基于大數(shù)據(jù)的電力信息通信預(yù)警技術(shù)研究

2018-03-28 21:53:35 《電力信息與通信技術(shù)》微信公眾號　點擊量：5096 評論 (0)

根據(jù)電力行業(yè)中的信息通信技術(shù)特點,針對目前存在的主要問題,通過研究信息通信運行故障監(jiān)測與風(fēng)險預(yù)警關(guān)鍵技術(shù),綜合運用大數(shù)據(jù)關(guān)聯(lián)分析技術(shù)、數(shù)據(jù)挖掘技術(shù)以及狀態(tài)評估技術(shù),實現(xiàn)信息通信風(fēng)險態(tài)勢全面感知、運維數(shù)據(jù)全面分析、運維風(fēng)險實時預(yù)警,從而提升信息通信故障監(jiān)測和風(fēng)險預(yù)

,步驟如下：

1）用timeSeries包中的ts()函數(shù)將采樣的數(shù)據(jù)轉(zhuǎn)換為時間序列。

2）用forecast中的STL函數(shù)把時間序列分解為周期性成分、趨勢成分以及殘余量。

3）使用forecast包中的Holtwinters函數(shù)和arima或auto.arima函數(shù)進行預(yù)測。使用arima函數(shù)需要給出系統(tǒng)階數(shù),可根據(jù)特征的分布判斷系統(tǒng)是否穩(wěn)定。此處分別選用兩種方法進行預(yù)測,使用前40天的流量數(shù)據(jù)來預(yù)測之后10天的流量。

采用STL方法得到的預(yù)測結(jié)果及與實際值對比結(jié)果如圖6、圖7所示。

圖6 采用STL方法得到的預(yù)測結(jié)果 (p=2,q=1)Fig.6 The prediction results obtained by using the STL method (p=2, q=1)

圖7 STL預(yù)測值與真實值對比結(jié)果Fig.7 Comparison of predicted and real values of STL

采用Holt Winters方法得到的預(yù)測結(jié)果及與實際值得對比結(jié)果如圖8、圖9所示。

圖8 采用Holt Winters方法得到的預(yù)測結(jié)果Fig.8 The forecasting results using Holt Winters method

圖9 Holt Winters預(yù)測值與真實值對比結(jié)果Fig.9 Comparison of predicted and true values using Holt Winters method

4）對于不同預(yù)測算法的效果可以通過計算其RMSE進行比較,RMSE越小則效果越好。

從兩種方法中都可以看到9月8日的流量與預(yù)測值完全不一樣。其中RMSE（STL）=6 422 703 125,RMSE（Holt Winters）=14 392 074 663,其中,Holt Winters RMSE較大一方面是因為流量數(shù)據(jù)本身就很大,另一方面是因為9月8日的流量數(shù)據(jù)存在異常。因此,STL預(yù)測的RMSE較小,預(yù)測的效果
更好。

4 結(jié)語

隨著國家電網(wǎng)公司SG186、SG-ERP、三集五大等信息化建設(shè)的不斷深化,電力業(yè)務(wù)越來越依賴于信息通信系統(tǒng)。如何提升信息系統(tǒng)的服務(wù)能力,讓信息化建設(shè)和運維投入更加有效和合理成為當(dāng)前亟需解決的問題。本文主要研究了基于大數(shù)據(jù)的信息通信風(fēng)險預(yù)警架構(gòu)與算法,并設(shè)計了基于提出的架構(gòu)及算法的信息通信風(fēng)險預(yù)警系統(tǒng),通過綜合運用大數(shù)據(jù)關(guān)聯(lián)分析技術(shù)、信息通信狀態(tài)評估技術(shù)、信息通信趨勢預(yù)測技術(shù),實現(xiàn)對運維數(shù)據(jù)的分析和挖掘,幫助運維人員根據(jù)大量運維數(shù)據(jù)發(fā)現(xiàn)系統(tǒng)的潛在問題,實現(xiàn)風(fēng)險實時預(yù)警和趨勢準(zhǔn)確預(yù)測,達到變被動維護為主動預(yù)防的運維效果,將工作重心轉(zhuǎn)向風(fēng)險分析和故障處理方面,有效規(guī)避風(fēng)險,提高運維人員的工作效率,提升公司的整體信息通信故障監(jiān)測和風(fēng)險預(yù)警能力。

(編輯:鄒海彬)

參考文獻

[1] 周平, 馬斌, 韓冰, 等. 基于大數(shù)據(jù)平臺的日志分析預(yù)警技術(shù)研究[J]. 電腦知識與技術(shù), 2016, 12(32): 266-268.

[2] 付萍萍, 馬勇, 李路明, 等. 以風(fēng)險防控為中心的大型電網(wǎng)企業(yè)信息安全管理體系研究[J]. 電力信息與通信技術(shù), 2015, 13(8): 89-93.

FU Ping-ping, MA Yong, LI Lu-ming, et al.Research on risk prevention-centered information security management in large grid enterprises[J]. Electric Power Information and Communication Technology, 2015, 13(8): 89-93.

[3] 段軍紅, 張乃丹, 趙博, 等. 電力大數(shù)據(jù)基礎(chǔ)體系架構(gòu)與應(yīng)用研究[J]. 電力信息與通信技術(shù), 2015, 13(2): 92-95.

DUAN Jun-hong, ZHANG Nai-dan, ZHAO Bo, et al.Research on basic system architecture and application of electric power big data[J]. Electric Power Information and Communication Technology, 2015, 13(2): 92-95.

[4] 陳瀟君, 閆述.大數(shù)據(jù)時代的瞬變電磁法勘探技術(shù)淺析[C]// 大數(shù)據(jù)、云計算與地球物理應(yīng)用研討活動論文摘要集, 2014: 9-10.

[5] MANYIKA J, CHUI M, BROWN B, et al.Big data: the next frontier for innovation, competition, and productivity[R]. 2011.

[6] 劉思鴻, 唐丹麗, 佟琳, 等.大數(shù)據(jù)帶來的機遇與挑戰(zhàn)[C]// 世界中聯(lián)信息專業(yè)委員會學(xué)術(shù)年會暨大數(shù)據(jù)與中醫(yī)藥國際信息化發(fā)展論壇, 2014.

[7] 郎楊琴, 孔麗華. 美國發(fā)布“大數(shù)據(jù)的研究和發(fā)展計劃”[J]. 科研信息化技術(shù)與應(yīng)用, 2012, 3(2): 89-93.

[8] 陳墾. 大數(shù)據(jù)時代: 機遇與挑戰(zhàn)[J]. 資源與人居環(huán)境, 2016(6): 6-11.

[9] WITTEN I H, FRANK E.Data mining: practical machine learning tools and techniques[J]. ACM SIGMOD Record, 2005, 31(1): 76-77.

[10] WHITE T.Hadoop: the definitive guide[M]. O’Reilly Media, Inc, 2012.

[11] 崔星燦, 禹曉輝, 劉洋, 等. 分布式流處理技術(shù)綜述[J]. 計算機研究與發(fā)展, 2015, 52(2): 318-332.

CUI Xing-can, YU Xiao-hui, LIU Yang, et al.Distributed stream processing: a survey[J]. Journal of Computer Research and Development, 2015, 52(2): 318-332.

[12] 江三鋒, 王元亮. 基于Hive的海量Web日志分析系統(tǒng)設(shè)計研究[J]. 軟件, 2015, 36(4): 93-96.

JIANG San-feng, WANG Yuan-liang.Research on the design of massive web logs analysis system based on Hive[J]. Computer Engineering & Software, 2015, 36(4): 93-96.

[13] 趙子巖, 劉建明. 基于業(yè)務(wù)風(fēng)險均衡度的電力通信網(wǎng)可靠性評估算法[J]. 電網(wǎng)技術(shù), 2011, 35(10): 209-213.

ZHAO Zi-yan, LIU Jian-ming.A new service risk balancing based method to evaluate reliability of electric power communication network[J]. Power System Technology, 2011, 35(10): 209-213.

[14] 趙璟. 基于業(yè)務(wù)可靠性的電力通信網(wǎng)規(guī)劃算法的設(shè)計及應(yīng) 用[D].用[D]. 北京: 北京郵電大學(xué), 2015.

[15] SHVACHKO K, KUANG H, RADIA S, et al.The Hadoop distributed file system[C]// MASS Storage Systems and Technologies. IEEE, 2010: 1-10.

[16] ZAHARIA M, CHOWDHURY M, FRANKLIN M J, et al.Spark: cluster computing with working sets[C]// Conference on Hot Topics in Cloud Computing. USENIX Association, 2010.

<img data-cke-saved-src=http://www.zuoguai.cn/uploadfile/2018/0328/20180328102516284.png"" src=http://www.zuoguai.cn/uploadfile/2018/0328/20180328102516284.png"" "="" style="box-sizing: border-box; padding: 1px; border: 1px solid rgb(204, 204, 204); width: 70px; float: left; margin-right: 1rem;">

王江亭（1967-）,男,河南襄城人,高級工程師,從事電力信息通信管理工作;
靳丹（1975-）,男,天津人,高級工程師,從事電力系統(tǒng)信息化管理工作;
俞俊（1978-）,男,浙江紹興人,高級工程師,從事電力信息化研究工作;
史睿（1985-）,男,北京人,高級工程師,從事電力信息通信技術(shù)研究與應(yīng)用工作;
巫乾軍（1982-）,男,江蘇鎮(zhèn)江人,工程師,從事電力信息化研究與開發(fā)工作。

責(zé)任編輯：售電衡衡

免責(zé)聲明：本文僅代表作者個人觀點，與本站無關(guān)。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實，對本文以及其中全部或者部分內(nèi)容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關(guān)內(nèi)容。

我要收藏

個贊