电力大数据平台（共12篇）
电力大数据平台 篇1
为适应城市发展对业扩报装的新要求，需要实现供电方案编制的更加合理化、精益化和节约化[1]。针对目前自贸区客户用户工程供电方案编制的业务流程来看，用户工程供电方案编制的实现方式比较传统、较少考虑地理信息对方案的影响，对方成本考虑的较少、缺乏考虑不同用户对供电方案的不同需求，这些都导致电力服务无法满足自贸区的发展定位和高端用户对电能服务的高质量需求，同时未能实现电力资源的有效节约，影响了用户对电力企业的满意度[2]。
以往的业扩供电方案的编制依据主要依靠相关专业人员的专业知识以及工作经验，这样业扩供电方案的好坏便将受限于技术人员的水平，考虑到影响供电方案的因素的多元化，光靠人力分析势必有诸多局限。随着近些年大数据技术的发展，使得通过海量数据挖掘获取其潜在的知识更加容易实现[3]。现通过分析用户信息数据、供电设施信息数据以及城市地形、地貌和城市道路规划要求等信息，综合考虑，选取最佳的供电方案，在满足客户安全可靠的供电情况下，尽量控制供电的成本，达到节约电力资源的目的。
1 供电方案编制考虑因数
1.1 用电客户信息因数
供电方案编制的好坏最终是取决于用户对使用情况体验的反馈，因此在制定供电方案的时候要充分考虑用户信息数据，根据用户信息制定合理适用的供电方案，主要考虑的用户信息有：用电容量、用电性质、用电时间、用电负荷重要程度等因素[4]。这些因数直接决定了供电电源和电压等级的选取。根据《国家电网公司业扩供电方案编制导则》，特级重要电力客户应具备三路及以上电源供电条件，其中的两路电源应来自两个不同的变电站，当任何两路电源发生故障时，第三路电源能保证独立正常供电。一级重要电力客户应采用双电源供电，二级重要电力客户应采用双电源或双回路供电。临时性重要电力客户按照用电负荷重要性，在条件允许情况下，可以通过临时架线等方式满足双电源或多电源供电要求。对普通电力客户可采用单电源供电。
1.2 电力设备信息因数
电力设备的位置情况及状态信息直接影响到供电方案的编制，通过调用国网GIS和PMS的电力设备信息数据，可以直观的在地图上展现出电力设备的位置及状态信息。主要考虑的电力设备信息有：开关柜、地下管网、电源点等。在进行新的供电方案编制时，充分利用原有开关柜和地下管网，可以大大节约供电成本。
1.3 城市地理信息因数
城市地形、地貌和城市道路规划要求等信息对供电方案的优化具有重要的作用，以往的方案编制对这方面的考虑较少，从而导致方案实施后才发现方案制定忽略了一些重要信息。例如，低洼处在雨季容易积水，若事先未考虑此因数对电缆的敷设做高密度防水措施，则会影响到电缆的使用寿命，严重的将会影响用电安全，事后补救便将提高供电成本以及造成人力、财力的浪费。
2 大数据平台分析决策
要综合考虑影响供电方案编制的诸多因数，通过传统的分析决策方式难以实现，大数据技术的出现正好弥补了这一缺陷。依靠大数据技术，建立算法分析模型，便可通过对海量历史数据的分析，挖掘其潜在的经验知识，也可对海量的现实数据分析，探究其存在的共性特征。结合历史经验和现存的共性特征将有助于实现最佳供电方案的编制。。
2.1 建立大数据分析库
通过Hadoop平台实现海量分布式数据库的搭建，将供电方案编制需考虑到的用电客户信息、电力设备信息、城市地理信息等数据通过HDFS存储到分布式数据库中，在数据计算时，通过MapReduce实现海量数据的分布式计算。
2.2 算法分析模型搭建
使用聚类分析算法实现对海量历史用户信息数据的分析，从而获取用户对供电可靠性的需求，结合用户新报装申请的数据，综合分析其合理性，制定既能保证用户实际需求又能充分节约资源的方案。
通过对最新的电力设备信息数据的分析，在供电方案制定的过程中，充分考虑现有资源的可利用情况，例如附近存在开关柜和地下管网可用的情况下，利用这些现有资源便可以大大节约供电成本。
通过对城市地理信息与供电方案制定的关联分析，分析地势、道路等因数对供电方案编制影响的程度，从而在供电方案编制的过程中，依据因数的支持度（支持度是对关联规则重要性的衡量）[5]，作为其在优化供电方案时所占的比重。
3 结语
大数据技术的出现，弥补了一般分析无法解决的并发问题，同时使得对海量数据的分析更加的便捷，通过建立大数据分析平台，综合考虑影响供电方案编制的各方面因数，通过数据分析结合历史经验和现存共性，寻找出最佳的供电方案，在满足用电客户的需求同时，实现了资源的整合节约和供电规划的可持续发展。
参考文献
[1]王中华.资阳电力公司业扩报装系统的研究[D].重庆市:重庆大学,2007:1-7.
[2]胡开君.电力营销中存在的问题及对策[J].科学与财富,2014(12):431-431.
[3]余方兴.浅谈计算机数据挖掘[J].计算机光盘软件与应用,2013(14):298-300.
[4]秦光洁.关于高压客户供电方案编制的探研[J].大科技,2014(6):52-53.
[5]邹立娣,台德艺.关联规则在教学评价中的应用研究[J].合肥学院学报:自然科学版,2010(1):39-42.
电力大数据平台 篇2
环境数据中心
大数据平台分析
Big data platform analysis
SOFTWARE PRODUCT
聚光科技（杭州）股份有限公司
内部资料 注意保密
目 录
1.大数据背景...............................................................................................................1
1.1.什么是大数据................................................................................................1 1.2.发展现状........................................................................................................1 1.3.大数据的应用................................................................................................2 2.大数据平台介绍.......................................................................................................4
2.1.定位................................................................................................................4
2.1.1.产品概述............................................................................................4 2.2.功能................................................................................................................4 2.3.设计................................................................................................................4 2.4.技术..............................................................................错误！未定义书签。2.5.总结................................................................................................................4 3.环境数据中心...........................................................................................................5
3.1.背景定位........................................................................................................5 3.2.功能................................................................................................................5
3.2.1...............................................................................................................5 3.2.2.............................................................................错误！未定义书签。3.3.设计................................................................................................................6 3.4.技术..............................................................................错误！未定义书签。4.总结...........................................................................................................................6
I
内部资料 注意保密
1.大数据背景
1.1.什么是大数据
大数据最早在上世纪90年代被提出，是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。
现在，业界普遍认同所谓“大数据”具有明显的“3V特征”：量级（Volume），速度（Velocity）和多样性（Variety）。大数据普遍具有量级大，要求处理速度快，数据本身具有丰富的多样性。在甲骨文公司和中国移动研究院的相关研究文档里，都追加了第四个V——Value，价值；而IBM在其相关文档中给出的第四个“V”则是真实性（Veracity)。
大数据的价值：在海量的规则或不规则数据之中，用新的数据处理手段，以很快的速度计算或分析出潜在规律性、根本性的判断、趋势或预见。
1.2.发展现状
随着移动互联网的带宽的增加和智能设备销售量的上升，互联网业迎来了“云计算”和“大数据”。世界经济论坛一份有关大数据的研究报告称，每天全球几十亿人使用计算机、GPS设备、电话和医疗设备，产生海量的数据信息。这些用户大部分来自发展中国家，他们的需求和习惯尚未被真正理解，如果能够借助大数据相关技术分析和挖掘数据背后的信息，将有助于认识需求、提供预测和防范危机。
大数据的真正意义并不在于大带宽和大存储，而在于对容量大且种类繁多的数据进行分析并从中萃取大价值。采用大数据处理方法，生物制药、新材料研制生产的流程会发生革命性的变化，可以通过数据处理能力极高的计算机并行处理，同时进行大批量的仿真比较和筛选，大大提高科研和生产效率。数据已成为矿物和化学元素一样的原始材料，未来可能形成“数据探矿”、“数据化学”等新学科和新工艺模式。大数据处理的兴起也将改变云计算的发展方向，云计算正在进入以AaaS（分析即服务）为主要标志的Cloud 2.0时代。
内部资料 注意保密
项目使得卫生单位及早研制预防疫苗，及早控制疫情的扩散，大幅降低了流感的传播。
3、飞机票价高低和多早预购的关系
也许大家会直觉地认为越早买机票就越可以买到较便宜的机票。一家叫Farecast公司的创始人从他的亲身经验启发了一个新的服务。他发现坐他旁边的人比他晚好几天购买机票却比他的购买价格还低。于是他搜集了所有航空公司的票价与提前订购时间的数据关系，并建立了数学模型。现在我们任何人可以上到他的网站：farecast.com，输入你的出发地和目的地，加上你要出发的时间，马上这个网页能告诉你是现在就赶快买票还是再等几天才买。
内部资料 注意保密
3.环境数据中心
3.1.背景定位
环境管理部门每天要面对大量的数据，如环境监测数据、排污收费数据、排污申报数据、环境统计数据、环保信访数据、行政处罚数据、总量减排数据等。这些数据，往往存在来源复杂、格式多样、不一致、不准确、不完整、存放分散等问题，给环境管理带来诸多困难。各业务系统也彼此独立，从而形成了一个个信息孤岛，数据难以共享，环境决策缺乏有效的数据支持，难以做到科学决策。因此，需要建立统一的环境数据中心，全面整合各类环境资源数据，实现数据的集中管理。使之成为环保各业务科室之间协同工作的数据中心，成为多媒体、文档资料和政策法规的存储中心，成为环保决策所需的数据仓库中心。
3.2.功能
3.2.1.数据的管理
数据中心的数据来源主要于：
1.国家下发的软件系统，如污染源普查软件、环境统计软件； 2．已有的业务系统，如排污申报与收费管理系统、12369环保热线等。3．Excel表格、电子文档、图片、视频、扫描件等；
4．数据直报系统：系统提供定制的录入界面，用户手工填报。
对于这些来源复杂、格式多样、不一致、不准确、不完整、存放分散的数据进行统一的标准建立，实现信息共享，数据交互
3.2.2.数据的管理
交换平台引爆大数据时代 篇3
目前，最活跃的领域是网络终端创新和网络基础设施创新，也就是所谓的大数据产业链的前台和后台。从人们所熟知的台式机、笔记本到智能手机和平板电脑，再到即将问世的网络电视、网络相机、网络眼镜，还有研讨中的网络灯泡，自行汽车和各种各样匪夷所思的网络终端和传感系统，将物质世界和人类社会越来越全面、越来越深入地转化进数据世界的工作正在顺利迅速地进行。
从人们所熟悉的传统云计算和数据中心到今天的公有云、私有云、开放云、封闭云，再到层出不穷的集硬件、软件、数据存储和分析工具于一身的基础设施，大数据的后台正在从软件级服务（SaaS），平台级服务（PaaS）走向基础设施级服务（IaaS）。
在这两条路上，好像看不到什么了不起的理论或实践上的障碍能够阻止这一进程。
真正的决战还是在大数据的中台，也就是网络平台方面，这方面的大创新才是大数据时代真正到来的引爆点（TippingPomt）、无论前台如何丰富多彩，无论后台如何强壮有力，毕竟还需要有一个体系、一个架构、一个服务把人与人、物与物、人与物之间产生的数据按自然逻辑和社会逻辑联系起来，对接上去，集成到一起，才能够释放潜在的经济和社会价值。这种联系，对接和集成的方式用户越喜欢、成本越低、效率越高、数据越多，这个平台的价值就越大，在大数据生态圈里的地位就越高。
就目前产业发展的状况和大数据时代的内在需要看，未来三五年内会在网络平台层面上有机会产生创新性突破的不外乎以下三大方向：
个人数据集成。这是Web2.0革命的自然深化和扩展，终极目的是创造真正的“数据人”，也就是以个人为中心，将其在互联网上的言行举止和世上一切有关此人的所产生的数据汇集起来精准描述，在保护隐私的前提下进行智能化和个性化的服务匹配。在这方面，Facebook和苹果的基础最好，走得最远。“我的数据”（MyData）、“自我量化”（0uantifiedSelf）、“纳米定位”（Nanotargeting）等一系列新概念正在业内出现，一批围绕个人完整动态数据获取的服务和机制正在尝试之中。
公共服务数据集成。过去远远落后于时代发展的网络公共数据服务近年来异军突起，从零散，滞后、粗略和被动的状态开始迅速走向集成、动态、精细和主动的新阶段。以DATA，GOV为代表的政府数据服务网站在立法、预算、舆论监督和民众督促等力量的推动下，正在成为大数据时代一股崭新而强大的力量，扩展和充实着互联网服务的空间和深度。一个国家，一个社会乃至一个城市的发展水平和竞争实力将和自身的公共服务数据集成和服务的水平紧密相连。公共服务数据集成水平的高低很快将成为“软实力”的主要标志之一。
物质生产数据集成。物质产品的设计和制造一直远离互联网，而现在正以极高的速度和极大的力量与网络业相融合。以“3D打印”为代表的第三次工业革命极大地提高了人们对网络世界和数据世界的想象力，极大地拓展了网络业的产业边界。过去，网络业只能进行完全数据化的产品和服务，或者通过网络平台帮助物质化的产品和服务进行推广销售。而新兴的网络化和数据化物质产品生产模式显示由数据到实物的转化过程开始进入低成本、大规模、打破时空界限和个性化的全新历史阶段。这将重新定义众多产品制造业的产业链和商业模式，使物质产品的设计，制造和流通过程所需的数据集成成为产业上游。
这三个方向正好是一个由个人、社会和物质世界三维所组成的空间，这个空间在大数据时代有机地融合起来，为产业发展和社会进步创造机会。在这个空间中任何一维或三维上的任意一点的显著进步都将是大数据服务产业的福音。这不是空想的神话，而是看得见的未来。
电力大数据平台 篇4
电力通信网络是国家电网公司除电网外的实体网络, 是国家电网公司在发展过程中的重要组成部分, 是国家电网公司安全生产的保障, 也是各类电力调度生态和信息管理业务的主要载体, 只有做好电力通信设备检修工作, 才能有效地促进电力行业快速发展, 保证电力设备的使用安全。
1 大数据下的电力通信概述
1.1 网络拓扑结构分析
随着社会不断的发展, 大数据的时代已经到来, 大数据被人们称作为一种巨量的资料信息, 需要全新的处理模式才能保证数据信息处理过程中具有较强的决策力、观察力和流程优化能力, 同时还可以在一定程度上增加数据信息的资产[1]。将大数据融入到电力通信设备检修工作中, 可以有效的提高检修工作的质量与效率。现阶段, 我国电力通信网络比较常见的网络组成方式主要有SDH网络, 该系统在使用过程中主要以星型、链型、环型的形式出现, 并以电力通信传送网网络的形式进行操作, 如图一所示。使用大数据将其中的数据进行优化处理, 只有这样才能将电力通道传输系统进行统一管理, 从而促进电力行业快速发展。但是在实际应用过程中, 常常会限制一些电力网路规模的建设, 要想改变这一现状就需要采用混合的电力通信网络以组成的方式进行。对于电力通信网络来说, 可以根据网络的主要形式将其制作成对应的双纤环网构架, 从而提高电力通信设备的安全性与可靠性。
1.2 业务在通信网中的承载关系
大数据在分析电力通信设备影响业务自动分析平台时, 常常将业务在通信网中的承载关系进行划分, 主要包括了以下几点: (1) 底层承载平面:如图1所示.使用专业的MSTP传输系统, 将网络进行传输与重组; (2) 业务网络平面:主要包括了相关数据网络、调度数据网络、行政交网络等部分。其中的数据网络主要包括了电力通信网络, 通过数据网络将其中的数据信息进行传递[2]。不同网络系统所承载的网络业务都可以进行实时交换, 提高数据的转换的准确性; (3) 业务平面:该业务主要包括了语音业务、行政电话业务、数据调度业务等部分组成。并通过大数据将其中的业务数据进行分析, 只有这样才能保证业务数据信息可以正常传递下去。
2 大数据下的电力通信SDH传送网络保护机制
2.1 SDH网络中的设备保护
要想通过大数据对电力通信设备的影响业务自动化进行分析, 就需要使用SDJ网络设备保护系统, 根据电力通信的现状为其制定有效的保护机制。在一般情况下, 保护机制会在一些单独的网元设备中进行运行, 并对网元设备中的电源盘、主控板卡、支路板进行保护, 从而保证电力通信设备可以正常运行下去[3]。
2.2 SDH网络中的线路保护
SDH网络在对电力通信进行保护时, 常常会以多元化的形式进行, 只有这样才能保证电力通信设备可以正常进行传输工作。SDH网络下的相关线路主要由子网连接、复用段保护而形成的。其中的子网连接保护可以将其在各个网络通讯中进行应用, 保证数据传输的稳定性。使用该网络还有这、传输数据较快, 随意换转等作用;而复合段保护与子网连接的差距较大, 主要体现在对电力通信终端口级的保护, 保护设备可以正常运行, 完成现对应的工作[4]。但是在使用过程中不适合将在电力通信通道中进行应用。同时还可以使用1+1的形式进行复合段的保护。
3 大数据下的电力通信设备检修影响业务分析系统实现
要想使用大数据对电力通信设备检修影响业务平台分析系统实现, 就需要做到以下几点: (1) 检修分析对象, 了解分析对象, 并将电力通信中的主板卡、网元、光缆纤芯、光缆段进行定期检修, 只有这样才能保证电力通信设备的使用安全; (2) 做好电力通信分析工作, 并将其进行定期检修做好检修工作的记录, 总结其中的数据信息, 使用大数据对数据这些数据进行分析, 找出电力通信设备中所在的问题; (3) 分析步骤, 在使用大数据对电力通信设备数据进行检修时, 要对业务、板卡、线路板、支路板进行检测, 并了解其中所承载的业务数据。在检查过程中, 如果要对板卡进行检查的话就需要将原有的业务状态进行终端。如果的交叉版、时钟版的话就需要找出其中的网元承载业务。如果是一些备用卡板的话就需要将业务进行停止使用, 将其中的相关线路进行日常检查, 只有这样才能保证电力通信设备的使用安全。
4 总结
电力通信业务的主要核心内容与电力通信网络的运行稳定性有着非常重要的关系, 同时也是保障人们用电安全的关键之一。随着社会不断的发展, 我国电力网络规模不断扩大, 这在一定程度上提高了电力运营的难度, 对电力通信业务的需求也越来越高。因此, 大数据融入到电力通信业务中去才能满足现代化社会的需求, 并做好网络电力通信业务, 从而促进电力企业快速发展, 提高社会经济效益。
参考文献
[1]张春平, 唐云善, 施健.电力通信设备检修影响业务分析的研究及应用[J].电力系统通信, 2012 (06) :23-26.
[2]杨志敏, 吴斌, 舒然.基于大数据处理技术的电力通信网检修工作分析方法[A].中国电机工程学会电力信息化专业委员会、国家电网公司信息通信分公司.2015电力行业信息化年会论文集[C].中国电机工程学会电力信息化专业委员会、国家电网公司信息通信分公司:2015:1.
[3]徐春婕.铁路大型客运站管理系统及关键技术研究[D].中国铁道科学研究院, 2014.
电力大数据平台 篇5
面向全国客户：省、市、县政府、财政局、地税局、管委会等政府综合治税部门。系统可根据客户需求定制开发，以下功能仅供参考。
综合治税是由地方政府多部门通力合作的税收征管及监控活动。推进政府税收保障工作、加强综合治税力度是提高财政收入质量，增强财政实力的重要保证，尤其从目前征管现状来看，由于涉税信息传递不畅，部分行业、部分税种特别是一些地方零散税源跑冒滴漏现象还较为突出，一定程上造成了税收流失。充分依托各相关部门、单位的职能，建立健全税收保障工作机制，对于实现涉税信息共享、推进综合治税工作、培植壮大税源、依法加强税收征管、堵塞税收漏洞、有效防止税收流失，促进税收与经济协调增长具有非常重要的意义。
综合治税平台是一个跨部门、跨系统的电子政务系统，涉及到市财政局、市国税局、市地税局、市工商局、市质监局、市规划局、市建设局、市水利局、市交通局、市房管局、市供电公司、市公安局、市司法局、市中级法院、市教育局、市科技局、市经贸委、市人事局、市残联、市国资委、市物价局、市文化局、市体育局、市国土局、市环保局、市外经局、市发改委、市劳动保障局、市民政局、市卫生局、市统计局、市城管局、市审计局等（以下简称涉税部门）相关市直部门的数据采集、数据交换、数据整合、应用开发。
客户使用案例：山东济南、济宁、青岛、德州、菏泽等地区；河南郑州地区；江苏徐州地区；湖北恩施州地区；湖南常德地区；贵州遵义、毕节地区； 系统部分功能点介绍（以下仅是系统部分功能，详细方案联系客服）
一、数据上报、采集、查询（涉及40 个部门左右）
二、绩效管理
三、指标报送详情、统计等
四、数据比对（包含地税分析系统、国税分析系统、营改增分析系统等）
1、户籍比对
2、国地税、国税公司信息比对
3、地税工商信息比对
4、出租房屋（房地产税收管理）
5、根据国税的增值税和消费税，地税的营业税，三者税款根据税款缴纳比率，计算出三个附征税款的缴纳数，同附带的三个附征税进行比对。同时进行比对，计算出差额。从而找出遗漏的税款。
6、土地信息比对
7、用电、用水、用气信息比对
8、医保刷卡信息比对
9、酒店、住宿业信息比对
10、交通行业信息比对
11、驾校信息比对
12、房屋销售信息比对
13、股权变更信息分析
14、房产税分析
15、商品房销售情况分析
16、车船税分析
17、其它行业、税种信息比对，可根据地方需求定制开发。
五、疑点欠税问题分配处理、绩效考核等
六、税收查询分析
1、一户式分析、规模企业分析、高新企业分析、重点税源分析等
2、数据综合查询统计分析
3、纳税排名
4、重点企业重点税种同比分析
5、国地税收入行业税收对比
6、分行业、区域、税种、级别、机关单位等税收统计分析
7、柱状图、折线图、饼状图等图形展示税收情况。
七、财政收入分析 1 金库报表查询分析 收入报表查询（一般预算收入分析、全口径、分行业、区域、税种等分析，同
比、环比等分析）3 非税收入分析 4 重点项目查询分析
八、税源电子地图（地理信息系统）功能
1、纳税企业标注功能
2、纳税企业地图查询
3、纳税企业一户式查询、统计等功能
九、掌上应用平台app
1、纳税排名
2、税收情况分析
大数据存储平台必须具有弹性 篇6
大数据之“大”
“大”是相对而言的概念。例如，对于像SAP HANA那样的 “内存数据库”来说，2TB可能就已经是大容量了；而对于像谷歌这样的搜索引擎，EB的数据量才能称得上是大数据。
“大”也是一个迅速变化的概念。HDS 在 2004 年发布的 USP 存储虚拟化平台具 备管理 32PB 内外部附加存储的能力。当时，大多数人认为，USP 的存储容量大得有些离谱。但是现在，大多数企业都已经拥有 PB 级的数据量，一些搜索引擎公司的数据存储量甚至达到了EB 级。由于许多家庭都保存了TB级的数据量，一些云计算公司正在推广其文件共享或家庭数据备份服务。
有容乃“大”
由此看来，大数据存储的首要需求存储容量可扩展。大数据对存储容量的需求已经超出目前用户现有的存储能力。我们现在正处于 PB 级时代，而EB级时代即将到来。过去，许多企业通常以五年作为 IT系统规划的一个周期。在这五年中，企业的存储容量可能会增加一倍。现在，企业则需要制定存储数据量级（比如从PB级到EB级）的增长计划，只有这样才能确保业务不受干扰地持续增长。这就要求实现存储虚拟化。存储虚拟化是目前为止提高存储效率最重要、最有效的技术手段。它为现有存储系统提供了自动分层和精简配置等提高存储效率的工具。拥有了虚拟化存储，用户可以将来自内部和外部存储系统中的结构化和非结构化数据全部整合到一个单一的存储平台上。当所有存储资产变成一个单一的存储资源池时，自动分层和精简配置功能就可以扩展到整个存储基础设施层面。在这种情况下，用户可以轻松实现容量回收和容量利用率的最大化，并延长现有存储系统的寿命，显著提高IT系统的灵活性和效率，以满足非结构化数据增长的需求。中型企业可以在不影响性能的情况下将HUS的容量扩展到近3PB，并可通过动态虚拟控制器实现系统的快速预配置。此外，通过HDS VSP 的虚拟化功能，大型企业可以创建0.25EB容量的存储池。随着非结构化数据的快速增长，未来，文件与内容数据又该如何进行扩展呢？
不断“生长”的大数据
电力调度数据平台的设计与实现 篇7
目前电力调度自动化系统的数据库大部分是独立建设, 系统之间通过编写专用接口交换数据, 这种交换方式系统开销大、效率低;同时根据电力二次系统安全防护体系的规定, 各应用系统在物理上分处各自安全分区[1], 导致系统之间相互封闭, 形成“信息孤岛”[2]。
为此, 我们提出构建一个电力调度数据平台, 将现有各专业应用系统的数据进行汇集和整合形成多维数据模型, 通过标准的访问接口、数据抽取和加工为用户提供数据信息服务[3]。
2 平台体系结构综述
电力调度数据平台的数据源主要来自于安全I、II区的各个系统。
由于数据源来自各种类型的数据库文本或是其他二进制数据, 格式不尽相同, 因此需要对传送的数据进行格式检查和转换, 同时对数据包的迟传、丢包进行修正, 将正确的数据存入安全II区的临时存储区。
由于电力专用隔离装置的存在, 在安全III区建立临时存储区的镜像数据库, 以此进行数据抽取、转换、清洁等过程, 后导入建立的数据集市。
同时数据也从关系数据库、面向数据库或者传统数据库中转换到多维数据模型[4,5]。建立III区镜像库的优点主要有以下几个方面:
简化通过电力专用安全隔离装置的数据信息和通讯方式。建立III区的镜像数据库, 使II、III区之间的信息交互由各种接口简化为只有数据库复制一种方式, 实现起来相对简单;
扩展性强:III区若增加新的业务接入需求, 可直接在III区开发接口, 不必再通过电力专用安全隔离装置和II区交互;
安全性强:III区系统只和III镜像数据库打交道, 不直接和II区各系统数据库进行交互, 界限比较分明, 系统安全性强。
3 平台软件结构设计
电力调度数据平台由操作系统层和应用软件层组成。其中操作系统层支持Tru64 UNIX、IBM AIX、SUN Solaris、HP UX、Linux和Windows 2000及以上版本的操作系统;应用软件层由四层平台体系组成。
各平台主要功能如下:
统一基础平台:主要为上层的系统功能提供与业务无关的底层服务, 使得整个系统能够具备在一体化平台下的稳定、可靠、可控的性能;
数据交换平台:主要完成数据的采集、输出、格式转换、传输等功能, 实现不同调度业务系统间数据端到端的交换和共享以及数据到存储中心的整合;
数据集中存储平台:数据集中存储及管理平台, 主要是对数据平台的数据进行存储、管理, 以及对交换中的过往数据进行缓存。存储有两种类型:无规则的数据保存和基于统一数据模型的数据存储 (整合) ;
数据展现平台:建立在调度统一数据模型基础上的、面向终端用户的数据综合查询、分析、挖掘及其他综合应用的平台。
4 平台硬件结构实现
电力调度数据平台的硬件体系分别由安全II区部署两台数据库服务器和一台磁盘阵列, 构成数据平台系统临时数据存储区, 负责I、II区系统的数据抽取和接口服务;两台电网运行通信服务器位于安全I区, 负责I区的纵向与上下级调度机构的数据通信, 以及I区系统的数据通信。
安全III区部署两台数据库服务器和一台磁盘阵列, 构成了镜像库;两台通信服务器负责和III区应用系统以及II区数据平台进行网络通信、数据交换、数据抽取以及接口服务;另外, 安全III区还可以配置维护工作站, 以实现数据和应用的管理、维护、监控等工作。
5 结论
通过建立电力调度数据平台解决了现存的“信息孤岛”问题, 并统一了数据源形成多维数据模型, 为后期基于平台数据进行调度生产运行数据的多角度、多层面的分析和展示打下了坚实的基础。
参考文献
[1]胡炎, 辛耀中, 韩英铎.二次系统安全体系结构化设计方法, 电力系统自动化, 2003, 27 (21) :63-67.
[2]李遥, 朱晓芸, 杨枨.异构系统统一数据平台的构建, 计算机工程, 2005, 32 (5) :230-234.
[3]陆延昌.“十五”期间电力信息化建设的主要目标和任务.电力系统自动化, 2001, 25 (21) :1-4.
[4]王珊.数据仓库技术与联机分析处理, 北京:科学出版社, 1998.
综合数据平台在电力企业的应用 篇8
1.1 统一规划
企业综合数据平台的建设是企业信息化发展过程中的一个重要里程碑, 是企业信息化发展到一定阶段必然产生的需求, 综合数据平台建设必须在企业信息化建设总体规划的基础上进行。企业信息化总体规划需要充分有效的整合现有设备资源, 充分考虑设备利用率, 避免系统业务的独立、数据的分散应用, 设备的重复投入, 达到绿色节能的效果;同时, 企业信息化总体规划需要考虑后期系统建设的设备资源需求, 防止各应用系统的建设相互独立, 各自独立采购相应的设备资源, 从而解决设备使用率较低, 能源消耗较大的问题, 实现各应用系统与综合数据平台之间的“设备整合、资源共享”。
通过对平台架构的改进、设备资源的充分使用、灾备机制的合理设计, 能够有效地减少平台设备的的投入;最后, 高效的平台架构提供强大的可拓展性, 对未来的其他应用系统的接入打下了坚实的基础, 仅仅通过简单的配置就可以实现应用系统的接入, 无需采购设备资源, 从而达到绿色节能的效果。
1.2 集成第3方绿色软件
集成成熟的第3方绿色软件, 综合数据平台的硬件资源可以达到最佳使用状态, 同时减少企业设备资源的投入, 使的企业的设备“投入最少、状态最佳”, 达到绿色低碳环保的目的。
(1) 绿色数据仓库软件Sybase IQ。作为一款专为数据仓库等分析型应用而设计的关系型数据库, Sybase IQ秉承绿色环保的理念, 率先在业界倡导并推出了“绿色数据库”理念, 而实现“绿色数据库”理念的Sybase产品就是Sybase IQ。Sybase IQ坚决反对在数据仓库等分析型应用的开发中, 对硬盘、CPU、内存、人力、时间等资源的过度使用, 而提倡以更低的成本和资源获取更高的性能和绩效, 保证企业生态的可持续发展。
(2) 成熟的ETL工具PowerCenter。PowerCenter是Informatica公司开发的世界级的企业数据集成平台, 也是业界领先的ETL工具。PowerCenter能够方便地从异构的已有系统和数据源中抽取数据, 用来建立、部署、管理企业的数据仓库, 从而帮助企业做出快速、正确的决策。
PowerCenter的数据整合功能、元数据管理功能、高性能的运行功能有效的将数据整合过程变得高效、快速, 从而使服务器尽量处于低能耗状态, 减少能源消耗量和CO2排放量。
(3) 全能的报表工具 (Cognos) 。强大的报表展示功能可以减少手工报表的繁琐制作、工作疏忽导致的业务停滞等带来的能源消耗。
1.3 绿色IT运维体系
通过统一规划、合理调配、整合资源, 最大限度削减设备资源的数量, 综合数据平台能够从纯能源消耗的角度上达到绿色节能的目的;要做到更为细致的绿色节能, 必须重视后期平台使用中的运维管理。如果IT架构优化是在物理上提供了节能降耗的支持, 那么更为智能的绿色IT运维体系就是在逻辑上将绿色节能进一步发扬光大。
绿色IT运维体系核心在于“主动”运维。如何“主动”, 主要体现在2个方面:第一, 提前预知故障产生的影响, 并且把故障消除在发生之前;第二, 提高运维人员工作积极性, 主动消除故障。绿色IT运维体系能系统地解决软硬件问题, 避免故障的产生。它能够主动提供一份问题解决方案给相应的运维人员, 让运维人员的工作有据可依;让运维人员明确后果, 在规定时间内主动去解决问题。
健全的绿色IT运维体系可以有效提高运维人员的工作积极性, 从而减少和消除运维过程中发生的故障问题扩大化的可能性。减少故障引起的恢复性工作、延时性工作造成的资源浪费, 达到绿色低碳环保的作用。
1.4 绿色办公流程
绿色办公提倡无纸化办公。通过综合数据平台的建立, 使企业内部的数据资源实现共享, 各级人员可以方便的在系统中检索需要的数据分析资料, 从而大大节约了纸张的使用, 并且, 平台能够即时完成数据更新, 减少复印打印等后期纸张消耗。
工作效率的提高, 纸张使用的减少对节能环保起到了积极的作用, 在科技和社会日新月异的今天, 电子化无纸办公是今后的信息化建设的一种重要发展趋势。
2 平台架构
国电大渡河公司综合数据平台采用先进的技术架构、安全高效的结构设计以及拥有高可拓展性。在充分利用现有企业设备资源的同时, 减少服务器、数据存储设备等信息化设备的重复增加。
(1) 系统逻辑架构。根据电力二次系统安全防护要求, 生产控制大区 (Ⅰ、Ⅱ区) 和管理信息大区 (Ⅲ、Ⅳ区) 之间需要通过物理隔离设备实现2种网络的物理隔离, 平台系统总体架构如图1所示。
安全Ⅱ区和安全Ⅲ区之间使用专用物理隔离装置进行网络物理隔离。在安全Ⅱ区建立一个中间数据库, 完成Ⅰ、Ⅱ区内不同系统间数据交换, 并将Ⅰ、Ⅱ区采集数据经隔离装置向Ⅲ区传送并存储, 同时在Ⅲ区安装生产管理数据综合信息平台双机数据库来存储Ⅰ、Ⅱ区数据。位于Ⅲ、Ⅳ区的系统直接与生产管理综合信息平台交换数据, 生产管理综合信息平台的数据清洗、整合、集成、分析功能在Ⅲ区完成。
平台主要包括:1) 采集系统:通过应用适配器对安全Ⅰ、Ⅱ、Ⅲ、Ⅳ区的应用系统进行数据采集;2) 传输系统:实现系统数据横向上统一穿越安全区、纵向上统一跨越上下级的传输;3) 存储系统:对应用系统数据根据数据模型要求进行集中存放和整合;4) 分析系统:实现自定义报表、OLAP分析、数据挖掘等功能, 发掘数据潜在价值, 为各级管理者提供决策分析支持。
(2) 系统拓扑架构。系统主要包括适配服务器、数据库服务耇器挀、应用服务器、OLAP/报表服务器、磁盘阵列、物理隔离装置等。如图2所示。
平台架构充分考虑如何整合现有设备资源, 设备利用率如何达到饱和度, 如何避免重复设备资源投入的问题。使系统的架构达到最佳化、设备使用最少化、系统再接入最经济化, 尽量减少平台建设造成的能源消耗和CO2排放, 达到绿色环保的目的。
3 平台建设 挀
平台建设쀆主挀要包括II区数据交换平台、ꀆIII挀区综合数据平台和应用3部分。II区数据交换平台主要实现II区相关数据的整合和存储, III区数据综合平台集成了系统所有数据, 并以IEC61970模型设计。应用部分主要分为基础信息维护、数据监控和数据分析。
(1) II区综合数据平台的建设。系统采用绿色数据库Oracle10g为数据库完成了交换平台的数据库建设。系统实现了水调自动化系统、监控系统和电能量采集系统的数据集成。实现了从各个系统中自动定时的抽取数据, 并写成文件, 通过物理隔离装置传到III区并存储到数据库中。
(2) III区综合数据平台的建设。系统采用绿色数据库Oracle10g为数据库完成了综合数据平台的数据库建设, 采用了双机集群技术, 数据可定时自动/手工备份。系统实现了电能量采集系统、水调自动化系统和实时监控系统的数据集成。实现数据自动转换、编码和存储。通过Informatica P o w e rCenter, 实现了数据映射关系转换、增量数据抽取、数据编码转换等功能。
(3) 数据平台应用的建设。系统完成了基础信息维护、数据监控、高级应用分析、报表分析等功能。系统人机界面较友好, 具有较丰富的查询、统计、报表等功能;定制了各业务系统的实时监控图。实现了日报、周报的报表分析统计功能。系统还具有自我监测功能, 能实时检测数据抽取情况。
系统通过接入的水调、电量等数据, 实现了高级应用分析的功能, 通过绿色报表工具Cognos的数据钻取追溯功能, 实现了对时间、地点等维度的钻取分析, 实现了对数据的挖掘和分析功能。
4 平台应用
国电大渡河公司综合数据平台的建设, 现阶段已经接入计算机监控系统、水调自动化系统、电能量采集和报 (竞) 价系统以及生产管理信息系统。
其中平台将安全Ⅰ、Ⅱ、Ⅲ区生产数据进行过滤、整合, 为企业管理提供KPI展示数据, 减少了应用系统设备资源的投入;同时数据平台就现有系统的接入, 可以展现流域各电站的实时运行监视图、日生产数据快报、电力市场周报 (包括上网电量、电量类型、来水和水库调度) 以及各电站电能量分析和水情水调分析, 达到了部分应用系统的电子化无纸办公。
综合数据平台有效地将计算机监控系统、水调自动化系统、电能量采集和报 (竞) 价系统有机结合起来, 将电量数据、水情水调情况以及电站机组状态整合在一起, 通过表格、柱饼图、曲线、报表等多样化的数据表现和交互手段, 多角度、多层次地将电力生产过程全程监控, 为生产决策提供依据, 达到最优利用资源的作用。
5 结语
国电大渡河综合数据平台从统一建设规划、优化平台架构、建立绿色运维体系、提倡绿色办公流程等方面避免了设备资源的重复投入和低效, 从软件层面减少了能源消耗量和CO2排放量, 达到了绿色节能环保的目的。同时, 绿色综合平台的建设是一个循序渐进的过程。下一步将在企业机房改造、虚拟化技术、数据优化、软件调度和管理技术等的使用上进一步提高综合数据平台的能效比, 进一步减少设备资源的使用, 建立更加绿色环保的企业综合数据平台。
摘要：通过对国电大渡河公司综合数据平台的应用介绍, 提出综合数据平台运用先进的技术架构、绿色的第3方软件、健全的IT运维体系和绿色的办公流程实现系统的架构最佳化、设备使用最少化、系统再接入最经济化。提高设备资源利用饱和度, 避免重复设备资源投入, 减少平台建设造成的能源消耗和CO2排放, 达到绿色环保的目的。主要描述软件层节能环保思路, 不涉及网络层、设备层相关内容。
电力大数据平台 篇9
关键词：大数据,数据接入,数据挖掘,内存计算
0 引言
当前,在国家电网公司建设坚强智能电网和SGERP工程的新形势下,在建设“一强三优”现代公司的大方向下,充分运用当前先进的大数据技术,能够有效助力企业运营的集约化转变。三集五大体系建设构建了纵向贯通、横向集成的一体化信息平台,覆盖总部、省、市、县的业务信息系统,产生了大量多样化的数据,营销系统和生产管理系统都已达到几百TB级数据规模,随着公司业务发展,对大数据技术的应用要求也在不断提升,大数据技术的应用已成为推进公司一体化、集约化、扁平化管理,增强公司核心竞争力的必要手段。
1 国内外研究概况
目前,各类企业、学术组织、研究机构纷纷助推大数据的发展,相关技术层出不穷,部分技术已在互联网、通信、交通、金融、医药、零售等行业得到实际应用。通过大数据技术的应用,在金融业可实现金融欺诈的实时预警,在零售业可实现零售市场细分和实时精准营销,在生物医药行业能够开展流行病早期预警和疾病病理的研究,在交通运输业可进行运输路线的规划和商品的实时追踪定位。大数据已成为IT行业全新的制高点。
各大技术厂商及开源社区对大数据技术进行了探索和研究,已形成的大数据主流技术路线主要包括2 种:一种是结合原有云计算基础体系架构,在数据效能计算和数据管理方面做了提升,形成现有大数据技术架构体系;另一种是在原有数据仓库基础上对大数据的价值进行挖掘提升,形成自有的大数据体系。这些厂商通过自研或收购等方式积攒大数据技术实力,并推出相关的产品和解决方案。如IBM提出了基于Info Sphere平台的大数据解决方案,EMC提出Greenplum分析平台,结合Greenplum DB和Greenplum Hadoop,实现了结构化、半结构化、非结构化数据的统一、高效处理。
2 大数据中心整体架构
大数据是对具备数据体量大、数据类型多、处理速度快、价值密度低的数据集合进行分析、处理、管理的科学体系,涉及方法论、基础理论、关键技术等多个层面,保证数据的效能得到最大化体现,并实现对公司业务的辅助决策和趋势预测。电力大数据是在大数据时代背景下,以公司业务的提升和增值服务为目标,利用数据存储、实时计算、离线计算、计算分析与挖掘、数据管理与服务和数据展示等方面的核心关键技术,构建实时处理、交互式分析、辅助决策、趋势预测、价值挖掘的大数据体系,电力大数据的应用将推动公司业务发展和管理水平提升。
公司大数据中心在建设时应选用适用的Hadoop版本作为核心,通过有机集成方式融合内存计算、流计算、分析挖掘、可视化等第三方开源软件,在较高的起点上建设大数据平台。大数据平台以数据整合及分布式存储为基础支撑,包括数据采集、存储、数据处理、数据应用4 个主要功能层面[1]和安全、运维辅助功能。平台的部署视图如图1 所示。
大数据中心以Hadoop技术体系中分布式存储(分布式文件系统(Hadoop Distributed File System,HDFS)、HBase、Hive)、分布式计算框架(MR)为基础,使用Spark、R等开源产品或技术与之形成互补[2],新增安全管理机制和配置管理功能,提升改造现有可重用的SG-ERP组件,从而完成整个技术架构的组建。参考业界大数据平台的实践经验,公司大数据中心的部署可分为2 个阶段开展。
1)两级部署:现有的数据中心以两级部署模式建设,大部分业务在网省层次部署,少量业务在市县部署。因此,为了更好地以现有数据中心为数据源,充分利用前期的建设成果,大数据中心第一阶段采用分布式两级部署模式,总部作为核心数据汇集点,网省公司作为区域数据汇集点进行建设,两级部署具体方案如图2 所示。
2)一级部署:随着数据中心与大数据平台的逐渐融合,平台应向一级部署模式[3]演化(见图3)。一级部署、全网数据集中存储更加有助于公司大数据价值挖掘和业务创新。
大数据中心物理上由多个集群组成:数据接入集群、服务接口集群和数据存储计算集群[4]。数据接入集群部署包括分布式消息队列、流计算节点以及其他数据交换节点等服务,服务接口集群包括R语言服务、开放数据库互连(Open Database Connectivity,ODBC)/Java数据库连接(Java Database Connectivity,JDBC)服务、Web HTTP/ 表述性状态转移(Representational State Transfer,REST)服务、文件传输协议(File Transfer Protocol,FTP)服务、网络文件系统(Network File System,NFS)服务等,数据存储计算集群包括数据存储、计算、分析集群,物理部署集群如图4 所示。
3 大数据中心关键技术
3.1 数据接入与预处理
数据接入是将各类数据从外部数据源导入(清洗、转换)大数据存储系统,以备计算、分析的过程。数据集成从时效角度可分成实时、非实时,从数据量角度分成批量、增量,从数据类可分成结构化数据、半结构化数据、非结构化数据。针对不同类型、不同时效要求的数据,需采用多种不同的采集、集成技术。
数据采集的数据源可以是业务系统数据库、数据中心、网络、应用系统、终端、传感器等,数据接入与预处理框架如图5 所示。
大数据平台的数据来源除了传统的数据中心、数据仓库之外,更多的数据是来自之前无法有效处理的各类文件,如系统日志、数据交换文件、现场检修照片、远程监视的视频等。通过大数据平台的分布式存储可以低成本存储文件,也可以将其中的数据解析成结构化或半结构化的数据存储在大数据平台中。
传统的文件采集主要通过各种定制化脚本或syslog等采集、处理,存在单点问题,并且不易统一管理。因此需要应用文件采集与处理技术解决文件传输到HDFS的实时性及可靠性,并且保证应用系统正常运行。
在文件采集与处理技术中,目前一些技术工具比较成熟,具有较好的扩展性、可靠性、可管理性,具有容错故障恢复模式。如Flume是Hadoop组件之一,可以实时地将分布在不同节点、机器上的日志收集到HDFS中,并进行一些简单处理。
实时数据的接入可采取不同的技术方式:方式1 是从现有海量实时数据中心准实时导入数据;方式2 是传感器实时数据直接导入大数据平台。这2 种方式都存在实时数据量大、无法有效地直接存储到大数据平台的问题,必须对实时数据进行预处理、分析,只保存有价值的数据。一般采用消息队列Kafka(Apache开源)接收来自不同实时源的数据,后端采用流处理(Spark Streaming)技术对实时数据进行分析,只保存实时分析结果。
3.2 数据存储与检索
数据存储主要面向全类型数据(结构化、半结构化、实时、非结构化)的存储、查询,以海量规模存储、快速查询读取为特征。在低成本硬件(x86)、磁盘的基础上,采用分布式文件系统、分布式关系型数据库、No SQL数据库、实时数据库、内存数据库等业界典型功能系统,支撑数据处理高级应用。
存储涉及的关键技术如下。
1)面向电力大数据的存储系统自配置自优化技术。Hadoop分布式文件系统配置灵活,系统性能随参数设置的变化有较大变化,而电力信息系统数据结果复杂、形态丰富,需结合以上2 点深入分析,通过自适应动态采样算法以及分布式存储跨层配置降维机制,优化多节点协同配置,进一步提高存储系统性能。
2)数据副本动态调节技术。电力行业信息系统如营销应用、用电信息采集、运营监测等系统数据采集频率高、数据量可达到数十TB,同时要求数据的长期持久化存储。使用数据副本动态调节算法,可实现新增数据节点的快速部署和自动存储均衡。
3)命名数据网络(Named Data Networking,NDN)存储及路由机制。命名数据网络路由器模型(NDN Node)用来管理网络的路由与数据的存储,采用基于NDN网络存储平台的数据命名机制,可用有限的状态路由无限的命名空间;采用基于网络路由算法的命名部署机制及多路径转发策略[5];采用NDN的路由器数据缓存策略和存储管理,提升数据分发获取效率;针对NDN网络文件系统配置灵活多样,采用路由与元数据的统一映射机制;采用安全的网络路由算法,保证数据传输及存储的安全性。
4)基于NDN存储网络的数据可靠性及扩展性技术。针对电力系统非结构化数据的快速增长,原有文件系统在可容纳的文件、目录以及对象数量、可扩展性及可靠性方面受到限制,基于名字的网络代替现有的IP网络能更好地支持网络数据移动性。采用基于NDN的网络存储平台中块数据存储的动态可扩展功能,减小大数据的迁移范围,提高大数据的可恢复性。采用文件、块数据及内容的集成管理技术,使网络存储平台具备弹性功能,减少大数据重建的单点故障。采用基于命名机制的网络存储系统的数据冗余存储配置策略,实现突发情况下的数据快速恢复。
3.3 基于内存计算的在线数据处理
大数据中心的数据计算通过流计算和内存计算技术相结合,用以满足具有时效性的数据计算需求。流计算面向实时处理需求,用于在线统计分析、过滤、预警等应用,如电表数据实时处理、预警。内存计算面向交互性分析需求,用于在线数据查询和分析,便于人机交互,如全省用电数据在线统计。
在数据计算方面,主要采用内存计算以及流计算技术:传统数据库技术在处理海量数据时,无法实现良好的水平扩展性且现有技术难以有效解决因磁盘I/O引起的性能瓶颈问题,采用内存计算技术,CPU可直接读取内存中储存的数据,消除磁盘I/O性能瓶颈,结合并行计算技术,可实现高实时高响应计算,提高系统并发访问能力。
公司每天的生产经营活动中都会产生海量的视频、音频、日志等流式数据,流式数据具有实时性、易失性、突发性、无序性、无限性等特征,采用流计算技术可解决从流式数据中快速的获取有价值信息的问题。流计算技术指在一定时间窗口内应用系统产生的流动数据到达后不进行存储[2],直接导入内存进行实时计算,从流动的、无序的数据中获取有价值的信息输出。流计算具备分布式、低时延、高性能、可扩展、高容错、高可靠、消息严格有序、定制开发等特点,适用于对动态产生的数据进行实时计算并及时反馈结果的应用场景。
3.4 数据交互式统计与数据挖掘
梳理现有典型系统中电力大数据的数据特点,完善分析建模、模型运行、模型发布等能力,增加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,为公司数据资源价值深度挖掘应用的构建提供基础平台支撑。
电力数据类型多样,其中包含了大量冗余属性,对数据挖掘算法的效率和质量造成不利影响。采用高效大数据特征选择算法能够删除冗余的属性,获取有效数据特征,以高效地完成数据挖掘的数据预处理过程。一般来说,属性选择算法由4 个基本步骤组成:产生用于评估的属性子集;使用定义好的评估准则对子集进行评估,并与当前最优子集进行比较;停止准则的迭代评估;使用实际的数据集对评估所得的属性集进行有效性验证。
结合电力大数据的特征,采用运行于内存计算框架之上的数据分析技术。主要内容包括:根据业内主流的内存计算框架,结合电力高性能分析场景需求,选取适合于电力行业应用的内存计算框架;基于内存计算框架实时交互查询实现框架,提供海量数据的快速查询、多维度统计汇总等能力,支撑复杂数据分析挖掘;基于内存计算框架的数据挖掘实现框架,包括运行于内存计算框架之上的数据预处理方法、数据挖掘算法以及相应的挖掘过程建模工具、模型解析运行引擎,提供高效快速的分析挖掘模式。
3.5 数据安全治理
面对日渐突显的大数据安全风险和日新月异的网络入侵及攻击手段,大数据安全技术通过采用改进数据销毁、透明加解密、分布式访问控制、数据审计等手段,突破隐私保护和推理控制、数据真伪识别和取证、数据持有完整性验证等技术瓶颈,完成大数据采集到应用的全过程监控[6]。
1)权限管理:原始数据及分析结果在使用时必须有用户权限控制,采用国家电网统一权限平台对用户进行统一的认证、授权管理。
2)隐私保护:采用隐私保护的数据挖掘(Privacy-Preserving Data Mining,PPDM)技术,使用K- 匿名隐私保护模型对原始数据进行匿名处理,避免原始数据来源被识别。
3)存储安全:在存储层面采用同态加密方法,并采用Hadoop的文件读、写、执行的访问控制列表(Access Control List,ACL)控制结合自定义的用户组策略实现文件权限控制。
4)接入安全:在传统的安全接入方案基础上,对于数据采集终端、数据源系统、业务应用系统接入时需通过网络安全、主机安全、访问认证等技术手段保证接入方合法访问。
4 大数据中心应用实例
国网山东省电力公司依托大数据引擎的数据分析与模型预测能力,基于用户用电信息、电网负荷信息实时采集同步,结合国民经济增长速度、产业结构调整、消费水平、工业与居民电气化程度、电价政策、气候/ 气温变化等外部因素,实现用电负荷大数据分析模型的构建,通过对各周期用电负荷曲线、负荷时间和空间分布等的预测,为电网规划、电能调配等提供决策支持。电力负荷预测系统界面如图6 所示。
依托大数据引擎的数据分析预测能力和历史数据,可以实现未来1 h以内、1 日内、1 周、1 月内、1 年乃至3~5 年的负荷预测,从而为电网预防控制、紧急状态处理、机组启停、水火电协调、设备检修/ 大修等提供依据。
大数据平台能够以日、周、月、年为粒度收集用电负荷的内外部数据,采用支持向量机方法进行样本分类,具有高精度、高效率、高可用等优势。以月平均负荷为例,月度负荷预测如图7 所示。
国网山东省电力公司基于用户用电负荷、用户档案、电网设备台账等业务数据,利用分布式计算、数据挖掘分析等技术,结合气象信息、GDP、各产业值等外部因素,构建用户月平均负荷聚类模型及日负荷聚类模型,以及区域最大负荷、最小负荷及平均负荷长短期预测模型,实现了下一阶段的用电负荷情况预测。通过预测未来电力需求量、未来用电量、用电负荷曲线、负荷时间和空间分布等,使电网公司提前了解到用户未来的用电需求量,为保障正常供电提前做好准备,有利于电网削峰填谷、平稳运行。同时,通过数据分析,为公司电网规划、设备检修、电能调配等提供决策支持,切实促进了从 “以电力生产为中心”向“以客户为中心”的转变,提升了供电服务满意度以及企业的社会形象。
5 结语
本文设计的基于电力大数据环境的大数据中心架构,实现数据收集、管理、使用的全过程管理,采用集中方式将数据从获取到使用的全过程进行封装,通过多种数据接入方式的实现,提高了数据的获取能力,有效拓宽数据利用范围。通过内存计算提高数据处理速度,实现了海量数据的实时处理,为实时分析提供了技术基础,有效提高了数据的可用性和数据利用的高效性。通过分布式存储,实现了重要数据的异地备份,使系统的可靠性显著提高。
基于数据实时获取和内外部环境综合分析的大数据平台,实现了数据收集的自动化和数据分析的智能化,有效降低了企业数据与外部环境数据的收集和分析成本。同时,随着大数据分析模型的不断成熟与完善,可以更加充分地利用企业资源,减少重复投资,准确定位瓶颈,预先发现问题,有助于节约建设和运维成本。
数据是公司的重要资产,实现电力大数据的合理应用,对数据中的价值进行有效挖掘,是提升公司业务和管理水平,推动公司实现“一强三优”宏伟目标的重要手段。电力大数据的开发和应用是个长期的建设过程,应对电力大数据有较为科学而清晰的认识,坚定信念、持续投入,切记“欲速则不达”。
参考文献
[1]王德文.基于云计算的电力数据中心基础架构及其关键技术[J].电力系统自动化,2012,36(11):67-71.WANG De-wen.Basic framework and key technology for a new generation of data center in electric power corporation based on cloud computation[J].Automation of Electric Power Systems,2012,36(11):67-71.
[2]孙大为,张广艳,郑纬民.大数据流式计算:关键技术及系统实例[J].软件学报,2014,25(4):839-862.SUN Da-wei,ZHANG Guang-yan,ZHENG Wei-min.Big data stream computing:technologies and instances[J].Journal of Software,2014,25(4):839-862.
[3]国家电网公司.大数据技术现状与发展趋势调研分析报告[R].2014.
[4]国家电网公司.大数据应用建设总体工作方案(征求意见稿)[R].2014.
[5]雷凯,袁杰.命名数据网络内容分发机制研究与探讨[J].电信科学,2014(9):27-30.LEI Kai,YUAN Jie.Content distribution mechanisms of named data networking[J].Telecommunications Science,2014(9):27-30.
电力大数据平台 篇10
关键词：电力大数据,典型场景,数据挖掘,SG-ERP
随着数字信息化时代的迅猛发展,信息量也呈爆炸性增长态势。在人类充分享受信息化带来的资讯、方便和快捷时,也使得全球的数字信息资源正进入到一个前所未有的快速增长期。据IDC统计,2011年全球数据量已达到1.8 ZB,相当于全世界人均产生200 GB以上的数据,并且还将以每年50%的速度继续增长。在这汹涌来袭的数据浪潮下,社会各个领域也将开始其数据化进程。无论学术界、商界还是政府,都将不可避免地进入“大数据时代”。作为全球第二大经济体的基础能源支撑体系,中国电力工业概莫能外。
中国的电力工业经过几十年来的高速发展,随着下一代智能化电力系统建设的全面展开,中国的电力系统已经成为了世界上最大规模关系国计民生的专业物联网,甚至在某种程度上,这张遍及生产经营各环节的生产关系网,构筑起了中国最大规模的“云计算”平台,为从时间和空间等多个维度进行大范围的能源资源调配奠定了基础。对于电力行业而言,电力大数据将贯穿未来电力工业生产及管理等各个环节,起到独特而巨大的作用,是中国电力工业在打造下一代电力工业系统过程中有效应对资源有限、环境压力等问题,实现厚积厚发、绿色可持续性发展的关键。
近几年,电力行业信息化也得到了长足的发展,我国电力企业信息化起源于20世纪60年代,从初始电力生产自动化到80年代以财务电算化为代表的管理信息化建设,再到近年大规模企业信息化建设,特别是伴随着下一代智能化电网的全面建设,以物联网和云计算为代表的新一代IT技术在电力行业中的广泛应用,电力数据资源开始急剧增长并形成了一定的规模。从长远来看,作为中国经济社会发展的“晴雨表”,电力数据以其与经济发展紧密而广泛的联系,将会呈现出无以伦比的正外部性,对我国经济社会发展以至人类社会进步也将形成更为强大的推动力。
本文基于当前电力企业信息化现状、三集五大与两中心业务发展需求以及电力行业大数据特点,根据文献[1-8]研究成果,提取大数据背景下三集五大、两中心(运监监测(控制)中心、客服服务中心)典型业务数据分析应用场景,并对具体业务问题进行了探讨。
1 大数据概述
1.1 电力大数据由来与定义
“大数据”概念于20世纪90年代被提出,最初只是对一些在一定时间内无法用传统方法进行抓取、管理和处理的数据的统称。“大数据”这个术语最早期的引用可追溯到apache.org的开源项目Nutch。当时,大数据用来描述为更新网络搜索索引需要同时进行批量处理或分析的大量数据集。
从2009年开始,“大数据”成为互联网信息技术行业的流行词汇,大数据起初成熟应用多在互联网行业,互联网上的数据每年增长50%,每两年翻一番,全球互联网企业都意识到“大数据”时代的来临,数据对于企业有着重要意义。
2011年5月,麦肯锡全球研究院发布题为《大数据:创新、竞争和生产力的下一个新领域》的报告。报告发布后,“大数据”迅速成为计算机行业的热门概念。
2012年3月22日,奥巴马政府宣布2亿美元投资大数据领域,并对数据的定义为“未来的新石油”。白宫科技政策办公室在2012年3月29日发布《大数据研究和发展计划》,并组建“大数据高级指导小组”。此举标志着,美国把应对大数据技术革命带来的机遇和挑战,提高到国家战略层面,形成全体动员格局。
大数据是具有Volume(数据体量大)、Variety(数据类型多)、Velocity(处理速度快)和Value(价值密度低)四个特征的数据集合。对此业界已基本达成共识,但目前还未形成统一的定义。麦肯锡认为“大数据是指无法在一定时间内用传统数据库软件工具对其内容进行抓取、管理和处理的数据集合”;维基百科认为“大数据是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集”;Gartner认为“大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产”。
通过对大数据内涵和外延的深入理解,结合公司数据现状和业务需求,研究并提出了“电力大数据”的概念。电力大数据是以业务趋势预测、数据价值挖掘为目标,利用数据集成管理、数据存储、数据计算、分析挖掘等方面核心关键技术,实现面向典型业务场景的模式创新及应用提升。电力大数据的应用将推动公司业务发展和管理水平提升,有效支撑公司三集五大两中心深入建设。
1.2 电力大数据特征
电力大数据的特征可以概括为3“V”、3“E”。其中3“V”分别是体量大(Volume)、类型多(Variety)和速度快(Velocity);3“E”分别是数据即能量(Energy)、数据即交互(Exchange)、数据即共情(Empathy)。如仅从体量特征和技术范畴来讲,电力大数据是大数据在电力行业的聚焦和子集。但电力大数据更重要的是其广义的范畴,其超越大数据普适概念中的泛在性,有着其他行业数据所无法比拟的丰富的内涵。
体量大(Volume):体量大是电力大数据的重要特征。随着电力企业信息化快速建设和智能电力系统的全面建成,电力数据的增长速度将远远超出电力企业的预期。
类型多(Variety):电力大数据涉及多种类型的数据,包括结构化数据、半结构化数据和非结构化数据。随着电力行业中视频应用的不断增多,音视频等非结构化数据在电力数据中的占比进一步加大。此外,电力大数据应用过程中还存在着对行业内外能源数据、天气数据等多类型数据的大量关联分析需求,从而极大地增加了电力大数据的复杂度。
速度快(Velocity):主要指对电力数据采集、处理、分析的速度。鉴于电力系统中业务对处理时限的要求较高,以“1秒”为目标的实时处理是电力大数据的重要特征,这也是电力大数据与传统的事后处理型的商业智能、数据挖掘间的最大区别。
数据即能量(Energy):电力大数据具有无磨损、无消耗、无污染、易传输的特性,并可在使用过程中不断精炼而增值,可以在保障电力用户利益的前提下,在电力系统各个环节的低耗能、可持续发展方面发挥独特而巨大的作用。
数据即交互(Exchange):电力大数据以其与国民经济社会广泛而紧密的联系,具有无可伦比的正外部性。其价值不只局限在电力工业内部,更能体现在整个国民经济运行、社会进步以及各行各业创新发展等方方面面,而其发挥更大价值的前提和关键是电力数据同行业外数据的交互融合,以及在此基础上全方位的挖掘、分析和展现。
数据即共情(Empathy):企业的根本目的在于创造客户,创造需求。电力大数据天然联系千家万户、厂矿企业,推动中国电力工业由“以电力生产为中心”向“以客户为中心”转变。这其中的本质就是对电力用户的终极关怀,通过对电力用户需求的充分挖掘和满足,建立情感联系,为广大电力用户提供更加优质、安全、可靠的电力服务。
2 电力大数据应用分析研究综述
2.1 电力大数据应用分析综述
公司为深入推进“两个转变”,实现“一强三优”现代公司的战略目标,提出了建设三集五大体系的重大举措。三集五大体系的建设不仅是传统电网设施的升级和改造,还是更全面、更深入的电网运行模式和业务模式的革新。首先,三集五大体系使信息通信技术正以前所未有的广度、深度与电网生产、企业管理快速融合,三集五大等业务协同性更强,业务流、信息流趋于一致;电网业务数据将从时效性层面进一步丰富和拓展。其次,充分利用这些基于电网实际的数据,对其进行深入分析,挖掘更深层次的数据价值,便可以提供大量的高附加值服务。这些增值服务将有利于电力企业精细化运营管理,提高公司管理水平和运营效率,并可以产生很多创新性业务。
2.2 大数据在大规划应用分析
随着配网规划业务的覆盖面进一步扩大,将逐渐积累TB级数据,对于数据的收集、存储和分析处理将提出更高的要求。届时可以利用大数据技术进一步提升如下业务应用的价值:
(1)用电量预测。基于海量历史电量数据,规划区域面积、历史人口、历史国民经济数据、三产比例等变化情况,对区域用电量进行预测,作为进一步规划设计依据。
(2)空间负荷预测。基于全网中各小区的占地面积、用地类型、容积率,行业的建筑面积负荷密度、占地面积负荷密度,小区目标年占地面积、小区目标年建筑面积,总负荷值、行业负荷值等数值,对远景年负荷进行预测。
(3)多指标关联分析。从多个外部系统(如GIS,PMS,OMS等)抓取所需数据的时间一致性切片,进行综合分析利用,从而支持规划设计。
2.3 大数据在大建设应用分析
在大建设应用方面,系统目前每年管理的项目可以达到2 000~3 000,但由于自身数据存储和处理能力有限,在管理项目时只能保留少量的建设现场信息(仅图片,无视频),这导致管理人员无法全面地了解项目工作细节,且由于缺乏自动化的分析与决策应用支持,这些数据也无法得到有效的利用。利用大数据技术在“大建设”基建系统中的应用主要可在如下几个方面提升:提高系统非结构化数据存储能力,扩大现场信息收集范围和频率,提升建设项目管理全面性和准确性;通过大数据技术,逐步形成并提高对大量非结构化数据的分析处理能力,基于此能力之上,采用自动对比,模式识别等挖掘技术,对建设管理的整个过程提供良好的、自动化的智能分析和监控功能。
2.4 大数据在大检修应用分析
设备状态信息的获取手段有很多种。目前最常用的是通过各种传感器,实时或定期获取设备状态信息。视频作为一种特殊的传感器,可以作为设备状态信息获取的一种重要而有效的手段。随着视频智能分析技术的发展,目前已经能够实时准确识别变电站多种表计、刀闸、开关与隔离开关的位置、状态或读数。通过对视频数据的智能分析,还可以起到其他类型传感器无法实现的功能。利用大数据技术,主要可在如下几个方面提升:
(1)状态评价。综合设备各种基础及运行监测数据,加上视频数据智能识别技术识别出的设备状态量等,建立综合评价模型,得出设备总体健康状态。
(2)趋势分析。研究基于历史数据的趋势分析算法,建立反映设备健康状态的数学模型,对设备故障进行趋势分析,掌控设备风险。
(3)实时报警。基于视频监控的设备自动巡检技术和安防技术,发现外观变化、表计变化、发热缺陷、非法入侵、物体靠近、现场烟火等设备健康危害因素,进行实时报警,保证设备正常运行。
(4)检修、技改、大修决策支持。根据设备评价结果,优化检修策略,为技改、大修计划制定、筛选评审提供决策依据。
2.5 大数据在大运行应用分析
设备状态管理是公司“大运行”重要业务模块,设备状态管理可对计划类应用进行校验并提供完善的建议,为电网调度提供辅助决策,提升电网安全性与可靠性。设备状态管理目前只根据其他调度业务进行当前设备状态断面的记录,没有对历史设备断面的查询及未来状态的预测分析。随着调度业务规范的进一步完善,对设备状态模块的提升需求日趋迫切。设备状态管理基于电网设备台帐信息、设备拓扑信息、设备遥信遥测信息等相关信息。可以进行设备状态的以下三类大数据应用:
(1)历史时刻查询。实现设备数据的海量存储,直接快速查询到某时刻的设备状态及设备的操作历程。
(2)设备数据质量分析。综合设备信息得出当前设备状态断面,进行系统间设备状态的互检比对,提醒其他系统或功能进行检查与核对。
(3)未来时刻断面预测。基于海量存储历史状态数据,自动总结电网调度规则,在任意时刻断面的基础上,自动收集涉及设备状态变化的计划类信息,进行智能编排,演算出未来一段时间内的调度操作历程,最终预测电网在某一时刻的设备断面。
2.6 大数据在大营销应用分析
大营销重点是优化现有营销组织模式,拓展面向智能化、互动化的服务能力,加快用电信息采集系统建设,科学配置计量、收费和服务资源,实现计量检定配送、95598服务等业务向省级集中,构建营销稽查监控体系,推行统一的业务模式、服务标准和工作流程。目前公司大营销业务相关的支撑系统主要有SG186工程核心之一的营销业务系统,以及负责用户侧电能量自动采集的用电信息采集系统、支撑营销数据日常统计工作的辅助决策系统等。其中营销业务系统负责业扩报装、电费核算收缴等日常业务的流程管控,用电信息采集系统负责用户电量信息采集为营销业务系统电费核算提供数据,辅助决策系统用于完成统计报表制作等功能。另外,为了满足营销业务新的需求,相关网省公司建设了诸如智能客户档案管理系统,用于将供电合同、用户身份证明等纸质资料扫描存档,方便检索和查找。
大营销相关系统数据量的急剧增加,给数据存储、分析处理、统计计算带来极大挑战。根据大营销业务、信息系统及其数据的现状和需求,大数据可以在以下方面促进大营销的进一步提升:营销海量数据的高效分布式存取和并行计算。深度挖掘营销数据价值,从管理、客户服务、业务拓展等不同的方向促进营销业务提升。其中管理方向主要有线损分析、用电异常分析、计量和采集设备的智能化运维等;客户服务方向主要为用电客户提供有针对性的用电优化建议,促进用户节约用电;业务拓展方向积极策划数据类产品,引导和促进公司由“只卖电”向“也卖电”发展。
2.7 大数据在运监中心应用分析
国家电网两级运营监控中心以服务公司战略为目标,以核心资源和主要经营活动管控为重点,以信息化手段为支撑,打造全天候、全方位、全流程综合管理运营监测平台。利用大数据技术在运监中心中的应用主要可在如下几个方面提升:
(1)构建大数据背景下的在线监测、在线分析和在线计算工作台,满足日常监测、协调控制与综合管理需要。建设总部和省公司两级运营监测(控)中心,实现对公司经营管理24小时即时在线监测分析,及时发现公司运营过程中的异动和问题并自动预警。
(2)跨业务多专业关联分析。为了满足运监跨业务跨专业分析和挖掘需要,在大数据环境下,迫切需要构建多种业务模型和分析挖掘算法,形成大数据模型库和算法库,利用聚类和模式识别技术,实现运营监测多业务关联分析,如对营销和财务收支情况建模进行关联分析。
(3)运监数据及监测对象的质量诊断体系。通过在“大数据”环境下,对海量异构数据进行实时监控分析,在数据处理全过程中不断提升数据质量,持续改进数据可用率,为拓展传统的决策分析提供保证。
2.8 大数据在客服中心应用分析
客户服务中心是公司优化整合服务资源,打造“全业务、全天候,服务专业化、管理精益化、发展多元化”的供电服务平台。客服中心核心业务系统分为95598智能互动网站、95598业务支持系统、基础支撑平台三个独立系统。95598业务支持系统采用全国一级部署模式。按数据的种类来分,主要有两类,一类是档案、交易和GIS等结构化数据,全国约有3 TB,日增约1 GB;还有是语音音频类非结构化数据,以文件形式保存,全国约有近10 TB,年增7 TB,并有加速增长趋势。利用大数据技术在客户服务中心应用可在如下几个方面提升:
(1)服务质量实时监控。采用大数据技术,实现对服务通话的准实时/实时监控和分析,通过对客服过程的实时质检,最大程度保障通话服务质量。
(2)热点问题集中处理。采用大数据技术挖掘一段时间内的用户关注热点,并及时答复和处理,提高客户满意率。
(3)座席答案智能推送。人工搜索答案及时性很难满足要求,利用大数据技术实现答案的智能匹配并自动推送给座席。
3 结语
基于公司现有一体化平台、业务现状及电力数据特点,提取公司三集五大和两中心中电力行业大数据分析典型应用场景,运用大数据核心业务应用分析技术,提升现有平台对电力大数据的存储、计算、分析和管控能力,结合三集五大两中心核心业务需求,构建以业务趋势预测、数据价值挖掘为主的大数据服务体系,试点并推广大数据应用,提高公司生产经营和管理服务水平。
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.
[2]Anon.Big data[J].Nature,2008,455:1-13.
[3]Gartner.2012年10大战略技术与趋势[J].新闻纵览,2011(11):18-19.
[4]李翠平,王敏峰.大数据的挑战与机遇[J].科研信息化技术与应用,2013(1):12-18.
[5]孟小峰,慈祥.大数据管理:概念、技术与挑战[J].计算机研究与发展,2013,50(1):146-149.
[6]Anon.Big data[EB/OL][.2012-10-02].http://www.nature.com/news/special/bigdata/index.
[7]中国电子科学研究院学报.大数据时代[J].中国电子科学研究院学报,2013(1):27-29.
电力大数据平台 篇11
如何高效、安全、可靠地支撑信息系统，满足未来业务高速增长的需要；如何帮助企业有效地管理日益增长的业务数据；如何实现业务数据的共享并在现有业务数据之上建立新兴的增值应用等，成为各企业建立信息系统的关键所在。
以数据驱动为例，在万物互联时代，这个数字是呈几何数增长的。以前，抄电表是一年抄一次，现在有了智能电网，可能15分钟就能产生一条记录，一年会产生35万条记录，这相当于几百TB级的数据。由此可见，数据已经成了企业的资产，也是某种意义上的现金流。
数字经济具有数字驱动、智能世界、按需定制、可信任、互联体验、创新六大特点。智能如何在数字经济的环境下挖掘数字的价值，指导业务运行和业务转型？按需定制、深度集成，成为共享经济、数字经济时代的一大特点。
互联网+时代，IT从支持部门成为业务驱动部门，在电力行业，除了要注意电力安全，还应注意如何运用安全可靠的技术和方法保护数据，保护安全敏感的信息。
针对传统行业在应用大量小型机和中高端存储设备效率不高、成本攀升等问题，英特尔和南瑞集成共同打造并推出了“英特尔-南瑞集成自主创新瑞腾商陛能数据平台”。
该平台将英特尔至强处理器结合高速、低延迟的英特尔固态盘及高速互联构建的横向扩展（Scale-out）多节点架构，在计算、存储、网络三个层面全面融合了英特尔最新的产品技术。此外，基于英特尔节点管理器（Node Manager）与英特尔数据中心管理平台技术（Data Center Manager）的REM（Return Enterprise Manager）还可针对整个系统提供从坚实到管理再到后续维护的全方面生命周期管理。
“瑞腾高性能数据平台采用最新的高性能计算组件，结合南瑞集成多年系统优化、架构优化的经验，本着按需定制，深度集成’的建设理念，结合国网实际应用系统的特点，设计开发了一个可横向扩展的一体化的高性能计算平台，用以替换传统行业大量的小型机和中高端存储设备。”南京南瑞集团公司信息系统集成分公司副总经理俞俊谈道，“高性能计算组件与国网实际业务相结合的特点为接下来的行业应用推广工作打下了坚实的基础。”
英特尔中国区行业合作与解决方案部总经理柯道远表示：“与合作伙伴的创新可以推动IT技术变革，打造符合中国行业用户需求的自主创新的产品和解决方案，从而进一步推动业信息化的发展，助力企业高效转型。”
目前，瑞腾高性能数据平台已经完成了研发工作，正在国网核心业务系统中进行适用性测试。“通过引进基于x86开放架构的瑞腾高性能数据平台，不仅明显缩短了高性能系统部署所需的时间，其广泛的端到端监控分析功能还能够确保所有组件无缝协同工作，避免性能瓶颈与单点故障的出现，”国家电网应用研发单位负责人表示，“相比传统系统小机架构，瑞腾高性能数据平台横向扩张能力更强，使得我们能够随着业务与系统的发展，动态扩展每个组件，提供超强的处理能力，以适应国网业务发展的需求。
电力大数据平台 篇12
2014年12月28日,经过3个半月的紧张实施,国网浙江省电力公司顺利完成国网营销基础数据平台的部署上线工作,标志着浙江公司与国家电网公司统一、规范了营销数据共享服务,实现营销数据集中管理、营销业务深度融合,
国网营销基础数据平台项目,采用网省集中的方式进行部署。国网浙江信通公司作为该项目的具体部署实施单位,多措并举努力克服时间短、任务紧等困难,顺利完成平台的软硬件部署、需求梳理、比对。同时,公司还成功完成营销业务应用等九大业务系统的数据接入,包含业务数据表1 752张,数据总量达到6 T。
为了保障营销基础数据平台的上线,国网浙江信通公司高度重视。在项目建设过程中,监督实施厂商开展各项建设实施工作。同时精心组织、统筹安排,建立符合本单位实际的建设管理措施,总体协调项目参与各方完成工作任务,加强管控,切实保障了项目实施工作顺利开展。在上线期间,省信通公司和实施厂商加班加点完成系统优化测试,为系统顺利上线提供了有力保障。