采集運(yùn)維業(yè)務(wù)中大數(shù)據(jù)分析技術(shù)的應(yīng)用

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了采集運(yùn)維業(yè)務(wù)中大數(shù)據(jù)分析技術(shù)的應(yīng)用范文，希望能給你帶來靈感和參考，敬請(qǐng)閱讀。

摘要：進(jìn)入新世紀(jì)以來，以互聯(lián)網(wǎng)大數(shù)據(jù)云計(jì)算為代表的信息技術(shù)在各個(gè)領(lǐng)域成熟應(yīng)用，大大提升了信息化水平，生產(chǎn)效率進(jìn)一步提升。大數(shù)據(jù)技術(shù)是以互聯(lián)網(wǎng)為支撐所誕生的一種全新的應(yīng)用技術(shù)。隨著人們物質(zhì)生活水平不斷提高，對(duì)高品質(zhì)電能的需求量不斷增加，這也就對(duì)電力系統(tǒng)的采集運(yùn)維業(yè)務(wù)提出了越來越高的要求，需要加大對(duì)采集運(yùn)維業(yè)務(wù)的高效護(hù)理和針對(duì)性護(hù)理，提高工作效率，保證持續(xù)供電。而將大數(shù)據(jù)分析技術(shù)應(yīng)用到采集運(yùn)維業(yè)務(wù)當(dāng)中，能夠大大提高系統(tǒng)運(yùn)行維護(hù)的工作效率，實(shí)現(xiàn)運(yùn)行維護(hù)的智能化操作，降低人力成本投入。文章主要結(jié)合實(shí)際工作經(jīng)驗(yàn)分析了采集運(yùn)維業(yè)務(wù)中存在的問題，然后論述了大數(shù)據(jù)分析技術(shù)在采集運(yùn)維業(yè)務(wù)中的具體應(yīng)用。

關(guān)鍵詞：大數(shù)據(jù)分析技術(shù)；采集運(yùn)維業(yè)務(wù)；電力系統(tǒng)

在整個(gè)電力系統(tǒng)運(yùn)行過程中，為了確保電信采集系統(tǒng)中各項(xiàng)業(yè)務(wù)能夠順利開展，就需要加強(qiáng)對(duì)采集運(yùn)維業(yè)務(wù)的有效維護(hù)。但從當(dāng)前采集運(yùn)維業(yè)務(wù)開展情況來看，其中還存在諸多問題，整體的運(yùn)維效率較低，故障處置率不高，故障種類較多，產(chǎn)生的原因十分復(fù)雜，發(fā)生故障之后難以準(zhǔn)確對(duì)故障位置進(jìn)行定位，影響到采集運(yùn)維業(yè)務(wù)的高效開展，使得整體的工作效率普遍較低，甚至在運(yùn)行維護(hù)過程中，還容易出現(xiàn)一系列的安全問題。而將大數(shù)據(jù)分析技術(shù)應(yīng)用到采集運(yùn)維業(yè)務(wù)當(dāng)中，能夠大大提升整個(gè)系統(tǒng)的智能化分析水平，可以及時(shí)發(fā)現(xiàn)故障，明確故障位置，明確故障原因，然后制定針對(duì)性的維修措施，確保整個(gè)供電系統(tǒng)能夠順利運(yùn)行。

一、采集運(yùn)維業(yè)務(wù)開展過程中存在的問題

（一）系統(tǒng)的采集運(yùn)維工作效率較低近些年，隨著國(guó)家經(jīng)濟(jì)不斷向前發(fā)展，人們?cè)谌粘Ｉa(chǎn)生活過程中對(duì)優(yōu)質(zhì)電能的需求量進(jìn)一步增加，這也就直接推動(dòng)了我國(guó)電力行業(yè)的改革。在國(guó)家構(gòu)建了完善電力系統(tǒng)的大背景下，電力系統(tǒng)在運(yùn)行過程中所出現(xiàn)的故障也呈現(xiàn)增加趨勢(shì)。在整個(gè)電力系統(tǒng)當(dāng)中，每天所產(chǎn)生的異常工單的總量就超過1萬條，如果對(duì)這些異常情況進(jìn)行針對(duì)性的檢修維護(hù)，將需要投入大量的人力成本，工作強(qiáng)度較大，工作范圍較廣，工作壓力較大?，F(xiàn)階段大部分部門并沒有構(gòu)建完善的消缺機(jī)制，在故障處理和運(yùn)行維護(hù)業(yè)務(wù)開展過程中，難以根據(jù)業(yè)務(wù)的緊急情況進(jìn)行針對(duì)性的處置，這就會(huì)造成采集系統(tǒng)的運(yùn)行效率普遍較低，不能夠及時(shí)發(fā)現(xiàn)故障，分析故障原因，掌握故障位置。

（二）無法及時(shí)明確故障點(diǎn)采集運(yùn)維業(yè)務(wù)開展過程中，所涉及的對(duì)象主要包括采集站點(diǎn)、智能電表、遠(yuǎn)程通信信道、本地通信站、采集終端等。在采集運(yùn)維業(yè)務(wù)所涉及的這些主體當(dāng)中，各種異常現(xiàn)象的種類就超過了60種。根據(jù)故障產(chǎn)生的原因不同，又可以將異常現(xiàn)象劃分為100多種。在運(yùn)維工作當(dāng)中故障種類十分繁雜，這就給故障點(diǎn)查明、故障原因的識(shí)別和分析提升了難度。在實(shí)際的運(yùn)行維護(hù)過程中，很多工作人員難以對(duì)故障的原因進(jìn)行針對(duì)性的細(xì)致分析，最終造成各種故障解決方案的針對(duì)性不強(qiáng)。

二、大數(shù)據(jù)分析技術(shù)在采集運(yùn)維業(yè)務(wù)中的實(shí)際應(yīng)用

（一）系統(tǒng)模型構(gòu)建1.關(guān)鍵技術(shù)應(yīng)用大數(shù)據(jù)分析系統(tǒng)模型構(gòu)建過程中，整個(gè)采集系統(tǒng)涉及數(shù)據(jù)采集、清理、儲(chǔ)存、分析、處置、讀取應(yīng)用6個(gè)環(huán)節(jié)。本次研究主要涉及數(shù)據(jù)分析環(huán)節(jié)，通過引入關(guān)聯(lián)型聯(lián)機(jī)分析處理技術(shù)和多維分析技術(shù)，對(duì)整個(gè)系統(tǒng)進(jìn)行進(jìn)一步的優(yōu)化。關(guān)聯(lián)型聯(lián)機(jī)分析處理技術(shù)：該種處理技術(shù)主要應(yīng)用的是關(guān)系型數(shù)據(jù)庫，依托關(guān)系型數(shù)據(jù)結(jié)構(gòu)，對(duì)多維數(shù)據(jù)進(jìn)行有效的表達(dá)和處理，然后對(duì)數(shù)據(jù)庫當(dāng)中的關(guān)系型數(shù)據(jù)進(jìn)行動(dòng)態(tài)化多維度的分析，并將最終的分析結(jié)果儲(chǔ)存到關(guān)系數(shù)據(jù)庫的管理系統(tǒng)當(dāng)中。在該系統(tǒng)當(dāng)中所儲(chǔ)存的文件大小主要受到RDBMS（關(guān)系數(shù)據(jù)庫管理系統(tǒng)）限制，整體的數(shù)據(jù)上傳、下載速度較快，儲(chǔ)存空間相對(duì)數(shù)據(jù)的維度不會(huì)產(chǎn)生限制，也可以利用其他數(shù)據(jù)處理模式對(duì)數(shù)據(jù)進(jìn)行分析。多維聯(lián)機(jī)分析處理技術(shù)：該種處理技術(shù)是數(shù)據(jù)分析的另外一種表現(xiàn)形式，依托多維數(shù)據(jù)分析儲(chǔ)存結(jié)構(gòu)。該種數(shù)據(jù)分析技術(shù)使用專業(yè)的多維結(jié)構(gòu)儲(chǔ)存數(shù)據(jù)庫，數(shù)據(jù)庫文件的大小主要受到整個(gè)操作平臺(tái)系統(tǒng)的限制，儲(chǔ)存的數(shù)據(jù)不會(huì)達(dá)到TB級(jí)。在數(shù)據(jù)進(jìn)行規(guī)劃處置過程中，需要進(jìn)行有效的測(cè)算，否則很容易造成數(shù)據(jù)過大，不能夠正常發(fā)揮其應(yīng)有的數(shù)據(jù)分析作用。該種數(shù)據(jù)分析模式之下，數(shù)據(jù)的上傳和下載速度相對(duì)較為緩慢，無法支持動(dòng)態(tài)多維分析，但是能夠支持高性能的輔助決策計(jì)算。2.業(yè)務(wù)框架構(gòu)建大數(shù)據(jù)分析技術(shù)要想在采集運(yùn)維業(yè)務(wù)當(dāng)中得到充分應(yīng)用，就需要構(gòu)建大數(shù)據(jù)運(yùn)行維護(hù)業(yè)務(wù)框架，該業(yè)務(wù)框架主要用于對(duì)數(shù)據(jù)的采集、收集、營(yíng)銷和運(yùn)行維護(hù)，依托數(shù)據(jù)抽取轉(zhuǎn)換加載層對(duì)所收集到的數(shù)據(jù)進(jìn)行分類，并向系統(tǒng)的儲(chǔ)存層提供相應(yīng)的數(shù)據(jù)。儲(chǔ)存層對(duì)數(shù)據(jù)進(jìn)行分類整理之后，向數(shù)據(jù)分析層提供所需要的數(shù)據(jù)。數(shù)據(jù)分析層對(duì)所提供的數(shù)據(jù)進(jìn)行進(jìn)一步的優(yōu)化檢索，然后為整個(gè)系統(tǒng)的異常工單的智能派發(fā)、智能處理、多維數(shù)據(jù)質(zhì)量評(píng)價(jià)提供數(shù)據(jù)支撐。在該框架模式之下，系統(tǒng)所涉及的各項(xiàng)數(shù)據(jù)源主要來源于采集主站、營(yíng)銷系統(tǒng)、采集運(yùn)維閉環(huán)系統(tǒng)當(dāng)中所提供的各種數(shù)據(jù)信息，如用戶的檔案信息以及故障采集成功率和異常工單的處置情況等相關(guān)數(shù)據(jù)。數(shù)據(jù)ETL（數(shù)據(jù)倉(cāng)庫技術(shù)）模塊的主要功能是使用相關(guān)工具，對(duì)涉及的數(shù)據(jù)源進(jìn)行智能化的抽取轉(zhuǎn)化，并將轉(zhuǎn)換好的數(shù)據(jù)向著儲(chǔ)存層傳輸。在數(shù)據(jù)儲(chǔ)存層當(dāng)中，配置了混合型的大數(shù)據(jù)儲(chǔ)存結(jié)構(gòu)和處置框架，它能夠?qū)φ麄€(gè)系統(tǒng)所涉及的多源型的異構(gòu)電力數(shù)據(jù)進(jìn)行多源化的儲(chǔ)存分類整理，它能夠儲(chǔ)存各種格式的數(shù)據(jù)信息，儲(chǔ)存內(nèi)容多樣，有利于對(duì)多種數(shù)據(jù)進(jìn)行有效的管理，滿足不同應(yīng)用層的需求。整個(gè)處理框架主要面向離線分析、實(shí)際計(jì)算、密集型數(shù)據(jù)分析等場(chǎng)景。在該框架模式之下，能夠?qū)崿F(xiàn)對(duì)數(shù)據(jù)的批量計(jì)算、內(nèi)存計(jì)算、高性能計(jì)算。數(shù)據(jù)分析層是整個(gè)框架的重要組成部分，它實(shí)現(xiàn)了分析模型管理、計(jì)算實(shí)時(shí)查詢的功能。在數(shù)據(jù)的分析層和處理層之間通過應(yīng)用分布式的內(nèi)存數(shù)據(jù)緩存技術(shù)能夠?qū)崿F(xiàn)整個(gè)框架在業(yè)務(wù)處理和應(yīng)用操作之間的耦合性，大大提升數(shù)據(jù)分析效率。數(shù)據(jù)分析層所得到的各種數(shù)據(jù)，進(jìn)一步向著應(yīng)用層傳遞，然后實(shí)現(xiàn)應(yīng)用層的異常工單的智能派發(fā)、智能處理和多種信息的質(zhì)量評(píng)價(jià)。通過應(yīng)用模塊化的軟件設(shè)計(jì)方式，能夠?qū)崿F(xiàn)各個(gè)模塊功能的隨插隨用，并且還能夠充分考慮各個(gè)模塊之間的聯(lián)系性、功能聯(lián)合性，統(tǒng)一接口，實(shí)現(xiàn)了不同模塊之間的有效融合，使業(yè)務(wù)模塊之間既能夠獨(dú)立運(yùn)行，又能夠相互補(bǔ)充。

（二）大數(shù)據(jù)分析技術(shù)背景下采集運(yùn)維業(yè)務(wù)的優(yōu)化1.異常工單的智能化派發(fā)當(dāng)前的異常工單派發(fā)主要是由人工操作完成，但是異常工單派發(fā)人員不能夠?qū)收犀F(xiàn)場(chǎng)的實(shí)際情況和緊急程度有一個(gè)全面的了解和判斷，經(jīng)常會(huì)造成系統(tǒng)當(dāng)中的各種異常工單量大，但沒有得到有效的處置，也不能夠根據(jù)故障的緊急情況，按照先后進(jìn)行派發(fā)，使得故障的處置存在諸多不合理情況，很多小故障演變成大故障，最終造成巨大經(jīng)濟(jì)損失。依托大數(shù)據(jù)分析技術(shù)，能夠?qū)Σ杉\(yùn)維業(yè)務(wù)當(dāng)中的異常工單派發(fā)情況進(jìn)行智能化優(yōu)化。通過對(duì)各種數(shù)據(jù)信息進(jìn)行針對(duì)性的分析，明確各種故障的輕重緩急并能夠?qū)⒐收陷^為嚴(yán)重的工單及時(shí)派發(fā)給維修人員，及時(shí)對(duì)故障進(jìn)行處理，避免造成嚴(yán)重危害。在具體應(yīng)用過程中，首先應(yīng)該明確采集運(yùn)維業(yè)務(wù)的效用值模型。在單個(gè)表績(jī)效用值基礎(chǔ)上，會(huì)受到每月的平均用電量以及異常情況持續(xù)時(shí)間和下一階段抄表天數(shù)的影響。而具體的工單效用則是指工單故障電表效益總和，由此可以得到采集運(yùn)維效用值模型。即X效用值＝∑f(x)，其中X效用值是采集運(yùn)維業(yè)務(wù)的表達(dá)方式，f（x）是單一電表的異常運(yùn)維效用值。在計(jì)算過程中，居民和非居民的平均每月的用電量臨界值分別為：不大于200千瓦每小時(shí)為一戶標(biāo)準(zhǔn)；大于200千瓦每小時(shí)，但不大于10000千瓦每小時(shí)，為兩戶標(biāo)準(zhǔn)；大于10000千瓦每小時(shí)為三戶標(biāo)準(zhǔn)。系統(tǒng)當(dāng)中的一個(gè)電表的異常持續(xù)時(shí)間是指電表持續(xù)一天所造成的電量監(jiān)控?fù)p失，按照累加方法進(jìn)行計(jì)算，距離下一個(gè)抄表天數(shù)分析，當(dāng)距離效益抄表的天數(shù)越接近，則顯示對(duì)該用戶的監(jiān)控?fù)p失電量概率越大，故障緊急維修程度越高。當(dāng)距離效益抄表天數(shù)越遠(yuǎn)，則顯示對(duì)該用戶的監(jiān)控?fù)p失電量概率越小，因?yàn)樵撘驍?shù)所造成的影響越小，趨近于零。2.智能化處理異常工單在傳統(tǒng)的采集運(yùn)維業(yè)務(wù)開展過程中，由于缺乏智能化的數(shù)據(jù)分析，再加上很多運(yùn)行維護(hù)人員對(duì)所在區(qū)域缺乏了解，所以故障維護(hù)的整體效率普遍較低，缺乏針對(duì)性的分析，只能夠?qū)ΜF(xiàn)場(chǎng)故障進(jìn)行一一排查，大大增加了人力成本投入。而將大數(shù)據(jù)分析技術(shù)應(yīng)用其中，能夠?qū)Ξ惓９收线M(jìn)行有效的分類，明確緊急故障和非緊急故障，并及時(shí)確定異常工單產(chǎn)生的原因，從多維角度分析異常工單產(chǎn)生的原因。綜上所述，在采集運(yùn)維業(yè)務(wù)當(dāng)中綜合應(yīng)用大數(shù)據(jù)分析技術(shù)，可以對(duì)采集的各項(xiàng)數(shù)據(jù)信息進(jìn)行深入的挖掘和分析，并且對(duì)運(yùn)行維護(hù)過程中所存在的異常工單進(jìn)行智能化的統(tǒng)計(jì)和分析處理，及時(shí)找出故障所在位置以及故障產(chǎn)生的原因，促使采集維護(hù)業(yè)務(wù)由粗放式管理向精細(xì)化、集約化、智能化方向轉(zhuǎn)變，提高運(yùn)維業(yè)務(wù)的工作效率、工作質(zhì)量，降低工作強(qiáng)度。

參考文獻(xiàn)：

[1]萬方達(dá).容量評(píng)估管理方式探索:數(shù)據(jù)分析在信息技術(shù)運(yùn)維領(lǐng)域的應(yīng)用[J].金融電子化,2015(11):70-72.

[2]邊紅軍.數(shù)據(jù)挖掘技術(shù)在信用卡業(yè)務(wù)中的應(yīng)用分析研究[J].無線互聯(lián)科技,2015(1):105.

[3]劉光榕.數(shù)據(jù)倉(cāng)庫及OLAP技術(shù)在電信業(yè)務(wù)分析中的應(yīng)用探討[J].電腦編程技巧與維護(hù),2011(4):32-35.

作者：羅陽倩子 單位：廣東農(nóng)工商職業(yè)技術(shù)學(xué)院