对象的模型、实时、历史和记录类数据），并建立了电力企业数据和服务主管，构成了可扩展的服务共享系统。利用云环境中用于数据重新处理的大型数据分析工具，将数据处理结果作为增量数据返回到中台，并以服务的形式发布各种类型的应用程序，包括数据资源管理和指标分析，中台构建和大数据分析有机地结合在一起，实现了现有业务的数据资源沉淀和标准化管理，同时，支持最高级别业务的数据的迭代派生，使数据资源总量有序增加，价值不断增加。

智能电网、能源互联网提议和持续发展加剧了电力企业的数字转型。与所有级别的电源系统操作（组织、系统、设备和部件）相关的真实世界对象，以及这些RWO的管理、调整对象，通过数字互连和相互合作，使得电力公司的数据共享，加快了信息交流，智能优化电力系统能耗，进而提高电力系统的安全与智能稳定。企业平台是一个信息共享和服务发布平台，它集成了较多业务的相关数据，在使用时还会通过共享系统来进一步推动业务转型。管理区域中的数据相对稳定，变化率相对较快，并且是在企业运营过程中积累的使用价值较高的数据。利用云计算来完成数据分析，并借此平台构建电力企业中心可以避免基础架构问题，因此团队可以专注于管理数据资源和解决共享服务问题，当提到高级迭代更新级别，计算资源利用的效率，系统安全性等时，将有很大的好处。

一、构建企业中心平台

电力企业在构建企业中心平台后，能够有效实现信息转变路程，由原来的信息系统转向共享式架构，进而借共享服务支撑业务发展。而电力企业在服务过程中会积累到较多的业务数据，这些数据经过沉淀就可以得到可以共享的内容，在此基础上加工获得较多的数据以促使企业的创新发展。因此中台管理的核心内容 是可以用下图表示，其中包含了数据和服务，以及抽象描述处理的元数据。

二、元数据管理

“数据”中的数据就是元数据，元数据对信息数据进行描述、定位与解释，从而使得数据更加方便检索与管理使用。元数据具有文件记录、指示数据储存位置、数据资源查找等功能，是实现信息数据共享与交换的基础所在。

（一）业务数据整合管理

中台的数据来源于企业日常生产活动中的电力营销，发电控制，生产管理等环节的业务系统。根据该系统提供的数据，再将元数据与其进行融合，并应用到到管理中，经过数据转换与提取，最终将其导入到中央RDS系统中。基于处理对象的数据根据企业的要求进行模范化，包括路径对象关联的规范与调整。这些业务数据是通过RDS和对象数据访问服务发布的原始数据。在企业通用信息模型范围内，将在ECS上运行的“规范化数据池”活动移动到为转换对象而创建的RDS的关系业务数据。对基于对象的数据和直接引入数据进行转换后，完成多源系统上的数据匹配、关联、统一数据的标准化集成。中台现有数据通过服务共享提供给外部应用程序，同时通过平台内的大型数据引擎或自行开发的数据分析软件进行综合分析应用程序，以提高数据质量和数据价值。分析结果构成了中台数据的组件，该组件合并了通过基于平台的元数据细化的结果数据的元数据。通过对数据的整合与管控，丰富了中台系统的数据内存。

（二）服务体系

在电力公司内部，中台提供各种共享服务，以满足不同类型的数据访问需求。同时，基于处理对象的数据和非结构化数据提供了几种类型的服务。除了基于RDS独特的数据库访问接口的关系数据之外，所有类型的数据都提供微服务和Web服务，第1代通用数据访问和服务支持对象数据访问。 GDA提供类似于SQL语言的对象访问语义支持，使相关人员可以轻松按类别和关联链进行浏览和查询。 OPC UA是工业Internet通信层的核心标准，可以在集成地址空间中管理对象的模型，实时，历史和事件数据，最后通过安全通道有效传输以完成该项服务。如果应用程序的数据访问效率非常高，建议优先访问OPC UA服务。

（三）主台的建设路径

要用云构建电力企业的主中台，就需要对数据进行处理，通过数据的导入、分析以及其他服务来申请计算。中心平台与共享服务系统的建设是充分利用企业现有大型数据平台、大规模基准平台和各种专业数据管理平台的构建结果，将这些平面数据和完成的服务移到云环境中，通过不断优化、扩展，使数据能够完成分析任务以及对业务的创新有较大帮助。可以将电力企业现有的大容量数据负载预测、设备运行状态评估、智能发货检查等应用程序转移到基于中端的丰富的中端数据和服务中。

三、大数据分析

根据原有数据进行执行运算，是企业中台管理数据中的重要组成部分，并统计分析折算结果，已推动企业管理与业务的未来发展。构建云企业中台管理除了可以移植到通用数字模块外，规模较大的数据运算还需要利用原系统来提高数据的开发效率。大数据分析的步骤包括：设计原数据、合并数据、计算数据、数据发布、数据服务等。

（一）数据合并

数据合并从可用数据源中获取需要计算到MaxCompute存储空间的数据。数据源设置用于表示可能是关系数据库、非结构化存储等的数据源。公共数据源是自行安装在的ECS中的数据库或RDS数据库。将元数据导入现数据进行同步并合并。数据同步的过程包括设置目标数据表，统计数据源与目标的映射关系，并进行相应的同步作业。

（二） 数据计算

在对数据进行分析时，通过建立数据处理流程向其中添加数据的处理节点，并且在数据处理节点上编写MaxCompute SQL语句，之后在进行后续流程。这种语句与SQL较为相似，可以在完成基本运算的基础上，辅以自定义函数来处理更为复杂的语句，从而实现其功能。提交MaxCompute作业后，等待时间表等待需要几十分钟到几分钟，因此大型数据分析计算通常不用于实时或准实时数据分析，最适合派生统计信息和指标类数据。

（三）服务发布

在完成数据计算之后，将其进行存储，并设定可通过分组协议进行访问，同时还可以根据生成的API数据进行注册，从而实现访问工作，也实现统一的管理与发布，为应用程序提供安全、易于使用的数据开放共享服务。

为了进一步演示或分析，在对数据服务访问之外，对于在过程中产生的有较高价值的数据结果也会进入之后的数据共享服务中，成为后续流程的数据源。数据导出器的配置过程类似于仅匹配源和目标角色的数据导入，将计算结果数据导出到RDS，以方便业务智能和其他基于数据库的数据重复使用，从而将数据内容实际添加到业务中。通常可以通过数据资源管理和指标分析等类型的应用程序直接利用分析结果，并通过快速的可视演示大大加快应用程序部署。

四、结论

电力公司需要扩展其数据资源管理并升级其计算模型，以采用中端共享服务。从业务系统派生的数据，以及各种分析数据，都可以通过平台实现数据价值，并且发掘新业务。

本文提出的中心平台管理中，每个环节存储的业务不同于目前业务系统中的时效，中台管理需要加强全局元数据管理，以管理快速变化的数据，集中数据协作以及全面管理数据和共享服務。

云服务提供了全面且易于使用的数据分析组件基于业务数据的大规模数据统计分析是云服务的大型数据计算引擎，并且专注于业务数据的开发工作。

作者单位：国网浙江省电力有限公司