劉 博，錢 勇，沈阿美

(1.國網(wǎng)鐵嶺供電公司 遼寧 鐵嶺 112000；2.國網(wǎng)營口供電公司 遼寧 營口 115000)

在我國計算機、互聯(lián)網(wǎng)技術(shù)不斷發(fā)展的大背景下，數(shù)據(jù)資源的傳輸與處理技術(shù)已經(jīng)十分成熟，以大數(shù)據(jù)資源為基礎(chǔ)的電力配電網(wǎng)智能運維管控也得到了更加充分的技術(shù)支持[1]。將大數(shù)據(jù)分析技術(shù)應(yīng)用于電力配電網(wǎng)智能運維管控，符合電力行業(yè)信息化發(fā)展需求，是未來一段時間內(nèi)必然的發(fā)展趨勢[2]。這就需要相關(guān)單位對大數(shù)據(jù)技術(shù)的應(yīng)用進行深入的研究與分析，不斷更新并完善電力配電網(wǎng)智能運維管控系統(tǒng)功能。

1 系統(tǒng)關(guān)鍵技術(shù)

1.1 數(shù)據(jù)采集技術(shù)

本次研究通過SNMP協(xié)議實現(xiàn)數(shù)據(jù)的傳輸與采集，該協(xié)議體系主要由協(xié)議內(nèi)容、管理信息庫、代理和管理者四部分組成[3]，并對信息格式進行了統(tǒng)一的規(guī)范，既能夠?qū)崿F(xiàn)遠距離數(shù)據(jù)傳輸，也能夠?qū)崿F(xiàn)代理與平臺之間的通信。

1.2 數(shù)據(jù)融合技術(shù)

數(shù)據(jù)融合指的是對存在冗余性質(zhì)的數(shù)據(jù)進行合并的過程，能夠以低成本、高效率的方式將信息統(tǒng)籌起來，并在此基礎(chǔ)上預估數(shù)據(jù)在未來一段時間內(nèi)的變化態(tài)勢，其操作流程具體如下：①在完成數(shù)據(jù)采集工作后，首先需要對數(shù)據(jù)進行初期融合處理，其根本目的在于減輕后續(xù)數(shù)據(jù)傳輸?shù)呢摀瑫r也能夠降低數(shù)據(jù)提取工作壓力[4]；②在完成數(shù)據(jù)提取工作后，還需要進一步融合數(shù)據(jù)提取結(jié)果，其根本目的在于獲取故障信息，為運維方案的確定提供數(shù)據(jù)支持[5]。

1.3 故障預測技術(shù)

本次研究所采用的故障預測技術(shù)主要包括基于時間窗口的故障預測和基于電網(wǎng)流量特征來預測故障兩種。其中，前者指的是對類型相近的故障信息進行合并，進而形成一種有概括性的故障提供信息，在此基礎(chǔ)上根據(jù)既往日志信息中故障與報警的映射關(guān)系對當前的故障進行推斷[6]；后者則能夠?qū)﹄娋W(wǎng)運行狀態(tài)是否正常給出判定，可供選擇的網(wǎng)絡(luò)流量預測技術(shù)通常有人工智能技術(shù)、SVM以及神經(jīng)網(wǎng)絡(luò)技術(shù)等[7]。

2 系統(tǒng)總體構(gòu)架

本次研究所設(shè)計的電力配電網(wǎng)智能運維管控系統(tǒng)總體架構(gòu)如圖1所示。

圖1 系統(tǒng)總體構(gòu)架

根據(jù)圖1可知，數(shù)據(jù)資源的提取位于系統(tǒng)底層，所獲取的數(shù)據(jù)信息主要包括安全設(shè)備信息、網(wǎng)絡(luò)設(shè)備信息以及服務(wù)信息等[8]。出于數(shù)據(jù)真實性方面的考慮，數(shù)據(jù)提取層采用SNMP/IPMI協(xié)議，在該協(xié)議下可以實現(xiàn)以Web為基礎(chǔ)的數(shù)據(jù)交互和遠程管理，在數(shù)據(jù)采集層對IPMI協(xié)議和SNMP協(xié)議進行封裝。

數(shù)據(jù)處理層在通過數(shù)據(jù)提取層獲取數(shù)據(jù)資源后，通過預先設(shè)計好的程序?qū)?shù)據(jù)進行處理，為后續(xù)的分析提供數(shù)據(jù)支持[9]。對于電力網(wǎng)絡(luò)來說，監(jiān)控需要具有持續(xù)性，因此需要處理大量的數(shù)據(jù)，因此需要在該層中專門設(shè)置一個數(shù)據(jù)庫來存儲原始數(shù)據(jù)。本次研究通過Web服務(wù)器來對數(shù)據(jù)庫中的數(shù)據(jù)進行處理，并直接通過用戶PC瀏覽器對數(shù)據(jù)處理結(jié)果進行可視化的展示，進而降低用戶PC端的硬件壓力。

位于系統(tǒng)最頂層的為數(shù)據(jù)交互層，該層的設(shè)計工作主要服務(wù)于頁面數(shù)據(jù)的可視化，用戶只有在數(shù)據(jù)可視化的基礎(chǔ)上才能夠?qū)崿F(xiàn)與系統(tǒng)之間的數(shù)據(jù)交互，比如通過圖表的形式對故障信息進行描述，或通過各種顏色對故障的緊急程度進行區(qū)分。

3 主要模塊設(shè)計

3.1 數(shù)據(jù)采集模塊

該模塊負責將系統(tǒng)所檢測到的性能數(shù)據(jù)和特征參數(shù)，比如硬件底層數(shù)據(jù)、網(wǎng)絡(luò)性能數(shù)據(jù)等，并借助預先選定的協(xié)議向指定位置進行傳輸[10]。數(shù)據(jù)采用與處理主要涉及數(shù)據(jù)分揀、存儲與讀取三項操作，處理對象主要為磁盤分區(qū)用量、內(nèi)存使用量以及CPU使用率等運行數(shù)據(jù)，以及硬盤狀態(tài)、CPU溫度以及機箱溫度等硬件數(shù)據(jù)。

3.2 數(shù)據(jù)融合模塊

本次研究通過Dempster_Shafer’s理論對數(shù)據(jù)進行融合，該技術(shù)不需要獲取各參量出現(xiàn)的概率，只需要估計出給定數(shù)據(jù)量中的參量，再根據(jù)每一段的估計來對不確定性問題進行處理[11]。在Dempster_Shafer’s理論體系中，每一個特定問題均會發(fā)現(xiàn)出一些相似的命題，進而衍生出許多答案，根據(jù)每一個答案的信任度對其進行排列，信任度最高的答案即為正確答案，也就是數(shù)據(jù)融合的最終結(jié)果。

3.3 狀態(tài)監(jiān)測與診斷模塊

該模塊負責對設(shè)備可能存在的故障進行檢測，以故障參數(shù)的特定閾值為根據(jù)，對比設(shè)備經(jīng)過檢測后所得到的參數(shù)指標，若該參數(shù)指標超出預先設(shè)定的閾值范圍，則判定該設(shè)備存在故障。在實際的檢測過程中，每一項數(shù)據(jù)的走向和趨勢均會一定程度上影響到最終的診斷結(jié)果，并且無法借由單一數(shù)據(jù)對系統(tǒng)狀態(tài)進行判斷[12]。因此，本次研究決定采用神經(jīng)網(wǎng)絡(luò)來對系統(tǒng)判斷進行監(jiān)測，所使用的神經(jīng)網(wǎng)絡(luò)模型為Self-Organizing feature Map，在通過該模型實現(xiàn)閾值判斷的同時，也能夠?qū)崿F(xiàn)更高可信度的故障診斷，并且可以導出故障的各類、位置等重要數(shù)據(jù)。

3.4 故障預測模塊

該模塊能夠根據(jù)過去某一時間點到當前時間點的原始系統(tǒng)數(shù)據(jù)以及事先設(shè)計好的預測模型，對未來可能出現(xiàn)的早期故障進行預測，并且能夠存儲并顯示早期故障信息，向運維人員發(fā)送通知[13]。為實現(xiàn)該模塊的相關(guān)功能，設(shè)計者首先需要在該模塊中進行預測配置，具體的配置內(nèi)容主要包括數(shù)據(jù)的粒度、數(shù)量的量以及選取特征的數(shù)量。

4 結(jié) 語

當前我國已經(jīng)全面進入信息化時代，新形勢下的電力配電網(wǎng)運維管理工作應(yīng)當進一步提升信息化、智能化水平。本次研究詳細介紹了電力配電網(wǎng)智能運維管控系統(tǒng)的總體設(shè)計思路，分析說明了數(shù)據(jù)采集、數(shù)據(jù)融合、系統(tǒng)狀態(tài)監(jiān)測、故障預測等功能的實現(xiàn)路徑。在未來的研究工作中，還需要進一步加強系統(tǒng)與客戶端之間的交互設(shè)計，提升數(shù)據(jù)的可視化水平，為電力配電網(wǎng)的現(xiàn)場管理工作創(chuàng)造更多的便利條件。