电网数据范文

电网数据范文（精选10篇）

电网数据 第1篇

关键词：智能电网,大数据,处理技术

1 引言

当前社会进入了信息化时代、大数据时代, 大量信息呈爆炸性增长的趋势, 给当前的数据处理带来了较大挑战。由于智能电网具有高度信息化、数字化等特点, 双向流动的信息流导致产生的数据数量庞大、结构复杂、类型多样、速度较快、分布广泛。如电网设备监控系统从发、输、变、配等多个环节实时监控数据, 智能电表获取终端用户用电信息的数据等, 需要使用先进的大数据处理理论及技术来对此进行有效处理。

在当前, 智能电网、云计算、物联网、大数据、新能源发展等信息服务, 已被列入“十三五”国家战略性新兴产业发展规划, 国家对信息化社会建设的支持力度增加。在此形势下, 电力行业也充分意识到大数据技术的作用, 在科学研究和实际应用等方面开始了积极探索。智能电网产生的海量数据具有极大的使用价值, 对电力行业的经济、互动、服务、集成、优化等都提供了有力支撑。智能电网大数据的有效处理与利用, 是推动电力行业进一步发展的重要措施。

2 智能电网大数据的特征

大数据被广泛应用于各个领域, 各行业领域对大数据使用的偏重点和突破口不尽相同, 因而对大数据特征亦有不同认识。IBM提出大数据4V特征, 分别为规模性 (Volume) 、多样性 (Variety) 、高速性 (Velocity) 和真实性 (Veracity) 。对于智能电网大数据来说, 4V特征主要体现在以下方面。

2.1 规模性

智能电网大数据的产生主要依靠大范围、多设备、多类型、全天候和高频率采集模式, 数据体量巨大, 从TB级跃升至PB级别。如智能电表按分钟频率采集用户用电数据, 假设1分钟采集一次, 每月每户仅用电数据一项就生成超过43 000条数据记录。

2.2 多样性

智能电网大数据涵盖不同时期、不同系统、不同区域、不同设备、不同格式、不同类型的异构数据, 包括了结构化、半结构化和非结构化等不同内部结构的数据, 数据种类繁杂、差别巨大, 比如监控视频、故障录波、电话录音等就为类型迥异的数据。

2.3 高速性

由于电力供需平衡是一个实时响应的过程, 暂态时间内可能发生系统失稳, 如继保、控制指令、PMU等部分智能电网数据从生成、采集、传输到处理, 需要在毫秒级时间内实时在线完成, 为电网运行提供决策支持, 这对采集速率、传输通道和处理速度等均提出极高要求。尤其是对高速性的要求, 已扩展到数据从产生、传输、存储、处理到应用的每一个环节。数据处理遵循“1秒定律”, 体现为要在秒级时间内得出数据分析结果, 超出时间限制, 数据就失去价值。

2.4 真实性

大数据技术面临不确定性问题, 获取、存储与处理数据需付出成本, 理想数据未必能够全数获得, 所获数据未必可以全部使用。对智能电网而言, 数据不完整、不一致、重复、模糊、异常、噪声、错漏和延时等情况都需列入考虑范围。

3 智能电网大数据的处理技术

智能电网大数据来源于不同年代、不同区域、不同企业、不同平台和不同设备, 带有很强的地域性和专用性, 数据结构差异大, 数据格式不统一, 数据类型极为繁杂, 然而智能电网运行需要各部门和各应用大范围、高速度进行数据交互。一般智能电网大数据处理使用到的相关技术包括以下几方面。

3.1 大数据技术

大数据技术的本质是数据处理的问题, 其关键技术主要包括大数据的存储与传输、大数据的分析、大数据的集成管理等技术。

3.1.1 大数据的存储与传输技术

当前我国的智能电网建设在不断推进, 面对具体运行过程中产生的大量数据存储与传输问题, 可以利用数据压缩等方式, 保障数据存储与传输正常进行。在智能电网的数据存储方面, 可以利用分布式文件系统完成储存工作, 但这种方式在某些方面很难满足实效性要求。这就要求考虑到大数据的性能及分析要求, 进行具体的分类存储, 如对性能要求较高的实时数据, 可以采取数据库存储方法;对于数量较大的非结构化数据及历史数据等, 可以采取分布式的文件系统存储;对于核心的业务数据, 则可以采取传统的并行数据仓库储存。

3.1.2 大数据分析技术

电力大数据分析, 是在大量数据中选择、提取出有用的信息, 并对这些信息进行分析和管理, 将其应用到企业经营管理的相关决策中。因此, 为了促进电力企业的发展, 提升电力企业自身经营效益和竞争实力, 必须利用科学合理的决策, 为企业内部经营发展提供指导。

3.1.3 大数据集成管理技术

面向智能电网的大数据平台具有较大的信息量, 这些数据包含电网在运行中的各个领域的内容。在实际应用中, 可以借助传感器等将信息输送到系统中, 进而完成数据采集。也可以对大数据进行分析, 既有效管理了大数据, 又给数据处理和分析等工作的开展奠定基础。

3.2 云计算技术

大数据应用的是分布式架构, 这种架构特征表现为分布式挖掘广泛存在的海量数据, 而这一过程的实现, 需要以云计算技术体系中的分布式处理技术、分布式数据库技术以及虚拟化技术为基础。云计算技术是大数据处理技术中的一个重要组成部分, 在智能电网中, 云计算技术的应用, 可以更加全面地监控电力设备状态, 获取更多有价值的电网监控数据, 如时序数据、视频、设备缺陷记录、实验数据等。由于这些数据信息对实时性有较高的要求, 利用云计算技术可以很好满足智能电网信息数据管理、处理的要求, 其中分布式存储及虚拟化技术对于解决设备运行过程中的实时、可靠监控问题有着重要意义。不过当前我国对于电力系统信息资源的利用率还较低, 还需要不断调整与完善云计算资源管理平台的模式和框架, 提高云计算平台处理大数据的有效性。

3.3 实时数据处理技术

当前的电力系统广泛采用内存数据库, 可以较好满足数据信息的实时性要求。内存数据库, 主要就是将数据放在内存当中, 进行直接操作, 内存的数据和磁盘相比, 其速度是非常快的。针对我国当前的电网调度和控制模型, 由于一些小型发电系统产生的波动是不可预知的行为, 创建一种新型电网状态监控系统, 对于电网的实时状态进行详细跟踪。对于智能电网所涉及的各个环节和用户的数据, 要进行集成和整合, 这样才能对各地的电能消费情况进行分析, 找到对应的预防措施。

4 结语

智能电网经营管理过程中, 数据生成设备繁多, 生成速率极快, 传输路径双向, 导致数据体量巨大、类型格式繁多、结构不统一。电力系统运行需要信息跨部门、跨系统、跨区域实时交互, 需要以数据快速传输交互以及强大的数据分析处理能力为支撑。对获取的智能电网大数据进行处理, 发挥大数据价值, 服务于智能电网发、输、变、配、用、调等各个运营环节, 是推进智能电网信息化建设的重要路径。

参考文献

[1]姜春宇, 孟苗苗.大数据基准测试流程与测试工具[J].信息通信技术, 2014 (6) .

[2]解鹏飞, 隋伟娜, 朱容娟, 等.云环境下海洋环境监测大数据处理平台的研究[J].海洋信息, 2015 (1) .

电网数据 第2篇

2.1 构建大数据处理能力、高性能融合的数据架构，提高管理成效

电网营销的数据具有“量类时”等特点，即容量巨大，自身具有多种类型，并且有着很高的价值。电网企业在电网营销业务过程中会得到海量运行数据，同时还有电网营销运营监控平台中的数据。一般来说，大数据主要包括营销业务中的`发电量与电压特性等动态实时上传数据，而营销运营监控中的经营管理数据，如售电量，电价实时数据，用电客户数据，企业ERP与电网运行管理在线办公系统等动态数据与存楼数据，再加上物联网云计算，新能源开发后的并网数据，以及车联网与移动互样等扩展性数据都将归入电网企业中的大数据，可以说大数据的来源广泛，数据价值高。构建具备大数据处理能力的低成本、高性能融合架构，那么电网营销运营监控就能做好更多有针对性的附加值服务工作，也能达到电网企业科学管理的目标。

2.2 构建大数据处理能力、高性能融合的数据架构，是完善电网营销运营监控平台的重要工具

推动电网企业营销业务未来的发展，离不开电网企业自身的市场适应力。而作为民生服务业，电网企业的服务水平与服务质量直接决定了人们生活舒适度。信息化时代里，大数据是完善电网企业信息化的重要工具。电网业务目前已经全部引入IT系统进行管理，数据采集量海量增长。电网企业要善于在大数据的处理与应用中积累信息化管理经验，进而为电网运营与提升整个电网系统运行打下良好的管理基础。可以说，对于大数据的应用与分析，代表着电网企业是否能适应时代，是否能做大做强的重要标准。

3 大数据架构的关键技术

电网大数据的关键技术既包括数据分析技术等核心技术，也包括数据管理、数据处理、数据可视化等重要技术。

数据分析技术：包括数据挖掘、机器学习等人工智能技术，具体是指电网安全在线分析、间歇性电源发电预测、设施线路运行状态分析等技术。由于电网系统安全稳定运行的重要性及电网发输变配用的瞬时性，相比其他行业，电网大数据对分析结果的精度要求更高。

数据管理技术：包括关系型和非关系型数据库技术、数据融合和集成技术、数据抽取技术、数据清洗和过滤技术，具体是指电网数据ETL(Extract，Transfer和Load，即提取，转换和装载)、电网数据统一公共模型等技术。电网数据质量本身不高，准确性、及时性均有所欠缺，也对数据管理技术提出了更高的要求。

数据处理技术：包括分布式计算技术、内存计算技术、流处理技术。具体是指电网云、电网数据中心软硬件资源虚拟化等技术。

数据展现技术：包括可视化技术、历史流展示技术、空间信息流展示技术等。具体是指电网状态实时监视、互动屏幕与互动地图、变电站三维展示与虚拟现实等技术。电网数据种类繁杂，电网相关指标复杂，加以未来的电网用户双向互动需求，需要大力发展数据展现技术，提高电网数据的直观性和可观性，从而提升电网数据的可利用价值。

4 结 语

综上所述，在现有营销运营监控平台的数据架构基础上，构建具有业界领先水平的包含大数据采集、存储、计算、分析等基本要素的大数据架构，将大数据融入电网营销运营管理及监控过程，发挥数据资产价值，辅助公司提升决策的科学化水平，促进电网营销业务管理向精益化转变，推进营销业务管理模式创新，持续提升优质服务水平，促进公司价值创造能力和经济效益不断提升，并为科学研究提供有力的分析应用支撑。

参考文献

电网数据 第3篇

关键词：智能电网；大数据；数据处理；可视化

中图分类号：TM76

智能电网[1]全面覆盖发电、输电、配电、用电和电力市场，是包括一次系统和二次系统的智能型电网，智能电网是当前数字化电网建设的新形式。智能电网实际上是把通信技术、信息技术、传感测量技术、控制技术以及计算机技术融合到一起从而形成科学高效地用电网络。智能电网在实际运行过程中，在各个环节会产生大量的原始数据。对于这些数据进行科学挖掘具有非常重要的意义。大数据技术的出现正好满足了这一需求。大数据技术[2-3]实际上就是在可容忍时间内利用传统IT技术、软硬件工具以及数据分析方法来对数据进行感知、获取以及管理分析的的数据集合。大数据技术自从产生以来便越来越受到人们的重视，它在智能电网中的应用是电力行业信息化、智能化发展的必然选择。

一、智能电网大数据特点

对智能电网大数据的特点进行科学分析有着非常重要的意义。从智能电网大数据本身而言是可以分为电力企业内部数据和外部数据这两种形式的。内部数据主要指的是数据采集与监控系统、广域量测系统、在线监测系统、能量管理系统、生产管理系统以及财务管理系统等；外部数据则指的是互联网数据、地理信息系统、社会经济数据以及公共服务部门数据。这些数据通常是由不同部门来管理的。由于条条框框的限制，当前的数据管理呈现出了分散放置、分部管理的特征。

智能电网大数据同传统数据相比，其结构更为复杂，种类也比较多。不仅有结构化数据，同时还有较多半结构化、非结构化数据。

二、智能电网大数据关键技术

智能电网大数据关键技术主要是包括了数据集成、数据存储、数据处理以及数据可视化技术，其中数据处理是最为关键的技术。

（一）数据集成。数据集成主要指的是把电网中多个应用系统数据合并到一起形成一个相对稳定、集成的能够反映历史变化的数据集合，通过该集合从而能够为智能电网管理提供方便。通过数据集成技术将能够有效解决系统之间信息孤岛以及数据冗余的问题。数据集成是一个关键环节，应该看到在智能电网中的各种应用系统是不同类型，具有非常复杂的特征，在实时性要求、数据类型数据规模等方面还有较大差异。在数据集成过程中就应该充分考虑这些问题。

（二）数据存储。数据存储是非常重要的技术。智能电网中包括结构化数据，同时也含有非结构化数据和半结构化数据。对于非结构化数据主要是通过分布式文件系统来存储，半结构化数据则是利用分布式数据库来进行存储。结构化数据则采用的是传统关系型数据库。

（三）数据处理。数据处理是大数据关键技术的核心内容，数据处理技术本身又可以分为异构数据整合集成、非结构化数据处理以及数据扩展等技术。对于这些技术应该进行深入分析，主要包括以下几点：

1.异构数据整合集成。在不同应用系统数据类型也是不一样的，电力系统之间数据不能够实现有效联通，这对于实现科学高效地管理是非常不利的。为了解决这一问题就需要实现异构数据格式的统一。为了实现这一目的就需要设计各类专用适配器来对个应用进行连接。这是一种传统方法，这种方法虽然能够起到目的，但是耗费成本也是非常大的。为了顺利解决这个问题就需要建立电力系统CIM模型。通过建立这样一种模型将能够为数据交互集成提供路径，进而能够实现EMS、SCADA等应用的数据交互。这样一种模型在转换成CIM XML之后就能够实现对XML的解析处理，将能够把它翻译成专用格式数据。对异构数据的处理实际上就是要分析如何实现CIM XML和电力系统专用数据格式的导入/导出。RDF Schema能够把它解析并导入其它系统，这样就能够实现异构数据的导入/导出。

2.非结构化数据处理。对非结构化数据进行处理是数据处理的关键内容。在实际处理过程中XML将能够发挥重要的作用，它能够支持嵌入和链接非结构化数据，这样实际上就能够为解决非机构化数据提供较好解决办法。非结构化数据同XML文档结合，利用XLink链接非结构化数据，这样就能够实现数据资源的有效串联，之后是要把非结构化数据内嵌到XML文档中并采用记号描述非结构化数据格式，声明并嵌入不可析外部实体，提供实际位置链接，最后传输到应用程序来进行处理。

3.数据扩展。重点分析XML扩展，XML是具有良好扩展特性的，通过对XML进行扩展将有助于数据完整描述以及实现互操作。在实际工作中主要是对Schema进行修改，添加元素及属性声明，这样就能夠完成对SCL或者COMFEDE扩展。新版IEC61850实际上已经扩展了应用场景。在工作中IEC61850 SCL和EIEC6190CIM存在的映射不完全对应的问题应该引起高度重视，这一问题会影响到互操作性。为了解决这个问题就需要对SCL进行适当扩展，使得其能够同CIM互为协调。这样就能够实现变电站同调度中心的互操作。

（四）数据可视化。数据可视化，是关于数据视觉表现形式的科学技术研究。这一环节的实现同样十分重要。为了实现可视化，在工作中就需要应用到面向像素的可视化方法，这是一种可行的方法，这种方法本身包含独立于查询的方法和基于查询的方法这两种形式。独立于查询的方法实际上就是要把数据库中的数据依次从左到右排列开来，这实际上同几何可视化类似。

基于查询的方法主要是根据数据值同所查询的要求的符合来匹配不同颜色。对于每个数据项的值（a1，a2，…，an）以及查询要求（q1，q2，…，qn）通过每个距离函数计算每个属性值与查询要求匹配值。最终的目标是要得到每个数据的一个总的距离值dn+1，该数值主要是用来反应数据项与查询要求之间匹配程度。

三、结论

大数据技术在智能电网中的应用将能够有效提升管理水平，智能电网分布式管理是其主要特点。在实际工作中为了实现正常运行就需要高度重视其中的数据集成、数据存储、数据处理以及数据可视化这些关键技术。只有进一步对这些关键技术进行科学考察才能够满足实际需要。

参考文献：

[1]张东霞，苗新，刘丽萍，等.智能电网大数据技术发展研究[J].中国电机工程学报，2015，35（1）：2-12.

[2]罗军舟，金嘉晖，宋爱波，等.云计算：体系架构与关键技术[J].通信学报，2011，32（7）：3-21.

[3]李志刚，朱志军.大数据：大价值、大机遇、大变革[M].北京：电子工业出版社，2012：182.

作者简介：

电网业务数据防泄漏平台建设 第4篇

数据是企业的核心资产, 国内外大量案例表明敏感数据的泄漏会给企业利益带来巨大损害, 包括客户流失、核心技术丢失、事件曝光而造成声誉受损/法律问题/经济赔偿等。根据专业数据防护研究机构统计, 全球企业平均每年为数据泄漏付出720万美元的损失。为了降低日益突显的数据泄漏风险以及危害, 如何通过适当的手段对企业敏感数据进行防泄漏保护 (Data Loss Prevention) 已刻不容缓。

伴随对信息系统的依赖性的增加, 电网企业数据量、数据的重要性日益增加, 随之增加的还有数据泄漏风险。如果是拥有大量关键核心数据的电网国企, 数据泄漏对于电网公司而言不单单是经济损失, 更有可能影响到国家机密, 导致灾难性的伤害。因此如何防止敏感信息泄漏已经成为影响电网企业竞争力的重要因素。

1 电网企业数据防泄漏现状

如何防止数据泄漏已成为大企业、机构的热门话题, 国内外已有众多成功实施数据安全防护的方案, 大量的成功案例标志着数据安全防护的理论和配套的安全产品已步入成熟阶段。

电网企业也早已意识到数据防泄漏的重要性, 不少电网企业也使用了不同防泄漏设备, 但不管是国外数据防泄漏设备还是国内数据防泄漏设备都不能够完全满足电网企业需求。一直困惑电网企业的问题有以下几点:

(1) 现有防泄漏设备缺少针对电网企业业务环境的数据防泄漏策略标准及解决方案, 在实施数据安全工作的过程中普遍存在数据防泄漏设备策略的制定不够客观和充分、误报漏报情况频繁发生等问题。

(2) 现有数据防泄漏设备部署无法与企业业务流程关联在一起, 所有泄漏事件都是集中统计分类, 无从查证泄漏数据来源于对应的某个业务流程点。在这种情况下, 一旦累积大量泄漏事件, 就无法量化统计哪些业务流程点存在的数据泄漏风险比较大, 需要进行严控, 也无法知道泄漏事件对业务流程的影响程度。

(3) 在大型电网企业中, 往往还会存在多套数据防泄漏系统, 各个系统彼此都是独立工作, 造成泄漏事件日志无法集中进行统计, 管理起来也非常不方便。

鉴于电网企业部署的数据防泄漏系统存在种种问题, 本文探索集成多套数据防泄漏系统优势, 做到将所有泄漏事件统一在防泄漏平台展示, 并与企业业务流程紧密相联, 做到:谁, 在什么时间, 做了什么事, 违反了什么安全规范, 是否被阻止, 可能导致什么业务受影响。

2 基线分析业务数据防泄漏平台建设方案

2.1 平台总体建设思路

为解决电网企业部署数据防泄漏系统存在的问题, 本文探索提出建设符合电网企业业务环境数据防泄漏平台的解决思路, 此建设方案共分成三大阶段进行:前期数据生命周期调研与数据分级分类, 中期集成多套数据防泄漏系统与配置跟业务流程同步策略, 后期建立统一的数据展示防泄漏平台。

前期的工作为统计整合电网企业数据, 了解所有流转数据生命周期, 应用科学客观的计算方法将数据分类分级, 为电网企业防泄漏系统部署安全策略提供数据等级标准。解决电网企业防泄漏系统因制定策略不够客观和充分产生数据泄漏事件漏报与误报等问题。中期工作为将多套数据防泄漏系统集成在一起, 参照数据等级标准配置统一的安全策略, 并将所有数据防泄漏系统收集到的泄漏事件信息发送到数据防泄漏平台。后期工作为根据电网企业业务流程现状与从防泄漏系统接收到的数据泄漏事件结合, 让数据泄漏事件信息与业务流程点挂钩, 以可以查询到每一个流程点数据泄漏事件, 并能够统计业务流程点泄密者泄漏事件数量, 自动形成周月报发送给相关部门负责人作为个人绩效考评的一部分。中期与后期建设思路不但解决了多套数据防泄漏管理不便问题, 还可以集合各防泄漏系统优势功能获取到数据统一发送给数据防泄漏平台, 结合企业业务流程进行统一展示。

图1为数据防泄漏平台管控数据泄漏事件工作流程。

业务部门角色工作主要包括数据资产登记、数据分类、数据分级, 并依据数据分类分级管控文档做好数据生命周期的管控, 同时把数据清单和需要防止泄漏的数据提交到信息中心。

管控中心角色根据业务部门角色提交的敏感数据信息制定相应的防泄漏管控策略导入到数据防泄漏产品, 做好敏感数据的监控和审计工作。在日常运维中把发现的敏感数据泄漏事件和信息制作成周报、月报下发到相关的业务部门, 形成良好的管控流程。为保证数据防泄漏平台持续有效运转, 还需要执行严格管控制度。

2.2 平台整体功能架构

防泄漏平台功能可简化为3个步骤:监控—保护—展示。整个功能架构中, 共有四大模块, 分别为终端监控模块、网关监控模块、数据保护模块、统一数据展示 (也称“安全防护平台”) 模块。终端监控模块采用多种监控技术组合, 可监控终端通过复制、粘贴、拷屏、本地打印、USB存储设备、刻录光盘、蓝牙红外传输、即时聊天工具、网络打印机、网络共享、客户端本地、特定应用服务器等通道外发的敏感数据。网关监控模块主要基于技术协议进行数据监控, 监控通过Http/Https协议、FTP协议、SMTP协议、即时聊天工具、网络打印机等外发敏感信息。终端监控与网关监控相比较各有优劣, 终端监控注重“点”的防护, 也就是基于个人主机进行全方位数据保护;而网关监控更注重“面”防护, 是站在整个企业网视角进行数据保护。数据保护模块主要承担数据防护职责, 通过配置不同策略对终端及网关监控到的敏感信息进行阻挡、隔离、加密、隔离并加密通知告警、确认并辩护、补救与整治等保护动作。数据保护模块还可支持兼容多套数据防泄漏产品, 集成多套数据防泄漏产品优势监控功能, 更全面保护敏感数据。统一数据展示模块主要将多套数据防泄漏产品拦截或将监控到的敏感信息整合进行数据分类等综合展示。并与企业业务流程紧密结合, 做到让管理员清楚:谁, 在什么时间, 做了什么事, 违反了什么安全规范, 是否被阻止, 可能导致什么业务收影响。平台整体功能架构如图2所示。

3 平台建设方案创新点

国内外绝大部分成功实施数据安全防护方案均是采用单一厂商数据防泄漏设备对一般信息进行保护。保护层面广, 但缺乏深度, 只是对信息安全方方面面提供基础保护。同时, 只是单一采用厂商数据防泄漏设备进行数据保护, 容易忽略业务部门的需求以及企业真正的业务需要, 导致信息安全保护效果不足或者过度, 影响业务的正常运转以及企业的利益。

本方案的创新点为着重对电网企业数据进行全方位保护, 从数据的价值、业务流程入手, 了解业务需求、数据的关键性, 评估数据面临的风险与危害, 从而构建与业务流程吻合、数据安全管理与数据安全技术双层面的全面数据分级保护模型。方案还创新性地兼容多套数据防泄漏系统, 各系统发挥优势功能, 将收集到的泄漏信息统一在已集成电网业务流程的数据防泄漏平台上展示。因此本方案不但解决了电网企业数据防泄漏与业务流程关联难题, 还融合多套数据防泄漏系统优势功能, 使得数据防泄漏平台收集展示的数据泄漏事件更全面、更完整, 事件类型更丰富。

4 总结与展望

敏感数据的泄漏会对电网企业利益造成巨大损害, 包括客户流失、核心技术丢失、事件曝光而造成声誉受损/法律问题/经济赔偿等。为了降低电网企业日益突显的数据泄漏风险以及危害, 针对电网企业数据环境建设一套适用于电网企业业务流程的数据防泄漏平台, 以更好地保护企业敏感数据。

现有数据防泄漏设备基于市场统一标准投产, 并不能完全符合企业业务需求, 本文设计思路为集合多套数据防泄漏设备, 将各设备发挥优势功能采集到的敏感数据统一发送到防泄漏平台展示, 而防泄漏平台功能是根据企业业务环境及客户需求进行构造, 实现敏感泄漏数据与业务流程挂钩, 最终达到敏感数据泄漏与个人绩评、业务影响范围相关联的目的。本文的解决方案充分考虑了企业人员操作和业务应用的需求, 为企业数据保护提供了解决思路, 具有一定的参考价值和非常重要的现实意义。

参考文献

[1]路少龙.浅谈电力企业计算机数据的安全保护[J].数字技术与应用, 2011 (9) :246.

[2]陆海龙.数据安全存储系统的研究与实现[D].上海:复旦大学, 2010.

[3]彭维平.基于可信平台的数据泄漏防护关键技术研究[D].北京:北京邮电大学, 2011.

[4]冯建云, 张月琴.内网安全信息防泄漏系统的开发与实现[J].电脑开发与应用, 2010, 23 (7) :31-33, 39.

[5]张孝, 王珊, 彭朝晖.基于安全策略的一种数据保护方法及实现技术[J].计算机科学, 2007, 34 (2) :122-123.

[6]刁俊峰.软件安全中的若干关键技术研究[D].北京:北京邮电大学, 2007.

电网数据 第5篇

管理细则

第一章

总 则

第一条 为提升物资分类与物料主数据管理水平，依据《国家电网公司物资采购标准管理办法》，制定物资分类与物料主数据管理细则（以下简称细则）。

第二条 本细则适用于公司总（分）部、各单位及所属各级单位（含全资、控股、代管单位）物资分类与物料主数据（以下简称“主数据”）的新增、修订、问题受理等管理工作，服务分类及服务主数据管理可参照执行。

第三条 本细则所称“主数据”包括物资分类、物料主数据及采购标识规则。主数据在国网公司主数据管理平台（SG-MDM）进行统一管理和维护，管理流程见附件：物资和服务主数据管理流程图。

第四条 物资分类是根据物资信息化管理要求，从不同角度、不同层次，对物资进行区分、归类、命名、描述，建立的物资分类结构体系和物资信息化代码体系。

国网公司的物资分类体系按照大类、中类、小类进行分类，每个小类下辖若干特征项，每个特征项下对应若干特征值。

第五条 物料主数据是根据物资分类结构体系，按照相 1 关规则，赋予物资的信息化代码，包含了物资编码、物料描述、计量单位、采购标识和分类特征等信息。

第六条 采购标识是根据物资采购标准，对物料进行分类的标识，分为国网标准物料、非标准物料和未标准化物料。国网标准物料指物资采购标准界定范围内、公司推广应用的物资；非标准物料指在物资采购标准界定范围外、公司限制使用的物资；未标准化物料指尚未编制物资采购标准、公司不限制使用的物资。

第七条

采购标识规则是根据物资采购标准制定、辅助计算机识别采购标识的规则，是物料主数据与采购标准模板的衔接纽带。

第八条 本细则职责分工按照《国家电网公司物资采购标准管理办法》执行。

第二章

第九条 主数据新增

（一）新增主数据对应的物资必须是客观存在的、但尚未列入主数据管理系统的物资。新增主数据的需求是否合理的判断依据是国家标准、行业标准、公司企业标准以及公司科技推广成果。

（二）公司各级单位在提报新增主数据需求之前，须组织开展预审。

（三）新增小类以电子邮件形式进行提报，特征值及物

新增与修订 料主数据新增需登陆主数据管理系统进行线上提报。新增小类一般应根据物资关键特性设置特征项；新增特征值需符合既有特征项的定义。

第十条 主数据修订

（一）主数据修订包括物资分类、特征值、物料主数据的冻结、解冻，以及采购标识规则的修订。

（二）对于重复存在或无法满足物资采购及应用需求的主数据，经咨询专业专家意见、国网物资部批准后，在主数据管理系统中完成修订工作，并及时发布通知公告。

（三）物资分类及物料主数据被冻结后，对于需要处理未清业务的，由各单位在ERP系统中自行解冻，业务处理完毕即时恢复冻结状态。对于仍在计划申报阶段，未发布招标采购公告的主数据，原则上不能继续使用，应选用其他物料主数据申报计划。

（四）国网物资公司开展采购标识规则修订时需考虑对现有采购标准提报、采购计划提报和招投标业务的影响,统筹考虑修订及数据下发时间。

（五）物资采购标准修订时需统筹考虑采购标识规则的修订，分析采购标识、物料与采购标准对应关系,制定相应的转换策略。

（六）各单位提出的物资采购标识调整需求，经咨询专 业专家意见、国网物资部批准后，由国网物资公司在主数据管理系统中完成修订工作。

第三章

主数据运维

第十一条 物资分类新增：各单位收集新增分类需求，组织专家开展预审，确定所属大类、中类、小类，计量单位及特征项、特征值，填写物资分类申请模板，提报至国网物资公司。经咨询专业专家意见、国网物资部批准后，由国网物资公司在主数据管理系统中完成新增。审批不合格的注明原因，以电子邮件的方式退回至需求单位。

第十二条 特征值和物料主数据新增：各单位收集新增需求，组织专家开展预审，进入主数据管理系统，提交新增申请。经咨询专业专家意见、国网物资公司审批后，在主数据管理系统中完成新增。审批不合格的注明原因退回至需求单位。

第十三条 采购标识规则修订：物资采购标准新增或修订时，经咨询专业专家提出修订方案、国网物资部批准后，在主数据管理系统中完成操作。

第十四条 关于物资分类及物料主数据有关业务问题的需求受理要求如下：

（一）物资分类及物料主数据提报过程中的常见问题（如：业务操作、数据查询等），由各单位物资标准化专（兼）职管理员处理。

（二）主数据新增、修订及其他业务问题由国网物资公司在工作时间受理。

（三）根据信息系统分工界面，系统功能故障及系统操作指导等分别由国网信通公司和省信通公司受理。

（四）国网主数据管理系统操作账号由各单位提出申请，报国网物资公司审批，交国网信通公司具体办理。

第十五条 电网及通用物资以外的主数据，经国网物资部同意后，可委托专业公司具体开展主数据需求提报、审批管理等具体业务操作。

第四章

检查与考核

第十六条 国网物资部建立主数据考核制度，采取季度考核计分的方法，对各单位申报的物资分类特征值与物料主数据的准确率进行考核。

第十七条 国网物资公司按季度统计各单位的提报数据及退回记录，汇总后上报国网物资部。

第五章

附 则

第十八条 本细则由国网物资部（招投标管理中心）负责解释。

电网数据 第6篇

关键词：电网数据,遥测,合格率

我公司电网调度自动化系统日趋稳定, 目前自动化分站15个遥测总路数已达310路, 遥测数据量大, 维护难度高, 严重影响遥测数据的准确性。

1 电网数据遥测现状分析

对2010年电网数据遥测合格率进行统计, 我们对电网数据遥测合格率较低的月份进行了进一步分析, 查找影响遥测合格率的原因。另外, 我们还对日常工作中的其他原因进行了调查分析。变电站保护装置遥测精度不够准确、调度主站遥测参数不能及时更正, 也是影响遥测数据准确性的重要因素。经过讨论分析, 我们主要应该通过对“遥测不可用小时数”的部分故障进行排除和减少, 从而能够提高遥测合格率。

2 分析影响遥测合格率的原因

2.1 人为因素

在运行人员巡视变电站时, 时常查看、核对保护装置中的信息, 但由于运行人员业务素质不够全面, 操作面板时不够细心, 从而出现错误的操作, 修改了装置中的保护单元投退信息或者通信地址码, 导致通信出错告警, 影响遥测信息的传输。变电站更换了新设备, 由于维护人员修改信息不及时而导致主站数据与实际不相符影响了遥测数据的准确性。

2.2 设备自身缺陷

虽然各变电站都装有室内空调, 由于保护装置不间断运行, 特别是在环境温度过高时, 会出现装置死机现象, 严重时会由于装置过热导致主板烧坏。那么, 上传的数据会固定不变, 严重影响了遥测合格率的准确性。保护装置出现其他故障时, 例如装置业务板上的集成块在长时间运行时也容易发热松动, 也会影响遥测数据的传输。

2.3 外界因素

由于经济条件制约, 主要是缺少光纤检测、熔接等设备, 发生光缆问题需联系当地通信公司帮助处理。由于变电站保护厂家较多, 产品比较杂, 而且更新换代快, 有些设备损坏后不能及时地更换和维修。

变电站通信系统的光电隔离装置、通信数据板在环境温度的影响下也容易发热烧坏, 那么变电站的数据传输就会受到影响。

2.4 通道故障

信息传输通道是连接调度主站和各分站的“大动脉”, 一旦发生通道故障, 就会造成变电站包括遥测、遥信、图像监控等所有信息的中断。其次, 由于我公司不具备相关检测仪器, 在短时间内无法找到故障点所在, 这就为维护工作带来了很大的不便, 严重影响了故障的处理的时间。而且我县通信网络呈链式分布, 一点出现故障有时还会影响其他变电站和供电所的通信。

3 解决措施

3.1 减少操作失误

我们制定了巡视管理制度, 制度中主要针对人为原因造成的误码制定了详细的对策。首先, 应加强远动通信方面的知识进行培训, 使各级人员加强对专业知识和现场设备的了解, 掌握面板操作的方法, 在实际工作中避免操作不当造成的通信误码。其次, 我们还与变电工区联合制定了《巡视管理制度》, 对于在运行人员巡视时操作不当造成的误码问题, 列出了详细的考核方法。制度实施后, 2009年未出现由于人为原因造成的变电站通信误码, 从而保证了遥测数据的传输质量。

3.2 改善运行环境

首先, 我们经过分析和试验, 在各变电站保护装置屏顶部加装了风扇, 使装置在运行时能够更好、更快速度的散热, 从而减少保护装置由于发热引起的死机或者主板烧坏现象, 保证遥测数据的传输通畅。

其次, 加强对各变电站的巡视。在巡视设备时着重检查保护装置的运行情况, 如发现保护装置有过热现象, 应及时打开装置面板, 以加快散热;及时检查保护屏风扇以及室内空调的运行情况, 并做好巡视记录。该措施实施后, 变电站保护装置运行环境得到了改善, 达到了预期要求。

3.3 改善通道状况

首先, 我们在调度主站前置程序中实现了主、辅通道自动切换功能和通道异常告警功能, 一旦发生通道故障, 调度员就能及时发现通道故障并及时联系远动班进行检查和处理, 对故障情况作出及时的判断, 大大减少了数据中断的时间。

其次, 我公司配备了光纤检测仪一套, 一旦发生通道中断故障, 我们能立即检测出故障点所在, 特别是光缆发生断线时, 可以快速找到断点位置并进行熔接, 为故障的排除节约了大量的时间, 从而提高了遥测数据的传输质量。

20 11年6月, 济阳段发生了通道中断, 我们立即对光缆进行检查, 在距主站4.8公里处发现断点, 我们迅速到现场将断头熔接恢复, 通信也恢复了正常。自发出通道告警开始至通道恢复仅间隔3个小时, 比以往处理相同问题缩短了至少4个小时, 大大减少了“不可用小时数”, 提高了遥测合格率。

4 效益分析

2011年电网数据遥测合格率与2010年同期相比, 提高了0.03%, 电网数据更加准确, 大大减轻了工作量, 自动化管理水平有上了一个新台阶。通过加强业务培训, 加强设备巡视等巩固措施, 对电网数据的管理也日渐标准化。

参考文献

[1]崔红淼, 梁波.提高电网遥测合格率[J].《农村电气化》, 2010 (3) :59-59.

[2]李幼平.我看遥测的未来——遥测既是它本身, 又是别的什么[J].遥测遥控, 2000年02期.

电网统一规整数据的实现及应用 第7篇

近年来随着各级电网调度自动化水平的不断提高, 调度自动化系统的规模和数量也有了大幅的增加, 各应用系统除了向运行人员提供专业功能之外, 还积累了大量有价值的的历史数据, 同时随着电网生产统计模式的不断细化, 数据统计范围、统计量越来越大, 统计模式也经常变化, 对统计工作的及时性和准确率的要求越来越高。以往采用定制开发的方式在各个应用系统中进行指标计算的模式已不能适应业务的需要, 尤其是涉及到系统底层数据元发生变化时, 不但系统的开发量大大增加, 而且会在结构设计及稳定性方面造成潜在危险, 因此, 必须在数据集中管理的模式下开展数据接入及电网运行统计功能的开发工作, 从根本上解决系统数据量及业务复杂度快速增加的矛盾。

基于上述分析, 结合电力调度数据管理的要求, 依托于目前各级调度DMIS/OMS系统中丰富的数据资源, 通过对数据仓库和面向对象的基本思想进行有目的的剪裁, 形成电网数据在对象轴、属性轴、时间轴3个维度上的分解规范, 利用南瑞PI2000平台动态建模功能建立电网统一规整数据模型, 实现对电网历史数据的规范化整理。一方面可以为调度数据统计工作提供准确的原始数据, 也可以在统一规整数据模型上进行通用数据处理功能的开发与应用, 为电网调度决策管理提供必要数据统计信息, 为后续的业务扩展提供有效的技术手段。

1 数据规整目标

通过建立电网规整数据模型, 可以实现以下几个目标:

1.1 实现数据集成化管理

通过统一的数据规整平台消除各专业系统之间的差异性。各级电网调度的专业应用从数据管理的角度形成了大大小小的数据孤岛, 并且不同的系统之间数据结构各不相同。在此基础上完成数据指标统计, 开发工作繁琐复杂, 无法提供对业务变化的快速响应, 同时缺乏对整个电网运行数据及其关联的描述, 这样数据集成化管理就成为了统一规整数据的首要目标。

1.2 实现数据标准化管理

由于各方面的原因, 在上下级调度之间和调度内部存在统计口径、峰腰谷时间定义、量纲不统一、数据命名不一致的现象, 为解决上述问题不得不在新数据应用过程中投入大量的工作进行转换与人工核对。建立统一规整数据后, 可以实现数据的统计口径、量纲等的标准化管理, 最重要的是实现对数据对象的统一定义与应用, 这样可以在不同的数据业务之间进行数据加工和核对, 有利于规整数据作为统一出口与外围系统进行数据交换。

1.3 实现数据处理流程的工具化

建立统一的规整数据将数据处理流程工具化管理的思想变为可能, 数据经过统一规整处理后实现从数据采集到数据输出功能的配置管理, 用户可以通过业务重组和简单的配置操作完成业务扩展的需求, 甚至可以对单项数据的处理流程进行跟踪, 以流程图的方式追溯数据来源及加工过程。

2 规整方案设计

2.1 设计原则

2.1.1 面向主题

(1) 以电网统计业务为主题。调度部门的各个专业系统是以优化事务处理的方式来构造数据库的, 这意味着电网运行统计应用访问某个主题的数据实际上需要访问分布在不同数据库中的数据集合。统一规整数据将这些数据集中在一个地方, 对应于某个主题的全部数据被存放在一张数据表中, 这样可以非常方便地在规整数据表中的一个位置检索包含某个主题的所有数据。

2.1.2 统一标准

(1) 数据模型标准化。将电网数据从对象、时间、属性3个维度进行分解, 在数据性质上按照原始数据层与基础数据层进行存储, 构成完整统一的电网数据模型。数据模型的标准化是整个规整数据实现与应用的基本条件;

(2) 处理流程标准化。通过对数据处理流程的归纳与总结, 形成数据采集、数据校核、数据加工、数据展示及数据输出5步标准化数据处理流程;

(3) 数据接口标准化。基于标准化组件设计, 通过任务调度总控台实现接口组件的标准化调用, 将外围数据结构及接入方式的差异性局限在组件内部, 最大程度地保证了数据接口的标准化实现。

2.1.3 广泛互联

(1) 与自动化系统横向互联。通过标准化接口组件, 规整数据可以实现与EMS系统、电量计费系统、DMIS/OMS系统、频率分析系统等系统之间的数据互联;

(2) 与其他系统横向互联。统一规整数据可以为周边系统导出规定格式的数据接口文件, 格式可以是XML、EFILE、TXT等文件, 实现与周边系统的横向关联;

(3) 与上下级调度纵向互联。基于统一标准的规整数据描述使上下级调度之间的数据互通更加简单, 使基础数据的上报和指标数据的下发更易实现。

2.1.4 高度扩展

(1) 功能可扩展。在满足业务需求的前提下, 系统提供丰富的可由用户自定义的功能, 比如数据加工中的自定义公式、数据展示方式及输出过程中的自定义数据格式等, 通过自定义一些新的函数等途径, 满足应用不断变化的需求;

(2) 系统可扩展。统一的数据描述模型使规整具备良好的可伸缩性, 借助与DMIS/OMS中的电网设备参数台帐和开放结构的数据展示及数据输出功能, 使规整数据的内容能够随时适应调度业务的变化。

2.2 应用范围

统一规整数据作为电网生产运行统计的基础信息, 贯穿生产运行统计工作从数据采集到数据输出的的整个过程 (见图1) 。

统一规整数据在数据采集过程中, 将外围系统中多样化的数据存入到统一规整数据表中。数据校验是在统一规整数据模型上通过定义校验规则, 实现数据核查及校验结果的功能。通过工具化的数据加工引擎, 可以对采集到的数据进行二次加工, 形成各类统计分析结果及决策依据。数据展示与数据输出功能是电网数据统计工作的最终业务体现, 实现规整数据的对外发布。规整数据的三维描述模式, 为处理流程中的各个环节的工具化提供了捷径。

2.3 技术特点

(1) 高度抽象的模型规划。基于面向对象的理念, 将电网错综复杂的生产运行数据高度抽象, 形成三维描述体系, 实现了电网数据的最简单与最统一的描述;

(2) 工具化的功能实现。在规整数据处理过程中, 通过深入分析每个业务环节的特点得出共性, 以工具化的思想设计每一环节的业务实现过程;

(3) 实现数据全过程管理。数据的处理过程包括采集、校核、加工、展示、输出5个过程, 数据规整的思想在每个过程都得到了充分的发挥与验证;

(4) 标准化与个性化有机结合。规整数据在建模、加工、展示都强调标准化共性处理, 可以通过工具化的配置实现对标准化业务的处理, 同时也可以通过标准接口中的定制开发部分实现对个性化业务的支持;

(5) 规整数据的分类。按照电网对象组成及相互关系, 对相关运行数据进行清晰的分类;

(6) 数据归档和发布。可以将规整数据生成报表并发布到网上, 以减少数据库的访问量, 实现对数据的冻结, 形成明确的数据断面, 避免数据调整带来的业务混乱。

3 数据规整的实现

3.1 统一规整数据的核心思想

将每一个电网运行数据分解到对象轴、属性轴、时间轴的三维坐标内容进行描述与存储。

3.1.1 统一规整数据必须依赖于特定的电网设备对象存在

数据采集过程中, 通过调用统一设备参数库并将ID填入对象轴属性中, 使规整数据平台中的每个数据具备了统一的设备特征。对象轴的定义可以包括:电网、发电厂、变电站、发电机、变压器、开关等。

3.1.2 统一规整数据的属性轴定义指对象在相同数据采样频率下的数据业务特征

如发电机在分钟采样频率下的有功、无功, 电网在同一时刻的发电负荷、用电负荷、受电负荷等归属于属性轴范畴。属性轴定义在统一规整数据模型中体现为数据库表字段的定义。

3.1.3 统一规整数据的时间轴定义主要指每个电网运行数据的时标特征

数据的时间轴属性值与数据采样频率有关, 其中数据采样频率可以分为:1分钟、5分钟、10分钟、15分钟、小时、天、月、年等。数据的时间轴定义对于数据的展示、加工、挖掘都是关键的信息。

3.2 数据的三维组成

3.2.1 数据对象集合

主要包括电网、厂站、水库、关口、机组、主变、线路、母线等。

3.2.2 数据频率集合

主要包括分钟、小时、日、月、年等。

3.2.3 数据属性集合

主要包括电网出力、电网负荷、关口电量、机组出力、主变潮流、线路潮流、母线电压等。

3.3 规整数据模型的集合表达式

规整数据模型={数据对象}*{数据频率}*{数据属性}

3.3.1 规整数据分解

3.3.2 规整数据模型

4 规整数据应用

4.1 数据采集

电网数据模型经过规整处理后, 实现数据采集的工具化就具备了前提条件。数据采集配置的本质是为每一个外来数据点存入数据表提供规则, 在规整数据模型的环境下, 主要有2种模式的采集配置:一类是外来数据点的配置, 一类是外来对象的数据集配置。2类配置有共性也有区别, 共性是2类配置都存在对数据频率, 即时间轴的定义, 二者的区别在于对外来数据点的配置, 是通过直接定义数据特征码与规整数据对象轴及属性轴的对应关系实现的, 外来对象的配置是通过定义数据特征码与规整数据对象轴的对应关系, 辅以数据集与规整数据属性轴的对应关系, 二者共同完成外来数据与规整数据的入库操作。由于数据采集配置采用了可视化操作, 所以系统操作简便, 降低了接口业务扩展带来的巨大开发量, 大大提高了数据接口的工作效率。

4.2 数据校验

电网数据的复杂性决定了数据校验功能的复杂性, 因此, 数据校验的工具化必须基于规整的数据模型才能实现。在数据规整的基础上可以按照数据校验规则在对象轴上的分布分为2类:非交叉校验、交叉校验。非交叉校验主要指对单一对象的指定属性在一定时间范围内的数据序列的合理性校验, 如绝对上下限、数据爬坡率、数据爬坡值、正值校验等。交叉校验主要指不同对象、属性之间的数据偏差合理性校验, 如交叉取值校验、交叉求和校验等。

4.3 数据加工

电网数据的加工从原理上讲是一系列比较简单的数学与统计计算方法, 数据计算如相加、相乘、累计以及复杂的代数公式计算等;统计计算如最大值、最小值等。统一规整数据摒弃了以往对数据编码后通过表达式解析的思路, 而是从更进一步的数据模型规划方面入手, 通过建立标准化的三维数据存储模型, 实现数据加工过程的可视化配置及工具化处理, 提高整个数据加工的可操作性和组件化水平。在统一数据加工配置信息的基础上, 通过开发数据加工引擎形成组件化模块, 通过数据加工任务对配置的各个数据加工规则进行业务组装形成业务组件, 再由统一的任务调度机完成电网数据加工的完整过程。

4.4 数据展示

结合电网数据统计业务需求, 每组特定的数据组合在一起就形成一个展示方案, 可以将规整数据的展示方案分为2类:纯数据展示和数据对比展示。纯数据展示主要指直接将规整数据按照指定的数据频率在时间轴上逐行列出, 结尾再辅以特定的统计行形成该数据在某一周期内的完整展示, 主要用于核对数据的正确性后存档需要;数据对比展示是指将规整数据的统计结果按业务要求进行某种特定式的比对, 如同比、环比以及在累计基础上的同比环比等, 此类展示方式主要用以反映电网运行指标的变化情况, 因此通过归纳上述2类展示方式中按内容可分为3种:数据项、统计项、对比项。

4.5 数据输出

规整数据的输出功能并没有完全基于三维分解的模式进行设计, 而是采取了直接定义SQL数据集, 再通过数据处理任务组件对SQL数据集进行业务组合后导出相应的文件实现的, 导出文件的路径、文件名规则由任务组件直接携带完成。

5 结语

从2007年1月起电网统一规整数据模型在华东网调DMIS计划统计业务中投入使用, 在华东新EMS系统投运及节能调度建设中, 其技术开放性优势得到了充分的发挥与完善, 通过简单的配置项调整实现了数据源的大规模切换及数据处理模式的扩展。电网统一规整模型在实现与应用中, 为电网数据的标准化存储提供了可能, 有利于数据的集中管理与综合应用;在三维分解理论的基础上, 为用户的业务扩展提供规范;作为数据采集、校验、加工、展示、输出五大处理流程的“原料及产出物”, 电网数据的三维分解描述方式是数据处理流程实现工具化的根本要素;规整数据的展示与输出以多样的表现形式为调度生产工作提供准确的数据依据, 提高了调度生产人员的工作效率;规整数据的应用, 减轻了维护人员工作强度, 提高了对系统变化及新规则的响应速度。

摘要：介绍了电网统一规整数据模型的实现及其在电网运行统计业务中的应用。电网统一规整数据是指对电网运行数据进行抽象化处理, 按照统一的数据描述规则形成的数据模型。通过电网运行数据模型的标准化和规范化处理, 实现数据采集、数据校验、数据加工、报表展示、数据输出五大处理流程环节的工具化及可视化管理, 使整个电网运行统计工作过程更加规范和灵活, 有效地提高了数据统计工作效率和电网运行管理水平。

关键词：数据模型,调度数据整合,统一规整数据,数据处理流程,DMIS/OMS

参考文献

[1]王珊.数据仓库技术与联机分析处理[M].北京:科学出版社, 1998.

[2]曹辉.数据仓库在电力系统中的应用[J].天津:电力系统及其自动化学报, 2005.

[3]章水鑫.数据集成方案中的元数据管理系统研究[D].南京:东南大学, 2005.

煤矿电网在线监测数据存储系统设计 第8篇

一、监测数据存储系统设计

根据煤矿电网的运行特征, 对电网的电压、电流、功率因数等变量进行实时监测与存储, 监测数据存储系统包括传感器、信号处理单元、DSP 2812、显示单元、电源模块、SD存储卡和上位机。该系统即可以实现对煤矿电网的运行状态在线监测, 并显示运行状态信息, 同时也可以对运行参数进行存储。系统自带蓄电池模块可以输出DC3.3V和DC5V, 为DSP处理器和各个模块供电, 方便系统的应用。图1为系统的结构简图, 其中传感器负责采集煤矿电网的运行信息;信号处理单元用于将传感器的输出信号转换成DSP可以识别的信号, 同时具有信号的隔离功能;显示单元用于将煤矿电网的运行参数显示出来;SD存储卡用于存储煤矿电网的运行数据, 然后通过接口电路传送给上位机。

二、存储系统设计

2.1存储器选择

根据数据存储方式的不同, 存储器分为半导体存储器、光盘存储器和磁存储器。半导体存储器具有电路简单、存储速率快、数据掉电不丢失等特点, 在嵌入式系统中具有广泛应用。闪速存储器Flash是半导体存储器中技术最先进的, 它可以实现在不带电的情况下长期保存数据。由于煤矿电网在线监测存储系统中的数据经常存储和传输数据, 所以闪速存储器Flash是其的合理选择。

传统的监测存储系统的数据存储Flash一般焊接在电路板上, 这一类Flash芯片的容量一般不超过8M。大容量的Flash价格较高, 焊接在电路板上后便不能取下, 增加了监测存储系统的成本。针对煤矿电网监测数据量大、安全特性要求高等特点, 采用可插拔式的存储卡是较好的选择。可插拔的存储卡有CF卡和SD卡, CF卡体积较大, 且不能与上位机进行直接通讯, 不适合煤矿电网在线监测存储系统的预期要求。SD卡具有体较小、容量大及传输速度快等特点, 属于煤矿电网在线监测存储系统的理想选择。

2.2硬件电路设计

根据SD卡内文件系统的分配方式和SD卡的工作模式特点, 设计DSP与SD卡之间的接口电路, 如图2所示。该电路实现了SD卡与DSP的SPI模式通信, 并且将SD卡内的物理扇区组织为FAT16文件系统。DSP处理器只需要发送文件管理和文件读写指令, 即可通过CH376操作SD卡存取数据。CH376是专业文件管理控制芯片, 用于单片机系统读写SD卡或U盘中的文件。CH376内置了SD卡的通讯接口固件和FAT16文件系统的管理固件, 支持常用的USB存储设备和SD卡的数据读取和写入。

三、软件程序设计

为了保证系统正常工作, 在设备启动时需要首先确认SD卡与CH376已经连接正常, 并且进行配备设备的工作模式。

读写SD卡的操作由CH376控制, 一次完整的字节写操作通常由一个CMD-BYTE-WRITE命令启动操作, 并由若干次中断通知、数据写入和CAD-BYTE-WR-GO命令组成, SD卡写程序流程如图3所示。SD卡读取数据的操作与写入数据的操作流程相似。

四、结束语

通过分析现阶段数据存储技术, 将大容量SD运用到煤矿电网在线监测数据存储系统中, 保证了监测数据的长期记录和可靠存储。

基于DSP2812和SD卡设计数据存储系统硬件电路和SD卡写数据的软件程序, 不但解决时传统数据存储系统存数空间小的问题, 还可以为煤矿电网的状态评估提供最原始的数据, 对于及时排除井下电力系统事故隐患, 保证井下安全生产和人民生命财产安全具有重要的意义。

参考文献

[1]国家能源局.关于规范煤制油、煤制天然气产业科学有序发展的通知.[2014]339号.

[2]丁文俊.高压断路器状态监测系统的研究与开发[D].浙江大学, 2006.

大数据在国家电网公司的应用 第9篇

1 电力大数据的基本概念及特点

智能电网日新月异, 电网信息数据量呈现出爆炸性增长的趋势。国家电网公司在其具体的生产经营, 电网管理, 客户服务实践当中形成了海量的数据。通常这些海量的信息不仅包括传统结构化的业务数控信息, 还包括文档、图片、视频等非结构化的数据信息。电力大数据在国家电网公司的应用可以从以下几个方面着手:其一是电网公司在具体的生产实践环节大数据, 例如线损耗、输变电量等;其二是电网公司在具体运营方面的数据, 包括电价管理, 用电量管理等;其三是电网企业本身管理方面的数据, 主要包括电网公司相关业务的流转数据等。电力大数据的基本特点可以概括为“5V+1C”, 首先电力大数据的数据量大 (Volume) , 其包括了电网企业生产运营、运营管理以及客户服务等各个方面的海量信息;其次是数据种类多 (Variety) , 其既有传统业务的结构化数据, 又有图片、影像信息等非结构化数据等;再次是数据处理的速度快 (Velocity) , 然后是数据具有潜在的巨大价值 (Value) , 电力大数据不仅包括企业运营相关数据, 还能反映出一定的社会规律, 深入挖掘电力大数据对于企业发展以及社会节能增效等有着很大的价值;最后是数据处理灵活性高 (Vitality) ;此外还有大数据复杂程度高 (Complexity) 。电力大数据在国家电网中应用的重点不在于大数据之“大”, 而在于其中所蕴藏的价值。电力大数据中包含了电网企业运营管理、生产管理以及客户服务等大量的数据信息, 如果能对这些数据进行有效的挖掘, 定能够为企业的发展提供更多的潜在价值, 为企业经营决策以及经营管理等提供依据, 促进企业快速进步与发展。

2 电力大数据在国家电网公司应用实施方案

结合电力大数据的特点, 国家电网大数据分析与处理平台要在x86集群架构的基础之上, 利用分布式技术, 将结构化、非结构化、海量历史/准实时以及电网空间等数据中心进行有效的融合, 并要有效地实现公司公共数据组件以及智能分析决策平台的整合与优化, 将大数据平台作为电网企业对数据的存储中心, 发挥其分析、计算、处理以及服务等各个职能。大数据平台要能够实现国家电网企业对数据整合、分析以及处理等的需求。

首先是数据整合, 数据整合可以借助包括大数据连接器、实时消息队列以及平台服务接口等在内的各种先进的有效技术, 导入结构化数据、非结构化数据等各大数据, 然后依据相关的标准与规范, 对各类数据进行标准化以及关联化处理, 然后将上述各类数据存储于分布式文件系统或者是存储于分布式的大数据库中。此外, 电力大数据的整合模型还与电网公司的数据模型的构建以及标准化大大相关;其次是电力大数据的存储, 对于结构化、非结构化等数据信息可以借助x86集群分布式数据库进行存储, 而对于海量的图片、影像资料等非结构化的数据要实现与大数据平台进行有效的融合, 同样, 数据存储也要基于电网公司存数据型的构建与标准化;再次是电力大数据计算, 大数据平台可以提供包括流计算、内存计算、批量计算等在内的多种分布式计算技术, 从而实现不同时效性的计算需求;然后是电力大数据分析, 通过对电网公司智能分析决策平台的升级与改造, 以及分析建模、模型运行以及模型发布等能力的提高与改善, 增对大数据分布式计算的支持, 满足实时、离线应用的分析挖掘需求, 为国家电网公司的决策应用构建提供良好的基础平台支撑, 最后是数据安全方面, 数据安全是电网公司要着力考虑的问题, 针对电力大数据存在的存储安全、权限控制等隐患要在不断研发集成隐私保护机制, 加强大数据安全防御的基础之上, 着力制定相应的大数据安全标准与规范, 从技术与制度两个方面保障电网企业信息数据以及核心信息的安全;此外, 还有电力大数据的可视化, 结合电力大数据信息规模比较大、维度比较多、关系复杂等特点, 可以以直观形象的图形的形式, 将数据之间的关系表现出来, 使事物的特征以及本质得以迅速的发现, 从而以更多、更高的维度展现复杂的数据关系, 这样比较符合企业可视化相关标准, 也可供其他业务系统嵌入使用。

参考文献

[1]张沛, 杨华飞, 许元斌.电力大数据及其在电网公司的应用 (英文) [J].中国电机工程学报, 2014:85-92.

电网企业大数据的价值实现探析 第10篇

关键词：电网企业,大数据,探析

信息化与互联网金融的快速发展, 电网企业信息化对数据处理的要求日益增强, 电网运行和企业日常管理产生了大量的数据, 原有的数据中心平台难以快速处理海量复杂数据, 不能满足大数据时代下的数据分析, 大数据在各个行业中扮演着核心角色并改变着各行各业。电力行业蕴含了巨大的数据资源, 电力行业的生产管理数据达到非常高的水平, 并且数据资源中存在相互关联, 传统的数据处理平台无法支撑这些数据的关联分析。因此, 电网企业需要积极思考传统数据中心如何应对大数据的挑战。

1 大数据给电网企业带来的价值

1.1 大数据有利于电网企业进行管理

电力系统是一个十分复杂的系统, 每天电网的调度运行都会产生大量的数据, 是实现电能生产、运输、分配的必然产物。随着智能电网的发展, 传统的电网数据处理平台不能满足对复杂电网的处理, 对电网平台的管理也十分不便。数据已经成为支撑企业发展的重要战略资源之一。电网不同方面产生的数据保存在不同的系统中, 而不同的系统通常由不同部门和运营团队来运维管理, 这给数据在跨部门业务之间的交流带来了困难, 影响了数据的流通和分析处理。同时电力数据是交叉学科, 在研究方面需要电力领域专家、数据分析专家等多行业多领域专家的广泛协作, 但目前各专业人员在学术的交流方面存在壁垒, 缺少跨专业的复合型人才。大数据恰恰能够解决这方面的问题。通过开展跨部门、跨业务分析, 创新数据管理模式, 建立数据交互与共享机制, 发挥数据资产价值来解决数据流通困难的问题。借助大数据技术, 对电网运行的实时数据和历史数据进行深层挖掘分析, 实现对电网运行状态的全局掌控和对系统资源的优化控制, 提高电网的经济性、安全性和可靠性也可提高输变电设备运检效率与运维管理水平。对于人才管理模式创新。电力企业大数据需要多领域人才的共同配合, 电网企业要引进大量人才, 有利于对电网企业的管理和优化, 建立新的数据管理模式。

1.2 大数据能够提高服务的质量

电网系统是一个庞大的工程, 在电网运行的过程中会产生大量的数据, 面对这些数据, 传统电网数据处理平台很难从中准确的抓取客户的信息和需求, 进而很难提高服务的质量。电网大数据将用户的供电服务、发电厂商等融入到一个大环境中利用客户交互反馈, 能够及时了解客户的需求。企业通过大数据管理系统也能有效的搜索到相关信息, 加快决策过程。用户在智能电网中扮演着越来越重要的角色, 用户能够通过与电网进行互动, 及时反馈有效信息, 提出电网工程应该改进的建议, 在一定的范围内大大提高了电网的灵活性。电网企业针对用户提出的建议, 根据大数据管理系统做出的数据分析, 能够提供更有效的、有针对性的服务质量。电网企业可以指定有效的激励机制, 鼓励用户参与大数据电网工程的建设中去, 能够有效的预测用户的需求, 从而改善用户用电体验, 提高满意度。

1.3 大数据有政府提供政策支持

大数据在信息化迅猛发展的今天被广泛应用于社会的各个行业。大数据的普及不仅取决于技术手段的成熟还得益于相关政策和各种激励机制的支持。我国针对我国电力工程的实际情况, 展开了新一轮的电力改革并出台了一系列配套文件。这些新的政策是否能取得成效需要大量的数据进行验证。电力的发展关系着国民经济的发展和社会的进步, 在大数据被广泛应用的今天, 政府也提出相关的政策来推进大数据在电网行业的发展进步。电网企业大数据能够帮助企业分析用户用电数据, 有助于政府了解居民的用电需求和各种产业的发展状况进而预测经济的发展。所以政府鼓励电网企业建立大数据分析平台, 有利于政府作出以广泛数据为基础的正确决策。

1.4 有利于企业的长远发展

电网企业大数据对未来电网发展提供了强有力的支持。电网大数据丰富了用户的数据库, 能够在最短的时间提取到用户的信息, 避免了劳动力的浪费。电网大数据通过数据分析, 监测用户的用电情况, 并对电网输电量进行合理的分配, 减少客户的流失, 提高客户满意度。传统电网处理平台处理信息的速度和准确率有待提高在面对未来大量用户信息的输入, 电网无法满足数据的分析和预测。电网大数据能够通过大量的数据来预测未来电网的走向, 实现电力能源分配的平衡, 并保障其他系统的安全。电网大数据能够实现与客户的交互通过分析数据来了解客户需求。在信息数据越来越广泛的情况下, 信息的安全性就显得至关重要, 利用大数据技术通过对传统电网安全情况的分析来对系统安全进行技术补充, 对信息进行监控和分类, 提高对决策的精确度。

1.5 大数据能够提升电网的运营能力

对消费者电力使用数据的分析和研究是提高企业运营能力的重要方法, 在大数据中, 用户的信息被编织成一张巨大的信息网, 在信息网中企业能够发挥更大的效能, 科学的分析电力系统是否存在安全隐患, 并采取相应的措施来保证电网安全稳定运行。大数据能够准确分析电网中出现故障的原因和位置, 及时派出维修人员进行抢修, 保证用户的用电安全, 保障电网的运营能力。大数据提高了数据分析处理的能力, 在电网出现故障时, 大数据能够准确的分析出故障的范围, 并快速进行处理。利用大数据的这一优点, 供电总局多次在自然灾害造成的停电事件中作出了及时的反应, 反映出大数据在维持电网运营能力上的重要作用。

2 实现电网企业大数据需要注意的方面

2.1 加强对数据的管理

数据管理对电网企业来说十分重要, 数据管理体系是进行专业间、系统间信息交换的基础, 也是企业领导层进行决策的依据。在电网企业实际运作过程中, 对数据的管理缺乏重视, 在数据录入的过程中缺乏统一的格式, 经常出现数据的重复, 给信息检索人员带来了困难, 同时也占用了大量存储空间。加强对数据的管理要注意各个部门之间的沟通, 整合各部门运行过程中产生的数据, 从大量复杂的数据中找到关联, 建立相应的数据模型, 实现数据共享。电网企业业务处理还要注意时效性, 在短时间内通过数据分析来掌握企业的运营状况并作出决策, 提高效率, 通过大数据提升数据价值的理念。

2.2 注意保护数据的安全

电网企业大数据给电网行业注入了新的活力, 企业在运用大数据进行发展的同时也要注意对数据安全问题的考虑。在信息化网络化快速发展的今天, 大量有价值的数据暴露在一个开放的环境中, 使企业容易引起黑客的攻击, 面临着信息泄露的风险。企业对大数据面临的安全挑战要加强重视, 对企业数据安全的薄弱环节缺乏分析, 加强对数据的保护, 通过创建专业的信息安全保护团队, 对用户数据进行保护, 促进企业的发展。

3 结语

数据在这一场变革中为电网企业提供了新的发展思路和解决方案, 为我国电网企业的持续发展提供了支持。也为我国电网企业赶超国际先进水平, 供了新的机遇。我国电网企业大数据在许多方面还不完善, 我们要培养一大批懂业务懂数据处理的高科技人才, 促进电网企业的发展。

参考文献

[1]李皎.大数据时代到来对电力行业发展提出新要求[J].华北电业, 2012 (4) :82-83.