馬聞陽

【摘 要】近年來，隨著用電信息采集系統(tǒng)的大力推廣，用電信息采集規(guī)模日漸龐大，數(shù)據(jù)深化應(yīng)用不斷加強(qiáng)，對系統(tǒng)的運(yùn)行維護(hù)工作也隨之?dāng)U大，迫切的運(yùn)維需求與落后的運(yùn)維能力不匹配等問題逐漸凸顯出來。文章提出運(yùn)用大數(shù)據(jù)多維分析技術(shù)，從異常工單智能化派發(fā)、異常工單智能處理和采集運(yùn)維多維度質(zhì)量評價(jià) 3 方面入手，對整體采集運(yùn)維工作進(jìn)行優(yōu)化，從而提升整體運(yùn)維效率和質(zhì)量，提高管理水平。

【關(guān)鍵詞】采集運(yùn)維；大數(shù)據(jù)；多維度；智能化

1 用電信息采集系統(tǒng)運(yùn)維業(yè)務(wù)存在的問題

1.1 用電采集系統(tǒng)運(yùn)維效率低

隨著社會經(jīng)濟(jì)發(fā)展水平的提升，在人們?nèi)粘Ｉ詈凸I(yè)生產(chǎn)中對電力需求量在逐漸增加，電力行業(yè)也得到了快速發(fā)展，但根據(jù)調(diào)查統(tǒng)計(jì)發(fā)現(xiàn)，電力公司每日產(chǎn)生的異常工單總計(jì)約有1萬條，工作強(qiáng)度遠(yuǎn)遠(yuǎn)超出運(yùn)維工作人員的工作能力，且大部分企業(yè)都沒有建立消缺機(jī)制，在故障處理和運(yùn)維業(yè)務(wù)開展中難以根據(jù)業(yè)務(wù)的緊急程度開展相應(yīng)等級的工作，從而導(dǎo)致采集系統(tǒng)的運(yùn)維效率低下。

1.2 對故障點(diǎn)難以進(jìn)行準(zhǔn)確的定位

在電力企業(yè)的用電信息采集系統(tǒng)的運(yùn)維業(yè)務(wù)工作開展中，主要的運(yùn)維對象為采集主站、智能電表、遠(yuǎn)程通信信道、本地通信信道、采集終端。根據(jù)統(tǒng)計(jì)發(fā)現(xiàn)異?，F(xiàn)象的種類可以分為59種，根據(jù)不同的故障原因又可以將其分為100種，故障的種類十分復(fù)雜、繁多，導(dǎo)致難以對故障點(diǎn)及故障原因進(jìn)行準(zhǔn)確的定位和分析，普通的運(yùn)維工作人員也難以對故障原因進(jìn)行定位，缺乏消缺方案技術(shù)能力。

1.3 缺乏完善的考核評價(jià)

當(dāng)前電力企業(yè)在用電信息系統(tǒng)的采集運(yùn)維業(yè)務(wù)中主要采用的是故障查詢和線下派工的業(yè)務(wù)處理方式，對故障信息和運(yùn)維結(jié)果不能進(jìn)行準(zhǔn)確、及時(shí)有效的反饋，在現(xiàn)場運(yùn)維的工作質(zhì)量、計(jì)量設(shè)備和采集設(shè)備中缺乏相關(guān)考核評價(jià)體系，難以提高運(yùn)維業(yè)務(wù)的工作質(zhì)量。

2 采集系統(tǒng)運(yùn)維業(yè)務(wù)的大數(shù)據(jù)分析模型

為了解決在采集系統(tǒng)的運(yùn)維業(yè)務(wù)中所存在的問題，在采集運(yùn)維業(yè)務(wù)的開展中采用大數(shù)據(jù)分析技術(shù)，并建立大數(shù)據(jù)系統(tǒng)模型，對采集運(yùn)維業(yè)務(wù)中的相關(guān)問題進(jìn)行分析。

2.1 大數(shù)據(jù)分析技術(shù)

在采集系統(tǒng)中大數(shù)據(jù)主要包括數(shù)據(jù)采集、清理、存儲、分析、處理和應(yīng)用等多個(gè)環(huán)節(jié)，而大數(shù)據(jù)分析技術(shù)則主要包括有關(guān)系型聯(lián)機(jī)分析處理和多維分析技術(shù)兩種，對用電信息采集系統(tǒng)進(jìn)行優(yōu)化[3]。其中關(guān)系型聯(lián)機(jī)分析處理是一種聯(lián)機(jī)分析處理的表現(xiàn)形式，這種技術(shù)是建立在關(guān)系型數(shù)據(jù)庫的基礎(chǔ)上，通過關(guān)系型結(jié)構(gòu)來對多維數(shù)據(jù)進(jìn)行存儲，并對在數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行動(dòng)態(tài)分析和多維分析。采用關(guān)系型數(shù)據(jù)庫進(jìn)行數(shù)據(jù)存儲，存儲空間耗費(fèi)較小，對維度數(shù)也沒有限制，數(shù)據(jù)裝載速度較快。

2.2 大數(shù)據(jù)運(yùn)維業(yè)務(wù)架構(gòu)

大數(shù)據(jù)運(yùn)維業(yè)務(wù)架構(gòu)主要是對數(shù)據(jù)進(jìn)行收集、采集、營銷與運(yùn)維等，采用數(shù)據(jù)抽取轉(zhuǎn)換加載層進(jìn)行數(shù)據(jù)的分類和調(diào)配，并為數(shù)據(jù)存儲提供相應(yīng)的數(shù)據(jù)，數(shù)據(jù)存儲層在對數(shù)據(jù)分類存儲后為數(shù)據(jù)分析提供所需的數(shù)據(jù)，對數(shù)據(jù)進(jìn)行優(yōu)化與檢索，并為數(shù)據(jù)應(yīng)用層派發(fā)異常工單，在對異常工單進(jìn)行智能處理和多維度質(zhì)量評價(jià)中提供相應(yīng)的數(shù)據(jù)支撐[4]。其中數(shù)據(jù)源主要是從營銷系統(tǒng)、采集主站及采集運(yùn)維閉環(huán)系統(tǒng)中獲取，如異常工單、用戶檔案數(shù)據(jù)等。

3.期刊文章分類查詢，盡在期刊圖書館

3.1 異常工單智能派發(fā)

當(dāng)前在異常工單派發(fā)中主要是由采集運(yùn)維工作人員負(fù)責(zé)，但在人工派發(fā)工單的情況下難以對現(xiàn)場情況緊急程度進(jìn)行合理的判斷，并在異常工單大量產(chǎn)生時(shí)不能按照先后順序?qū)芜M(jìn)行合理的消缺，對于需要緊急處理的故障難以在最短時(shí)間內(nèi)進(jìn)行修復(fù)，造成大量經(jīng)濟(jì)損失。本文就從多維分析的角度對大量的運(yùn)維數(shù)據(jù)和系統(tǒng)的歷史數(shù)據(jù)進(jìn)行分析，對不同種類異常工單的嚴(yán)重程度進(jìn)行判斷，提高異常工單的處理效率和處理質(zhì)量，提高采集系統(tǒng)設(shè)備的數(shù)據(jù)完整性。

（1）采集運(yùn)維效用值模型。

在單個(gè)表計(jì)效用值的情況下，主要受到月平均用電量、異常持續(xù)時(shí)間和離下一抄表天數(shù)的影響，而總體的工單效用則是指工單的故障電表效益總和，也就是指故障電能表數(shù)量的影響，而根據(jù)這些因素可以得出效用值的模型公式，即Y效用值=Σf（x），其中Y效用值指的是采集運(yùn)維業(yè)務(wù)的效用值，而f（x）則表示的是單個(gè)電表的異常采集運(yùn)維效用值，i表示的是第i個(gè)電能表。

（2）模型應(yīng)用。

在對采集異常運(yùn)維數(shù)據(jù)的分析和處理中主要是對月平均用電量、異常持續(xù)時(shí)間和離下一抄表天數(shù)的分析，其中月平均用電量僅僅將使用電量作為效用值時(shí)，最后計(jì)算的數(shù)值較大，將標(biāo)準(zhǔn)月用電量引入到整體模型中去作為最后的數(shù)值單位，標(biāo)準(zhǔn)用電量是在隨機(jī)抽取大部分用戶實(shí)際用電量，并統(tǒng)計(jì)出各類用戶月平均用電量，根據(jù)最多類型的用戶平均用電量作為標(biāo)準(zhǔn)用電量。居民月均用電量和非居民月均用電量的分界點(diǎn)為≤200kW·h的為一戶標(biāo)準(zhǔn)戶，≤1000kW·h，>200kW·h的為2戶標(biāo)準(zhǔn)戶，>1000kW·h的為3戶標(biāo)準(zhǔn)戶。異常持續(xù)時(shí)間指的是每個(gè)電表故障持續(xù)一天則會造成一天的電量監(jiān)控?fù)p失，電量的監(jiān)控?fù)p失按照累加的方式進(jìn)行計(jì)算[5]。

3.2 異常工單的智能化處理

原有的采集運(yùn)維業(yè)務(wù)開展主要是由于缺乏大數(shù)據(jù)支撐，當(dāng)運(yùn)維人員對該地區(qū)缺乏一定的熟悉程度的情況下，運(yùn)維工作的效率較低，對已發(fā)生的故障缺乏準(zhǔn)確的分析能力，運(yùn)維人員只能對現(xiàn)場故障類型進(jìn)行一一排查。在對異常工單的歷史大數(shù)據(jù)中采用大數(shù)據(jù)分析技術(shù)，可以通過系統(tǒng)異常分析功能對現(xiàn)場的故障類型進(jìn)行快速判斷，提高現(xiàn)場的運(yùn)維效率。對于新生成的異常工單，可以通過生產(chǎn)廠家、國網(wǎng)招標(biāo)批次、故障設(shè)備類型等維度對異常原因的發(fā)生概率進(jìn)行判斷，從而確定異常工單的主要原因，并對比值大小進(jìn)行比較預(yù)測出異常原因，從多維度分析角度對異常原因的分析概率比值公式為Y比值=Σf（xi）/n，其中Y比值指的是單個(gè)異常原因的概率比值，而f（xi）則表示的是單個(gè)維度下單一異常原因的發(fā)生概率，n表示所有維度總量。

4 結(jié)語

用電信息采集的運(yùn)維管理是一項(xiàng)龐大而復(fù)雜的工作，本文提出的對異常工單智能化派發(fā)、異常工單智能處理和采集運(yùn)維多維度質(zhì)量評價(jià)只是對其中的一部分業(yè)務(wù)進(jìn)行了優(yōu)化應(yīng)用，后續(xù)還將對采集異常智能化甄別、異常工單智能處理及異常工單智能化派發(fā)進(jìn)行更深入的實(shí)踐與研究，最終為滿足國網(wǎng)營銷部的“全覆蓋、全采集、全費(fèi)控”目標(biāo)要求提供強(qiáng)有力的技術(shù)保障。

參考文獻(xiàn)：

[1]萬方達(dá).容量評估管理方式探索――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.

[4]季文天，郭清菊，馬杰.基于模型驅(qū)動(dòng)的框架技術(shù)在數(shù)據(jù)采集平臺中的分析與應(yīng)用[J].軟件，2014，35（3）：121-124.

（作者單位：國網(wǎng)太原供電公司）