电网运维工具与管理研究

电网运维工具与管理研究

纪开金

云南电网有限责任公司普洱供电局,云南 普洱,665000

摘要：随着电力信息化进程的加快，电力企业的运维管理从手工操作向自动化、标准化、规范化的方向发展。本文通过对数据库自动化工具的研究与应用，了解其工作状况，以便于开始查找其中存在的异常情况，而后制定针对性的管理措施，以期更好地确保电网得以平稳运行。

关键词：电网运维工具；知识结构化；数据处理

1 引言

电网运维是电网运行的重要组成部分，是保证电网安全稳定运行的基础，也是电网企业效益的核心。为了更好地满足一线数据库运维的需求，将需要积极对数据库自动化工具进行开发与应用，其将能够有效地提高运行的效率，切实推进系统建设，进一步支持运维规范化管理。

2 运维工具的分类

2.1 运维流程管理工具

运维流程管理工具是基于业务流程，通过申请单、操作票等多种管理手段，对运维人员、运维时间等进行管控。主要包括：

(1)流程管理工具不能执行商业运作，其作用是对系统进行追踪，保证闭环，由此更好地反映出事件的工作关系，并对审批的风险进行控制。(2)警报和突发事件管理工具，其能够保证从错误中吸取经验教训、指导经营控制、用人力控制风险、充实知识库。

2.2 运维监控告警工具

运维监控告警工具主要包括网络设备、数据库、安全设备、主机以及应用系统软件等，其主要是WEB接口的分布式监控系统，由此其整体的应用自动化水平也相对较高。该系统主要用于对网络中的服务器和其它网络状况进行监测，可与各种不同的数据库配合使用，具有实时报警功能。目前存在的技术难题主要是各种工具收集对象无法满足用户的个性化以及对脚本、接口等第三方监测数据的要求。同时，由于大量数据的读取会产生重存轻读问题，由此将对数据的收集与传输机制的设计提出了更高的要求。

2.3 运维发布变更工具

运维发布变更工具主要是对资源发布和资源调控进行统一管理，针对实际需求进行大量发布，既可以主动发布更改，又可以实现被动下载。现有的技术难题主要有：操作工具的使用不方便、人工学习时间长、自动组态更新等。

3 电网运维工具与管理

3.1 知识结构化业务逻辑设计

电网运维工具可以进一步处理和规范知识库。知识库的内容主要有：电网生产的典型案例库、重大事故事件库、系统库以及新技术新产品知识库等，在其业务模块中凸显的是多源数据融合、模型管理、数据预处理、知识介绍等功能。其主要作用是为电网知识管理提供支持，并且切实提升知识的可用性以及系统的可扩充性。期间电网运维工具运用中的多数据融合实际上就是将电网的各种信息综合起来；而后通过模型的管理，将实体识别和关系属性抽取相结合，构建多种深度学习模型，方便系统的统一管理；数据预处理是一种需要处理和处理知识库数量的多项应用的需求；知识简报就是运用智能技术，对电网的经营决策进行分析。

3.2 多数据源融合

本文提出一种基于云技术和分布式存储技术的方法，其主要是将电网中的数据进行结构化和非结构化的数据提取。然后通过对电网数据的整合、加工、交换和装载，实现对各种数据的全量采集和实时提取。多数据源融合能够与各种数据源、目标库相兼容，同时还能够进行数据的传送。除此之外，多数据源融合也能够对各种数据源进行采集、汇聚、配置，实现多个服务器间的文件格式数据的安全传输，并能实现多种业务接口、数据库等的数据传送。

3.3 模型管理

基于电网的知识资源管理，能够满足不同的使用者的需要，从知识图谱、模型管理、知识检索等多个方面提供知识服务。此外，还能为专家提供数据挖掘分析、专家模型的创建等业务。根据数据的抽取模型，也将能够进行数据管理，其中包括数据属性标签、模型识别、对应关系标签等方面内容，进而为凸显各模块的功能奠定坚实的基础。

3.4 数据预处理

3.4.1 数据预处理

在收集不同维度、来源以及结构的数据时，需要对数据进行预处理，以便有效地修改错误数据，并对数据进行整理和储存。数据提取是利用ETL技术从数据源中提取数据，而在实际操作中，往往存在许多可供使用的数据采集工具，因此，要根据电网运维业务的实际情况，选取合适的采集工具。期间可以通过以下方法从数据库提取数据信息：

（1）全量抽取。这种方法类似于数据镜像，能够完全地从数据源中提取表格和视图，主要应用在系统的初始化阶段。（2）增量抽取。当所有的数据都被提取出来之后，再从数据库中提取出新的或者需要修改的数据。进入数据筛选阶段，还需要对电网运行运维中产生的不符合规范和无效的数据进行清理，确保所采集到的数据符合规范的要求。但是，由于某些数据数据存在格式错误、代码值冲突等问题，为了适应对数据的加载处理，还需要对业务数据进行及时转换。数据的转换方式有两种，即插入和修改，期间可以将已完成的数据和不干净的数据插入到数据表中。若数据量较大，可建立数据库，储存于应用程式文字档案，并配合文字处理程式执行作业。

3.4.2 数据清洗

由于电网运行环境的复杂性和存在电网运维数据的多次上报等问题，经常出现数据重复的情况，因此可以利用域的相似性对其进行识别。同时，由于技术和物理因素的原因，导致数据的数值超出采集的范围，并产生异常值。对于离散度较高的数据来源，可以采用盒式图法，若采用数据分布特征量或电网运维服务难以辨识噪音数据，则可以采用聚类辨识。一些字段需要彼此确认，并根据字段的数据来源状况，确定哪些字段信息更可靠，哪些字段应该删除和重建。

当电网运行数据有多个源时，需要对其相关性进行检验。多源数据的集成比较困难，由此需要充分考虑到数据之间的相关性，并避免数据之间的冲突。在数据不一致性方面，还需要对元数据、字典等数据进行整理和分析，并对数据之间的关系进行彻底的梳理，而后对数据的错误进行修改。一般而言，许多不一致的数据都是由于缺乏数据规范而造成的，由此将可以将数据属性当作一个随机变量，并根据其置信区间进行判定。通过对数据信息的相似性进行聚类处理，识别出不能分组的孤立点。期间还可以采用距离法，精确地测量数据的相似度。同时还可以利用分类方法，建立正常数据和异常数据的分类和查勘模式，由此将不符合规则的数据归入到不正常的数据行列中。

3.4.3 规则处理引擎

为了更好地处理电网运行数据，需要对各数据项目建立相应的数据元准则和处理准则，实现数据拼接、数据转换、数据检验等功能。而为了解决数据不规范的问题，本文提出一种基于机器学习的方法，即对各个数据域进行识别和处理，而后使用自动标定技术，将数据项与标准库的数据源进行匹配，而后采用机器学习技术进一步降低人工劳动强度，并结合语义立体关系进行抽样值检测，选择具有较高相似性的数据作为相关数据表，然后根据数据特征选择最合理的数据转化规则，最后用规则模板构造出相应的字段。

结束语

综上所述，电网运维工具可利用知识库数据，对电网的知识库进行再加工、标准化，期间采用多数据融合、模型管理、数据预处理、知识通报等方式，也能够逐步完成系统的设计，从而为电网的管理决策提供数据支撑。

参考文献

[1]晁岱峰,刘佳.省级电网企业助推营商环境优化的配网精益运维机制变革[J].企业管理,2021(S1):330-331.

[2]晁岱峰,刘佳.电网公司提高配网精益运维水平的途径[J].中国电力企业管理,2020(34):70-71.

[3]刘勇.分析电网变电运维风险与技术检修[J].智能城市,2020,6(11):51-52.