一种基于数据模型驱动的电网资源业务中台架构方法与流程

1.本发明属于大数据平台领域，尤其涉及一种基于数据模型驱动的电网资源业务中台架构方法。


背景技术：

2.电网数据模型是实现电网信息化与数字化的基础，是变革业务模式方式与促进电网技术升级的核心支撑，是推进设备管理、设备运维、设备检修参与能源信息化、虚拟化的基本前提。为了变革电网资源业务的模式方式与促进电网技术升级，推进电网资源、设备管理、设备运维、设备检修参与能源信息化与虚拟化，亟需构建统一的电网资源业务中台来融合电网资源业务数据以消除数据维护孤岛、打破数据访问壁垒。
3.电网资源业务中台是具有标准化模型数据、标准化服务接口，以及基础共性业务能力的聚合体，是区别于传统单体式业务系统的新型基础架构平台。为了发挥电网资源业务中台中的数据效益，电网资源业务中台中融合了大量与电网资源、设备、业务相关的服务，例如针对电网资源与设备的管理服务、针对电网运行的实时检测服务以及针对电网拓扑的动态图像共享服务等，由于面向电网的服务庞杂，不同服务的高峰期低峰期不同且实时变动较大，增加了电网资源业务中台的资源分配难度，且现有的资源分配策略大多仅根据当前资源情况进行统一分配，难以适用于服务资源情况变化复杂、服务特性多样的电网资源业务中台。


技术实现要素：

4.在电网业务中台建设方面，现阶段大多以业务部门为单位独立维护各自的数据平台，因其建模方式、数据格式定义等方面存在不一致的情况，增加了构建电网业务中台的难度，为了解决上述存在的缺点和不足，本发明提出了一种基于数据模型驱动的电网资源业务中台架构方法，包括：s100：获取实时业务需求，对所述实时业务需求进行实体抽取，得到所述实时业务需求中的核心类实体和应用类实体；s200：分别针对核心类实体的电网运行逻辑、电力设备全寿命周期以及运维检修过程，建立统一数据模型，所述统一数据模型包括电网资源模型、设备资产模型以及运维检修模型；s300：基于应用类实体构建电网资源业务中台中的共享服务中心，对应所述统一数据模型确定共享服务中心之间的服务链路，通过所述服务链路形成电网资源业务中台架构；s400：根据所述服务链路中共享服务中心的历史服务指标进行历史服务画像，根据电网资源业务中台中所有共享服务中心的实时服务指标进行实时服务画像，结合历史服务画像和实时服务画像动态生成待弹性资源分配服务列表；s500：基于服务链路的服务特性，对待弹性资源分配服务列表进行服务匹配，根据
服务匹配结果更新资源池，基于弹性分配策略通过资源池对电网资源业务中台的架构进行动态优化。
5.可选的，s200包括：根据核心类实体的电网运行逻辑建立电网资源模型，所述电网资源模型包括电网的一次设备、二次设备的网络拓扑以及电气参数的逻辑模型；根据核心类实体的电力设备全寿命周期建立设备资产模型，所述设备资产模型包括设备的采购、入库、投运、维护、检修、退役的寿命阶段模型；根据核心类实体的运维检修过程建立运维检修模型，所述运维检修模型包括检修工具管理、检修计划管理、运维计划管理、验收管理以及设备报废管理的过程模型。
6.可选的，所述共享服务中心包括用于维护电网静态台账信息的一级中心、与应用类实体对应的用于动态管理中台数据的二级中心以及用于电网业务拓展应用的三级中心，其中，所述一级中心包括电网资产中心、电网资源中心、电网拓扑中心以及作业资源中心，所述二级中心包括模型管理中心、测点管理中心、计量应用中心以及电网环境中心，所述三级中心包括电网图形中心、设备状态中心、电网分析中心以及作业管理中心。
7.可选的，所述s300包括：对于电网资源模型，所述服务链路包括所述电网资源中心分别与所述电网图形中心、所述电网分析中心以及所述作业管理中心建立服务链路，以及所述电网拓扑中心分别与所述电网图形中心、所述设备状态中心以及所述电网分析中心建立服务链路；对于设备资产模型，所述服务链路包括所述电网资产中心分别与所述设备状态中心、所述作业管理中心建立服务链路；对于运维检修模型，所述服务链路包括所述作业资源中心与所述作业管理中心建立服务链路。
8.可选的，所述s400包括：s410：将历史服务指标分别输入不同的时间序列预测模型中，得到服务链路的高峰期预测区间，根据服务链路在高峰期预测区间下的服务情况，生成高峰期服务画像和低峰期服务画像的预测推荐结果；s420：根据实时服务指标，对电网资源业务中台中所有共享服务中心的服务进行高峰期低峰期实时检测，得到高峰期服务画像和低峰期服务画像的实时推荐结果；s430：将预测推荐结果和实时推荐结果进行过滤合并，得到高峰期推荐服务和低峰期推荐服务；s440：分别过滤掉所述高峰期推荐服务中不需要扩容的服务，以及所述低峰期推荐服务中不需要缩容的服务，由过滤后的高峰期推荐服务和低峰期推荐服务生成待弹性资源分配服务列表。
9.可选的，所述s410包括：将历史服务指标分别输入若干个不同的时间序列预测模型中，得到若干个高峰期中间值的预测结果；对所述预测结果进行加权平均处理，得到基准时间值，结合电网资源业务中台的服务高峰期平均时长以及时间偏移量，计算服务链路的高峰期预测区间。
10.可选的，所述高峰期预测区间为[recomm_time
ꢀ‑ꢀ
average_time/2
ꢀ‑ꢀ
offset_
time/2, recomm_time average_time/2 offset_time/2]，其中，recomm_time表示基准时间值，average_time表示服务高峰期平均时长，offset_time表示时间偏移量。
[0011]
可选的，所述s420包括：基于预设周期获取各个服务的实时运行特征，若实时运行特征连续超过预设阈值的次数达到预设定值时，将所述服务标记为高峰期服务，否则标记为低峰期服务。
[0012]
可选的，所述s500包括：区分待弹性资源分配服务列表中的高峰期推荐服务和低峰期推荐服务，确定高峰期推荐服务的服务特性，基于服务特征对高峰期推荐服务和低峰期推荐服务进行匹配，得到具有相同服务特性的低峰期推荐服务；将匹配得到的低峰期推荐服务的空闲资源回收到资源池中，通过生成弹性分配策略，将资源池中的空闲资源分配给高峰期推荐服务；其中，所述服务特性包括cpu密集型、io密集型以及gpu密集型。
[0013]
可选的，所述历史服务指标和实时服务指标包括服务的io操作次数、cpu利用率、网络延迟、实时qps、qps预设阈值、请求平均延时、依赖服务以及平均耗时阈值。
[0014]
本发明提供的技术方案带来的有益效果是：本技术面向电网资源业务中台的数据模型顶层框架设计，将电网的电网运行逻辑、电力设备全寿命周期以及运维检修过程以模型驱动的形式，统一融合至电网资源业务中台的服务架构，在打破数据访问与应用的壁垒的同时，兼顾了电网资源业务中台面向用户的应用服务，在电网资源业务中台的架构中增加了共享服务中心。
[0015]
为了解决电网资源业务中台过于庞杂的架构带来的服务资源分配问题，本技术通过历史与实时的服务指标特征结合的服务画像手段，并结合电网资源业务中台中各个共享服务中心的服务特性，实现电网资源业务中台的动态弹性资源分配，提高了电网资源业务中台提供应用服务的效率。
附图说明
[0016]
为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0017]
图1为本发明实施例提出的一种基于数据模型驱动的电网资源业务中台架构方法的流程示意图；图2为核心类实体和应用类实体的示意图；图3为共享服务中心之间的服务链路示意图。
具体实施方式
[0018]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0019]
应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序
的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0020]
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
[0021]
实施例如图1所示，本实施例提出了一种基于数据模型驱动的电网资源业务中台架构方法，包括：s100：获取实时业务需求，对所述实时业务需求进行实体抽取，得到所述实时业务需求中的核心类实体和应用类实体；s200：分别针对核心类实体的电网运行逻辑、电力设备全寿命周期以及运维检修过程，建立统一数据模型，所述统一数据模型包括电网资源模型、设备资产模型以及运维检修模型；s300：基于应用类实体构建电网资源业务中台中的共享服务中心，对应所述统一数据模型确定共享服务中心之间的服务链路，通过所述服务链路形成电网资源业务中台架构；s400：获取所述服务链路中的共享服务中心的历史服务指标，结合电网资源业务中台中所有共享服务中心的高峰期低峰期实时检测进行服务画像，根据服务画像的结果动态生成待弹性资源分配服务列表；s500：基于服务链路的服务特性，对待弹性资源分配服务列表进行服务匹配，根据服务匹配结果更新资源池，基于弹性分配策略通过资源池对电网资源业务中台的架构进行动态优化。
[0022]
在本实施例中，电网业务中台是一种集标准化模型数据、标准化服务接口，以及基础共性业务能力的互联网数据集中处理平台，是区别于传统单体式业务系统的新型基础架构平台。在电网业务中台中，能够将电网业务以共享应用的形式集合到统一通用的数据平台上，从而达到消除电网业务数据孤岛、打破数据访问壁垒的作用。
[0023]
本实施例从数据统一建模的角度出发，提出面向电网资源业务中台的统一建模方式，打通电网资源数据、设备资产、量测采集数据的整合壁垒，消除数据孤岛，推动数据质量提升，发挥数据功效效益。同时，通过设置一系列共享应用中心促进设备描述规范全面、电网连接准确合理、数据组织逻辑清晰、图形服务动态共享，以及推动多专业协同、全业务融合、全面提升设电网数字化中台。
[0024]
在本实施例中，所述核心类实体和应用类实体如图2所示，其中，所述核心类实体为电网的基本业务元素，包括：（1）电网资源(power system resource)，如发电机组、输电线路、变电站及辅助设备、换流站直流线路以及电网拓扑等电网单元模块；（2）设备资产(asset)，如输电（架空、电缆、管网）、变电（一次及辅助设备）、配电、用电等单个电力设备；（3）运检业务(activity record、document)，如工作计划与排程、工序与过程、结果与报告等电网具体业务。
[0025]
所述应用类实体为对应电网的辅助业务的各类数据元素，包括：（1）量测数据(measurement)，如实时电压、实时电流等电气量测值；
（2）位置(location)，如资产位置、气象位置等；（3）环境(environmental information)，如雷电、覆冰、山火、台风、地质灾害等。
[0026]
在本实施例中，主要以电网资源(power system resource) 、设备资产(asset)、运检业务(activity record、document)为核心，以量测数据(measurement)、位置(location)、环境(environmental information)简介关联核心类实体，用于描述电气环境以及自然环境对电网的影响。
[0027]
在本实施例中，所述统一数据模型对应3个核心类实体的电网运行逻辑、电力设备全寿命周期以及运维检修过程分别建立，即所述统一数据模型包括电网资源模型框架、设备资产模型框架以及运维检修模型框架。其中，所述核心类实体的电网运行逻辑包括电网的一次设备、二次设备的网络拓扑以及电气参数的逻辑关系，所述核心类实体的电力设备全寿命周期包括设备的采购、入库、投运、维护、检修、退役的阶段模型，所述核心类实体的运维检修过程包括检修工具管理、检修计划管理、运维计划管理、验收管理以及设备报废管理的过程。
[0028]
由此可见，在本实施例中，对应电网资源的统一数据模型为逻辑关系模型，是从电网运行的视角对所有电压等级的一次设备、二次装置进行逻辑建模，并侧重于描述电网设备功能、电气参数和网络拓扑，主要内容包括电网一次设备的容器关系、连接关系、设备电气参数、电气量测值等。
[0029]
对应设备资产的统一数据模型为设备资产管理阶段模型，是从单个物理实体的视角对资产建模，反映资产的采购、入库、投运、维护、检修、退役等全寿命周期过程，其中资产模型通过设备的投运和退役业务过程和电网资源模型建立和移除关联关系，主要内容包括资产的容器关系、一二次设备资产参数、设备资产状态、环境条件、资产评价分析模型等。
[0030]
对应运检业务的统一数据模型为运维检修过程模型，是从电网设备运维、检修、评价、报废等视角对设备管理涉及到的业务对象统一建模，主要内容包括异动管理作业工具管理、计划管理、运维管理、检修管理、检测管理、验收管理、评价管理、状态监测、报废管理、技改大修管理、工程管理等。
[0031]
在上述统一数据模型的基础上，本实施例通过共享应用中心对所述统一数据模型进行具体扩充，为此本实施例基于上述应用类实体，将电网业务功能解耦为12个共享应用中心，其中包含的一级中心、二级中心、三级中心的关系架构如图3所示，所述一级中心包括电网资产中心、电网资源中心、电网拓扑中心以及作业资源中心，所述二级中心包括模型管理中心、测点管理中心、计量应用中心以及电网环境中心，所述三级中心包括电网图形中心、设备状态中心、电网分析中心以及作业管理中心。电网资产中心、电网资源中心、电网拓扑中心、作业资源中心主要维护电网静态台账信息，模型管理中心实现中心各类电网资产、电网资源以及运检业务模型的管理功能，测点管理中心、计量应用中心、电网环境中心主要维护电网动态采集数据，电网图形中心、设备状态中心、电网分析中心、作业管理中心主要贴近电网业务。具体的：所述电网资产中心围绕电网设备、通道设施、架空线路走廊、辅助系统等实物资产，以精益管理为主线，支撑运行、检修、维护、供应商履约等业务开展。对外提供电网资产的新增、转资、备品备件管理、折旧、退役报废、盘点、信息查询和维护等功能；其核心服务包括资产信息查询、资产全寿命周期管理、资产大事记管理。
[0032]
所述电网资源中心以描述客观电网为目标，通过抽象并维护电网一次设备、辅助量测设备、终端设备、直流设备、抽水蓄能、常规水电、发电设备以及分布式电源等设备的对象、属性及关系，实现电网资源的统一维护，以及系统级、变电站级、馈线级、台区级电网资源的有序管理。其核心服务包括电网资源的查询、格式转化、模型映射及维护等功能。其核心服务包括资源查询、资源管理。
[0033]
所述电网拓扑中心通过对电网拓扑的维护、分析、存储，实现电网规划、建设、运行多态下的电网拓扑网络关系的管理；提供最短连通路径、电源追溯、停供电范围分析、连通区域分析、供电半径分析、大馈线与低压台区拓扑分析、联络线路分析、设备树分析、站间联络分析、站室图分析等功能。
[0034]
所述作业资源中心基于车辆、工器具、仪器仪表、作业人员、无人机、机器人等作业资源，实现资源分配、调拨、台账管理。其核心服务包括作业资源查询、统计、增删改、定位。
[0035]
所述模型管理中心通过维护、更新、发布元数据，即时满足电网业务和计算分析的需求。在模型合规度、关联度、可信度、可用度、贯通性以及图模一致性、信息交互等方面提供常态化认证，保障电网模型标准化。其核心服务包括元数据管理、模型检测、版本管理。
[0036]
所述测点管理中心对电气量信息、设备运行状态信息、运行环境信息、拓扑识别信息等感知测点进行运维管理，对各电压等级电网的测点进行定义，构建测点与一次设备间的关联关系，实现测点设备接入管理、测点分析管理、测点设备监测和配置管理。对外提供测量设备、传感设备、遥感设备等感知测点的台账、量测数据、异常事件的查询与维护等功能；其核心服务包括测点台账管理、量测数据查询、事件订阅与查询。
[0037]
所述计量应用中心围绕计量类相关业务的开展，实现计量设备的接入管理、配置管理、计量点与上级设备间的关联关系维护、计量类异常事件告警管理。其核心服务包括计量设备的实时采集信息、冻结采集信息、事件类信息的查询。
[0038]
所述电网环境中心整合影响电网安全运行的雷电、覆冰、山火、台风、地质灾害等环境信息的预（报）警数据，实现对电网设备、线路通道的自然灾害分析。其核心服务包括电网环境信息的查询、监测预警、规律分析、风险评估、中长期预报分析。
[0039]
所述电网图形中心为各共享应用中心、跨专业应用、多态业务应用提供一体化、一站式图形服务，实现图形和应用的灵活的前端展示、友好人机交互、多维度分析。其核心服务包括空间查询、gis出图、专题图出图、专题图成图。
[0040]
所述设备状态中心以电网设备为主体，基于资产信息、资源信息、拓扑信息，以及设备运行信息、设备本体感知信息、环境信息等，实现设备运行状态的多维分析和评估。设备状态中心提供设备运行状态的查询、多维评价、预警、异常设备清单查询等功能。
[0041]
所述电网分析中心通过电网图模、量测类、作业类、气象环境类等信息，实现电源、电网到用户的全网分析。其核心服务包括电网相关的安全分析、经济分析、可靠性分析、运行状态分析、状态估计、潮流分析。
[0042]
所述作业管理中心围绕电网设备，依据作业标准，结合现场实际需求，精准把控作业工作流程与业务逻辑，实现各类作业的标准化管理，支撑巡视、检测、故障抢修、消缺、检修计划执行、试验、带电作业等电网作业的规范开展。其核心服务包括缺陷分析与查询、检修计划查询与维护、故障查询、巡视计划查询与维护、隐患分析与查询、带电作业计划查询与维护、试验记录查询与维护。
[0043]
本实施例通过上述过程构建电网资源业务中台的基本架构，在基本架构的基础上根据业务需求形成共享服务中心之间的服务链路，包括：对于电网资源模型，所述服务链路包括所述电网资源中心分别与所述电网图形中心、所述电网分析中心以及所述作业管理中心建立服务链路，以及所述电网拓扑中心分别与所述电网图形中心、所述设备状态中心以及所述电网分析中心建立服务链路；对于设备资产模型，所述服务链路包括所述电网资产中心分别与所述设备状态中心、所述作业管理中心建立服务链路；对于运维检修模型，所述服务链路包括所述作业资源中心与所述作业管理中心建立服务链路。
[0044]
需要注意的是，本实施例中所述共享应用中心之间的交互关系不局限于图3所示的关系，图3仅表示本实施例的交互关系的一种定义情况，在其他实施例中，随着统一数据模型的不同，其交互关系的定义情况也不同。
[0045]
本实施例基于数据模型快速得到针对不同业务需求的电网资源业务中台架构，摒弃了传统单体式应用系统存在重复开发、分散存储、多重交互弊病，通过整合输电线路、变电站、中压馈线、低压台区与用户、分布式电源与微网等各类电网资源数据，实现统一标准与同源维护，同时融合常用共性业务至中台，形成基础、稳定的服务能力，可支撑各类业务应用灵活构建、快速迭代。
[0046]
本实施例为了解决电网资源业务中台复杂多变的服务资源分配问题，通过对所述服务链路进行服务画像实现资源的弹性分配。本实施例中，构建服务画像的主要目的是检测和预测服务的高峰期和低峰期。由于服务具有不同的高峰期和低峰期，那么就可以回收低峰期服务的多余的资源分配给其他高峰期的服务。
[0047]
具体的，所述s400包括：s410：将历史服务指标分别输入不同的时间序列预测模型中，得到服务链路的高峰期预测区间，根据服务链路在高峰期预测区间下的服务情况，生成高峰期服务和低峰期服务的预测推荐结果；s420：对电网资源业务中台的所有服务进行高峰期低峰期实时检测，得到高峰期服务和低峰期服务的实时推荐结果；s430：将预测推荐结果和实时推荐结果进行过滤合并，得到高峰期推荐服务和低峰期推荐服务；s440：分别过滤掉所述高峰期推荐服务中不需要扩容的服务，以及所述低峰期推荐服务中不需要缩容的服务，根据过滤情况动态生成待弹性资源分配服务列表。
[0048]
其中，所述s410包括：将历史服务指标分别输入若干个不同的时间序列预测模型中，得到若干个高峰期中间值的预测结果；本实施例中，所述时间序列预测模型包括auto-arima、neural_prophet和exponential smoothing等模型；对所述预测结果进行加权平均处理，得到基准时间值，结合电网资源业务中台的服务高峰期平均时长以及时间偏移量，计算服务链路的高峰期预测区间，所述高峰期预测区间为[recomm_time
ꢀ‑ꢀ
average_time/2
ꢀ‑ꢀ
offset_time/2, recomm_time average_time/2 offset_time/2]，其中，recomm_time表示基准时间值，average_time表示服务高
峰期平均时长，offset_time表示时间偏移量。
[0049]
所述s420包括：基于预设周期获取各个服务的实时运行特征，若实时运行特征连续超过预设阈值的次数达到预设定值时，将所述服务标记为高峰期服务，否则标记为低峰期服务。
[0050]
在本实施例中，为了防止服务抖动，s420每隔20s执行一次，并循环2-4次，若连续3次实时运行特征超过预设阈值，则判定为高峰期服务。
[0051]
在本实施例中，为了准确筛选出明确需要弹性分配资源的服务，s430中将预测推荐结果和实时推荐结果进行过滤合并的具体过程为：确定预测推荐结果中的高峰期服务h1和低峰期服务l1，再确定实时推荐结果中的高峰期服务h2和低峰期服务l2。在过滤合并时，将h1和h2的交集作为高峰期推荐服务，由于所述交集中的服务在当前和未来都处于高峰期的概率较高，说明这些服务的资源紧缺情况更严重，可作为高峰期推荐服务；将l1和l2的并集作为低峰期推荐服务，并集中的服务确保为有能力调度出空闲资源的服务。通过上述过程，能够准确筛选出服务链路中需要被分配资源的高峰期服务和能够分配资源的低峰期服务。相比于常规的弹性资源分配方式，本实施例通过s400对参与弹性分配的服务的范围进行精准限缩，能够更适用于服务情况变化频繁的电网资源业务中台。
[0052]
在本实施例中，所述待弹性资源分配服务列表通过数据同步服务定时同步到redis中，再由redis定时发送任务，以触发电网资源业务中台的弹性资源分配与回收执行引擎执行s500。
[0053]
所述s500包括：区分待弹性资源分配服务列表中的高峰期推荐服务和低峰期推荐服务，确定高峰期推荐服务的服务特性，筛选出具有相同服务特性的低峰期推荐服务；将筛选出的低峰期推荐服务的空闲资源回收到资源池中，通过生成弹性分配策略，将资源池中的空闲资源分配给高峰期推荐服务；其中，所述服务特性包括cpu密集型、io密集型以及gpu密集型。
[0054]
在本实施例中，所述弹性分配策略基于服务链路的服务特性配置，例如当前服务链路因涉及三级应用中的电网图形中心，因此判定为gpu密集型。在进行弹性资源分配时，弹性分配策略将在待弹性资源分配服务列表优先选择gpu密集型的低峰期推荐服务服务，并且在这些低峰期推荐服务服务中，优先选择属于这个服务链路的服务的空闲资源，从而既确保空闲资源满足服务特性，又最大限度的提高了资源分配效率。
[0055]
在本实施例中，所述弹性分配策略采用json格式进行配置，并通过数据同步服务将弹性分配策略同步到redis中。
[0056]
上述实施例中的各个序号仅仅为了描述，不代表各部件的组装或使用过程中的先后顺序。
[0057]
以上所述仅为本发明的实施例，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。