基于大數據的電力多維度分析系統設計

鄧楚然 江疆 楊秋勇 陳灝生 黃樹滿

摘 要： 針對電力多維度分析工作，有學者提出了大數據電力多維度分析系統，以后這一概念受到了廣泛的重視，并衍生出許多相關的理論研究。從各項理論研究結果上來看，該系統具有非常明顯的應用優勢，但當前關于該系統的實際應用案例較少，需要進一步開展大數據電力多維度分析系統的實際應用研究，驗證該系統的可靠性?；诖?，以電力設備運行數據為基礎，開展大數據電力多維度分析系統設計工作，并利用設計系統得到多維數據模型，針對模型設置多維度數據分析規則，最終通過信息化方式建立了大數據分析平臺，檢驗該平臺在面對海量電力多維度數據時的表現，相應判斷該系統的實踐應用價值與可靠性表現。

關鍵詞： 大數據技術; 電力多維度數據; 分析系統

中圖分類號： TP319 ? ? ?文獻標志碼： A

Design of Power Multi-Dimensional Analysis System Based on Big Data

DENG Churan1， JIANG Jiang1， YANG Qiuyong1， CHEN Yusheng2， HUANG Shuman2

（1. Information Center， Guangdong Power Grid Co. Ltd.， Guangzhou 510000;

2. Guangdong Zhuowei Network Co. Ltd.， Foshan 528000）

Abstract： Many scholars put forward the concept of multi-dimensional analysis system of big data power. This concept has been widely recognized and many related theoretical researches have been derived. From the theoretical research results， the system has very obvious application advantages， but there are few practical application cases about the system. It is necessary to further analyze the practical application of the big data power multi-dimensional analysis system and verify the system. Based on this， this paper carrys out the design of big data power multi-dimensional analysis system based on the power equipment operation data， and uses the design system to obtain the multi-dimensional data model， sets the multi-dimensional data analysis rules for the model， and finally establishes a platform for big data through informationization method. The data analysis platform verifies the performance of the platform in the face of massive multi-dimensional data of power， and judges the practical application value and reliability performance of the system.

Key words： Large data technology; Power multidimensional data; Analysis system

0 引言

在現代社會發展背景下，電力線路分布范圍廣闊，且結構非常復雜，電力工作人員每日都需要面對大量電力數據，隨著數據量的不斷增大，人工模式已經無法滿足當前電力運維需求，所以必須要轉變傳統的人工模式。而大數據技術具備深度分析、自主學習功能，且智能化程度較高，在電力系統中應用大數據技術能夠滿足當前電力分析工作的需求，降低電力分析工作對人工的依賴度，專家和研究學者提出的大數據電力多維度分析系統則順應了這一要求?；诖?，本文對基于大數據的電力多維度分析系統進行了設計，并分析了實際應用。

1 研究背景

目前，我國最為常見的電力輸送設備系統為直流輸電設備系統，在現代社會的電能需求變得越來越大的今天，直流輸電設備系統的建設和應用規模也變得越來越大，而且越來越復雜。隨著電力調度智能化建設的開展，電力數據的信息化趨勢也越來越明顯。在這種情況下，每個電力調度站點工作人員每日都需要面臨海量信息化數據，人工無法保障工作效率與準確性，使電力單位市場服務水平受到了極大的影響。而大數據電力多維度分析系統可以有效地解決這些問題，該系統能夠針對所有設備的運行參數來設立相關指標，再通過大數據技術的深入分析對各項數據進行挖掘，最終得到一個綜合評估結果，幫助人工直觀判斷電力運維表現，同時在面對電力故障時，還能夠做到消除隱患、預防故障，說明該系統具有很大的優勢[1-3]。

2 多維度數據策略研究

多維度數據分析技術的運作概念就是針對某個電力設備，從多個角度上去獲取相關信息，并進行一系列的分析和處理后，將結果綜合在一起得到最終判斷結果。該項技術具有許多特征表現，主要包括：多維性、邏輯性、同步性，具體內容見下文。

（1） 多維性

多維度數據分析技術應用當中必須先從多個角度上采集目標信息，因此得到的數據在維度上是不同的，其具備多維性特征。同時，在后續數據分析當中多維性特征同樣有突出表現。綜合來看，多維性特征使貫穿多維度數據分析技術的特征表現[6-7]。

（2） 邏輯性

結合多維性特征表現可見，通過多維度數據分析技術可以得到多個角度的數據信息，這些數據從表面上來看相互之間并沒有聯系，例如氣象信息變化與電力供給信息，兩者相互獨立，并沒有相互聯系。但在技術分析功能當中，其除了多維性特征以外，還具有邏輯性特征，即面對所有采集得來的數據，技術系統都會用智能化思維來找尋信息之間的邏輯關系，將兩個信息的分析結果聯系在一起。例如氣象信息變化與電力供給信息，在技術分析功能下可以得知氣象變化可能會導致電力設備損壞，從而引起電力供給故障的邏輯關系。此外，多維度數據分析技術的邏輯性特征表現深度較高，除了上述表現以外，還能夠對數據差值、趨勢值進行分析[8-9]。

（3） 同步性

電力供給是一個持之以恒的過程，其每時每刻都需要進行供給，所以電力供給系統每時每刻都會產生新的電力數據，在這種情況如果將不同時間維度的電力數據放在一起進行分析，最終得出的結果必然是無效的。因此在多維度數據分析技術也需要具有同步性特征表現，也就是會在同一時間對所有數據采集，確保數據同步，同時也保障了分析結果的有效性[10-11]。

3 電力多維度分析系統的設計

3.1 設計架構

結合相關的理論，本文對電力多維度數據分析技術設計架構進行了設想，認為該系統架構應當由分為數據融合層、大數據服務平臺、生產數據分析應用層組成。關于設計架構各組成部分的詳細內容見下文。

（1） 數據融合層

在大數據技術支撐下，可以采用數據融合技術對同步多維度信息進行分析、整合等操作，從而進一步可得綜合評估結果。首先可以開展多源信息融合操作，例如針對安裝在林木環境中的直流電設備，可以對林木環境的山火情況進行嚴密監測，得到山火發展趨勢、火點、熱點等數據;針對雷電對直流電設備的影響，可以準確地監測氣象變化，根據地區雷電歷史信息，綜合判斷雷擊概率;針對樹木生長對線路垂弧的影響，可以根據周邊樹木的生長速率、趨勢，判斷哪些樹木可能會產生影響、什么時候進行樹木修剪工作;針對城市環境中的直流電設備，可以監測周邊垃圾污染、人為破壞的行為表現，幫助人工判斷事故高發點，相應在周邊采取防護手段。與此同時，由于實際工作中的環境非常復雜，因此通過數據融合層可以將這些數據綜合在一起，全面幫助工作人員對直流電設備周邊隱患進行判斷。其次，進行設備性能分析，比如針對直流電設備進行分析時，可以對其工作時的參數數據表現進行實時采集，相應分析設備當前多維度的性能表現，例如根據零件磨損情況，可以判斷設備機械性能、根據設備電力供給波動，可以判斷設備電氣性能與絕緣性能，同時還能夠根據設備狀態變化，判斷設備應用年限、缺陷率曲線等，幫助電力工作人員第一時間消除隱患[12-13]。

（2） 大數據服務平臺

在本文設計當中大數據服務平臺可以分為存儲層、視圖層和服務層三個部分，其中存儲層主要由云平臺大數據物理儲存功能來實現，其支持OLAP和OLTP兩類應用，不會排斥異構數據，且保障了數據處理時的靈活性，同時還具備公輔助功能，例如數據連結器、集群管理工具，滿足數據在平臺當中的移動與管理需求;視圖層主要采用非結構化數據存儲方式進行設計，其可以將內部數據轉化為視頻、文檔、圖片等形式，而這些形式均是人可以直觀解譯的信息，具有良好的可視化功能表現。在這一功能的輔助下，人工可以隨時觀察直流電設備的數據變化[14-15]。圖1非結構化大數據庫系統框架。

（3） 生產數據分析應用層

生產數據分析應用層可以分為：分析支撐層、分析應用層、可視化層三個部分，其中分析支撐層主要提供工具服務，服務對象為數據服務層至分析應用層連接，圖2為系統分析工具結構大數據分析工具。圖中可見，其工具服務由非結構、結構化數據分析引擎組成。出于系統性能考慮，還采用了云計算引擎技術進行優化，可以提高數據處理速度;分析應用層主要提供關聯分析功能服務，其在面對任何故障設備時，都會根據設備保存信息，判斷設備所在批次、功能間隔等，相應對其他相關設備進行排查，確認其他設備是否也存在相同問題;可視化層主要利用Flash技術構建數據可視化窗口，大致包括儀表盤窗口、報表窗口、數據分析窗口、統計等圖表窗口，滿足人工管理需求，同時借助Flash技術與互聯網、4G網絡的通信協議，該窗口可以在各類瀏覽器、移動端APP上展示，具有良好的靈活性表現[16]。設計方案：①采用云計算引擎技術與非結構化和結構化大數據引擎結合，可加速數據處理速度;②通過混合大數據挖掘技術實現數據深度挖掘功能，且將挖掘成果相互連接起來，以免孤島數據形成;③通過前兩個步驟可組成多維度分析系統，該系統可以對以上可視化工具進行重新定義，代表可以對工具進行操作。以上設計使系統可以對數據進行綜合分析，并借助可視化工具的柱狀圖、餅圖等展示形式來展示分析過程與結果。

（4）

3.2 算法

多維度邏輯在本質上可以看做是回歸分析的一種，即每個維度分析完成后，都需要結合分析結果與目標進行一同分析，確認兩者之間的關系距離，然后通過對比才能得到不同維度的權重。本文主要借助軟件功能來實現多維度回歸分析計算，即首先建立指標（a、b、c），隨后對所有指標進行歸一化處理，根據處理結果將每個指標的最大值最為基準值，其次將基準值乘以指標值（d），以此類推就可以得到每個指標的量化變數（e），而量化變數就代表了該指標與目標的距離，所以對比之后即可判斷所有指標的權重。公式（1）為軟件多維度回歸分析計算方法。公式（1）a…a1，a2，a3×d

b…b1，b2，b3×d

c…c1，c2，c3×d=e=[e1，e2，e3]T4 實際應用

為了校驗這一設計系統在實際工作中的實踐應用價值與可靠性，本文在大數據分析思想基礎上，對某電力企業的的高壓直流設備中8大類33項設備參數進行相關分析，分析規則依照電力多維度分析系統策略。通過分析得到了多組數據，且在大數據技術深度分析功能下，發現其設備系統整體存在特高壓直流單閥組、雙極閉鎖缺陷，這些缺陷當前表現并不突出，但不排除在后續短期工作內導致電力故障的可能性。表1為本文設計系統監測結果與評估結果、表2為設計系統應用前后的數據對比。

綜合來看，在本文設計系統應用下，發現案例中部分直流電設備（換流變套管壓力、氣管穿墻、金屬氣管）存在問題，相互之間存在密切邏輯關系，在后續工作中大概率造成電力故障。

表2可見，在系統應用后所有對比項的問題表現均被發現，且大概率被預防，與應用前相比預防故障的概率大大提高，說明系統應用有效。

5 總結

在現代電力供需下，傳統人工管理模式下的供電質量已經不滿足當前要求，為了提高供電質量，滿足人們的供電需求，必須要開發和設計新的電力數據分析系統?；诖?，本文對基于大數據的電力多維度分析系統進行了設計，介紹了設計架構以及基本功能表現;并通過案例進行了實際分析，結果顯示該系統在實際工作當中具有良好的功能作用，其能夠有效地分析出電力系統中存在的缺陷，便于及時發現故障隱患并進行排除和檢修，確保電力系統的順利運行。

參考文獻

[1] 王飛，顏波，禹晉云.基于大數據的電力多維度分析系統設計與實現[J].電力信息與通信技術，2017（4）：34-39.

[2] 虢韜，劉銳，沈平，等.基于電力大數據的輸電線路防災減災分析系統設計--以貴州電網為例[J].災害學，2016（1）：135-138.

[3] 席樂，楊慶.基于互聯網+大數據分析供電服務管控系統的設計與應用[J].電子技術與軟件工程，2017（8）：185-186.

[4] 楊玉新，馬偉，趙陽.基于大數據分析的電網精準規劃信息系統設計[J].現代電子技術，2017，40（7）：155-158.

[5] 冷競.基于大數據分析的警衛安全信息系統設計[J].武警學院學報，2016（1）：30-34.

[6] 王亞玲，劉越，洪建光，等.基于Spark/Shark的電力用采大數據OLAP分析系統[J].中國科學技術大學學報，2016（1）：66-75.

[7] 劉提，丁建陽，包永挺.基于大數據理論的工程監理項目安全巡查多維度評估模型[J].建設監理，2016（1）：25-28.

[8] 陳俐冰，何容，邱林，等.電力客服中心用戶行為分析研究與實現[J].計算機技術與發展，2017，27（2）：116-119.

[9] 楊璽，范穎婷，殷文杰.基于大數據的技改投資預測模型在電力行業中的應用研究[J].華東電力，2014，42（10）：2002-2006.

[10] 宮宇，呂金壯.大數據挖掘分析在電力設備狀態評估中的應用[J].南方電網技術，2014，8（6）：74-77.

[11] 唐靜，李瑞軒，黃宇航，等.基于多維特征分析的月用電量精準預測研究[J].電力系統保護與控制，2017，45（16）：145-150.

[12] 汪迪峰.高壓電力用戶大數據預測服務需求模型探究[J].中國電力企業管理，2018，540（27）：89-90.

[13] 趙林，張令濤，馬仲佳，等.基于大數據技術調度端電網模型管理和分析架構[J].電網技術，2017（12）：3750-3756.

[14] 汪東，周愛民，叢靜華，等.基于大數據的森林防火管理系統設計[J].中南林業科技大學學報，2017（11）：30-37.

[15] 李正文，谷振皓，許靜，等.一種基于多源大數據的主網線損管理系統[J].東北電力技術，2016，37（11）：1-3.

[16] 吳鯤.基于大數據的智慧校園決策平臺設計與研究[J].信息系統工程，2018， 294（6）：119-120.

（收稿日期： 2019.07.22）

作者簡介：鄧楚然（1993-），女，廣東，工程師，碩士，研究方向：計算機科學。

江疆（1982-），男，湖北，工程師，博士，研究方向：計算機科學。

楊秋勇（1986-），男，廣東，工程師，碩士，研究方向：機器學習及智能信息處理。

陳灝生（1979-），男，廣東，高級項目管理師，學士，研究方向：應用數學。

黃樹滿（1986-），男，廣東，助理工程師，應用數學。文章編號：1007-757X（2020）02-0106-03