泛在电力物联网下的计量全寿命周期数据管理
来源:用户上传
作者:
摘要：泛在电力物联网作为新一轮信息产业浪潮中的产业热点，已经吸引全世界的目光。计量数据作为电网的经营数据来源，全面开展数据接入转换和整合贯通，统一数据标准，打破专业壁垒，建立健全数据管理体系。统一数据调用和服务接口标准，实现数据应用服务化，支撑多维精益管理体系。鉴于此种背景，本文将分析电力泛在物联网的基本概念、体系架构及计量资产数据的现状，在此基础上分析未来电力泛在物联网时代的计量数据管理技术发展。以期本文的论述能够回应社会需求，解决现实问题，为我国泛在电力物联网和计量数据管理的实践发展提供理论指导。
关键词：泛在电力物联网;计量数据;
前言
随着物联网技术的不断发展，人类的生产、生活和工作方式将面临新一轮的变革。充分应用移动互联、人工智能等现代信息技术、先进通信技术，实现电力系统各环节万物互联、人机交互，具有状态全面感知、信息高效处理、应用便捷灵活特征的智慧服务系统。
1.概述
泛在电力物联网是泛在物联网在电力行业的具体表现形式和应用落地;是将电力用户及其设备以及人和物连接起来，产生共享数据，这不仅是技术的变革，更是管理思维的提升和管理理念的创新，对内重点是质效提升，对外重点是融通发展。
作为电网终端产品的电能计量器具（电能表、互感器），随着智能电网的建设开展及泛在电力物联网概念的实用化。对电能计量资产全寿命管理提出了更高要求。目前对于计量资产全寿命周期管理仅限于对计量资产的简单状态分析和单维度的质量分析，不具备对计量资产的寿命分析和评价。要达到计量资产精益化管理水平的要求，必须提取资产各环节详细数据，建立精益化的多维度的数学模型、全面量化的指标体系、标准化的评估流程，实现计量资产全寿命周期的质量分析、供应商评价、寿命评估、风险预测、管理评价。
二.管理现状
计量器具的资产从建档开始，历经了检定、出库、安装、运行、拆回、报废一系列環节，同时涉及多个业务部门业务流程，数据关联营销业务系统和生产调度平台等多个系统。这些业务系统通过接口进行频繁、大量的信息交互，数据相互关联共享。目前存在专业壁垒凸显，数据未有效贯通，与一次采集或录入、共享共用的目标存在较大差距，数据质量不高的问题;跨专业流程贯通不畅，目标不协同，操作不规范;客户友好用电与供需互动过程中的参与度和满意度有待提升。数据不贯通，共享实时性不强，数据在提高电网安全运行水平、效率效益和工作质量等方面价值发挥不充分，未取得明显效果;
三.问题解决方法
为解决将没有连接的设备、客户连接起来，没有贯通的业务贯通起来，没有共享的数据即时共享出来，形成跨专业数据共享共用的生态，把过去没有用好的数据价值挖掘出来的问题。通过深化的数据治理工作，查漏补缺、逻辑核查找到问题数据，对问题数据进行处理，以保证业务数据完整且合乎逻辑。实现系统各个环节万物互联、人机交互，大力提升数据自动采集、自动获取、灵活应用能力，实现数据一次采集或录入、共享共用、端到端业务流程在线闭环;
1.工作目标
工作目标可以分为基本目标和长远目标两部分。数据治理基本目标是完成历史垃圾数据的清理，保证源数据库与目标数据库完整、一致。长远目标是对基本目标的提升，及通过数据治理，查找系统程序及业务管理上可能存在的漏洞，纠正不合理的作业方式并加以制度方面的完善，有助于促进系统质量提升，规范业务操作，以确保业务数据准确、可靠，从而保障系统基础数据持续保持良好"健康"度，为高品质的计量信息化管理打好坚实的基础。
2.遵循的原则
遵循历史和事实，面向未来，贯彻数据完整、一致和符合业务逻辑的要求。
数据完整：对于有非空要求的字段，必须保证字段中的值为非空。
数据一致：对于业务数据在多个信息系统中都有存档的数据，必须保证各个信息系统中业务数据一致。
根据计量业务数据的特点，细化数据治理方案。对业务数据进行严格核查，杜绝漏查、误查。对清理范围内的业务数据，按照数据治理工作方案制定核查规则标准或核查脚本，对业务不可空或者系统不可空的字段进行完整性核查、数据字典符合度核查;对业务逻辑、状态逻辑、数量相关、主外键关系、时间序列、档案数据、重复性数据开展业务逻辑核查。不漏掉一个字段，逐个规则依次核查，保证核查结果准确。
3.数据治理手段
不同的数据不同的处理方法，特别是对于关联性较强的数据，会单独作为专项工作进行清理，比如：计量资产全寿命周期管理中的“库龄、表龄”信息的清理。专项小组对“库龄、表龄”信息进行初步分析，了解数据的完整性情况，整理出有依据、有参考的信息进行核查并清理。详细方法如下：
将电能表变化记录中的状态为“新购”和“运行”的变化记录为核查校验标准，推断出计量装置寿命周期的数据是否完整并且是否符合业务逻辑。如：电能表运行状态，前面的状态必须是领出待装，后面的状态则必须是拆下状态。
具体工作步骤如下：
（一）、数据治理准备
编制数据治理工作方案，明确数据治理内容以及数据治理范围。数据治理内容主要是根据表龄库龄数据明确需清理的具体源数据，同时对于源数据根据其来源的业务系统进行清理职责划分。数据治理范围包括时间范围、影响范围。影响范围是指在系统中增加库龄、表龄数据后，是否会影响其它业务数据。
（二）、数据核查
根据清理要求编写数据核查脚本，对于不符合要求的数据导出到excel文件，如果需要人工补录的字段需编制数据补录模板（excel格式），分别交给对口单位进行确认，或者由对口单位提供具体的数据补录规则。
（三）、数据补录
对于需要人工补录的数据，按照提供的补录模板录入数据后，导入到源系统。
（四）、数据治理
根据已审核的清理规则和模板数据导入要求编写数据治理脚本。需先在测试环境执行数据治理脚本验证清理效果，要求对口单位一起确认清理结果无误后，才可在生产环境进行数据治理。
（五）、同步更新至目标系统
将源系统清理完成确认无误的数据同步更新至目标系统数据库。
四.总结
通过对计量资产全寿命周期数据治理，使得计量业务数据的健康度有了很大的提升，使分散在多个业务系统的数据一致性有了极大的保障，有效净化了业务数据，为泛在电力物联网实现基本实现业务协同和数据贯通，初步实现统一物联管理奠定了扎实的数据基础。
作者：
1. 乔 林 华北电力大学 国网辽宁省电力有限公司信息通信分公司
2.夏 雨 哈尔滨工业大学 国网辽宁省电力有限公司信息通信分公司
3.周大鹏 华北电力大学 国网辽宁省电力有限公司信息通信分公司
转载注明来源:https://www.xzbu.com/1/view-14973820.htm
