泛在物联网在电力营销大数据处理方法

泛在物联网在电力营销大数据处理方法

刘珂

国网河南省电力公司平顶山供电公司 河南 平顶山 467000

摘要：在信息化时代背景下，网络信息技术在各行业领域中得到广泛应用，泛在物联网是建设工业互联网的重要支撑，对促进国家结构变革、提升用户用能体验至关重要。本文首先分析泛在电力物联网的特点，然后阐述了泛在物联网在电力营销大数据处理方法。

关键词：泛在物联网；电力营销；大数据；处理方法

引言

在我国科技的发展，各领域的技术水平逐渐提高的今天，随着泛在物联网技术在各个工业中的应用，这就为电力营销管理系统的应用提供了新的技术方向。通过将泛在物联网技术与电力营销业务相结合，能够实现电力营销各项业务的集中化、实时化、精细化管理，使用户可以跨地域、跨业务范围地使用、管理电力系统。泛在物联网技术还能够使各种应用终端与电力营销管理系统形成互联网络结构，大大提高了电力营销数据的传输和交互能力。

1泛在物联网研究的意义

通过泛在物联体系建设，推动平台侧、客户侧泛在互联，实现对客户状态的深度感知，汇聚各类资源参与系统调节，优化泛在物联网配置资源、安全保障和智能互动能力；推动各专业感知层资源共享，实现源端数据融通和业务实时在线，汇聚各类数据进行共享应用，促进区域能源自治，更好的支撑资源调配、业务协同和风险防控。具体包括：（1）感知层资源共享。对跨专业、多场景典型应用进行统一规划设计，避免终端重复建设、数据重复采集，需要在感知层构建公司统一的边缘侧智能处理能力和开放合作生态，推动感知层终端、计算、通信等资源共享共用。（2）数据融合。构建跨专业的统一物联信息模型和接入标准，在感知层实现不同类型采集数据标准化接入与整合汇聚，在产生数据的源头实现数据标准化和灵活可扩展，推动数据融合，降低后期人工数据治理的难度和工作量；推动对客户侧泛在互联和深度感知。（3）业务即时性提升。在感知层具备边缘计算能力，结合统一的物模型和数据融合，在产生数据的源头实现就地集成和聚合计算，支撑故障实时研判、区域能源自治等应用，大幅提升业务即时性。（4）在线管控能力提升。在泛在物联需求大幅增长的情况下，建设统一架构的物联管理平台，实现采集终端和智能终端统一接入、远程运维、在线升级和数据共享，打造终端APP应用商店，提升终端智能化水平和在线管控能力，降低一线运维管理人员投入，构建安全可控的物联生态。

2泛在物联网在电力营销大数据处理方法

2.1大数据挖掘算法

基础的数据库和共享数据库还有决策数据库是MMIS中的数据库当中的主要内容。决策树算法这种方法可以精准确并且高效的处理数据较大数量的数据，这是其对这些数据库的数据进行处理的原因，可以使用户在大量的数据里面快速的筛选出自己想要的数据。建立其他数据库的基础是各个子系统中业务的重要资产信息。通常共享数据库适用范围比较广，具备强综合性的优势，并且里面包括的数据种类也比较多。基础数据库让企业决策人进行决策执行，把常用数据进行计算。电力营销管理系统的核心就是数据库，各级MMIS经过利用物联网交换数据，用户在使用数据时，处理数据和操作的能力都会觉得有些困难。

2.2数据采集

数据采集有利于将大数据的资源信息进行整合与多向发展，促进信息的一体化建立，完善信息发展的流程，实现信息的持续发展。提升技术管理水平，实行信息数据的收集与整合。在进行数据采集时，可以对物流信息进行分析与整理，实现信息技术的现代化与手段的多样性。能够对用户的喜好进行了解，实行物联网发展的高效化治理，促进协同发展。同时数据采集还包括将数据进行去噪处理，在进行信息提取的过程中要考虑到各方面的因素。能够促进大数据的现代化发展，使其技术手段得到提升，实现发展的可持续性。在此过程中，数据信息的收集能够将信息技术的综合控制手段进行提升，实行物联网的高效化发展。为我国的现代化建设和社会主义发展提供可行性的保障。例如，在进行数据采集时，物联网能够通过对数据信息的分析得出结论。对时下流行的信息进行规划和整合，促进信息化的产生和发展，提升物联网信息化的效率及能力，实现物联网的网络互通与发展。提升物联网行业的能力与技术水平，降低网络传输的承载负荷，实行可持续发展。

2.3业务数据整合管理

中台的数据来源于企业日常生产活动中的电力营销，发电控制，生产管理等环节的业务系统。根据该系统提供的数据，再将元数据与其进行融合，并应用到到管理中，经过数据转换与提取，最终将其导入到中央RDS系统中。基于处理对象的数据根据企业的要求进行模范化，包括路径对象关联的规范与调整。这些业务数据是通过RDS和对象数据访问服务发布的原始数据。在企业通用信息模型范围内，将在ECS上运行的“规范化数据池”活动移动到为转换对象而创建的RDS的关系业务数据。对基于对象的数据和直接引入数据进行转换后，完成多源系统上的数据匹配、关联、统一数据的标准化集成。中台现有数据通过服务共享提供给外部应用程序，同时通过平台内的大型数据引擎或自行开发的数据分析软件进行综合分析应用程序，以提高数据质量和数据价值。分析结果构成了中台数据的组件，该组件合并了通过基于平台的元数据细化的结果数据的元数据。通过对数据的整合与管控，丰富了中台系统的数据内存。

2.4随机矩阵理论

使用决策树算法以后，可以让用户高效地把不同的数据种类按照一定的标准属性选择出来。在数据传输中，如果了解不同数据之间的关联性与关系，也就需要通过各类数据之间的关系进行不同电力营销之间的大数据的评估关系。需要更进一步对数据进行研究，因此引进了随机矩阵理论。文中设计的系统还能够统计，分析出不同地区的MMIS数据之间的关系，在运用随机矩阵理论以前应该列出相关矩阵公式。式中，要假设不同市的MMIS数据库（如B市区的MMIS数据库里的基本数据库，S市区MMIS数据库里的共享数据库，D市区MMIS数据库里的决策数据库等）有A种，数据库集合为：{P 1,P 2,P 3,P A}参数（例如电费的收据单、收费服务的数据、负荷管理数据等）的数据有N种，数据集合为：{Q 1,Q 2,Q 3,Q N}，在评估时间窗区范围内，连续测试K次，矩阵E1是它构成的用户投诉的数据，在矩阵当中，数据集合元素p ij为第i个MMIS数据库在j时间下进行检测数值。电能计量数据用E 2表示，例如电量数据、收费服务数据、符合管理数据、电费数据等。

2.5挖掘用户侧电力大数据

电力大数据收集的目的是确定所选挖掘任务的目标电力大数据，根据用户的不同需求，从原用户侧电力大数据库中提取数据特征。电力大数据预处理是数据挖掘过程中的一个非常重要环节。它可以消除电力大数据的噪声，推导和计算丢失的用户侧电力大数据，并消除重复的处理记录，完成离散电力大数据和连续电力大数据之间的相互转换，从电力大数据初始特征中获取有效的数据特征，减少数据挖掘过程中必须考虑的变量特征，从而降低电力大数据的维数。

结语

电力营销管理平台中，还可以使用数据挖掘算法来建立数据模型，利用决策树算法再对各个失去的MMIS库来进行采样学习，这样就可以让用户筛选数据的能力具有明显上升。软件平台还利用了随机矩阵理论方法来对MMIS数据进行分析，深化了数据的感官认知，使得用户发现MMIS数据的规律，也为用户使用MMIS时提供了技术方面的参考。

参考文献

[1]蒋海明，夏丹妮，刘媛，等.基于物联网技术的电力通信接入网的移动运维系统[J].电信科学，2018，34(10)：170-180.

[2]范李平，张晓辉，苏伟，等.基于大数据挖掘的变电设备故障预警研究及应用[J].电力大数据，2019(1)：7-13.