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(hào)　點(diǎn)擊量：評(píng)論 (0)

根據(jù)電力行業(yè)中的信息通信技術(shù)特點(diǎn),針對(duì)目前存在的主要問(wèn)題,通過(guò)研究信息通信運(yùn)行故障監(jiān)測(cè)與風(fēng)險(xiǎn)預(yù)警關(guān)鍵技術(shù),綜合運(yùn)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(píng)估技術(shù),實(shí)現(xiàn)信息通信風(fēng)險(xiǎn)態(tài)勢(shì)全面感知、運(yùn)維數(shù)據(jù)全面分析、運(yùn)維風(fēng)險(xiǎn)實(shí)時(shí)預(yù)警,從而提升信息通信故障監(jiān)測(cè)和風(fēng)險(xiǎn)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(shí)間序列。

2）用forecast中的STL函數(shù)把時(shí)間序列分解為周期性成分、趨勢(shì)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(jìn)行預(yù)測(cè)。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(jìn)行預(yù)測(cè),使用前40天的流量數(shù)據(jù)來(lái)預(yù)測(cè)之后10天的流量。

采用STL方法得到的預(yù)測(cè)結(jié)果及與實(shí)際值對(duì)比結(jié)果如圖6、圖7所示。

圖6 采用STL方法得到的預(yù)測(cè)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(cè)值與真實(shí)值對(duì)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(cè)結(jié)果及與實(shí)際值得對(duì)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(cè)結(jié)果Fig.8 The forecasting results using Holt Winters method

圖9 Holt Winters預(yù)測(cè)值與真實(shí)值對(duì)比結(jié)果Fig.9 Comparison of predicted and true values using Holt Winters method

4）對(duì)于不同預(yù)測(cè)算法的效果可以通過(guò)計(jì)算其RMSE進(jìn)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(cè)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?yàn)榱髁繑?shù)據(jù)本身就很大,另一方面是因?yàn)?月8日的流量數(shù)據(jù)存在異常。因此,STL預(yù)測(cè)的RMSE較小,預(yù)測(cè)的效果
更好。

4 結(jié)語(yǔ)

隨著國(guó)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(lái)越依賴(lài)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(yùn)維投入更加有效和合理成為當(dāng)前亟需解決的問(wèn)題。本文主要研究了基于大數(shù)據(jù)的信息通信風(fēng)險(xiǎn)預(yù)警架構(gòu)與算法,并設(shè)計(jì)了基于提出的架構(gòu)及算法的信息通信風(fēng)險(xiǎn)預(yù)警系統(tǒng),通過(guò)綜合運(yùn)用大數(shù)據(jù)關(guān)聯(lián)分析技術(shù)、信息通信狀態(tài)評(píng)估技術(shù)、信息通信趨勢(shì)預(yù)測(cè)技術(shù),實(shí)現(xiàn)對(duì)運(yùn)維數(shù)據(jù)的分析和挖掘,幫助運(yùn)維人員根據(jù)大量運(yùn)維數(shù)據(jù)發(fā)現(xiàn)系統(tǒng)的潛在問(wèn)題,實(shí)現(xiàn)風(fēng)險(xiǎn)實(shí)時(shí)預(yù)警和趨勢(shì)準(zhǔn)確預(yù)測(cè),達(dá)到變被動(dòng)維護(hù)為主動(dòng)預(yù)防的運(yùn)維效果,將工作重心轉(zhuǎn)向風(fēng)險(xiǎn)分析和故障處理方面,有效規(guī)避風(fēng)險(xiǎn),提高運(yùn)維人員的工作效率,提升公司的整體信息通信故障監(jiān)測(cè)和風(fēng)險(xiǎn)預(yù)警能力。

(編輯:鄒海彬)

參考文獻(xiàn)

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

[2] 付萍萍, 馬勇, 李路明, 等. 以風(fēng)險(xiǎn)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(shí)代的瞬變電磁法勘探技術(shù)淺析[C]// 大數(shù)據(jù)、云計(jì)算與地球物理應(yīng)用研討活動(dòng)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(lái)的機(jī)遇與挑戰(zhàn)[C]// 世界中聯(lián)信息專(zhuān)業(yè)委員會(huì)學(xué)術(shù)年會(huì)暨大數(shù)據(jù)與中醫(yī)藥國(guó)際信息化發(fā)展論壇, 2014.

[7] 郎楊琴, 孔麗華. 美國(guó)發(fā)布“大數(shù)據(jù)的研究和發(fā)展計(jì)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(shí)代: 機(jī)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(jì)算機(jī)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(jì)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(xiǎn)均衡度的電力通信網(wǎng)可靠性評(píng)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(jì)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(jí)工程師,從事電力信息通信管理工作;
靳丹（1975-）,男,天津人,高級(jí)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(jí)工程師,從事電力信息化研究工作;
史睿（1985-）,男,北京人,高級(jí)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(kāi)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(gè)人觀點(diǎn)，與本站無(wú)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(shí)，對(duì)本文以及其中全部或者部分內(nèi)容、文字的真實(shí)性、完整性、及時(shí)性本站不作任何保證或承諾，請(qǐng)讀者僅作參考，并請(qǐng)自行核實(shí)相關(guān)內(nèi)容。

我要收藏

個(gè)贊