|
摘要：本文分析了通讯网的运行维护现状，总结大数据应用的不足，并对目前大数据应用领域所研究的成果进行阐述，为构建大数据下电力通信维护体系提供理论依据，并将这些理论付诸于实践工作。由此总结大数据在开发利用方面的工作经验，保障电力通信网络的运行水平有所提升。 关键词：大数据；电力通信；数据预处理 为了能够发挥出电力通信网的信息传递作用，在电网建设过程中，往往会采用智能化的建设模式，智能化电力通信的优势就在于节约资源，可以更智能的运行。虽然近几年的电力通信规模明显增加，但是由于网络结构比较复杂，各个节点的部署也比较分散，网点的通信业务需求量较大，这些问题给电力通信网的运行带来了许多运行隐患。所以，电力企业应当维护好电力通信网的运行工作，实现智能电网的建设，保障其正常化发展。 1电力通信网中大数据应用现状与成果 1.1电力通信网中大数据应用现状 在大数据的引导下，目前海量的数据资源实现了共享，数据呈现出多元化、高速化、多样化和海量化的增长模式，同时拥有更多可变的价值。这些特征很难通过常规工具在短时间获取需要的咨询来进行分析。在电力大数据的应用过程中，电力通信网会产生出大量的行业数据，也就是说在具备大数据常规的特征之余，还存在着能量、交互等共情特征。所以，电力通信往往也包括骨干通信网和终端通信网两部分。在智能电网的建设过程中，电力通信网所产生的数据是多样性的，同时存在着非结构化和异构化的特征。 1.2电力通信网中大数据应用成果 电力通信是以网络数据为基础的，所以应当构建起相应的指标体系。通过体系的运作对电力通信网的运行情况进行评估。这样，电力通信网的维护就会更便捷，从而实现网络数据的稳定性，体现出较强的排序能力。智能电网在建设成功后，智能的电网大数据就会成为研究的热点。许多科学家和学者都在研究智能电网的发展，认为智能电网将会是构建云计算框架，对电力通信网的大数据实现综合分析的载体。总而言之，智能电网下的电力通信大数据现在还处于起步阶段，许多概念还只是停留在框架分析的基础上。 2大数据下电力通信网运行维护策略 2.1数据预处理 电力通信网在运行的时候，很容易受到外界因素的影响。所以，许多大数据由于格式不准确，出现了毫无价值的数据，或者有数据缺失的现象，为了能够实现大数据开发利用。在电力通信网大数据分析之前，就应该先进行预处理，对于残缺的数据予以补全。从而实现所有的数据都进行格式统一的处理方式，从而便于数据分析。 2.1.1数据清理 大数据在实现预处理的过程中，应当先去除数据中的杂质，对于数据空缺实现填补。这样就能是所有的数据保持一致性。所以本文将采用两项数据的清理措施来论述电力通信网大数据的清理方式：一是需要将具有特殊含义的电力通信数据进行忽略；二是将离群点进行分析处理，实现电力通信网大数据中的噪音数据分析。这种方法相对来说还是比较便捷的。是通过距离的分析方法来判断数据点的内容，从而将不合适的数据剔除，实现比较高效的清理。 2.1.2数据集成 数据的集成方式有很多，特别是对于不同来源的大数据，需要实现集成化处理，就要统一属性。将同类型的数据放在一个数据库内，这样数据的集成可以由多个不同类型的数据库组成。大数据的属性是存储于相同的数据库内。所以，可以采用常用的数据集成方法来分析，包括对数据的相关分析、对数据冲突的检测，同时也包括对许多不同语言意义的不同程度的处理等。 2.2数据分析 当数据的预处理工作结束之后，会获得比较完整的电力通信数据，该数据拥有一致性和完整性等特点，是电力通信运行期间所维护的大数据，这样的数据可以为数据分析提供强有力的支持。在电力通信网的运行下，可以对网络的维护提供技术支持。所以当大数据挖掘后，可以通过分析选择Apriori的运算方法，这样可以减少大数据处理的规模，实现在数据挖掘的过程中有更优异的性能表现出来。 3大数据下电力通信网运行维护实践 电力通信网往往会在运行时需要维护，维护电力通信网的原则是要在既定的策略基础上。本文就以某电力企业在2016年-2020年这五年之内的通信网运行维护的数据作为样本进行描述，主要对设计电力通信网运行维护指标体系的应用做出评估，实时评估大数据下电力通信网运行维护的策略可行性和有效性。 3.1检修效果 电力通信网的运行本身属于大数据运行，而对大数据进行维护处理，是对数据处理做全面客观的分析。在处理结果中显示，从2018年到2020年这三年的时间内，该电力企业的数据网络类型的设备检修次数达到235次之多，甚至在检修完成后还有七次是数据网络类型的设备出现了故障。在这些检修后出现故障的设备中，还有三个数据网络型的设备故障的出现时间和检修的时间相隔抵御两个月。这就说明，数据网络类型的设备一旦出现故障，故障和检修之间是存在相关性的。所以，电力通信网络的维修应当有基本的故障处理方法，计算出故障率，运用科学的检修方法，合理的更换检测硬件存在的问题。 3.2检修成本 检修的成本包括资金成本，也包括时间成本，从不同的地区电力通信网检测的时间，以及不同类型设备的检修时间计算出平均检修时间，可以通过平均检修时间制定出关系图，并要以平均检修时间为纵坐标，要以不同地区的电力通信和不同类型的设备作为横向坐标。这样可以观察整个分析结果，从分析结果图中可以得知，在整个网络维护的过程中，所以，光缆设备的检修时间是最长的，而传输设备比光缆设备的检修时间要短一些，数据网设备的检修时间是最短的。所以在数据网设备的检修过程中，会因为不同地区间的差异而改变，但是这个差异却并不明显。这充分说明这种设备在运行时，维护影响的因素并不多。而且不同地区的运行维护标准是一致的。 3.3检修时间分布性 从春节起到入夏之前，这段时间是电力通信网设备的运行高峰期，所以维护和检修的时间一般会分布在这个时段，而且由于需要检修的设备数量较多，所以在此期间经常会出现工作量大，检修过程遇到一些问题等等，加重了设备的运行负荷，也加重了检修人员的工作量。由此可见，电力通信网的维护和运行是需要电力企业控制好自然条件的，因为自然条件可以对电力通信网设备产生运行影响。所以，电力企业在实施检修工作的时候，需要正视自身的不足，进一步完善。同时，在观察分析结果的时候可以了解到，不同的年份，该电力企业的电力通信网设备的运行维护检修量几乎是相差无几，这也足能说明该电力企业的运行维护状态已经达到了稳定的状态。从企业的月度分析结果中，可以明确的指导电力通信网设备的检修工作量需要分布合理，尤其是对通信电源设备的检修，应当集中在月中。而根据周度分析结果可以得知，电力通信设备的检修工作量一般都会集中在周中，这样周末的检修工作量就会有意减少，这才是对电力设备检修工作量分配相对合理的。 4结论 综上所述，电力通信的网络维护其实是在大数据的应用下产生的，也就是说大数据的应用可以通过电力通信本身的运行模式来维护数据，从而提供有效的运营指导。电力企业在构建电力通信网络的时候，有一个维护指标体系，想要维护这个正常体系的存在，就要保障对电力通信网络的检修效果，从而对检修过程的时间成本、人力成本、检修的工作量做出分布性的分析。从而评估出电力通信在维护过程中展现出来的优势和不足，对以后的运行维护工作能够起到优化指导作用。 参考文献 [1]张航.大数据技术在电力通信网中的应用研究[J].通信电源技术,2020,37(10):203-205. [2]刘林,祁兵,李彬,叶欣,梅文明.面向电力物联网新业务的电力通信网需求及发展趋势[J].电网技术,2020,44(08):3114-3130. [3]王琪.基于大数据技术在电力通信网的应用实践研究[J].价值工程,2019,38(27):199-200.
| 
