范海波 刘发年 梁磊

（国网信通产业集团安徽继远软件有限公司，安徽合肥 230088）

0. 引言

随着国家电网公司信息化建设的不断推进，响应国网总部泛在电力物联网建设要求，电力作为社会经济发展的根本基础，随着社会经济发展和产业结构调整，地区的经济发展对电网企业提出了全新要求。面临新的发展机遇，电网企业在电网建设、安全生产、优质服务等方面不断提升创新，基础数据的质量保证是建设泛在电力物联网的不可或缺的重要支撑力量。推进基础数据管理规范化，实现技改大修项目立项调控、一体化运作和专业化管理，是实现基础数据管理转型升级、提升服务保障能力的根本途径，是转变公司发展方式的必然要求[1]。而技改待修作为基础数据应用的关键一环也应积极主动应对形式变化，通过信息化手段实现标准化的统一管理，实现公司内部资源整合。本文将结合数据治理信息化建设实践，提出电力企业技改大修数据治理方案，实现集约统筹、重点保障、科学管控、协调发展的信息化的建议。

1.基础数据治理必要性

电力企业PMS2.0系统自2015年实施上线以来，持续组织开展技改大修基础数据治理工作，成效显著。随着技改项目立项管理和智能运检水平的不断提升，对基础数据的精准度提出了更高要求。目前技改大修立项工作存在以下问题：（1）目前各基层单位开展技改项目立项工作缺乏统一并且与专业管理深度结合的数据质量评价标准；（2）技改大修数据治理工作缺少有利的抓手，各基层单位对各自单位的存量基础数据质量无法做出整体评估，对新增的数据质量无法进行有效管控[1-2]。

2.基础数据治理的作用

2.1 技改大修数据质量评价标准研究，实现数据同源与质量保障

数据质量是保证技改大修智能立项的基础，评估数据是否达到预期设定的质量要求，建立数据治理评价标准来实现基础台账数据、图形数据的治理评价。研究图形质检工具、全方位辅助工具拓扑连通性检测模块以及自研图形管理模块，对图形质量进行逐线路、逐站室、逐台区检测，核对图形（单线图、接线图）的完整性和逻辑性，如图形设备缺少台账、单线图设备不完整、线路拓扑不连通。并将每日图形质检工具和全方位辅助工具拓扑连通性检测模块的结果集成到数据智能管控平台统一管理。最终形成规范化、标准化技改大修数据治理流程，降低人为因素影响，实现现代化、无纸化数据治理模式；实现对异常数据的实时监控，并针对缺陷、隐患、图形等特殊数据，采取特殊处理方式实现数据治理成果的实时展示，处理时间在30min之内。

2.2 数据智能管控研究，确保增量数据质量，保障设备异动数据同步

数据质量是保证数据应用的基础，评估数据是否达到预期设定的质量要求，建立数据治理评价标准来实现基础台账数据、图形数据的治理评价。研究图形质检工具、全方位辅助工具拓扑连通性检测模块以及自研图形管理模块，对图形质量进行逐线路、逐站室、逐台区检测，核对图形（单线图、接线图）的完整性和逻辑性，如图形设备缺少台账、单线图设备不完整、线路拓扑不连通。并将每日图形质检工具和全方位辅助工具拓扑连通性检测模块的结果集成到数据智能管控平台统一管理。

最终实现电压等级110kV～220kV架空输电线路、35kV电缆线路设备自投运以来故障停运、跳闸数据以及近5年以来（2022年及之前）发生的严重及以上缺陷数据完整率、规范率、闭环达到100%、逻辑错误为0；配电设备的故障、缺陷、检测、巡视记录等数据的完整率、规范率达到100%；与生产实时管控系统的缺陷及故障停运数据一致率达到100%。

2.3 加深大数据等新技术应用

通过引入大数据、物联网、移动互联、人工智能等新技术，从技改立项管理源头入手，实现了基础数据标准化接入，扩展系统功能的便捷性、易用性，加强应用深度。

3.基础数据治理的方法

基于技改大修基础数据现状，本文提出一种全业务数据智能管控平台，以PMS、GIS多年系统运维与数据治理经验为依托，从数据来源、数据质量、数据维护等智能管控要素入手，通过对数据质量、业务逻辑、模块应用范围及深度等方面治理，完成基础数据完整性、准确性、一致性、及时性、关联性等问题数据的整改，从而实现深化PMS2.0系统应用，提高电网设备数据质量，推动公司精益化管理水平持续提升，如图1所示。

电网设备全业务数据智能管控平台，综合运用人工智能、大数据处理、分布式存储等应用技术，通过对PMS2.0系统内部不同流程间基础数据、业务数据之间的关键字信息提取、业务逻辑关系判别，以及不同系统间的横向数据比对，方便快捷有效地为PMS2.0系统基础数据质量进行智能评估。同时，平台接入图模质检工具和全方位辅助平台部分模块，作为图形数据质量管理的归口系统，形成涵盖基础数据、运行数据、巡视检修数据、图形数据、供应商评价数据的全业务数据质量管理平台，让数据治理工作更“智慧”。

电网设备全业务数据智能管控平台整体部署于信息内网，将构建覆盖生产管理系统的基础数据管控、运行数据管控，提高系统整体数据质量水平，提升数据保障能力，为各类业务提供真实有效业务数据。

4.数据治理的主要成果（见表1）

表1 数据治理的主要成果

5.结语

基于本文完成基础台账、运行工况、巡视检修、图形质量等数据质量自动评价，建立了数据质量智能管控体系，通过持续有效开展治理工作，保证数据的完整性和正确性，达到“存量数据治理一条、准确一条，新增数据录入一条准确一条”，实现良好的数据生态体系，为提升设备状态管控力奠定基础。

5.1 图形数据智能化比对

针对图数一致率、单线图成图率、拓扑连通率等图形数据治理，当前通过数据库数据统计的方法难以全面正确的进行研判，需要借助于图像比对进行将当前生成的图形与标准图形进行智能比对，然后结合数据库统计数据进行综合研判。

5.2 真实记录数据治理历史轨迹

目前数据治理指标是一天统计一次，不能动态真实反应台账、图形等数据治理过程，需要提升数据治理各个指标的计算频度，记录实际的数据治理历史轨迹。

5.3 大规模指标运算性能

数据治理指标包括基础数据维护、业务应用情况、系统运行情况3个方面共133项指标，涉及数据量达到几十GB，通过传统的手段进行存储过程运算速度相当慢，需要应用大数据、内存计算、分布式并行计算等技术来提升指标计算效率，降低运算时间。