大数据分析技术在采集运维业务中应用.docVIP

大数据分析技术在采集运维业务中应用 　　DOI：10.16661/j.cnki.1672-3791.2017.30.023 　　摘 要：随着我国科技力量的逐渐提升，信息技术水平在不断提高，大数据分析技术则是建立在信息技术发展的基础上发展起来的，近年来大数据分析技术在多个领域中都得到了应用，并取得了一定的进展。随着国民经济发展，人们对用电需求在不断增加，用电信息的采集规模也在与日俱增，因此就要加强采集信息系统的运行维护工作。 　　关键词：大数据分析技术 采集运维业务 用电信息采集系统 　　中图分类号：G202 文献标识码：A 文章编号：1672-3791（2017）10（c）-0023-02 　　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[1]。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。 　　1 用电信息采集系统运维业务存在的问题 　　1.1 用电采集系统运维效率低 　　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]。 　　1.3 缺乏完善的考核评价 　　当前电力企业在用电信息系统的采集运维业务中主要采用的是故障查询和线下派工的业务处理方式，对故障信息和运维结果不能进行准确、及时有效的反馈，在现场运维的工作质量、计量设备和采集设备中缺乏相关考核评价体系，难以提高运维业务的工作质量。 　　2 采集系统运维业务的大数据分析模型 　　为了解决在采集系统的运维业务中所存在的问题，在采集运维业务的开展中采用大数据分析技术，并建立大数据系统模型，对采集运维业务中的相关问题进行分析。 　　2.1 大数据分析技术 　　在采集系统中大数据主要包括数据采集、清理、存储、分析、处理和应用等多个环节，而大数据分析技术则主要包括有关系型联机分析处理和多维分析技术两种，对用电信息采集系统进行优化[3]。其中关系型联机分析处理是一种联机分析处理的表现形式，这种技术是建立在关系型数据库的基础上，通过关系型结构来对多维数据进行存储，并对在数据库中的数据进行动态分析和多维分析。采用关系型数据库进行数据存储，存储空间耗费较小，对维度数也没有限制，数据装载速度较快。而多维联机分析技术则是OLAP的一种表现形式，是建立在多位分析数据存储结构的基础上的，多维联机分析处理主要是采用专门的多维结构来进行数据存储，但数据文件的大小却受到操作平台的限制，在存储规划中需要测算数据量的大小，否则会导致数据爆炸，此外，还缺乏数据访问和数据模型标准，在对查询响应速度的分析中高于其他OLAP技术。 　　2.2 大数据运维业务架构 　　大数据运维业务架构主要是对数据进行收集、采集、营销与运维等，采用数据抽取转换加载层进行数据的分类和调配，并为数据存储提供相应的数据，数据存储层在对数据分类存储后为数据分析提供所需的数据，对数据进行优化与检索，并为数据应用层派发异常工单，在对异常工单进行智能处理和多维度质量评价中提供相应的数据支撑[4]。其中数据源主要是从营销系统、采集主站及采集运维闭环系统中获取，如异常工单、用户档案数据等。 　　3 大数据系统的采集运维业务优化 　　3.1 异常工单智能派发 　　当前在异常工单派发中主要是由采集运维工作人员负责，但在人工派发工单的情况下难以对现场情况紧急程度进行合理的判断，并在异常工单大量产生时不能按照先后顺序对工单进行合理的消缺，对于需要紧急处理的故障难以在最短时间内进行修复，造成大量经济损失。本文就从多维分析的角度对大量的运维数据和系统的历史数据进行