電力大數(shù)據(jù)的多數(shù)據(jù)流實時處理技術(shù)研究

國網(wǎng)信息通信產(chǎn)業(yè)集團有限公司 劉才華 稂龍亞 國網(wǎng)湖北送變電工程有限公司 王思奇 國網(wǎng)湖南輸電檢修公司 姜 勝

近些年來，隨著大數(shù)據(jù)的不斷發(fā)展，實時計算已經(jīng)成為各個行業(yè)發(fā)展中重點關(guān)注的問題。基于大數(shù)據(jù)背景下，各個行業(yè)每天都在產(chǎn)生海量的數(shù)據(jù)，但海量的數(shù)據(jù)在處理方面也有一定的難度，特別對于電網(wǎng)輸電設(shè)備來說，由于每天所產(chǎn)生的數(shù)據(jù)可能會達(dá)到上千萬條，為加強對電力大數(shù)據(jù)的處理，有必要加強多數(shù)據(jù)流實時處理技術(shù)的深入研究，并發(fā)揮出多數(shù)據(jù)流實時處理技術(shù)的優(yōu)勢，全面提升數(shù)據(jù)處理的效率，進而有效的解決電力數(shù)據(jù)處理緩慢與存儲困難等問題，以便更好的促進電力行業(yè)的良好發(fā)展。

1 電力大數(shù)據(jù)流計算服務(wù)體系

電力大數(shù)據(jù)流計算服務(wù)體系的主要目的就是對分布式多數(shù)據(jù)流處理的底層技術(shù)細(xì)節(jié)進行屏蔽，并利用性能較高的數(shù)據(jù)流計算能力、在線分析能力、關(guān)聯(lián)分析能力等進行封裝，并結(jié)合應(yīng)用請求以及用戶行為，設(shè)計與提供不同的流計算服務(wù)，以便打造基于不同用戶的高層次概念模型。

1.1 電力業(yè)務(wù)人員的應(yīng)該服務(wù)

從電力業(yè)務(wù)的應(yīng)用特征出發(fā)，常見的數(shù)據(jù)流典型處理問題大多分為以下幾種，分別是異常檢測、時間窗口統(tǒng)計、在線轉(zhuǎn)換清洗以及模型訓(xùn)練等等。而在電力系統(tǒng)的運行性，電力業(yè)務(wù)工作人員需要主動承擔(dān)系統(tǒng)的相關(guān)系列任務(wù)，來實現(xiàn)數(shù)據(jù)流的有序、有效處理，借助相關(guān)的服務(wù)接口，將數(shù)據(jù)處理需求傳達(dá)到計算、分析、資源監(jiān)控等不同的層面，讓廣大的用戶可以使用完成封裝的處理模型，并進行相關(guān)的應(yīng)用部署[1]。

1.2 電力數(shù)據(jù)分析的分析服務(wù)

數(shù)據(jù)分析是電力大數(shù)據(jù)處理中的重點，借助相關(guān)的運算可以圍繞數(shù)據(jù)進行算法計算、模型評估以及系統(tǒng)管理等，借此來實現(xiàn)數(shù)據(jù)的處理。其中分析算法主要包含兩部分內(nèi)容，分別是單數(shù)據(jù)流以及多數(shù)據(jù)流的算法分析；模型構(gòu)建評估則指的是經(jīng)過訓(xùn)練獲取數(shù)據(jù)挖掘模型，而模型評估能夠加強數(shù)據(jù)挖掘模型準(zhǔn)確度的深入分析，廣大的用戶也可以根據(jù)評估的結(jié)果對有關(guān)參數(shù)進行優(yōu)化配置；模型流程發(fā)布，指的是發(fā)布數(shù)據(jù)挖掘模型的流程，從而為電力業(yè)務(wù)系統(tǒng)提供流式數(shù)據(jù)實時處理的功能；模型流程管理則主要包括版本管理、停用預(yù)測等，其主要目的就是對數(shù)據(jù)挖掘模型流程服務(wù)進行管理。

1.3 電力應(yīng)用開發(fā)人員的編程服務(wù)

在大數(shù)據(jù)處理方面，電力開發(fā)方面的工作人員需進行編程處理，通過為其提供多種編程接口，如分布式消息隊列輸入、流處理初始化、數(shù)據(jù)轉(zhuǎn)化等編程接口，開發(fā)人員結(jié)合實際應(yīng)用，在相應(yīng)的編程接口，對相應(yīng)的電力業(yè)務(wù)實時邏輯進行編寫，并利用參數(shù)調(diào)整，如計算模式、監(jiān)聽源地址等，將編寫的程序等發(fā)送到電力數(shù)據(jù)實時流計算處理平臺中，以便促使計算任務(wù)實現(xiàn)全面的部署。

1.4 電力運維管理人員的監(jiān)控服務(wù)

電力大數(shù)據(jù)實時流計算處理平臺，可以統(tǒng)一提供實時監(jiān)督方面的服務(wù)，同時還能將有關(guān)的信息反饋定期的反饋到分級資源管理器，如數(shù)據(jù)規(guī)模、處理進度、資源占用等信息，然后分級資源管理器將監(jiān)控信息反饋給中心資源管理器，實現(xiàn)分支信息與主干信息的有機聯(lián)系，并以圖、表等方式將流式計算任務(wù)的層級處理狀態(tài)展示給電力運維管理人員。

2 電力大數(shù)據(jù)流計算技術(shù)框架

電力大數(shù)據(jù)流計算服務(wù)體系，需對先進技術(shù)進行綜合應(yīng)用，借此構(gòu)建電力大數(shù)據(jù)實時流計算處理的平臺，該平臺的核心功能主要分為三個部分：數(shù)據(jù)即時采集、數(shù)據(jù)實時計算以及數(shù)據(jù)高效存儲。

2.1 數(shù)據(jù)即時采集

電力大數(shù)據(jù)分析計算的重要前提就是數(shù)據(jù)采集，數(shù)據(jù)的實時采集能夠為數(shù)據(jù)處理、建立模型提供良好的基礎(chǔ)，但是數(shù)據(jù)采集與處理之間在同步方面還存在一定的問題，無法保證可以二者可以實現(xiàn)同步，這樣一來就會產(chǎn)生一定的誤差。對此，就需要建立數(shù)據(jù)緩存區(qū)，來加強對數(shù)據(jù)的處理，一般來說緩存區(qū)建立的方法有兩種，分別是內(nèi)存緩存、文件緩存，而二者的結(jié)合應(yīng)用，可以有效的對性能以及數(shù)據(jù)安全問題進行科學(xué)的處理，從而保證了數(shù)據(jù)處理的安全和效率。

2.2 數(shù)據(jù)實時計算

處理采集到的數(shù)據(jù)，是電力大數(shù)據(jù)實時流計算處理平臺中的重要環(huán)節(jié)，而數(shù)據(jù)的有效處理需要借助計算平臺，利用滑動窗口的方式輸入多電網(wǎng)數(shù)據(jù)流，并借助多數(shù)據(jù)流協(xié)同計算的方法，對數(shù)據(jù)流進行異步優(yōu)化，從而有效的加強對多數(shù)據(jù)流的實時處理[2]。

2.3 高效數(shù)據(jù)存儲

一般來說，當(dāng)計算將結(jié)果與存儲數(shù)據(jù)比較大的情況下，這時候就需要進行數(shù)據(jù)分流處理，當(dāng)多數(shù)據(jù)處理結(jié)果比較小，且重要性不高時，可以將其存儲到分布式列式數(shù)據(jù)庫；但使用該方法進行存儲，也有一定的缺點，即數(shù)據(jù)存儲的穩(wěn)定性不足，甚至可能會出現(xiàn)數(shù)據(jù)丟失問題。相反，當(dāng)多數(shù)據(jù)處理結(jié)果比較大且重要性比較高，這時候可以選擇分布式消息隊列Kafka，然后將其存儲到分布式列式數(shù)據(jù)庫內(nèi)，該方式發(fā)揮了Kafka 緩存機制的優(yōu)勢，保證了數(shù)據(jù)的穩(wěn)定性，還能避免數(shù)據(jù)的不安全。

3 多數(shù)據(jù)流相關(guān)系數(shù)的計算

3.1 多數(shù)據(jù)流的挖掘與監(jiān)測

通過對多個廠站不同時間點的設(shè)備進行數(shù)據(jù)監(jiān)測，并對其進行分析，在此基礎(chǔ)上提出有效的改進措施。借助這樣的方式，電力系統(tǒng)能夠采集到相關(guān)的大數(shù)據(jù)流，借助監(jiān)測功能，能夠確定工作狀態(tài)等重要參數(shù)，每秒都可以對1min 內(nèi)的數(shù)據(jù)實時采集和監(jiān)測，但是由于監(jiān)測的數(shù)據(jù)流比較大，會占用較大的存儲空間，這就需要對使用空間進行壓縮，使用滑動窗口來對電力大數(shù)據(jù)流處理步驟進行設(shè)計。如果滑動窗口的時間是1s，這時滑動窗口可以分為60個基本滑動小窗口，并對其閾值進行分析，借此對數(shù)據(jù)進行并行判斷，在計算完基本視窗，并將60個基本視窗的離群值進行計算，而計算出的離群值就是需要挖掘的數(shù)據(jù)流[3]。

3.2 多數(shù)據(jù)流相關(guān)系數(shù)精確并行算法

為保證可以得到更準(zhǔn)確的多數(shù)據(jù)流系數(shù)，可先設(shè)置a 條數(shù)據(jù)流，并將相關(guān)的數(shù)據(jù)流組成，使其成為矩陣，在此基礎(chǔ)上得到a 陣階數(shù)。而所得到的任意數(shù)據(jù)流的相關(guān)系數(shù)為,其中λa指的是滑動窗口數(shù)據(jù)的內(nèi)積；Wa 指的是相關(guān)系數(shù)方陣的空間轉(zhuǎn)換系數(shù)，λa的計算開銷是最大的，從而可以起到促使存儲空間的擴展，將a 陣階數(shù)抽象到計算網(wǎng)絡(luò)內(nèi)，并為其配置相關(guān)的系數(shù)，來獲得特定滑動窗口。并設(shè)置線程塊索引方式，對數(shù)據(jù)流相關(guān)系數(shù)進行方陣索引，在所有的線程塊中，使用2×104個線程進行并行計算，而其對應(yīng)窗口中的2×105個數(shù)據(jù)位積，則使用協(xié)議算對其位積之和進行計算，并進行分段累加，如此得到λa，根據(jù)任意數(shù)據(jù)流中的有關(guān)系數(shù)來獲取最終的數(shù)值。當(dāng)行索引≤列索引時，線程塊將不在下三角數(shù)組中。

4 數(shù)據(jù)流實時處理的計算方法

4.1 跨總線四層時序空間模型

滑動窗模型的最突出優(yōu)勢就是對不同粒度的時間單元進行了定義，即數(shù)據(jù)采集以及基本窗口滑動，在此基礎(chǔ)上正式提出跨總線四層時序空間模型：第一層時序，該層的主要目的就是緩沖IO 數(shù)據(jù)，保證任意數(shù)據(jù)在采樣時間內(nèi)具有相同的安全標(biāo)識符，并將所有的標(biāo)識符相加，判斷是否達(dá)到了相關(guān)的數(shù)據(jù)，如果沒有達(dá)到，這時候可以選擇使用線性插值的方法進行處理；第二層時序，該層設(shè)置了緩沖層，可以有效的減少設(shè)備間的數(shù)據(jù)交換次數(shù)，并縮短交換時間，從而提高數(shù)據(jù)并行計算的密度。數(shù)據(jù)緩沖層是大規(guī)模數(shù)據(jù)流并行處理方式中的最小單元，可以起到緩沖普通子窗口并更新其他窗口，促進緩沖層內(nèi)部數(shù)據(jù)的實時更新；第三層時序，主要任務(wù)就是借助緩沖層將新的滑動窗口交換到GPU 設(shè)備存儲器內(nèi)，對數(shù)據(jù)流增量進行維護，匯總后將其傳輸?shù)叫畔熘校坏谒膶訒r序，可以存儲截面矩陣的數(shù)據(jù)，并對復(fù)雜數(shù)據(jù)流進行挖掘。

4.2 空間復(fù)雜度降載

使用數(shù)據(jù)處理器對跨總線四層時序空間模型進行復(fù)雜度降載，設(shè)置存放計算結(jié)果的數(shù)組容量為a（a-1）/2,但由于多數(shù)據(jù)流相關(guān)系數(shù)的所處環(huán)境比較復(fù)雜，直接影響了計算效率，所以在處理相關(guān)問題的過程中，需要降低空間維度，從而提高大數(shù)據(jù)的處理效率[4]。

4.3 多數(shù)據(jù)流協(xié)同計算

多數(shù)據(jù)流協(xié)同計算，通過利用體系以及并行處理算法，并借助數(shù)據(jù)緩存層來進行任務(wù)的分析與合并，具體步驟如下：第一，建立數(shù)據(jù)流協(xié)同計算模型；第二，構(gòu)建全部函數(shù)；第三，結(jié)合Worker 建立本地函數(shù)。通過全局更新，并建立和實施多數(shù)據(jù)流處理方案，可以將廣域分布的讀數(shù)據(jù)流，劃分成若干數(shù)據(jù)塊，并塊數(shù)據(jù)塊分別設(shè)置一名工作人員。而業(yè)務(wù)人員、分析人員、開發(fā)人員以及管理人員在具體的操作中會涉及到較多種類的服務(wù)器，主要就是對模型進行負(fù)責(zé)，而且模型的參數(shù)也分別存儲在多個主服務(wù)器上，并根據(jù)水平進行劃分。

5 仿真試驗

5.1 試驗配置及參數(shù)

以某省份地區(qū)為例，電力大數(shù)據(jù)量包含所有居民的實際用電情況，數(shù)據(jù)采集時間的間隔為一天，一天內(nèi)居民用電數(shù)據(jù)大多是十幾億項，從中選取部分?jǐn)?shù)據(jù)進行仿真試驗，對所提方法的性能進行驗證。使用三臺配置相同的PC 主機展開試驗。以110kV 變壓器為例，并從繞組光纖測溫屬性數(shù)據(jù)中選擇部分試驗數(shù)據(jù)，并將滑動窗口時間設(shè)置為1min，對不同集群環(huán)境中的平均處理延時集群節(jié)點進行分析[5]。

5.2 平均處理延時測試

設(shè)置不同的數(shù)據(jù)量，測試處理延時。設(shè)置4個全局工作流，并對簇節(jié)點數(shù)以及滑動窗口處理的結(jié)果進行觀察，對接收到處理的元組平均處理延遲進行統(tǒng)計。根據(jù)結(jié)果可知，數(shù)據(jù)量越少，數(shù)據(jù)處理的時間也越短，如當(dāng)數(shù)據(jù)量在250GB 時，但由于群集的擴展，任務(wù)分配以及數(shù)據(jù)傳輸也會消耗一定的資源與時間，在拓?fù)淠Ｐ吞幚頂?shù)據(jù)時也會有一定的延遲，但隨著資料規(guī)模的增大，系統(tǒng)處理能力也會逐漸顯現(xiàn)，自然平均處理延時也會減少。

5.3 CPU占用率測試

為驗證所提方法的空間壓縮能力，可以結(jié)合CPU 占用量來進行分析，在系統(tǒng)內(nèi)上傳75-85MB大小的電力數(shù)據(jù)文件，并對所提技術(shù)應(yīng)用后的耗能進行檢驗，結(jié)果顯示應(yīng)用后文件大小上升了，而CPU 占比也由5%下降到0.5%，可見在壓縮數(shù)據(jù)的同時，大大的提高了系統(tǒng)的實際運行效率[6]。

6 結(jié)語

綜上所述，如今電力大數(shù)據(jù)已經(jīng)得到了廣泛應(yīng)用，為保證可以更好的滿足大數(shù)據(jù)實時處理方面的需求，就需要加強多數(shù)據(jù)流實時處理技術(shù)的分析和應(yīng)用。通過構(gòu)建真實的環(huán)境進行試驗，發(fā)現(xiàn)使用數(shù)據(jù)處理器可以大大的提升數(shù)據(jù)流的信息數(shù)據(jù)處理，同時也能有效的減少計算量，可以更快速、實時的對數(shù)據(jù)流進行有效的處理，讓電力數(shù)據(jù)處理緩慢以及存儲難的問題有效的得到解決。