摘要：现当今，随着我国科技不断进步，我国的电力行业也得到了很大程度的发展。对于信息通信运行状况的故障检测和风险预警技术进行相关研究，进行大数据关联技术，数据挖掘技术和状态评估技术的相关分析运用，对于信息通信的风险进行全面的感知和数据的分析和实时预警，整体上提升信息通信的故障检测和进行风险预警的相关能力，以保障电力系统的安全平稳运行。
关键词：大数据；电力信息通信；预警技术
引言
虽然目前电力信息通信技术发展迅速，近年来建设了多个电力信息运维监测和管理系统，为电力系统运维工作提供了强大的支撑，但电力信息通信网络中的运行数据采集缺乏统一有效的手段，数据全面性、准确性以及效率都有很多不足，并且各种监控告警信息非常分散，导致信息通信运行中发生的问题往往只能被动响应，无法通过基于业务系统基础架构、信息系统实时运行状况和历史运行状况的信息系统风险预警模型进行运行故障的全面监测与趋势预测，严重影响了业务的正常开展。
1电力信息通信预警意义
电力信息通信网是相应电力系统使用的特定网络，是支撑电力系统正常运行的支柱之一。通过保证电力信息通信网的稳定运行，可以在一定程度上为电力系统的正常运行提供良好保证。一般情况下，在电力信息通信行业中，往往容易出现设备故障，或存在某种运行风险。总体上来说，此种风险的发生能够对相应设备等均产生不同程度的影响，直接关系到整个电网的运行情况。一旦电网系统中的部分设备系统受到侵害，则会大大降低其数据采集、监测等性能。现阶段内，我国电力信息通信技术快速发展，尤其是在市场经济不断发展的背景下，构建了多个管理系统。但从某种意义上来讲，在电力信息通信网的运行过程中，仍存在着明显问题。例如，相应网络系统对监控告警信息进行收集时，分散性较强，进而致使在实际运行阶段内，工作人员无法对其中存在的问题进行有效查找，很难利用系统基础框架等实现对运行故障的及时处理，为业务的顺利开展带来严重的不良影响。随着科学技术的快速发展，大数据时代已经到来。基于此，大数据技术逐渐走入公众视野，并得到了广泛应用。此技术作为新时代下的一种新型技术与构架，可以通过较为经济的方式对各类技术进行高速捕捉，进而从相应技术中提取应用价值。在大数据时代背景下，我国电网信息系统架构日益完善，各类设备数量与种类不断增加。在此形势下，系统中的相关数据量也逐渐增加，具备明显的大数据特点。基于此，通过将大数据技术、实时数据流处理技术、关联分析挖掘技术、状态评估技术等建立紧密联系，逐步形成分析模型。利用此种方式保证对信息通信风险隐患的全面感知。相关技术人员可据此及时获取重要信息，针对潜在的风险，做到及时发现、及时剔除，以此避免出现运行故障，对增进信息通信系统的安全性及稳定性具有较为积极的现实意义。
2目前国内外的研究发展状况
相关的学术界讨论中，从互联网技术，生物医学和超级计算对大数据进行了专门的探讨和研究。在大数据应用相关应用领域，谷歌公司在2009年通过对人们网上搜索的内容和疾病中心的数据整体上进行整合分析，及时的找出了流感的传播来源，给公共卫生机构的工作提供了有利用价值的数据和信息；美国的俄州运输部运用INRIX的云计算对大数据进行分析处理来了解和处理恶劣天气的道路状况，降低了冬季发生连环撞车的概率，为人们的出行带来便利。大数据技s术进行了新技术和构架的相关描述，适用于经济的方式模式，对于技术进行高速的捕获和分析处理，从大规模的数据中进行价值的提取和运用。国外对大数据的研究工作主要集中对于大数据存储、处理分析和管理的相应技术和软件的运用方面。多年的研究发展后产生了优秀便捷的挖掘方法，其中常见有路径、关联、分类、聚类和统计的分析等。当前发展阶段的大数据平台以HADOOP为主，对于传统日志无法处理海量的分析数据进行解决，但HADOOP并不擅长实时的应用信息的处理，采取离线处理的模式。在HADOOP基础上的实时处理运用还比较少，采用流处理数据对日志数据进行处理是这个行业的未来发展方向。
3电力信息通信预警技术
3.1基于大数据电力信息通信风险分析及预警架构
Hadoop和Spark作为开源的大数据处理平台，近年来得到了快速发展，出现了许多相关应用与解决方案。Hadoop支持大规模集群操作，在集群上可以方便地增加多至上千个节点进行并行计算，其计算速度会随着集群数量相应增加，可解决传统日志分析系统无法处理海量日志数据的问题，但Hadoop并不擅长处理实时应用。Spark是一种与Hadoop相似的通用并行计算框架，是对Hadoop的补充，它采用内存并行计算技术与流式处理技术，在实时处理方面表现得更加优越。本文针对电力通信特点所设计的大数据分析平台架构采用了Spark的并行计算及流处理技术。电力通信大数据分析平台架构如图1所示。
图1 电力通信大数据分析平台架构
3.2基于大数据的电力信息通信数据处理
电力信息通信大数据处理架构如图2所示。在数据处理框架中完成对各类日志的汇聚、处理和集中管理，其中日志收集模块采集各自不同系统的日志、网络日志、防火墙日志等，采用Hive建立业务分析模型，实现日志的智能多维度查询，完成对数据的初步清洗。在数据存储层完成对数据的进一步清洗和转换，将数据分类存储于HDFS中，利用Sqoop工具将数据从HDFS中导出到Oracle中。最后按照业务分类对日志的关键词进行统一分析，利用大数据技术完成相关数据的关联分析和模式挖掘，采用数据清洗和压缩归并等手段对系统指标、安全状况以及运行状态的实时动态预警信息进行判定，最终在对预警信息进行深入分析的基础上实现电网信息通信系统的主动预警。基于大数据的信息通信风险预警架构如图3所示。为了实现对客服工单数据的统计分析、文本挖掘、聚类分析，进一步辅助用户决策，采用了大数据可视化工具Tableau进行数据分析，并对信息通信系统设计相应的数据分析页面，实现数据分析结果的可视化展示，对项目数据进行全方位的科学分析来评估信息通信运维效果，为领导决策提供科学、严谨的依据，降低决策失败的风险。
图2 电力信息通信大数据处理架构
结束语
目前电网信息通信技术快速发展的条件下，对于信息系统的服务能力进行提升，合理有效的进行信息化建设和运维投入是当前阶段需要解决的重点问题。本文对于大数据基础上的通信风险预警架构与算法进行了研究，通过综合运用相关大数据的处理技术，对运维系统的数据进行了挖掘分析处理，可以帮助运维人员通过运维数据发现系统的潜在问题，对于风险进行实时的预警和趋势分析，达到相关的运维工作效果，把工作重心转向风险分析和故障处理的相关方面，有效规避风险，提升相关运维人员的工作效率，提升公司的整体通信故障监测和风险预警能力。
参考文献：
[1]段军红，张乃丹，赵博，等.电力大数据基础体系架构与应用研究[J].电力信息与通信技术，2018，13（2）：92-95.
[2]刘思鸿，唐丹丽，佟琳，等.大数据带来的机遇与挑战[C]//世界中联信息专业委员会学术年会暨大数据与中医药国际信息化发展论坛，2017.
[3]郎杨琴，孔丽华.美国发布“大数据的研究和发展计划”[J].科研信息化技术与应用，2017，3（2）：89-93.
论文作者:高旭瑞
论文发表刊物:《电力设备》2019年第14期
论文发表时间:2019/11/21
标签：数据论文; 信息论文; 技术论文; 通信论文; 电力论文; 风险论文; 架构论文; 《电力设备》2019年第14期论文;