黄建威

深圳市电网通信有限公司 广东 深圳 518000

近几年科学技术飞速发展，我国各项产业发展和科技同步推进，成绩斐然，电网建设也稳步推进。在环境不断变化、经济快速发展的背景下，电网及其相关设备受诸多因素的影响，安全系数受到极大影响。在大数据、云计算应用推广的同时，实现和电网发展的有机融合，能进一步提升电网发展的预警水平和预警能力，对电网稳定性提升也具有现实和指导意义。

1 电力信息通信预警技术通信风险预警概述

以Spark和Hadoop为代表的云计算、大数据处理平台在备受关注的同时也被广泛应用，近年来的普及率也不断提高。Hadoop在大规模集群操作基础上发展起来，通过增设共同计算的节点以保证其具有较高的便捷性。Hadoop的计算速度和集群数量密切相关，集群数量越大其计算速度越快，这有效弥补了传统处理数据问题，在实时应用数据处理方面优势凸显。Spark作为一种通用并行计算框架也是基于Hadoop发展起来的，其采用了流式处理技术以及内存并行计算方式，因此在实时处理方面也具有极强性能。

电力信息通信预警技术近年来也得到关注与发展，技术人员首先基于大数据技术基础构建起相应框架，然后对各类信息进行综合分析，在分析的基础上结合数据收集技术、收集整理、整合技术，实现对数据的分析以及整理，其中日志收集模块实现对防火墙日志、网络日志等相关数据的收集。业务分析模型的创建一般采用Hive技术，最终实现日志多维度查询。通信预警技术中还存在数据存储层，数据在存储层中实现数据转换、分析、清洗，然后将其导入Oracle中，结合电力通信实际情况，实现现有日志科学分析。基于大数据技术、结合日志关键词，进一步加强相关数据的深度挖掘，另外，引入数据压缩、数据归并以及数据清洗技术，对通信安全、通信指标以及通信运行状态进行有效判定。综合作用下实现对电网通信系统运行状态的自动预警，保障其安全性[1]。

2 大数据背景下发展电力信息通信预警技术的重要意义

作为电力系统正常运行的有效保障，电力信息通信网络作为特定网络能够有效保障电力系统稳定运行，其中的关键是电力信息通信预警系统，防患于未然，保证不同部门、不同电子组成部分之间联系密切、早发现问题与故障，稳定正常运行。就目前电力企业的运行发展而言，很多企业并不关注与重视电力信息通信预警技术，即使部分企业开始加强通信预警建设，但通信预警相关工作还单纯依靠人工来实现，不仅增加了故障排查、预警工作的难度，还进一步显示了预警该工作的精确度。因此在电力信息通信预警技术发展中，必须对现有框架进行分析，并进行改革。

在大数据技术、云计算技术发展的同时推动了电力信息通信网络架构的完善，电力设备也不断发展，种类和数量优势逐渐凸显，在增加电力信息通信系统稳定运行方面贡献力量。在电力信息通信预警技术发展中引入大数据技术以及云计算技术，能够有效实现对通信风险、通信故障以及通信现在隐患的全面感知，实现提早发现、提前排除，保证电力系统正常通信，保障其安全性与稳定性[2]。

3 大数据背景下电力信息通信预警技术发展概述

3.1 大数据为根本的电力通信风险剖析以及预警架构

和传统电力通信自动预警技术相比，大数据技术的引入进一步提升了其优势，不仅能够实现复杂、多样化数据的有效分析，还能够结合电网运行实际情况、电网设备实际情况实现科学预警。科学预警的建设需要其具有实时性，在面临潜在隐患和现有故障的时候，能够在数据分析的基础上及时发现问题、把控问题，管理人员和工作人员能第一时间给出科学决策，进行科学处理。

在电力系统和电力行业发展中，基于大数据技术的Hadoop和Spark开源平台诞生，近来多元化趋势越来越显著。各种形式的应用开始在这两个开源平台的基础上出现，并且功能逐渐完善，结合电网通信系统实际情况，预警功能也越来越强大，人性化越来越凸显。

3.2 基于大数据的相关数据处理

在电力通信预警系统建设中引入大数据技术，进一步提高了SOA架构模板应用的可能性，可以采用基于Java技术的端口，采用B/S技术以支撑电力通信预警系统。就目前的电力通信预警系统功能划分而言，其一般由预警生成模块、数据采集模块、数据挖掘模块以及数据分析模块和接口模块构成。五大模块相互协调、配合，保证电力通信预警系统的稳定、准确运行。同时，电力预警系统在运行中还应该结合电力通信系统的运行环境分析，明确各类信息的同时引入作为预警影响因素，保证预警科学性。不断完善五大功能模块，保证出现故障或者发现潜在隐患的时候能及时给出预警，并通知管理人员。另外硬件也是预警系统的另一核心，需要增设匹配的隔离装置保证相关硬件安全运行，提升安全系数。电力通信预警系统的运行必须遵循相应标准以及规划，有效规避操作失误，实现预警功能。

3.3 大数据基础下电力信息的通信趋势预测

随着电力系统通信安全要求越来越高，其不仅仅局限于传统的发现问题、解决问题，越来越重视趋势预测、故障预测等方面，结合电力通信系统设计设备情况、季节性情况进行预测。但传统的趋势预测等方面一般需要消耗大量的人力资源以及物力资源，在大数据背景下必须要引入大数据技术进行总的趋势预测和分析，以更有效的手段实现对电力信息通信趋势的精准预测。目前电力通信系统中发展中还存在部分容量不确定问题，而趋势预测必须在平稳运行环境上进行，以规避误差的同时保障其准确信和实时性。在电力通信系统预警中建议在四个环节和步骤中更加关注，首先加强数据平稳化处理，做好模型识别工作，然后是重视参数预测以及参数估算。这四方面工作同时进行、稳步推进，能够最终保障通信趋势预测的精确把控。

4 大数据的电力信息通信预警技术应用实证分析

4.1 具体实施

在本文大数据背景下电力信息通信预警技术研究以及预警系统构建中引入BP神经网络，并采用遗传算法进行必要优化。

（1）种群初始化。以60个初始种群规模为例进行分析，将包括全部阈值和全部连接权值作为个体样本，并且设置相应编码：

式中：m为隐含层节点数；n为输入层节点数；l为输出层节点数。

（2）设定适应度函数。在适应度函数设定、选取中需要充分考虑试验值误差平方和预警值，保证其具有较小的预测误差和较高的适应性。

（3）选择、交叉与变异。通过前面分析能够得到最优个体，并且进入下一代，除最优个体之外的其他的个体进行两两交叉（交叉概率），得到新个体，并对新个体进行优化，进一步得到的最优个体进入下一代（其他个体进行变异操作）。

（4）循环第 2 步和第 3 步。直到训练目标达到设定要求或者训练次数达到上限。

遗传算法优化的 BP 神经网络预警仿真结果如图1所示。

图1 预警仿真结果图

4.2 效果对比

上图显示了在相同条件下的预警仿真结果图，通过图中数据能够看出实际预警值和预测预警值相差不大，而且误差很小，说明遗传算法优化的BP神经网络在电力通信预警中实现快速收敛，预警精度更高、更能准确反映真实情况。

5 结束语

近年来在我国电网迅速发展、智能化水平不断提高的背景下，电力系统和电力设备的更新改革不断推进，电力设备以及电力行业进入新的发展阶段。电力信息通信系统作为电力行业发展的又一关键因素，必须要加强其预警技术建设，保证其高性能、高精确度，以保障国家电网安全稳定发展。