大数据技术在能源互联网企业数据管理中的应用

2022-06-01罗庆璇

设备管理与维修 2022年8期

罗庆璇

（国网宁夏电力公司宁东供电公司，宁夏银川 750001）

0 引言

大数据技术是在科技不断进步与发展中，提出的一种用于对数据进行实时分析、对数据进行价值挖掘的综合技术。随着大数据技术在市场内的推进，传统的数据处理手段、数据运维方式、数据管理工具便逐渐被淘汰。而产生此种现象的原因主要是传统的数据处理技术在实际应用中，极易出现运维死角、大批量数据处理卡顿等问题，无法在根本层面对数据信息的安全性、结构稳定性给予保障[1]。而新技术的引进，解决了传统技术存在的不足与漏洞，改变了原有落后的数据处理技术，实现基于智能化层面达到对信息的高效率处理需求。尽管这项技术的引进基于某种层面为社会企业的建设与发展带来了新的指导方向，但与此同时企业在经济市场内的竞争趋势也越发显著。为了确保大数据技术的应用可在真正意义上做到对企业发展的推动，文章以能源互联网企业为例，对其在市场内运营所产生的数据进行获取[2]。并结合大数据技术在此过程中的应用，设计一种可真正应用于企业的数据管理方法，避免企业运营中过多的冗余数据对其造成影响，降低企业人工管理大批量数据所需要投入的资金，全面落实对企业数据管理结构的优化，有效提升企业数据管理效率。

1 基于大数据技术的能源互联网企业数据管理方法

1.1 基于大数据技术的企业价值数据挖掘

以能源互联网企业为例，引进大数据技术对企业内部价值数据与信息进行挖掘定位。在此过程中，应先明确能源互联网企业内部数据信息的构成，采用建立企业内部多个工作部门之间联系的方式，对企业数据进行概述（图1）[3]。

图1 能源互联网企业数据构成

按照图1 所示的企业数据构成，结合大数据在此过程中可支撑的分布式结构，将数据N 与信息M 按照HDFS 的方式，存储在企业内部计算机指定空间内。在这一过程中采用Python 编程语言构建系统数据存储模块。

在此基础上，需要识别高风险数据在Python 编程过程中的编码队列特征，使用大数据技术定位并掌握不同类型数据集合潜在的某种规律性[4]。结合约减算法实现对大批量数据呈现的特征进行有效识别。并使用计算机在此过程中作为终端设备，建立面向能源互联网企业的文本资源库。将存在某种特征的企业数据进行深度处理，处理过程可参照深度学习理论执行。对企业数据的深度处理过程可用式（1）表示。

式中，si表示为企业价值数据潜在规律；d 表示为对企业数据的深度处理行为；i 表示为大批量数据集合在编码过程中的排列规则；s 表示为数据在Python 编码器中的字符长度；T 表示为对数据的一个处理周期；t 表示为数据单次执行过程。

在完成对能源互联网企业的初步计算与处理后，输出s 数据集合，并将s 集合数据进行叠加处理，删除数据组中的冗余数据内容，将剩余数据按照规模导出，以此作为企业的价值数据。

1.2 基于层次结构划分企业市场运营管理项目

在完成对企业价值数据的挖掘基础上，以能源互联网企业为例，基于层次结构的指示下，对能源互联网企业在市场中的运营与组织项目进行划分[5]。在此过程中，可参照柯克帕特里克层次评估模型结构，将能源互联网企业内部运营与组织管理项目按照实际内容划分为4 个部分（表1）。

如表1 所示，通过多渠道与多手段，对能源互联网企业的管理项目层次结构进行划分，以实现对企业数据中心管理项目的高效率输出。

表1 基于层次结构划分人力资源管理项目

1.3 高效率企业数据集成管理

在对能源互联网企业数据信息集成管理的过程中，考虑到很多管理数据在类型以及格式方面存在不统一的现象，因此，基于大数据的集成功能，将高绩效人力资源信息相关管理数据统一集成管理[6]。通过此种方式，保证数据信息之间能够相互调用，满足企业对数据提出的综合管理现实需求。

不仅如此，还能够基于大数据，在众多信息中提取数据源信息，将其作为核心数据，以HTTY 的统一格式归类到能源互联网企业内部数据库中。完成上述操作后，相关管理人员便可以直接通过数据库，对企业数据信息执行相应的添加、修改、删除等管理行为。

在研究过程中，考虑到计算机数据运行存在的内存问题，对此，采用分布式存储方式，在保证数据存储完成性的同时，最大限度地降低其内存[7]。与此同时，在集成管理企业数据的过程中，应为数据信息提供相关的安全保护功能，在数据库的信息能够有效避免由于恶意入侵导致信息丢失以及被篡改的问题。以此，完成基于大数据技术的能源互联网企业数据管理方法的综合设计。

2 对比实验

至此，在理论层面上已完成了针对能源互联网企业的数据管理方法理论设计，为进一步实现以能源互联网企业为导向的数据综合管理，将所提设计的数据管理方法与传统数据管理方法，同时应用于同一能源互联网企业当中，并在完成对企业内大批量数据的综合管理后，验证两种管理方法的实际应用效果。

实验中，选择能源互联网企业作为对比实验的实验条件，分别利用两种数据管理方法执行对数据的管理，该企业在市场运行中产生的数据量较大，且该单位在经济市场内的成立时间较长，主要经营业务为：提供各类信息技术开发方案、技术咨询方案、通信问题解决方案等。针对该企业的实际运行情况，利用HPWS 绘制企业内部运营数据变化趋势指标图，并给出相应的待管理数据集合及数据管理要求，以此为后续两种方法在管理过程中提供执行管理行为的目标条件。能源互联网企业的运营数据量在同行业当中处于相对领先的地位，也正由于如此，企业才能够在市场内保持相对稳定的发展。通过访谈、实践等方式更加深入地了解该企业，并以此为例，深入开展对能源互联网企业数据管理的研究。为确保对比实验的公正性，将两种方法的运行环境均设置成图2形式。

除图2 运行条件以外，两种方法在执行中的硬件环境均设置为550 G 容量硬盘、55 G 内存服务器和4 G 内存客户端。软件环境设置为Windows Server 18.6 服务器、浏览器客户端。结合图1 中的系统运行环境，在确保能源互联网企业内部数据可有效传输的前提下，使用两种方法进行数据的集成管理，并在其运行过程中由企业内部管理部门人员完成对相关数据信息的记录。为方便对两种方法进行对比，将数据信息的管理效率作为评价指标，其计算公式为：完成管理的信息/需要进行管理的信息总量×100%。通过计算得出相应的实验结果，并将其记录如表2 所示（本次研究以企业一个工作日为例）。

图2 企业内部数据运行环境示意

表2 两种方法实验结果对比 %

从表2 的实验结果可以看出，所提方法的管理效率均在95.0%以上，而传统方法的管理效率最高仅为78.4%，因此所提方法的管理效率明显高于传统方法。通过对比实验进一步证明，针对能源互联网企业设计的基于大数据技术的数据管理方法，在实际应用中，具有更高的管理效率，能够有效提高能源互联网企业内部信息资源的管理效率，促进新能源企业的可持续发展。