大数据下电力通信网运行维护策略

大数据下电力通信网运行维护策略

陈华垒，徐强

身份证号：372502198111120075

身份证号：372502197504101532

摘要：从大数据在电力通信网络运维中的应用现状入手，探讨了大数据应用的成就和不足，构建了大数据下电力通信网络运维指标体系，并将其应用于工作实践，总结大数据开发利用经验，提升电力通信网运营水平。

关键词：大数据；电力通信；数据预处理

1大数据下电力通信网络运维策略

根据电力通信网台账数据、故障工单数据和检修数据，进行数据处理和数据分析，评估电力通信网运行状态，发现异常情况，进行有针对性的检修。在数据处理前，定义了电力通信网的运行指标，分析了各指标的影响因素，为后续运行维护措施的实施提供参考，提高电力通信网的运行维护水平。

1.1操作和维护指标的选择

结合电力通信网运行维护要求，将运行维护指标分为以下三项:

(1)维护效果是指电力通信网络中某一设备在维护后发生故障的情况。K用来表示维修后的故障，T是设备的最后一次维修时间，那么Pr(K|t-T)=1表示设备在维修后的(t-T)时刻出现故障，(t-T)可以用来表示维修效果。

(2)维护成本是指电力通信网维护的时间成本，用维护持续时间表示，即维护开始时间与完成时间之差，用维护设备的平均时间表示。

(3)维护时间分配是指电力通信网维护工作量在时间尺度上的分配，包括周、月、年三个尺度。

1.2数据预处理

电力通信网在运行过程中，由于内外部环境因素的影响，出现了数据格式不一、数据无价值、数据缺失等现象，影响了大数据的开发利用。因此，在对电力通信网大数据进行分析之前，需要对电力通信网大数据进行预处理，补充缺失的数据，统一所有数据格式，方便数据分析。本文采用的数据预处理措施包括：

1.2.1数据清理

在大数据预处理中，数据清洗可以去除数据中的杂质，填补缺失数据，使所有数据一致。本文针对电力通信网大数据清洗采取以下两种数据清洗措施：

(1)忽略缺失的具有特殊意义的电力通信网络大数据；

(2)电力通信网大数据中的噪声数据采用离群点分析处理，比较方便。利用距离分析法，可以判断和消除偏离数据点的数据内容，从而实现电力通信网大数据的高效清理。

1.2.2数据集成

在整合电力通信网络大数据时，本文选择了相关分析方法：定义电力通信网络大数据的给定属性特征，通过相关分析评估一个属性覆盖另一个高相关属性的程度，完成电力通信网络大数据的初步缩减。在两个数据属性的对比分析中，选择卡方检验和相关系数检验来评价两个数据属性之间的相关性，消除冗余属性。

1.2.3数据缩减

在电力通信网的运行维护中，经过数据清理和数据集成后，一些大数据可以被过滤掉，但仍有大数据存在噪声，影响后续的数据挖掘和分析结果，进而影响电力通信网的运行维护。针对这一现象，本文提出了一种数据约简方法，并通过主成分分析对数据进行进一步处理。电力通信网络运维大数据一般包括N个属性或N个数据向量。在对这些数据进行主成分分析时，需要采集能够代表电力通信网运行维护数据的K个正交向量。根据相关分析结果，得到具有高相关属性的数据，并完成数据约简。具体而言，主成分分析过程如下：

(1)根据电力通信网的运维情况，规范大数据的属性，保证所有属性都在相应的区间内；

(2)用PCA计算k个标准正交向量，得到的标准正交向量作为数据归一化处理的基础，要求单位向量和其他向量保持垂直，作为主成分；

(3)根据得到主成分的强度降序排列数据，将主成分视为坐标系，明确数据处理的方差相关信息；

(4)剔除主成分排列中的弱成分，完成归约。

2大数据下电力通信网运维实践

在明确大数据下电力通信网络运维策略的基础上，以某电力企业2015-2019年运维数据为样本，利用本文设计的电力通信网运维指标体系，对大数据下电力通信网运维策略的可行性和有效性进行了评价。在大数据处理中，以故障数据、设备维修数据和台账数据为基础，通过挖掘分析，明确维修效果、维修成本和维修时间的分布。

2.1维护效果

通过以上数据处理和分析过程，对电力通信网络运维大数据进行处理。处理结果显示，2015年至2019年，电力企业数据网络设备大修234次，大修后有7台数据网络设备出现故障。在维修后发生故障的设备中，三台数据网络设备的故障时间与维修时间相差不到两个月，说明数据网络设备故障与维修之间存在相关性。经计算，维护后数据网络设备的故障率和总维护率约为1.3%，说明数据网络设备的维护效果属于中上水平。根据后续的数据挖掘分析，数据网络设备大修后出现故障的原因是大修期间更换的硬件设备质量低下。大修后的三个数据网络设备故障中有两个是同一设备。可以判断，在电力通信网的运行维护中，设备故障率与待更换硬件设备的检查方法和质量有很大的相关性。在未来电力通信网的运行维护中，运维人员应对硬件设备的更换情况进行检查，确保其质量满足电力通信网的长期运行要求。

2.2维护成本

根据观测分析结果，在电力通信网的运行维护中，光缆设备的维护时间最长，传输设备次之，数据网络设备的维护时间最低。与不同地区电力通信网络设备的维护时间相比，广东省光缆设备的维护时间成本最低，广东省光缆设备、传输设备和数据网络设备的差异最小，表明广东省光缆设备运营维护效率较高；云南省和贵州省的光缆设备维护时间成本较高，因为云南省和贵州省的地理条件复杂，光缆设备的运营环境差，这大大增加了操作和维护的难度，使得维护时间成本更高。不同省份的数据网络设备差异不大，说明影响设备运维的因素不多，不同地区的运维标准也一致，使得运维时间和成本几乎相同。

2.3维护时间的分配

根据年度分析结果，在电力通信网络设备的运行维护中，设备维护的高峰期为春节至夏季，维护设备数量较多。造成这一现象的原因是，现阶段电力用户的供电需求增加，电力通信网络设备的运营工作量增加，运营负荷增加，设备故障概率增加，维修量随之增加。因此，在电力企业电力通信网络的运行维护中，电力企业认识到自然条件对电力通信网络设备运行的影响，电力企业实施的维护工作计划还存在不足，可以进一步优化和完善。同时，观察分析结果表明，电力企业电力通信网络设备在不同年份的维护量基本相同，表明电力企业的运维工作已达到稳定状态。

从月度分析结果可以看出，大多数电力通信网络设备的维护工作量分布是合理的，尤其是通信电源设备，其维修工作量集中在月中，这说明电力企业通信电源设备的维护频率和质量较高，但光纤设备和数据网络设备的工作量集中在月底，这说明电力企业的光纤设备和数据网络设备相当缓慢，需要进一步改进。

3结束语

综上所述，在电力通信网络运维中，大数据的应用可以为电力通信网络的运维提供有效的指导。通过本文的分析，电力企业可以建立电力通信网络运维指标体系，分析电力通信网络的维护效果、维护时间成本和维护工作量分布，评估运维的优缺点，为优化运行维护提供指导。

参考文献

李庭瑞, 王奔, 涂珂. 大数据下电力通信网运行维护策略[J]. 电子技术与软件工程(22):2.

胡楠. 大数据处理技术下的电力通信网检修工作探讨[J]. 数字化用户, 2018, 024(049):12.

张小龙, 李闪. 基于大数据处理技术的电力通信网检修工作分析方法[J]. 电力系统装备, 2018, 000(008):106-107.