CN112308538B - 一种多类型园区用户主动服务数据交互方法 - Google Patents

Abstract

本发明涉及供配电自动化技术领域，提出了一种多类型园区用户主动服务数据交互方法，包括步骤S1：基于OGG实时同步、ETL抽取技术实现远端系统与多类型园区用户主动服务软件系统数据同步共享；步骤S2：基于Kafka、Webservice技术与园区各设备接口集成；步骤S3：基于IEC61970/61968的数据交互模型，实现多类型园区用户主动服务软件与远程智能运维管控平台的数据交互；步骤S4：基于K‑medoid聚类分析方法实现异常数据校核；步骤S5：基于混沌序列，对多类型园区用户主动服务软件与两大平台间的通信数据进行加密处理；步骤S6：基于多类型集成技术下的接口监控，实现对接口的综合监控。通过上述技术方案，解决了现有技术中多主体园区供电系统主动服务程度低的问题。

Description

一种多类型园区用户主动服务数据交互方法

技术领域

本发明涉及供配电自动化技术领域，具体的，涉及一种多类型园区用户主动服务数据交互方法。

背景技术

供电园区内包含发电厂商、政府部门、售电企业、配电运维企业等多个主体，不同主体间的差异性及其所带来的管理方式、方法的改变大大不同。国内主动服务技术研究及应用验证领域的研究主要集中在供电服务指挥平台领域，对于新形势下的增量配电园区的主动服务具有一定借鉴作用，但是无法解决出现的配电园区多主体、多信息交互等问题。因此，主动服务软件如何在园区多主体不同管理方式、通信方式环境下实现主动服务，成为一个重要问题。

发明内容

本发明提出一种多类型园区用户主动服务数据交互方法，解决了现有技术中多主体园区供电系统主动服务程度低的问题。

本发明的技术方案如下：

一种多类型园区用户主动服务数据交互方法，用于实现多类型园区用户主动服务软件与电网公司供电服务指挥平台、远程智能运维管控平台的数据交互，包括：

步骤S1：基于OGG实时同步和ETL抽取技术实现电力设备、用户基础台账及位置拓扑数据与多类型园区用户主动服务软件系统数据同步共享；

步骤S2：基于Kafka和Webservice技术与园区各设备接口集成，按周期采集投诉、意见、咨询、故障、抢修、停电数据；

步骤S3：基于IEC61970/61968的数据交互模型，实现多类型园区用户主动服务软件与远程智能运维管控平台的数据交互，包括电网分析模型、停电信息、故障抢修进度、用能监测、设备异常信息、风险预警信息；

步骤S4：基于K-medoid聚类分析方法实现异常数据校核；

步骤S5：基于混沌序列，对多类型园区用户主动服务软件与电网公司供电服务指挥平台、远程智能运维管控平台间的通信数据进行加密处理；

步骤S6：基于多类型集成技术下的接口监控，实现对接口的运行状态监控、异常告警、处置恢复技术的综合监控。

进一步，步骤S2具体为：

步骤S21：定时任务线程池与园区各设备接口进行集成；

步骤S22：通过向定时任务线程池添加周期任务，实现按照固定周期采集投诉、咨询、故障、停电数据，并通过构造函数来调节后台线程的个数与设备数量，定时任务线程池按照设定的时间间隔调用设备接口获得最新的数据，并将数据写入Kafka；

步骤S23：根据获得的数据量设置Kafka的Consumer与Partition值，保证Consumer处理Partition信息的效率，Consumer处理完信息后将数据存入OpenTSDB；

步骤S24：设置OpenTSDB的数据库连接，完成投诉、咨询、故障、停电数据接入主动服务软件，对数据进行存储。

进一步，步骤S4具体为：

步骤S41：最优聚类个数的确认：根据平方误差准则确定最优聚类个数，计算公式如下：

其中，SSD为样本中所有数据的平方误差之和；p代表数据点；m_i代表类别C_i的中心点；k为聚类个数，对SSD求导，斜率为0的点对应的类数为最优的聚类个数；

步骤S42：初始聚类中心的确定：根据粒子群算法生成k个对象作为初始的聚类中心，首先随机选择初始搜索粒子，确定粒子的位置与速度；然后不断更新粒子的位置与速度，直至找到最佳位置，粒子速度的更新公式如下：

其中，x_ij(t)表示第t次迭代过程中第i个粒子在第j维的坐标，p_ij(t)表示第t次迭代过程中第i个粒子的个体最优位置在第j维的坐标，g_j(t)表示第t次迭代过程中种群的历史最优位置在第j维的坐标，v_ij(t)表示第t次迭代过程中第i个粒子在第j维的速度，v_ij(t+1)表示第t+1次迭代过程中第i个粒子在第j维的速度，v_j,max是种群在第j维的最大速度，c_l(l＝1,2)为学习因子，为[0，1]区间的随机数；

粒子位置的更新公式如下：

x_ij(t+1)＝x_ij(t)+v_ij(t+1) (4-4)

重复更新粒子位置与速度的更新公式，直至达到最大迭代次数或适应度值不再变化，输出对应的粒子即为初始聚类中心；

步骤S43：计算样本点与各个聚类中心的距离，每个样本与距离其最近的聚类中心组成一类；

步骤S44：更新聚类中心：与类内各点距离之和最小的点作为新的聚类中心；

步骤S45：不良数据的判定：重复步骤S43～S44，直到聚类中心不再变化或者每一类中的点不再变化为止，聚类内数据点数少于总数据量的20％时，判定为不良数据。

进一步，步骤S5具体为：

步骤S51：通过对Logistic映射进行迭代，得到混沌序列c₁,c₂,...c_n，Logistic映射计算公式如下：

x_n+1＝μx_n(1-x_n)，n∈Z (5-1)

其中，x_n+1为第n+1次的混沌序列；x_n为第n次的混沌序列；μ为控制参数(0<μ<4)，μ越大，混沌性越强，产生的密匙随机性更好；

步骤S52：将Logistic映射产生的混沌数转化为二进制，若Logistic映射生成的数小于0.5，则转化为0；Logistic映射生成的数大于0.5，则转化为1；

步骤S53：将转化后的二进制混沌序列作为初始密匙。

进一步，步骤S6具体为：

步骤S61：调用接口时，记录本次调用的服务器、接口、时间、服务、时长、是否异常信息，并形成一条基础数据；

步骤S62：接口在调用过程中如果出现错误，则将异常信息则写进监控日志；

步骤S63：在监控日志查看页面通过选择时间、服务、接口、错误类型来查询相关错误日志，通过对日志进行查找获取接口异常信息，对接口的异常情况进行实时监控；

步骤S64：邮件发送：出现异常时通过邮件发送异常信息至相关负责人；

步骤S65：异常恢复：异常类型分为两种，系统异常发送给系统开发人员，底层异常发送给底层服务负责人，开发人员与相关负责人根据接收到的邮件对异常情况进行分析与恢复。

本发明的工作原理及有益效果为：

本发明首先基于OGG实时同步、ETL抽取等技术实现电力设备、用户基础台账及位置拓扑数据与多类型园区用户主动服务软件系统数据同步共享；基于Kafka、Webservice等技术实现投诉、意见、咨询等业务信息，采集数据、故障、抢修、停电数据等与多类型园区用户主动服务软件系统实时双向共享；基于IEC61970/61968的数据交互模型实现多类型园区用户主动服务软件与电网公司供电服务指挥平台、远程智能运维管控平台的交互、互联；通过上述过程实现了主动服务软件系统与电力设备、用户基础台账、采集数据、故障停电数据等的数据同步共享后，基于K-medoid聚类分析方法实现异常数据校核，清除异常数据；同时，基于数据安全防护技术保障多类型园区用户主动服务软件与电网公司供电服务指挥平台、远程智能运维管控平台间数据交换过程中的数据安全；最后，基于多类型集成技术下的接口监控，实现对接口的运行状态监控、异常告警、处置恢复技术等的综合监控，提升园区供电系统故障主动发现能力和服务能力，降低现场服务成本，增强公司在园区优质用户中的竞争力。通过向各类园区内的多元化用户提供精益化的智能运维和高效的主动服务，能够保障用户安全生产，降低用户的用能成本和经营风险，支撑用户稳健经营发展。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明方法流程图；

具体实施方式

下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都涉及本发明保护的范围。

如图1所示，为本实施例多类型园区用户主动服务数据交互方法流程图，包括

步骤S1：基于OGG实时同步和ETL抽取技术实现电力设备、用户基础台账及位置拓扑数据与多类型园区用户主动服务软件系统数据同步共享；

步骤S2：基于Kafka和Webservice技术与园区各设备接口集成，按周期采集投诉、意见、咨询、故障、抢修、停电数据；

步骤S3：基于IEC61970/61968的数据交互模型，实现多类型园区用户主动服务软件与远程智能运维管控平台的数据交互，包括电网分析模型、停电信息、故障抢修进度、用能监测、设备异常信息、风险预警信息；

步骤S4：基于K-medoid聚类分析方法实现异常数据校核；

步骤S5：基于混沌序列，对多类型园区用户主动服务软件与电网公司供电服务指挥平台、远程智能运维管控平台间的通信数据进行加密处理；

步骤S6：基于多类型集成技术下的接口监控，实现对接口的运行状态监控、异常告警、处置恢复技术的综合监控。

本实施例首先基于OGG实时同步和ETL抽取等技术实现电力设备、用户基础台账及位置拓扑数据与多类型园区用户主动服务软件系统数据同步共享；基于Kafka和Webservice等技术实现投诉、意见、咨询等业务信息，采集数据、故障、抢修、停电数据等与多类型园区用户主动服务软件系统实时双向共享；基于IEC61970/61968的数据交互模型实现多类型园区用户主动服务软件与电网公司供电服务指挥平台、远程智能运维管控平台的交互、互联；通过上述过程实现了主动服务软件系统与电力设备、用户基础台账、采集数据、故障停电数据等的数据同步共享后，基于K-medoid聚类分析方法实现异常数据校核，清除异常数据；同时，基于数据安全防护技术保障多类型园区用户主动服务软件与电网公司供电服务指挥平台、远程智能运维管控平台间数据交换过程中的数据安全；最后，基于多类型集成技术下的接口监控，实现对接口的运行状态监控、异常告警、处置恢复技术等的综合监控，提升园区供电系统故障主动发现能力和服务能力，降低现场服务成本，增强公司在园区优质用户中的竞争力。通过向各类园区内的多元化用户提供精益化的智能运维和高效的主动服务，能够保障用户安全生产，降低用户的用能成本和经营风险，支撑用户稳健经营发展。

其中，步骤S1中多类型园区用户主动服务软件系统数据同步共享步骤如下：

步骤S11：与PMS系统数据共享：PMS系统包括变电站、主变、线路、变压器等设备的基础台账信息。PMS系统里的数据通过ETL方式传送至PMS系统，再推送至省数据中心。主动服务软件系统同样通过ETL方式从省数据中心抽取系统所需要的台账数据。

步骤S12：与营销业务应用系统数据共享：营销业务应用系统数据包括馈线、台区、表箱、用户、计量点等基本信息，大量数据通过OGG方式传送至营销数据平台，再通过JDBC方式推送至省数据中心，供主动服务软件系统使用。

步骤S13：与OMS/SCADA系统数据共享：SCADA系统数据包括集成站内接线拓扑模型、断路器运行状态、节点的24小时有功功率、无功功率等数据。数据通过调控中心生成CIM/E文件，省数据中心对CIM/E文件进行解析，通过JDBC连接方式写入数据中心的结构化数据区，主动服务软件系统可定期从省数据中心获取所需的基础数据。

步骤S14：与用电信息采集系统数据共享：用电信息采集系统数据包括用户计量点三相功率因数、三相无功功率、三相有功功率、三相电压、三相电流等数据。数据通过标准接口方式进行传送，主动服务软件系统也通过标准接口方式获得所需数据。

步骤S3中，IEC61970/61968标准包括CIM与CIS部分，CIM采用面向对象的标准对电力系统的元件设备档案参数、运行状况进行描述。CIM下包含许多个包：电网分析模型属于拓扑包，停电信息属于停运包，设备异常信息、故障抢修进度属于电线包，用能监测属于量测包，风险预警属于保护包。CIM采用XML格式语言对电气设备进行定义与描述，分段开关为例，通过XML文件可以获得该隔离开关的名称，ID，电压等级，所属变电站，开断等基本信息，进而对该条线路是否正常运行，故障抢修进度等信息进行判断分析。可以对CIM下不同的包的线路、节点、变压器、母线、无功补偿设备、断路器等设备的XML语言进行解析与数据交互，主动服务软件根据得到的XML文件进行解析分类，得到园区电网分析模型、停电信息、故障抢修进度、用能监测、设备异常信息、风险预警等信息。并且由于配电网元件众多，CIM数据量大，每次主动服务软件解析CIM数据会耗时较长，因此可提前将CIM模型数据的XML语言解析，然后存入数据库中，需要某种元件只需通过相关的表就可以提取出相应的元件参数信息。

进一步，步骤S2具体为：

步骤S21：定时任务线程池与园区各设备接口进行集成；

步骤S22：通过向定时任务线程池添加周期任务，实现按照固定周期采集投诉、咨询、故障、停电数据，并通过构造函数来调节后台线程的个数与设备数量，定时任务线程池按照设定的时间间隔调用设备接口获得最新的数据，并将数据写入Kafka；

步骤S23：根据获得的数据量设置Kafka的Consumer与Partition值，保证Consumer处理Partition信息的效率，Consumer处理完信息后将数据存入OpenTSDB；

步骤S24：设置OpenTSDB的数据库连接，完成投诉、咨询、故障、停电数据接入主动服务软件，对数据进行存储。

进一步，步骤S4具体为：

步骤S41：最优聚类个数的确认：根据平方误差准则确定最优聚类个数，计算公式如下：

其中，SSD为样本中所有数据的平方误差之和；p代表数据点；m_i代表类别C_i的中心点；k为聚类个数，对SSD求导，斜率为0的点对应的类数为最优的聚类个数；

步骤S42：初始聚类中心的确定：根据粒子群算法生成k个对象作为初始的聚类中心，首先随机选择初始搜索粒子，确定粒子的位置与速度；然后不断更新粒子的位置与速度，直至找到最佳位置，粒子速度的更新公式如下：

其中，x_ij(t)表示第t次迭代过程中第i个粒子在第j维的坐标，p_ij(t)表示第t次迭代过程中第i个粒子的个体最优位置在第j维的坐标，g_j(t)表示第t次迭代过程中种群的历史最优位置在第j维的坐标，v_ij(t)表示第t次迭代过程中第i个粒子在第j维的速度，v_ij(t+1)表示第t+1次迭代过程中第i个粒子在第j维的速度，v_j,max是种群在第j维的最大速度，c_l(l＝1,2)为学习因子，为[0，1]区间的随机数；

粒子位置的更新公式如下：

x_ij(t+1)＝x_ij(t)+v_ij(t+1) (4-4)

重复更新粒子位置与速度的更新公式，直至达到最大迭代次数或适应度值不再变化，输出对应的粒子即为初始聚类中心；

步骤S43：计算样本点与各个聚类中心的距离，每个样本与距离其最近的聚类中心组成一类；

步骤S44：更新聚类中心：与类内各点距离之和最小的点作为新的聚类中心；

步骤S45：不良数据的判定：重复步骤S43～S44，直到聚类中心不再变化或者每一类中的点不再变化为止，聚类内数据点数少于总数据量的20％时，判定为不良数据。

在步骤S42中，传统的方法是随机生成初始聚类中心，本实施例采用粒子群算法来生成初始聚类中心，这样确定出的初始聚类中心更接近最终的聚类中心，减少步骤S43～S44循环的次数，有利于提高整体计算的快速性和准确性。

进一步，基于数据安全防护技术保障多类型园区用户主动服务软件与电网公司供电服务指挥平台、远程智能运维管控平台间数据交换过程中的数据安全。传统的数据安全防护技术包括隧道技术与加密技术，隧道技术通过将原始数据封装，数据获取端获得封装的数据后先解封，再得到所需数据，安全性能较好。但传统的加密技术存在着较高风险，由于密匙固定，一旦被破解，数据极容易被盗窃；利用随机数自动生成初始密匙的方法，由于密匙空间有限，也容易被破解与攻击。基于混沌序列，对传统的加密技术进行改进，可以大大提升密匙安全性。基于混沌序列的加密算法步骤如下：

①通过对Logistic映射进行迭代，得到混沌序列c₁,c₂,...c_n。Logistic映射计算公式如下：

x_n+1＝μx_n(1-x_n)，n∈Z (5-1)

其中，x_n+1为第n+1次的混沌序列；x_n为第n次的混沌序列；μ为控制参数(0<μ<4)，μ越大，混沌性越强，产生的密匙随机性更好。

②将Logistic映射产生的混沌数转化为二进制。若Logistic映射生成的数小于0.5，则转化为0；Logistic映射生成的数大于0.5，则转化为1。

③将转化后的二进制混沌序列作为初始密匙。

最后对主动服务软件获得的数据增加加锁机制，对得到的电力设备、用户基础台账、采集数据、故障停电数据等进行冻结，防止数据篡改、盗窃，提高数据的保密性与安全性。且当一个线程访问该类的某个数据时，进行保护，其他线程不能进行访问直到该线程读取完，其他线程才可使用。

进一步，步骤S6具体包括：

步骤S61：每次调用接口，记录本次调用的服务器、接口、时间、服务、时长、是否异常等信息，并形成一条基础数据。

步骤S62：接口在调用过程中如果出现错误，则将异常信息则写进日志。

步骤S63：在监控日志查看页面通过选择时间、服务、接口、错误类型来查询相关错误日志。通过对日志进行查找获取接口异常信息，对接口的异常情况进行实时监控。

步骤S64：邮件发送：出现异常则通过邮件发送异常信息至相关负责人。邮件发送会用到服务表，日志表，邮件信息表，服务和负责人对应信息表。发送邮件首先获取上次记录的时间和当前时间，并使用ifsuccessflag做标记，记录整个过程执行成功还是失败。然后根据服务名称、开始时间、结束时间从EmailInfo中获取的接口异常信息，包含接口名称、日志类型、等级、描述信息。

步骤S65：异常恢复：异常类型分为两种，系统异常发送给系统开发人员，底层异常发送给底层服务负责人。开发人员与相关负责人根据接收到的邮件对异常情况进行分析与恢复。

以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种多类型园区用户主动服务数据交互方法，用于实现多类型园区用户主动服务软件与电网公司供电服务指挥平台、远程智能运维管控平台的数据交互，其特征在于，包括：

步骤S1：基于OGG实时同步和ETL抽取技术实现电力设备、用户基础台账及位置拓扑数据与多类型园区用户主动服务软件系统数据同步共享；

步骤S2：基于Kafka和Webservice技术与园区各设备接口集成，按周期采集投诉、意见、咨询、故障、抢修、停电数据；

步骤S3：基于IEC61970/61968的数据交互模型，实现多类型园区用户主动服务软件与远程智能运维管控平台的数据交互，包括电网分析模型、停电信息、故障抢修进度、用能监测、设备异常信息、风险预警信息；

步骤S4：基于K-medoid聚类分析方法实现异常数据校核；

步骤S5：基于混沌序列，对多类型园区用户主动服务软件与电网公司供电服务指挥平台、远程智能运维管控平台间的通信数据进行加密处理；

步骤S6：基于多类型集成技术下的接口监控，实现对接口的运行状态监控、异常告警、处置恢复技术的综合监控；

步骤S4具体为：

步骤S41：最优聚类个数的确认：根据平方误差准则确定最优聚类个数，计算公式如下：

其中，SSD为样本中所有数据的平方误差之和；p代表数据点；m_i代表类别C_i的中心点；k为聚类个数，对SSD求导，斜率为0的点对应的类数为最优的聚类个数；

步骤S42：初始聚类中心的确定：根据粒子群算法生成k个对象作为初始的聚类中心，首先随机选择初始搜索粒子，确定粒子的位置与速度；然后不断更新粒子的位置与速度，直至找到最佳位置，粒子速度的更新公式如下：

其中，x_ij(t)表示第t次迭代过程中第i个粒子在第j维的坐标，p_ij(t)表示第t次迭代过程中第i个粒子的个体最优位置在第j维的坐标，g_j(t)表示第t次迭代过程中种群的历史最优位置在第j维的坐标，v_ij(t)表示第t次迭代过程中第i个粒子在第j维的速度，v_ij(t+1)表示第t+1次迭代过程中第i个粒子在第j维的速度，v_j,max是种群在第j维的最大速度，c_l(l＝1,2)为学习因子，为[0，1]区间的随机数；

粒子位置的更新公式如下：

x_ij(t+1)＝x_ij(t)+v_ij(t+1) (4-4)

重复更新粒子位置与速度的更新公式，直至达到最大迭代次数或适应度值不再变化，输出对应的粒子即为初始聚类中心；

步骤S43：计算样本点与各个聚类中心的距离，每个样本与距离其最近的聚类中心组成一类；

步骤S44：更新聚类中心：与类内各点距离之和最小的点作为新的聚类中心；

步骤S45：不良数据的判定：重复步骤S43～S44，直到聚类中心不再变化或者每一类中的点不再变化为止，聚类内数据点数少于总数据量的20％时，判定为不良数据；

步骤S5具体为：

步骤S51：通过对Logistic映射进行迭代，得到混沌序列c₁,c₂,...c_n，Logistic映射计算公式如下：

x_n+1＝μx_n(1-x_n)，n∈Z (5-1)

其中，x_n+1为第n+1次的混沌序列；x_n为第n次的混沌序列；μ为控制参数(0<μ<4)，μ越大，混沌性越强，产生的密匙随机性更好；

步骤S52：将Logistic映射产生的混沌数转化为二进制，若Logistic映射生成的数小于0.5，则转化为0；Logistic映射生成的数大于0.5，则转化为1；

步骤S53：将转化后的二进制混沌序列作为初始密匙。

2.根据权利要求1所述的一种多类型园区用户主动服务数据交互方法，其特征在于，步骤S2具体为：

步骤S21：定时任务线程池与园区各设备接口进行集成；

步骤S22：通过向定时任务线程池添加周期任务，实现按照固定周期采集投诉、咨询、故障、停电数据，并通过构造函数来调节后台线程的个数与设备数量，定时任务线程池按照设定的时间间隔调用设备接口获得最新的数据，并将数据写入Kafka；

步骤S23：根据获得的数据量设置Kafka的Consumer与Partition值，保证Consumer处理Partition信息的效率，Consumer处理完信息后将数据存入OpenTSDB；

步骤S24：设置OpenTSDB的数据库连接，完成投诉、咨询、故障、停电数据接入主动服务软件，对数据进行存储。

3.根据权利要求1所述的一种多类型园区用户主动服务数据交互方法，其特征在于，步骤S6具体为：

步骤S61：调用接口时，记录本次调用的服务器、接口、时间、服务、时长、是否异常信息，并形成一条基础数据；

步骤S62：接口在调用过程中如果出现错误，则将异常信息则写进监控日志；

步骤S63：在监控日志查看页面通过选择时间、服务、接口、错误类型来查询相关错误日志，通过对日志进行查找获取接口异常信息，对接口的异常情况进行实时监控；

步骤S64：邮件发送：出现异常时通过邮件发送异常信息至相关负责人；

步骤S65：异常恢复：异常类型分为两种，系统异常发送给系统开发人员，底层异常发送给底层服务负责人，开发人员与相关负责人根据接收到的邮件对异常情况进行分析与恢复。

Images