姜楠

國網(wǎng)哈爾濱供電公司 黑龍江哈爾濱 150046

隨著電網(wǎng)規(guī)模的不斷擴大，用電信息數(shù)據(jù)規(guī)模增大，用電信息采集以及計量業(yè)務的工作量不斷增多，用電信息采集和管理涉及到對電網(wǎng)的故障診斷、用電調(diào)度、電力稽查、智能電能表設計以及通信、計量、遠程費控等諸多業(yè)務，對用電信息采集的運維監(jiān)測就是實現(xiàn)對用電數(shù)據(jù)的供電電壓監(jiān)測、電能質(zhì)量管理的數(shù)據(jù)分析過程，采用大數(shù)據(jù)分析技術(shù)進行用電信息采集運維監(jiān)測，通過終端廠商協(xié)助運維監(jiān)測，實現(xiàn)對用電網(wǎng)絡的故障定位、故障處理以及用電監(jiān)測等。

1 數(shù)據(jù)中心運維的大數(shù)據(jù)的來源與特征

1.1 數(shù)據(jù)中心運維的大數(shù)據(jù)的來源

（1）基礎設施監(jiān)控系統(tǒng)獲取的如動力、環(huán)境、網(wǎng)絡等指標信息；（2）安防系統(tǒng)的人員設備出入管理數(shù)據(jù)；（3）管理流程數(shù)據(jù)如工單、服務申請記錄、設備部署信息等；（4）CMDB庫中的設備資產(chǎn)信息。

1.2 數(shù)據(jù)中心運維大數(shù)據(jù)的特征

（1）基礎設施的監(jiān)控數(shù)據(jù)大多是以秒級時間間隔來采集，數(shù)據(jù)體量非常大。（2）視頻監(jiān)控、告警信息以及服務申請記錄等數(shù)據(jù)的非結(jié)構(gòu)化導致運維數(shù)據(jù)具有多樣性。（3）數(shù)據(jù)中心的高可用性和連續(xù)性要求數(shù)據(jù)處理速度快，以便于快速響應并處理故障。（4）現(xiàn)階段數(shù)據(jù)中心運維數(shù)據(jù)利用率較低，多停留于簡單報表呈現(xiàn)。

2 運維監(jiān)測系統(tǒng)實現(xiàn)

2.1 用電信息的特征挖掘

在上述構(gòu)建了基于大數(shù)據(jù)的用電信息采集運維監(jiān)測系統(tǒng)的總體構(gòu)架模式和進行用電信息采集后的信息融合的基礎上，進行用電信息采集運維監(jiān)測系統(tǒng)的優(yōu)化設計，本文提出設計一種基于大數(shù)據(jù)的用電信息采集運維監(jiān)測系統(tǒng)，采用關聯(lián)規(guī)則挖掘算法進行用電信息的特征挖掘，對用電信息采集的異常數(shù)據(jù)進行譜分析，通過對異常數(shù)據(jù)的關聯(lián)規(guī)則挖掘，進行用電網(wǎng)絡的故障判斷和定位。

2.2 系統(tǒng)模型的設計

通過對原始數(shù)據(jù)進行加工處理，生成數(shù)據(jù)寬表，同時，確定需要解決的業(yè)務問題，其中業(yè)務目標即為模型因變量（Y），選取數(shù)據(jù)寬表中的數(shù)據(jù)作為模型自變量（X）。然后再進行模型設計，如選線性或非線性算法。再進行模型訓練、校驗和預測，并通過調(diào)整模型自變量X來優(yōu)化模型算法，最后輸出模型預測結(jié)果。

2.3 系統(tǒng)模型的執(zhí)行

設計和執(zhí)行一個以監(jiān)控數(shù)據(jù)分析模型為核心的DCIM監(jiān)控數(shù)據(jù)應用機制，對采集數(shù)據(jù)進行快速和有效的處理。分析結(jié)果與現(xiàn)有的監(jiān)控系統(tǒng)進行有效集成，為用戶提供實時的數(shù)據(jù)分析服務。

通過運用大數(shù)據(jù)挖掘和分析技術(shù)，發(fā)現(xiàn)大數(shù)據(jù)技術(shù)可以提高運維的可靠性。數(shù)據(jù)中心運營的第一要務就是保證全天不間斷可靠運行。如果出現(xiàn)故障需即時處理，以減少事故處理時間，降低故障帶來的損失和風險，因此，數(shù)據(jù)中心運維需要重點關注設備故障。

大多數(shù)據(jù)中心都建設有自己的基礎設施監(jiān)控系統(tǒng)（DCIM系統(tǒng)），但是目前大多DCIM系統(tǒng)仍然停留在簡單的監(jiān)控和數(shù)據(jù)統(tǒng)計展示上，并未對監(jiān)控數(shù)據(jù)進行深層次的分析，難以發(fā)現(xiàn)故障的誘因和共性。在基礎設施管理系統(tǒng)的基礎上加入大數(shù)據(jù)分析技術(shù)，探索縮短故障歷時的途徑：如通過基礎設施管理系統(tǒng)獲取關鍵設備如蓄電池的歷史運行參數(shù)及其基本屬性信息、歷史故障信息、機房環(huán)境參數(shù)等，對這些數(shù)據(jù)進行挖掘分析，構(gòu)建一個預測模型，那么通過預測模型，結(jié)合相應的風險預警規(guī)則，就可以提前預測和識別一部分存在高風險故障可能性的電池組，并且將預警信息與前臺的運維系統(tǒng)進行集成，定期實時更新風險標簽，從而提醒運維人員提前維護和更換該組電池，以避免故障的發(fā)生，減少宕機的可能。

通過對機房各級配電設備的監(jiān)測，可以實時動態(tài)了解機房各設備的能耗情況，如空調(diào)能耗、IT設備能耗、照明能耗等，可以通過對單元能耗數(shù)據(jù)的挖掘和分析可以獲取機房內(nèi)整體能耗利用率，建立健全相應的能耗智能調(diào)度系統(tǒng)，從而幫助管理人員清晰了解機房能耗消耗和分布情況，為后期機房節(jié)能措施的應用提供數(shù)據(jù)依據(jù)。

3 實驗測試分析

為了驗證基于大數(shù)據(jù)的用電信息采集運維監(jiān)測系統(tǒng)的應用性能，進行仿真實驗，實驗依據(jù)2016年1月1日至2016年5月31日某省24907294戶低壓用戶每日采集的用電信息作為運維監(jiān)測數(shù)據(jù)的原始樣本，以2016年3月1日至2016年5月31日采集的用戶抄表數(shù)據(jù)作為測試樣本，進行大數(shù)據(jù)集成分析和運維監(jiān)測，采集的數(shù)據(jù)樣本數(shù)共計1417869條數(shù)據(jù)、42536070個數(shù)據(jù)項，采用改進系統(tǒng)中用電信息關聯(lián)規(guī)則挖掘算法以及信息融合方法進行數(shù)據(jù)加工和信息處理，在用電信息運維監(jiān)測系統(tǒng)中進行實際用電情況分析，其中，用電信息采集的停滯時間為120-200s，采集的用電信息為用電功率，時間間隔為120s，信息采樣的時長10000s，根據(jù)上述實驗環(huán)境和參數(shù)設定，得到用電信息采集的時域波形如圖1所示。

圖1 用電信息大數(shù)據(jù)信息采樣時域波形

4 結(jié)語

為了提高電能信息采集和監(jiān)測的工作效率，提出設計一種基于大數(shù)據(jù)的用電信息采集運維監(jiān)測系統(tǒng)。應加強大數(shù)據(jù)分析，可以說大數(shù)據(jù)分析可增強數(shù)據(jù)中心運營的核心競爭力