论文部分内容阅读
摘要：智能运维是基于机器学习等人工智能算法，分析挖掘运维大数据，并利用自动化工具实施运维决策的过程。因此，智能运维的技术主要组成是运维大数据平台、智能分析决策组件、自动化工具。智能决策的重点是实现协同，协同智能透过智能决策将系统本身和子系统之间，在业务功能上实现空间和时间的双重协同。
关键词：大数据、人工智能、智能运维、智能决策
一、序言
社会的发展与进步离不开对电力的需求，一个国家的电力配置对其发展进步具有重要影响。现阶段，我国电力系统发展十分迅速，信息网络技术不断被应用到电力配置中，配电网智能信息化已经成为未来电力技术发展的重要趋势。随着新技术浪潮的再次革命，移动互联网和大数据技术处理、分析、运用的升级，必将诞生全新行业的专业运作模式。设备检修维护是指对设备和系统进行必要的监视、维修和运维养护，通过日常的维护使设备保持良好的状态，确保设备安全、稳定、经济运行。运维，本质上是对网络、服务器、服务的生命周期各个阶段的运营与维护，在成本、稳定性、效率上达成一致可接受的状态。
目前电测设备厂家在生产过程中都是按照自己设想的规约来规定仪表的通信。迫使我们日常工作中面对纷繁杂乱的数据交换方式。大大限制了电测产品新技术的应用和自动校验技术的开发以及数据的交换。所以，建立一套适用性灵活性强的通信规约标准及相应的软件平台，对统一网内电测设备的检定方法和过程，保证检定数据的准确可靠具有必要性和技术意义。
二、智能运维
智能运维（AIOps， Artificial Intelligence for IT Operations）是指通过机器学习等人工智能算法，自动地从海量运维数据中学习并总结规则，并作出智能决策的运维方式。智能运维是基于机器学习等人工智能算法，分析挖掘运维大数据，并利用自动化工具实施运维决策的过程。智能运维能快速分析处理海量数据，并得出有效的运维决策，执行自动化脚本以实现对系统的整体运维，能有效运维大规模系统。
如今，科研机构、互联网机构、金融行业、技术厂商，当前智能运维研究与应用在国内外各行业中都属于起步阶段，Gartner的报告中也做出预测：智能运维在2020年在一半以上的企业中落地并形成生产力，智能运维已经成为科研机构研究的热点，并在高利润、低成本的驱动下，互联网公司、大型金融机构、大型IT技术公司走在了智能运维工程应用方面的前列。
智能运维的建设是从无到有的过程，是从局部单点应用的探索到单点能力完善，再到形成解决某个局部问题的一个过程，最终将各个智能运维场景相结合，形成一体化智能运维能力。
数据是智能运维落地的基础，首先需要建立运维大数据平台，对运维数据进行采集、分析、计算、存储，并定义标准化的指标体系，对运维数据进行萃取，积累大量的可用的运维数据。
以性能指标体系为例，可对操作系统、数据库、中间件等应用建立可供分析的性能指标体系，并在系统运行中获取性能数据，以此来刻画各应用的正常状态、异常状态的画像，为后续的检测、预测、分析等提供基础的运维知识图谱数据。
智能运维是基于机器学习等人工智能算法，分析挖掘运维大数据，并利用自动化工具实施运维决策的过程。因此，智能运维的技术主要组成是运维大数据平台、智能分析决策组件、自动化工具。
运维大数据平台用于對各种运维数据进行采集、处理、存储、展示的统一平台。运维数据包含监控数据、日志数据、配置信息等
大数据平台所存储的数据，按照所更新的频率可分为静态数据和动态数据。静态数据主要包含CMDB数据、变更管理数据、流程管理数据、平台配置信息数据等。
参考大数据平台的架构，运维大数据平台由数据采集层、数据存储层、数据分析建模层、展示层等组成
智能运维组件是利用人工智能算法，根据具体的运维场景、业务规则或专家经验等构建的组件，类似于程序中的API或公共库，它具有可重用、可演进、可了解的特性。智能运维组件按照功能类型可分为两大类，分别是运维知识图谱类和动态决策类。
① 运维知识图谱类组件
运维知识图谱类的组件是通过多种算法挖掘运维历史数据，从而得出运维主体各类特性画像和规律，以及运维主体之间的关系，形成运维知识图谱。
② 动态决策类组件
动态决策类组件则是在已经挖掘好的运维知识图谱的基础上，利用实时监控数据作出实时决策，最终形成运维策略库。实时决策主要有异常检测、故障定位、故障处置、故障规避等。
三、功能研究实现
具体实现电测设备智能运维及决策相关应用功能：
通过识别URL，确定文件的存储方式，然后找到对应存储接口获取不同厂家的检测报告，设置需要读取的特定表格，清洗过滤不需要的表格;抽取文档中的检测数据并进行匹配，图片不会被读取，表格中的数据会被放在字符串的最后，读取每一行每一列数据，过滤不需要的非结构化数据并输出当前单元格的数据;针对被检电测设备，结合历史检定数据进行稳定性变化趋势评估;对同一被检电测设备不同时间数据进行纵向横向比对，实现设备性能的合理准确评估，给出是否需要技改等建议;
据IDC的一项调查报告中指出：企业中80%的数据都是非结构化数据，这些数据每年都按指数增长60%。据报道指出：平均只有1%-5%的数据是结构化的数据。如今，这种迅猛增长的从不使用的数据在企业里消耗着复杂而昂贵的一级存储的存储容量。传统关系数据库擅长解决结构化数据管理问题，在管理非结构化数据方面存在某些先天不足之处，尤其在处理海量非结构化信息时更是面临巨大挑战。
因此，智能运维及决策应用功能的研究实现，其主要发明内容为非结构化数据的智能存储。非结构化数据是数据结构不规则或不完整，没有预定义的数据模型，不方便用数据库二维逻辑来表现的数据。现基于智慧电科院管控平台技术架构设计、信息融合智能处理模型，结合设计的应用场景，研究平台架构、开发技术和数据挖掘计算算法，实现电测设备智能运维及决策相关应用功能 四、智能决策
近年来，在“以信息化带动工业化，以工业化促进信息化”战略架构的指引下，我国电力系统的信息化建设取得了巨大进展，电力系统发电，输电，配电，用电等各个环节的信息化和智能化程度不断提高，引建设备智能化的电网已成为未来电网发展的方向。
智能决策的重点是实现协同，协同智能透过智能决策将系统本身和子系统之间，在业务功能上实现空间和时间的双重协同。智能决策就是针对决策目标，对各空间分布的资源实施有效优化配置;若按照阶段性目标分割，就是规划;按照细目标分割就是计划，按照具体事件切割，就是工作指令。
在技術系统转型过程中，传统运维模式面临“安全运行、人力紧缺、远程运维”三大挑战，有必要引入人工智能来辅助甚至部分替代人工决策，提升运维质量和效率。
当前主流运维技术已从自动化运维向智能运维发展，利用人工智能来辅助甚至部分替代人工决策，可以进一步提升运维质量和效率。
技术发展中产生的问题必须依靠技术来解决，只有在运维领域引入新技术、新思路、新体系，才能更好地提升运维水平，更好地保障系统安全稳定高效的运行。
美国电力研究院（EPRI）和施工规范协会（CSI）的统计数据表明，在电网系统实施状态检修可以提高设备利用率2%～10%，节约检修费用25%～30%，延长设备使用寿命10%～15%。
大数据的意义最终可以归结到一点：提升决策的水平和智能化程度。决策是管理的核心，科学决策是现代企业管理的核心。企业决策关系到企业运营的生死、兴衰、盈亏。智能决策就是利用电脑帮助或替代人脑对未来做出最优判断。智能决策是当下新技术革命中必须研究发展的重要领域。决策的层次也是我们研究智能决策的基础概念。每个决策层次就是一个相对独立的系统，有自己的系统结构，也有与系统本身进行物资、能源、信息交换的系统环境。决策系统从低层次到高层次层层分割嵌套，形成一个完整的系统。
五、结论
现阶段建立一套适用性灵活性强的通信规约标准及相应的软件平台，对统一网内电测设备的检定方法和过程，保证检定数据的准确可靠具有必要性和技术意义。技术标准对技术进步和技术交流具有很大的促进作用。
展望未来，电测设备通信规约的统一、规范，开发研究成熟以后，还可应用于电力系统其他交叉专业的设备，例如变电站综合自动化装置，使得变电站交流测控单元能够与电测校验装置正常通信，实现自动化校验，打破目前存在的瓶颈。
参考文献
[1]陈林博、何支军、焦振海等：智能运维发展史及核心技术研究
[2]南涨浪. 配电网智能信息化发展及其展望[J]. 通信电源技术， 2019， 036（002）：269-270.
[3]徐永华、王州波等：电力需求侧管理与决策技术.电气时代2011.01
作者简介
杨莉，女，高工，硕士学位，云南电网有限责任公司电力科学研究院三级助理技术专家，主要开展物联网技术和信息化技术在电网领域的应用研究
关键词：大数据、人工智能、智能运维、智能决策
一、序言
社会的发展与进步离不开对电力的需求，一个国家的电力配置对其发展进步具有重要影响。现阶段，我国电力系统发展十分迅速，信息网络技术不断被应用到电力配置中，配电网智能信息化已经成为未来电力技术发展的重要趋势。随着新技术浪潮的再次革命，移动互联网和大数据技术处理、分析、运用的升级，必将诞生全新行业的专业运作模式。设备检修维护是指对设备和系统进行必要的监视、维修和运维养护，通过日常的维护使设备保持良好的状态，确保设备安全、稳定、经济运行。运维，本质上是对网络、服务器、服务的生命周期各个阶段的运营与维护，在成本、稳定性、效率上达成一致可接受的状态。
目前电测设备厂家在生产过程中都是按照自己设想的规约来规定仪表的通信。迫使我们日常工作中面对纷繁杂乱的数据交换方式。大大限制了电测产品新技术的应用和自动校验技术的开发以及数据的交换。所以，建立一套适用性灵活性强的通信规约标准及相应的软件平台，对统一网内电测设备的检定方法和过程，保证检定数据的准确可靠具有必要性和技术意义。
二、智能运维
智能运维（AIOps， Artificial Intelligence for IT Operations）是指通过机器学习等人工智能算法，自动地从海量运维数据中学习并总结规则，并作出智能决策的运维方式。智能运维是基于机器学习等人工智能算法，分析挖掘运维大数据，并利用自动化工具实施运维决策的过程。智能运维能快速分析处理海量数据，并得出有效的运维决策，执行自动化脚本以实现对系统的整体运维，能有效运维大规模系统。
如今，科研机构、互联网机构、金融行业、技术厂商，当前智能运维研究与应用在国内外各行业中都属于起步阶段，Gartner的报告中也做出预测：智能运维在2020年在一半以上的企业中落地并形成生产力，智能运维已经成为科研机构研究的热点，并在高利润、低成本的驱动下，互联网公司、大型金融机构、大型IT技术公司走在了智能运维工程应用方面的前列。
智能运维的建设是从无到有的过程，是从局部单点应用的探索到单点能力完善，再到形成解决某个局部问题的一个过程，最终将各个智能运维场景相结合，形成一体化智能运维能力。
数据是智能运维落地的基础，首先需要建立运维大数据平台，对运维数据进行采集、分析、计算、存储，并定义标准化的指标体系，对运维数据进行萃取，积累大量的可用的运维数据。
以性能指标体系为例，可对操作系统、数据库、中间件等应用建立可供分析的性能指标体系，并在系统运行中获取性能数据，以此来刻画各应用的正常状态、异常状态的画像，为后续的检测、预测、分析等提供基础的运维知识图谱数据。
智能运维是基于机器学习等人工智能算法，分析挖掘运维大数据，并利用自动化工具实施运维决策的过程。因此，智能运维的技术主要组成是运维大数据平台、智能分析决策组件、自动化工具。
运维大数据平台用于對各种运维数据进行采集、处理、存储、展示的统一平台。运维数据包含监控数据、日志数据、配置信息等
大数据平台所存储的数据，按照所更新的频率可分为静态数据和动态数据。静态数据主要包含CMDB数据、变更管理数据、流程管理数据、平台配置信息数据等。
参考大数据平台的架构，运维大数据平台由数据采集层、数据存储层、数据分析建模层、展示层等组成
智能运维组件是利用人工智能算法，根据具体的运维场景、业务规则或专家经验等构建的组件，类似于程序中的API或公共库，它具有可重用、可演进、可了解的特性。智能运维组件按照功能类型可分为两大类，分别是运维知识图谱类和动态决策类。
① 运维知识图谱类组件
运维知识图谱类的组件是通过多种算法挖掘运维历史数据，从而得出运维主体各类特性画像和规律，以及运维主体之间的关系，形成运维知识图谱。
② 动态决策类组件
动态决策类组件则是在已经挖掘好的运维知识图谱的基础上，利用实时监控数据作出实时决策，最终形成运维策略库。实时决策主要有异常检测、故障定位、故障处置、故障规避等。
三、功能研究实现
具体实现电测设备智能运维及决策相关应用功能：
通过识别URL，确定文件的存储方式，然后找到对应存储接口获取不同厂家的检测报告，设置需要读取的特定表格，清洗过滤不需要的表格;抽取文档中的检测数据并进行匹配，图片不会被读取，表格中的数据会被放在字符串的最后，读取每一行每一列数据，过滤不需要的非结构化数据并输出当前单元格的数据;针对被检电测设备，结合历史检定数据进行稳定性变化趋势评估;对同一被检电测设备不同时间数据进行纵向横向比对，实现设备性能的合理准确评估，给出是否需要技改等建议;
据IDC的一项调查报告中指出：企业中80%的数据都是非结构化数据，这些数据每年都按指数增长60%。据报道指出：平均只有1%-5%的数据是结构化的数据。如今，这种迅猛增长的从不使用的数据在企业里消耗着复杂而昂贵的一级存储的存储容量。传统关系数据库擅长解决结构化数据管理问题，在管理非结构化数据方面存在某些先天不足之处，尤其在处理海量非结构化信息时更是面临巨大挑战。
因此，智能运维及决策应用功能的研究实现，其主要发明内容为非结构化数据的智能存储。非结构化数据是数据结构不规则或不完整，没有预定义的数据模型，不方便用数据库二维逻辑来表现的数据。现基于智慧电科院管控平台技术架构设计、信息融合智能处理模型，结合设计的应用场景，研究平台架构、开发技术和数据挖掘计算算法，实现电测设备智能运维及决策相关应用功能 四、智能决策
近年来，在“以信息化带动工业化，以工业化促进信息化”战略架构的指引下，我国电力系统的信息化建设取得了巨大进展，电力系统发电，输电，配电，用电等各个环节的信息化和智能化程度不断提高，引建设备智能化的电网已成为未来电网发展的方向。
智能决策的重点是实现协同，协同智能透过智能决策将系统本身和子系统之间，在业务功能上实现空间和时间的双重协同。智能决策就是针对决策目标，对各空间分布的资源实施有效优化配置;若按照阶段性目标分割，就是规划;按照细目标分割就是计划，按照具体事件切割，就是工作指令。
在技術系统转型过程中，传统运维模式面临“安全运行、人力紧缺、远程运维”三大挑战，有必要引入人工智能来辅助甚至部分替代人工决策，提升运维质量和效率。
当前主流运维技术已从自动化运维向智能运维发展，利用人工智能来辅助甚至部分替代人工决策，可以进一步提升运维质量和效率。
技术发展中产生的问题必须依靠技术来解决，只有在运维领域引入新技术、新思路、新体系，才能更好地提升运维水平，更好地保障系统安全稳定高效的运行。
美国电力研究院（EPRI）和施工规范协会（CSI）的统计数据表明，在电网系统实施状态检修可以提高设备利用率2%～10%，节约检修费用25%～30%，延长设备使用寿命10%～15%。
大数据的意义最终可以归结到一点：提升决策的水平和智能化程度。决策是管理的核心，科学决策是现代企业管理的核心。企业决策关系到企业运营的生死、兴衰、盈亏。智能决策就是利用电脑帮助或替代人脑对未来做出最优判断。智能决策是当下新技术革命中必须研究发展的重要领域。决策的层次也是我们研究智能决策的基础概念。每个决策层次就是一个相对独立的系统，有自己的系统结构，也有与系统本身进行物资、能源、信息交换的系统环境。决策系统从低层次到高层次层层分割嵌套，形成一个完整的系统。
五、结论
现阶段建立一套适用性灵活性强的通信规约标准及相应的软件平台，对统一网内电测设备的检定方法和过程，保证检定数据的准确可靠具有必要性和技术意义。技术标准对技术进步和技术交流具有很大的促进作用。
展望未来，电测设备通信规约的统一、规范，开发研究成熟以后，还可应用于电力系统其他交叉专业的设备，例如变电站综合自动化装置，使得变电站交流测控单元能够与电测校验装置正常通信，实现自动化校验，打破目前存在的瓶颈。
参考文献
[1]陈林博、何支军、焦振海等：智能运维发展史及核心技术研究
[2]南涨浪. 配电网智能信息化发展及其展望[J]. 通信电源技术， 2019， 036（002）：269-270.
[3]徐永华、王州波等：电力需求侧管理与决策技术.电气时代2011.01
作者简介
杨莉，女，高工，硕士学位，云南电网有限责任公司电力科学研究院三级助理技术专家，主要开展物联网技术和信息化技术在电网领域的应用研究