摘要:目前,我国对用电信息系统的建设和发展已经逐渐完善,累积接入的采
集终端约有 1500 万台,智能电表的接入约 5 亿。为了确保在用电信息采集系统
中各项业务顺利展开,就需要加强对采集系统的运行维护工作,这也是采集系统
未来主要研究和注意的问题。从当前情况来看,在采集运维业务中还存在着诸多
问题,如运维效率较低,缺乏故障优先处理级,故障种类多样、复杂,难以对故
障进行准确的定位等,因此本文就首先对用电信息采集系统的运维业务中所存在
的问题加以分析,并进一步提出在采集运维业务中大数据分析技术的应用。
关键词:大数据分析;技术;采集运维;业务;应用;分析
引言:用电信息采集系统建设已经接近尾声,目前累计接入智能电能表 4.2
亿只、采集终端 1 263.84 万台,覆盖用户 3.86 亿户,因此,如何保证采集系统中
各项业务的顺利开展,将是今后要解决的主要问题。采集运维业务中主要存在如
下问题。缺乏故障处理优先级,运维效率低下。各省电力公司平均每天产生 10
000 条异常工单,远远超过目前配备运维人员的工作能力。大部分公司没有制定
合理的消缺机制,无法依据故障的紧急程度和重要等级开展运维业务。故障种类
复杂多样,故障分析定位困难。用电信息采集系统涉及的运维对象有:智能电能
表、采集终端、采集主站、本地通信信道和远程通信信道。目前统计的异常现象
共七大类 59 种,故障原因 98 种。故障分析定位非常困难,普通的运维人员通常
不具备定位故障原因并确定消缺方案的技术能力。
随着社会经济发展水平的提升,在人们日常生活和工业生产中对电力需求量
在逐渐增加,电力行业也得到了快速发展,但根据调查统计发现,电力公司每日
产生的异常工单总计约有 1 万条,工作强度远远超出运维工作人员的工作能力,
且大部分企业都没有建立消缺机制,在故障处理和运维业务开展中难以根据业务
的紧急程度开展相应等级的工作,从而导致采集系统的运维效率低下。
1.2 对故障点难以进行准确的定位
在电力企业的用电信息采集系统的运维业务工作开展中,主要的运维对象为
采集主站、智能电表、远程通信信道、本地通信信道、采集终端。根据统计发现
异常现象的种类可以分为 59 种,根据不同的故障原因又可以将其分为 100 种,
故障的种类十分复杂、繁多,导致难以对故障点及故障原因进行准确的定位和分
析,普通的运维工作人员也难以对故障原因进行定位,缺乏消缺方案技术能力。
2.大数据分析关键技术
大数据在采集系统中的应用包括数据采集、数据清理、数据存储、数据分析、
数据处理、数据解读和数据应用 6 个环节,本文针对数据分析环节中,引入关系
型联机分析处理机制和多维分析技术进而优化整个系统进行论述。一是关系型联
机分析处理(Relational Online Analytical Processing,ROLAP)。关系型联机分析处
理是联机分析处理(OLAP)的一种形式。这种技术基于关系型数据库,以关系型
结构进行多维数据的表示和存储,对存储在关系数据库(而非多维数据库)中的
数据作动态多维分析。使用关系数据库管理系统(Relational Database
Management System,RDBMS)存储数据,数据文件大小受 RDBMS 限制;数据装
载速度快;存储空间耗费小;维度数没有限制;可以通过 SQL 对数据进行处理。
二是多维联机分析处理(Multidimensional On-Line Analytical Processing ,MOLAP)。
评论0
最新资源