施 园，包志强

（1云南电网有限责任公司信息中心，云南 昆明 650000；2云南远信科技有限公司，云南 昆明 650041）

0 引 言

随着我国信息技术的进步，电力企业需要加速数据价值化，让电力数据惠及各方。然而，全球信息安全问题不断演变升级，新技术和新应用给电力相关数据管理带来巨大挑战[1]。因此，如何在数据共享和访问过程中保障用户的隐私，保证数据安全是一个需要研究的热点问题。目前，大量的数据安全管理研究正在进行。需要实施数据共享的标准化，为数据的安全管理奠定良好基础。

电力数据面向所有的家庭和所有的企业，能够实时反映家庭和企业经营状况信息与信用信息，具有数据量大、数据复杂以及覆盖面广等特点[2]。因此，电力数据应用管理的需求很大，数据安全也显得尤为重要。研究人员研究了电力数据服务管理的安全性，基于USB Token读取用户信息，保障用户访问安全，通过支持区块链的用户电力数据管理等来保障电力数据存储安全[3]。但传统的电力数据服务管理忽视了管理机制问题，而人工智能可以解决电力数据服务管理机制问题，因此本文设计了基于人工智能的电力数据服务管理方法。

1 人工智能技术在电力数据服务管理中的具体运用

基于人工智能的电力数据服务管理中，最重要的步骤就是设计一个符合电力公司的数据服务管理平台。该管理平台需要根据电力公司的实际情况设计出相对应的数据服务管理组件，为数据服务管理提供保障。同时还具有数据注册功能、数据发布功能、数据服务功能以及数据更新功能等，因此需要设置与平台对接的各个接口，以保障数据服务管理的良好实施。

1.1 电力数据管理架构中的应用

电力数据管理架构是依据HDFS构建的，电力数据包括目录数据和文件数据。其中，目录数据包括整个文件系统的目录树结构、目录属性以及目录包含的文件等，文件数据包括文件的属性。电力信息数据的正确格式往往是利用GLOBA构建，其目录或文件创建时由管理平台生成唯一标识，标识生成后就不会再改变[4]。USERID是这个目录或文件生成标识的储存库，NAME是该文件或目录的完整路径名称，在进行数据信息访问时，需要更新数据管理时间，基于此设计的电力数据管理架构如图1所示。

图1 电力数据管理架构

通过构建图1的数据服务管理架构，可以将数据管理中的命名空间转换到扁平结构的数据结构中，从而轻松地存储在电力数据库中，方便电力数据的服务管理。命名空间的完整路径中，每个组件都能对应在电力数据库中。

基于此，整个架构在支持电力数据服务管理时的流程如下。第一步，提供一个API供客户端访问，同时由该API输出数据服务文件并直接与Namenode进行交互。为了提高系统访问性能，客户端缓存了最新的数据名称路由信息。第二步，Namenode负责将数据存储在内存中并响应客户端的请求，包括查询数据，新建、删除以及修改服务属性。第三步，使用数据库更新名称节点数据。第四步，使用心跳机制来管理每个名称节点，并将这些节点提供到Namenode的数据路由中，用来规划Namenode集群间的平衡，便于数据复制和迁移。在处理Namenode故障和系统扩展问题时，还需要协调和互动，将所有数据都保存在数据库中。第五步，每个Name Node都需要向管理器注册，如果注册成功，则可以将数据从数据库中读取到内存中。Name Node在开始处理数据请求，并定期使用心跳机制向Name Node Manager报告其运行状态。心跳传输间隔由用户设置，内容包括资源利用率和数据访问速率等。

1.2 电力数据服务管理中通信数据预测的应用

在信息化背景下，越来越多的人开始重视数据信息的经济价值[5]。基于人工智能构建数据通信管理机制需要先计算数据管理机制中的相关参数，其中信息通道的数据传输速率为：

式中，V代表信息通道传输速率；F代表通信容量；C代表数据库容量。根据数据传输速率，结合数据挖掘技术计算电力服务信息管理冗余数据R，计算公式为：

从整体电力数据量中减去冗余数据量，得出此时的数据管理矢量值，并求出此时数据通道中的管理数据总量D和数据管理矢量值S，计算公式分别为：

基于管理数据总量和数据管理矢量值，求出管理机制中的Q1、Q2两个参数，即：

此时，依据该管理机制的相关参数，即可以求解出电力数据服务管理机制范围。除此之外，该管理机制还可以通过专门的手段对海量数据进行深度学习，从而发现数据系统中各种数据之间的关联，再根据现有的相关数据信息，预测电力数据服务管理中心的未来发展状态。

人工智能技术可实现电力数据服务的预测和管理优化。预测功能是指根据现阶段获取的数据信息从而推断电力数据服务管理中心未来的发展方向，开启隐藏电力数据分析的路径。管理优化人工智能技术可提高电力数据服务管理性能及范围，并根据预测数据库的演变性质作出未来的管理方向，因此人工智能的应用可以有效解决电力数据服务管理平台在运行过程中存在的很多问题。

1.3 电力数据管理负载中的应用

在管理电力数据时，应建立负载平衡策略[6]。负载平衡策略可以有效地管理此时电力数据中出现的负载，避免出现由于负载过多导致的电力数据管理效率低下的问题。

首先，设计负载的分布式组成，将数据访问的路径设置为分布式访问模式，一旦产生访问负载，优先利用此模式调整负载中冗余数据。其次，提升数据分发传输的整体速率，将数据的访问通知书下达到每个电力数据管理的通道中，加快各个通道中数据的传输速率。再次，利用负载平衡法，导出已经经过数据处理后的负载，提升整个数据管理中心的效率。最后，在处理中控制好电量数据分布、数据传输速率以及负载均衡3个差异变量。除此之外，文件访问通常是不可预测的，需要提前准备，避免发生不可预测的故障。

2 实验分析

为了验证基于人工智能的电力数据服务管理在应用过程中的有效性，将其与传统的数据服务管理方法进行对比，以响应时间为对比指标进行对比验证。

2.1 实验准备

实验测试模块选取NameNode核心数据检测模块，负责在检测电力数据服务平台中存储和管理的所有电力数据，数据模块结构如图2所示。

图2 数据模块结构图

由图2可知，电力数据管理平台是利用数据模块结构为基础，对电力数据服务进行管理。此时模块中的子节点管理的所有分支被分为多个部分运行，使用各个部分的序号作为标签就可以找到数据所属的组织。每个组织包含一个由PARENT GLOBAL ID指向一个数据列表的节点值，列表中所有的电力数据具有相同指数，即位于同一个目录下。

2.2 实验结果与讨论

采用本文设计的基于人工智能的电力数据服务管理方法和传统的数据服务管理方法分别进行6次循环管理，确定各方法的管理响应时间，结果如表1所示。

表1 管理响应时间 单位：s

由表1可知，本文设计的基于人工智能的电力数据服务管理方法的管理响应时间远低于传统的数据服务管理方法，具有省时性。由此证明，人工智能可以缩短电力数据服务管理的响应时间。

3 结 论

人工智能的普及为我国各行各业都带来了便利，利用人工智能管理数据信息可以有效减少其数据服务管理的响应时间，实验也验证了本文设计的基于人工智能的电力数据服务管理方法具有省时性，有一定的应用价值。但由于人工智能技术一直处于不断进步的状态，因此还需要在后续的应用中进一步优化。