基于物联网与大数据的电学计量检测架构分析

（重庆市机械工业理化计量中心，重庆 400020）

1 大数据与物联网相关概述

所谓大数据技术，主要是指无法在一定时间内使用常规软件进行捕捉、管理和处理的数据集合，需要新处理模式获得强决策力、洞察力以及流程优化能力的信息资产，此类资产具有高增长率、海量和多样化的特点[1]。在将其应用于电学计量检测工作中后，能够对数量庞大的计量电学设备和海量计量数据进行处理，增强数据的统一存储管理和可追溯性，降低计量数据误差。

所谓物联网技术，主要是指利用信息传感器以及红外感应设备等装置和技术，对任何需要连接、监控的物体进行实时采集的过程，例如光热信息以及生物信息等，同时，通过接入网络，能够实现人与人、物与物之间的有效连接，可以说，物联网是以互联网和传统电信网为基础的信息承载体，能够满足万物互联的需要。在互联网技术普及应用的时代背景下，物联网技术以其资源的高效利用、人力成本有效降低以及数据采集等强大优势逐渐在医疗事业和智能交通等领域得到广泛使用。在应用该技术构建电学计量检测架构时，主要按照自下而上的方式进行基本架构的搭建，即感知层、传输层和应用层，进而实现各环节的有效衔接，提高数据采集、计量等工作效率。

2 探讨电学计量检测架构的不足及运用大数据和物联网的意义

随着社会经济的不断发展和科学技术水平的提高，电学设备种类愈发丰富，例如标准电池、数字多用表、欧姆表等，虽然此类设备的广泛应用为人们工作带来极大便利，却给电学计量工作提出挑战。在电学设备运用过程中，为保证该设备测量的准确性和稳定性，需要定期对其进行计量检测，这导致计量测量工作压力日益增加。从目前电学设备计量检测现状来看，无论是数据采集、数据分析还是检定报表的制作等，大部分工作仍由计量检测人员开展，例如设备的现场检测、手动读数和计算等，在增加计量检测人员工作压力的同时，也极有可能出现计量和统计错误，这对计量检测工作的发展形成制约。除此之外，在开展电学计量检测工作过程中，由于设备繁多，进而会产生大量信息数据，但其仅作用于检定报告的生成，缺乏数据分析和隐藏信息挖掘流程和技术，导致数据资源大量浪费。

通过将物联网技术和大数据分析技术应用到电学计量检测工作中，以此为基础构建检测架构，能够有效改善甚至彻底解决上述问题。即运用物联网技术的万物互联功能实现各类电学设备计量数据的采集和传输，发挥大数据技术的分析、处理功能挖掘计量数据的隐藏信息和价值，并构建计量数据库，实现信息数据的统一存储管理。一方面为电学计量检测工作提供数据服务，另一方面还能够为电学设备的改进提供科学有效支持，促进电学计量检测工作的各方面优化和该事业领域的可持续发展。

3 分析以大数据和物联网为基础的电学计量检测架构

通过将大数据技术与物联网技术优势相结合，能够有效改善以往传统电学计量检测缺点，提高电学计量检测结果准确性和检测工作效率，并获得监测数据的潜在价值，具体架构如下：

3.1 以物联网为基础的构成部分

由于该电学计量检测架构的设计综合了大数据技术和物联网技术的优势，为此，在该架构中，分别具有物联网构成部分和大数据处理部分。对于物联网部分而言，其主要包括电学计量信息感知层、网络层以及应用层。①在电学计量信息感知层，主要包括数据采集和数据预处理，数据采集来源主要是电压表、功率表、相位表以及标准功率源等电学计量检测设备，数据预处理主要分为三个步骤，分别为数据分选、数据压缩以及数据封装。通过发挥传感器技术和设备、蓝牙技术以及射频识别等现代化智能技术，将各电学计量检测设备作为数据感知节点，进而通过自动读取待计量电学设备的数据获得电学设备计量信息，完成原始计量数据采集工作。由于海量的原始计量数据中难免存在无效、重复的数据内容，为此，需要对数据进行预处理，通过分选、压缩以及封装等数据处理工作，能够为后续工作奠定良好基础。②电学计量信息网络层属于中间层，能够对无线通信网络、有线网络以及专用网络等不同类别网络进行自主选择，满足电学计量信息传递要求，更好为用户提供服务。其主要包括网络管理、流量控制、信息数据传输、网络安全、有效网络、互联网、无线通信网以及私有网络等模块，为此，除了计量信息数据的传输外，还具有网络、数据安全等方面的服务功能。③电学计量信息应用层主要负责识别解决接收到的计量数据并对其进行分类，从而得到高质量的电流数据、计量设备产品信息数据、电压数据以及电阻数据等各类电学设备计量数据，并以此为基础构建电学计量数据库，实现对计量数据的统一管理和存储。为此，电学计量信息应用层主要包括计量业务导调、计量业务管理、计量设备管控、数据存储、数据解析、计量数据分析梳理以及报表生成等模块，并以电压等计量数据为基础不断丰富电学计量数据库，实现计量数据的更新和可追溯。另外，应用层能够随时进行计量数据的读取、分析和处理，包括计量结果的误差分析和不确定度分析等，并在计量数据处理后自动生成检定报表[2]。

3.2 以大数据为基础的处理部分

在整个电学计量检测架构中，以大数据为基础的处理部分主要包括电学计量数据清洗、数据挖掘以及数据解释。在开展电学计量检测工作时，往往会产生海量计量信息和数据，并在检测过程中自动录入计量数据库，使得工作人员难以对计量数据价值进行挖掘。但通过应用大数据处理分析技术，能够顺利挖掘计量数据的潜在信息，实现数据价值。在电学计量检测架构中，以大数据为基础的处理部分中，电学计量数据清洗、计量数据挖掘和计量数据解释主要以电学计量数据库为基础，具体流程为：①将采集且经过预处理的计量数据进行加工和清洗，利用设置的预定义清洗规则对海量计量数据中的可识别错误数据进行识别和纠正，主要对计量数据的一致性进行检查，并将检查出的无效数据和缺失数据进行剔除。②挖掘清洗后的计量数据，主要使用高精度的遗传算法、神经网络、机器学习、聚类以及决策树等技术方法分类计量数据，提高数据的有序性，之后对其进行估值、预测，并开展相关性分析，实现计量数据潜在信息的全面搜索和分析。最后，利用得到的隐藏信息对其进行可视化展示或构建模型，作为改进计量电学设备生产制造的有效信息基础。

3.3 优化后电学计量检测架构先进性

相较于以往传统电学计量检测，以大数据处理技术和物联网技术为基础的电学计量检测架构具有以下先进点：

第一，改善以往工作效率低下的缺陷，提高电学计量检测准确性和工作效率。通过以物联网技术架构为基础，对电学计量设备进行适应性改造并对网络资源进行合理配置，相关工作人员就能够对远程计量设备的计量数据进行准确、全面获取。而且，工作人员使用应用层软件就能够根据不同需求完成电学设备计量工作，并在工作完成后获得由软件自动生成的计量检定报告，极大的提高了电学计量工作效率，将相关工作人员从基础性、重复性工作中解放出来，减轻其工作量的同时使其具有更多时间和精力进行数据分析工作，同时，也从根本上避免了因人为原因带来的计量错误，计量准确性能够得到有效提高。

第二，大数据分析技术的应用能够促进计量数据价值的实现，提高数据利用率。由于电学设备计量工作涉及多种类型的电学设备，在高频次计量要求下难免产生海量电学设备计量测试数据。以往传统的电学计量方式中，计量数据主要发挥计量检测报告生成的基础作用，仅应用于计量设备判定方面，然而，判定后计量数据不仅没有得到及时分析，甚至没有标准化存储和管理，造成数据完整性较差，难以为后续工作提供科学有效支持。但是，通过将大数据分析技术作为电学计量检测架构基础，能够充分利用大数据分析功能对数据价值和隐藏信息进行挖掘，并实现对计量数据的存储和管理，提高计量数据管理质量，进而为日常计量工作提供数据支持。最后，大数据分析技术的使用能够帮助相关工作人员通过计量检测工作，通过电学设备不确定度信息和误差信息掌握设备潜在变化规律，增加该检测工作的预测性能，为电学设备的制造和设计提供有效意见和改进信息。

4 结束语

综上所述，使用大数据分析技术和物联网技术构建电学计量检测架构对计量数据利用率、工作效率和准确率的提高具有极强现实意义。因此，相关单位和人员应深入研究这两项技术并将其应用到电学计量检测工作中，从而提高工作质量。