多维数据技术在电力企业数据分析中的应用分析

2021-01-11皇甫汉聪

今日自动化 2021年10期

关键词：数据分析电力企业应用

皇甫汉聪

[摘要] 电力企业数据中心为企业信息平台的稳定运行奠定了基础。即通过利用数据中心中三维相关数据和信息，可以为企业的经营、管理、发展提供决策支持。文章先对多维数据的概念进行了阐述，在此基础上分析了多维数据技术在电力企业数据分析中的具体应用。

[关键词]多维数据技术;电力企业;数据分析;应用

[中图分类号]TM769 [文献标志码]A [文章编号]2095–6487（2021）10–0–02

Application Analysis of Multidimensional Data Technology

in Data Analysis of Electric Power Enterprises

Huang fu Han cong

[Abstract]The electric power enterprise data center lays the foundation for the stable operation of the enterprise information platform. Through the use of relevant data and information in the data center， it provides decision support for the operation， management and development of the enterprise. This article first expounds the concept of multi-dimensional data， and analyzes the specific application of multi-dimensional data technology in power enterprise data analysis on this basis.

[Keywords]multidimensional data technology; electric power enterprise; data analysis; application

電力企业数据分析能够在多个层面实现数据的整合，保证电力企业网络操作平台的统一化与规范化，确保相关数据、信息得到及时的共享，多维数据技术对于整个数据分析工作来说具有重要的作用，能够通过操作路径对相关数据信息进行提取与整合，最后通过图标的形式为工作人员展现相关数据信息，对于提高工作效率，优化工作流程具有重要意义。

1 多维数据概述

多维数据中的“维”主要指一种物理特性，是访问以及表达主题信息的主要方式。多维能够描述被定义为多维或者根据多维访问主题信息的一种概念。对电力企业的数据中心来说，目前多维方式建立多维数据模型与主题领域的原有结构相符，因此展开工作能够满足实际情况的要求。对多维数据模型进行分析（见图1），工作人员需要使用一系列属性作为访问、分析主题信息的方式，用来表达主题信息的属性及聚合，将其作为关键性能指标，对主题信息进行访问、分析的路径被称作多维。

对多维数据模型的定义进行分为，主要包括下述几点：①属性Ai的主要组成部分为标识ID与其值域Y，两者组成二元组，即Ai=ID，Y，Z。其中Ai为特征性，主要标表示地区、气候及时间等，这类属性能够用于表达维度;另外Ai也具有度量性的特点，主要指增长率，可以用于表达关键性能指标。Y主要指Ai的取值范围，Z主要指关键性能指标的聚合方法。②维度Di由多个具有层次关系的特征性属性构成，即维Di=[A1……，Am]，该公式中m≥1，A1>A2>A3……>An。③多维数据模型MD是一个三元组，即MD=。M是多维数据模型的主要表示;A是MD中全部关键性能指标的集合，A=[A1……，Am];D是MD中的全部维度的集合，D=[D1，……Dn]。在数据中心中多维数据模型的表现形式为多维数据集，也被称作数据立方体。

2 多维数据技术在电力企业数据分析中的应用

2.1 多维数据集展现技术

多维数据集能够对相关数据、度量及聚合进行分析进而直观地加载信息。在企业运营发展的过程中，工作人员并需要对全部维度信息进行整合分析，而是具有选择性地将各维度集、度量以及聚合纳入分析，通过维度分析信息数据，探索最佳解决途径。基于不同的角度进行多维度信息的聚合能够及时发现问题的起因。例如，在电力系统营销阶段多维数据分析技术的工作流程为：在基础数据库与报表数据库中建立数据仓库，为平台数据库夯实基础，之后建立数据模型，展现相关数据。如果数据需要迁移需要通过系统抽取、转换与加载数据，完成迁移后，工作人员对获得的数据进行分析，结合决策支持明确目标，从而建立数据模型，根据使用需要，统计相关信息，最后通过直观的图表形式展现数据，对结果进行分析。多维数据分析的方法较多，主要包括预测算法、排序法、结构法等。如图2所示。多维视图的应用能够满足用户需求，通过各维度层次的最低值明确视图的最小粒度，通过组合不同维度明确问题分析的路径，进而体现数据集中不同探索路径与分析粒度的度量值与整合体，达到发现问题起因的目的。

2.2 多维视图的操作路径

多维视图的操作路径主要包括下述几个方面：①切片与切块。如果搜索条件只有一个，多维视图能够通过“切”的形式，通过数据库为工作人员提取信息片。如果搜索条件增加，则会导致维度的限制增加，多维视图能够增加信息的体积，通过“切片”的形式收集信息。切块操作与计算机语言中的Select相似，切片操作与计算机语言中的Where相似，通过主从限制缩小视图聚焦范围，帮助工作人员直观分析信息数据，切片的作用为区域定位，切块的作用为点定位。②上钻与下钻。两者均能够通过树形结构的维度调取信息，其中上钻能够收缩树的层级，工作人员可以通过树层了解相关信息，进而进行预测分析，下钻为上钻的反操作，两者均可以对信息数据进行不同层次的分析，对信息数据进行深层次的探索，具有多粒度的特点，有效提高信息的饱和度。③展开与收缩。展开能够在海量的数据信息维度下收集信息，操作过程中能够将度量属性与聚合按照顺序纳入分析过程，展开全面分析。收缩能够隐藏不必要的度量与聚合，对视图进行简化，帮助工作人员进行重点分析。④翻转。翻转主要指对多维视图的维度进行换位处理，对多维视图进行翻转，工作人员能够基于不同的角度观察度量与聚合，进而全面分析主题。

2.3 多维数据处理技术

多维数据模型能够结合主题分析的要求对数据进行组织处理，保证呈现的信息具有科学性。多维数据的组成部分为大量的基本数据，组成的结果为通过多维数据集的有效处理。其处理方式包括下述几个方面：①增强与更新。增量更新适用于多维数据集结构不变、现有数据未被更改、数据源数据结构稳定的情况下。进行增强更新时需要在多维数据集中增加新的基础数据，同时对聚合进行更新，该过程并不会对已完成处理的现有数据造成影响，通过建立临时分区，同时将该分区与某一个现有分区融合，完成处理后用户能够直接访问多维数据集。②刷新数据。如果数据库中的基础数据发生变化，但是多维数据集的结构并未发生改变，则需要采用刷新数据方法。该操作十分简便，刷新过程中重新录入基础数据源，对多维数据集进行整合处理，并对聚合体进行重新计算。③完整处理。如果数据库中的基础数据与多维数据集的结构均发生变化，需要采用完整处理方法。该过程重新向发生变化的多维数据集的维度与度量中输入新的基础数据，对全部指定的聚合进行重新计算，建立全新的多维数据集。

2.4 多维数据存储技术

多维数据库需要具备良好的存储功能，这样才能持续不断地存储相关数据信息，对其存储方式进行分析，主要包括多维联机分析处理以及关系型联机分析处理。前者将多维数据作为重要基础，通过多维的形式完成信息存储工作，同时能够将不同层级的数据进行清洗与整合。多数情况下，多维联机分析处理能够通过关系型联机分析处理将不同层级的数据信息输入数据库中，在缓存作用下调取数据，有效缩短呈现信息的时间，提高工作效率。在实际工作过程中，工作人员需要有效融合多维表达式与多维数据集。因为多维联机分析处理需要存储大量的基础数据，所以其对数据存储与运行内存的要求较高。关系型联机分析将关系数据库作为基础，对多维数据集中的多维结构进行合理划分，主要包括事实表、维表与聚合体表。事实表能够存储度量数值，维表能够存储维度信息，聚合体表能够存储聚合值。该处理方式存储的数据能够通过T-SQL语句有效查询，另外也能够更新数据。

3 多维数据技术在配电网故障信息系统中的应用

3.1 数据收集

数据收集的内容包括继电保护信息、故障文件以及行波测距等。首先，需要通过数据库收集相关继电保护设备信息，实现对设备的有效控制。其次，通过电网系统识别录波器情况，收集故障文件，如果錄波器状态异常，故障文件能够给对波信息进行加载。行波测距需要通过行波测距站了解线路情况，最后加载行波测距数据。

3.2 数据分析

完成数据模型建立后需要分析变电站数据，多维数据技术的应用能够实现全站信息与故障节点信息的整合，如果电网存在故障问题，能够有效抽取、转换、加载系统中的基础数据，结合设备的采样展开分析。分析过程中有效整合保护设备与录波文件中的相关信息，搜索多维数据库，明确故障的具体范围，更新故障数据库。

4 结束语

多维数据技术的有效利用能有效提高数据收集、分析、处理的效率，提高电力企业各层级的工作质量及效率，为企业的可持续稳定发展提供保障。另外，多维数据的应用能够帮助工作人员直观发现问题、分析问题，实现对大量数据的有效处理，提高整体工作效率。

参考文献

[1] 马洁，刘超，朱淞嵩，等.基于多维数据的变电设备状态画像分析技术研究[J].自动化应用，2020（12）：93-96.

[2] 冯李军，赵兴泉，徐宏锐，等.基于多维拼接技术的电网大数据融合应用[J].电力系统装备，2019（3）：236，238.

[3] 谢菁，梁仲峰.基于大数据交互的全链路数据多维分析技术研究[J].电子设计工程，2020，28（13）：18-22.

[4] 刘伟林.简析多维数据分析及其在电力营销决策中的应用[J].中国科技投资，2019（22）：98.