电网调度实时监测数据与业务管理数据融合的实现方法技术

本发明专利技术涉及数据融合技术领域，具体涉及一种电网调度实时监测数据与业务管理数据融合的实现方法，包括以下步骤：实时采集设备实时监测数据并推送至Kafka实时管道；对设备实时监测数据进行流计算，转换生成可识别的、符合业务应用的实时数据存储至Redis内存数据库中；S3：将计算后的实时监测数据与业务管理数据进行关联后，提供至数据应用层进行展示和应用。本发明专利技术通过调度域设备模型的融合，建立设备实时监测数据与业务管理数据关联的关系，并采用Flink框架和redis内存数据库技术，在现有已实现的电力调度信息化系统的基础上，实现IT与OT的融合，实现电网调度域设备监测数据的实时处理与业务管理信息的关联和融合应用。

【技术实现步骤摘要】
电网调度实时监测数据与业务管理数据融合的实现方法
本专利技术涉及数据融合
，具体涉及一种电网调度实时监测数据与业务管理数据融合的实现方法。
技术介绍
电力调度业务是电网运行中的核心指挥业务，包含获取并监视电网实时信息，分析并判断电网运行情况，协调并指挥电网运行工作。在持续开展的信息化建设中，调度相关监视业务及管理业务分别得到了良好的信息化支撑。电力调度信息系统主要由电网运行监控系统（以下简称OCS系统）和电网运行管理系统（以下简称OMS系统）组成。其中，OCS系统主要用于控制和监控电网实时运行状态，属于OT系统。OCS系统主要实现电网模型建模、电网实时运行信息监视、电网一次设备状态监视和控制、电网潮流监视、电网运行状态监视和告警监视等功能，是保障电网运行可靠性、提高电网安全性与经济效益，提高电网设备实时监控力度，实现电力调度自动化与现代化的重要支撑系统。OMS系统主要用于收集和管理业务流转信息，属于IT系统。OMS系统支撑了电网综合停电、运行风险管控、调度值班、并网管理等调度系统实际生产业务的流转，实现了并网管理类、运行风险管理类、运行计划管理类、运行控制管理类、运行评价与改进管理类、二次系统管理类、运行支持管理类等专业管理功能，有效提升了调度工作质量和管理水平。随着智能电网建设的逐步深入，供电质量要求的不断提高，电网管理单位需要对电网运行状况进行实时的判断和决策分析，并制定相应的管理措施,来进一步保障电网的安全稳定运行。在调度领域，主要是将OMS系统的业务管理数据与OCS系统的设备实时监测数据进行融合，提供业务管理与设备监测相互关联的高级应用，来满足以上针对电网管理的更高要求。但因OMS系统和OCS系统两个系统的技术架构、数据结构存在较大差异，传统的技术手段和方法无法使两个系统进行有效的联通。
技术实现思路
为了解决上述问题，本专利技术提供了电网调度实时监测数据与业务管理数据融合的实现方法，具体技术方案如下：电网调度实时监测数据与业务管理数据融合的实现方法，包括以下步骤：S1：实时数据采集：OCS系统实时采集设备实时监测数据并将设备实时监测数据推送至Kafka实时管道；S2：实时数据计算：对Kafka实时管道推送的设备实时监测数据进行流计算，将接收到的设备实时监测数据进行信息分组、重组、计算、汇总，转换生成可识别的、符合业务应用的实时数据存储至Redis内存数据库中；S3：数据匹配及应用：将计算后的实时监测数据与业务管理数据进行关联后，提供至数据应用层进行展示和应用。优选地，所述步骤S2中是采用Flink流式计算框架对实时监测数据进行流计算。优选地，所述步骤S2中实时数据计算的具体步骤如下：S21：设备实时监测数据通过kafka接口的Producer和Broker组件将数据进行对外推送；S22：Flink流式计算框架的Consumer组件接收Kafka接口推送来的数据，Flink流式计算框架采取并行消费模式，将乱序的设备实时监测数据通过Map算子生成信息系统常用的DataStream格式数据；S23：将设备实时监测数据中的设备ID作为关键值，对设备实时监测数据进行重新排序，并经由分组和聚合后，实现数据的结构化，排列出所有设备的运行状态，形成以时间断面为分组依据，对设备运行状态数据进行分组；Flink流式计算框架源源不断地获取和转换设备实时监测数据，并将设备运行状态数值实时更新至Redis数据库中。优选地，所述应用具体包括：综合停电执行监控、设备跳闸反措。优选地，所述设备跳闸反措具体为：定时读取Redis数据库中所有设备的实时运行状态；当侦测到某设备当前运行状态为异常数值时，则视为该设备出现跳闸情况，将在页面上通过弹窗展示或触发反措管理功能的方式，实现设备跳闸信息的提醒和管理。本专利技术的有益效果为：本专利技术通过调度域设备模型的融合，建立设备实时监测数据与业务管理数据关联的关系，并采用Flink框架和redis内存数据库技术，在现有已实现的电力调度信息化系统的基础上，实现IT与OT的融合，实现电网调度域设备监测数据的实时处理与业务管理信息的关联和融合应用。附图说明图1为本专利技术的流程示意图；图2为Flink流式计算框架结构图；图3为数据计算流程图；图4为实时数据处理的流程图；图5为数据匹配流程图；图6为变电站匹配流程图；图7为设备匹配流程图；图8为设备实时监测数据识别结果页面图；图9为设备跳闸反措管理的功能页面图；图10为综合停电执行监控的功能页面图。具体实施方式为了更好的理解本专利技术，下面结合附图和具体实施例对本专利技术作进一步说明：如图1-4所示，电网调度实时监测数据与业务管理数据融合的实现方法，包括以下步骤：S1：实时数据采集：OCS系统实时采集设备实时监测数据并将设备实时监测数据推送至Kafka实时管道；S2：实时数据计算：对Kafka实时管道推送的设备实时监测数据采用Flink流式计算框架进行流计算，将接收到的设备实时监测数据进行信息分组、重组、计算、汇总，转换生成可识别的、符合业务应用的实时数据存储至Redis内存数据库中。具体步骤如下：S21：设备实时监测数据通过kafka接口的Producer和Broker组件将数据进行对外推送；S22：Flink流式计算框架的Consumer组件接收Kafka接口推送来的数据，Flink流式计算框架采取并行消费模式，将乱序的设备实时监测数据通过Map算子生成信息系统常用的DataStream格式数据。S23：将设备实时监测数据中的设备ID作为关键值，对设备实时监测数据进行重新排序，并经由分组和聚合后，实现数据的结构化，排列出所有设备的运行状态，形成以时间断面为分组依据，对设备运行状态数据进行分组；Flink流式计算框架源源不断地获取和转换设备实时监测数据，并实时地通过Jedis组件将设备运行状态数值实时更新至Redis数据库中。通过数据计算后的结果，可认为是历史数据，可通过TCP/JDBCClient组件，推送至ClickHouse数据库进行接收和存储。另外，数据存储除了存储了历史状态的设备监测数据的ClickHouse数据库、存储了实时状态的设备实时监测数据的Redis数据库外，还包括存储了业务数据的Oracle数据库。通过三种技术组件来实现对数据区不同数据的获取，分别是Jfinal、JDBCClient和Jedis。其中，Jfinal和JDBCClient组件用于实现对ClickHouse数据库和Oracle数据库的数据获取。Jedis组件用于实现对redis数据库的数据获取。S3：数据匹配及应用：将计算后的实时监测数据与业务管理数据进行关联后，提供至数据应用层进行展示和应用。OCS系统提供的设备实时监测数据与OMS系统提供的业务管理类数据都是在设备的基础上，进行不同的操作、观测和管理所得到的数据。本文档来自技高网...

【技术保护点】
1.电网调度实时监测数据与业务管理数据融合的实现方法，其特征在于：包括以下步骤：/nS1：实时数据采集：OCS系统实时采集设备实时监测数据并将设备实时监测数据推送至Kafka实时管道；/nS2：实时数据计算：对Kafka实时管道推送的设备实时监测数据进行流计算，将接收到的设备实时监测数据进行信息分组、重组、计算、汇总，转换生成可识别的、符合业务应用的实时数据存储至Redis内存数据库中；/nS3：数据匹配及应用：将计算后的实时监测数据与业务管理数据进行关联后，提供至数据应用层进行展示和应用。/n

【技术特征摘要】
1.电网调度实时监测数据与业务管理数据融合的实现方法，其特征在于：包括以下步骤：
S1：实时数据采集：OCS系统实时采集设备实时监测数据并将设备实时监测数据推送至Kafka实时管道；
S2：实时数据计算：对Kafka实时管道推送的设备实时监测数据进行流计算，将接收到的设备实时监测数据进行信息分组、重组、计算、汇总，转换生成可识别的、符合业务应用的实时数据存储至Redis内存数据库中；
S3：数据匹配及应用：将计算后的实时监测数据与业务管理数据进行关联后，提供至数据应用层进行展示和应用。


2.根据权利要求1所述的电网调度实时监测数据与业务管理数据融合的实现方法，其特征在于：所述步骤S2中是采用Flink流式计算框架对实时监测数据进行流计算。


3.根据权利要求2所述的电网调度实时监测数据与业务管理数据融合的实现方法，其特征在于：所述步骤S2中实时数据计算的具体步骤如下：
S21：设备实时监测数据通过kafka接口的Producer和Broker组件将数据进行对外推送；
S22：Flink流式计算框架的...

【专利技术属性】
技术研发人员：曹伟，叶桂南，韦昌福，张雄宝，唐羿轩，何伊妮，阮诗迪，宾灿，龚舒，齐鹏辉，郑志豪，韦洪波，
申请(专利权)人：广西电网有限责任公司，
类型：发明
国别省市：广西;45