一种电网业务数据订阅的快速响应方法

摘要

本发明涉及一种电网业务数据订阅的快速响应方法，包括以下步骤：监测全局范围内每个用户发出的订阅信息；建立订阅信息关联模型；利用内存计算空闲时段对订阅信息关联模型中的订阅信息进行预处理并保存；收到某用户订阅信息时，将订阅信息中的内容与预处理数据中订阅信息的内容进行匹配；当匹配完全一致时，则返回该订阅信息对应的预处理数据给用户；当订阅信息中部分内容与预处理数据中订阅信息的部分内容匹配时，则返回预处理数据生成电力业务数据回复给用户；当不匹配时，建立新的订阅信息关联模型并保存。本发明具有电网业务数据快速响应的特性，减少对电网生态系统数据频繁访问，减少数据库访问压力；平衡负载，利用电网生态系统空闲时段算力。

说明书

技术领域

本发明涉及电力系统数据响应的方法，具体的说是一种电网业务数据订阅的快速响应方法。

背景技术

随着电力生态系统的不断发展与扩大，电力系统设备的逐年增加，随着而来的是电力业务数据成几何级增长。而这些电力业务数据大部分为生数据，在电力决策和电网运行管理过程当中不能直接使用，电力用户在使用过程中需要频繁的对这些生数据进行加工、计算处理，得到熟数据，而一份熟数据被多个用户请求，同时电力决策和电网运行管理具有集中性和时效性，从而大大降低了电力生态系统的内存计算和决策效率。

发明内容

针对现有技术的不足，本发明提供一种电网业务数据订阅的快速响应方法，解决了现有数据请求计算模式下，浪费电力生态系统内存计算，集中决策效率不高的问题。

本发明为实现上述目的所采用的技术方案是：一种电网业务数据订阅的快速响应方法，包括以下步骤：

监测全局范围内每个用户发出的订阅信息；

建立订阅信息关联模型；

利用内存计算空闲时段对订阅信息关联模型中的订阅信息进行预处理，并保存预处理数据；

收到某用户订阅信息时，将订阅信息中的内容与预处理数据中订阅信息的内容进行匹配；

当匹配完全一致时，则返回该订阅信息对应的预处理数据给用户；

当订阅信息中部分内容与预处理数据中订阅信息的部分内容匹配时，则返回预处理数据生成电力业务数据回复给用户；

当不匹配时，建立新的订阅信息关联模型并保存。

所述订阅信息包括电力数据类型、电力数据时间属性、电力数据计算规则中的至少一种。

所述内存计算空闲时段包括以下至少一种：

监测内存运行，当运行内存占总内存的比值低于阈值的时段；

运行总线占总线的比值低于阈值的时段；

根据工作高峰期选定的其他时段。

所述订阅信息关联模型包括用户模型和关联模型。

所述对订阅信息关联模型中的订阅信息进行预处理，并保存预处理数据，包括以下步骤：

在至少两个用户模型中存在相同的节点时，获取该节点数值，保存包括该节点、该节点数值、以及对应订阅信息的预处理数据；

所述用户模型为多种节点之间的关联；所述节点包括用户、订阅信息、订阅规则、电力业务数据。

所述对订阅信息关联模型中的订阅信息进行预处理，并保存预处理数据，包括以下步骤：

在关联模型中某一节点与其它种类节点的关联不唯一时，获取该节点数值，保存包括该节点、该节点数值、以及对应订阅信息的预处理数据；

所述关联模型为至少两个用户模型的多种节点之间的关联；所述节点包括用户、订阅信息、订阅规则、电力业务数据。

建立关联模型，包括以下步骤：

建立某用户模型：对用户、订阅信息、订阅规则、电力业务数据之间关联；

将用户模型中的用户、订阅信息、订阅规则、电力业务数据分别作为一个节点，匹配多个用户模型中的同一种类节点；

当不同用户模型中的某一种类节点相同时，将不同用户模型中的该类节点作为一个节点，并保留该节点与不同用户模型中其它种类节点的关联。

所述返回预处理数据生成电力业务数据回复给用户，包括以下步骤：

提取预处理数据内订阅信息中的该部分内容，根据订阅规则进行运算得到电力业务数据，并回复给用户。

所述用户模型或关联模型采用Hadoop Hive存储。

所述预处理数据采用Hadoop Hbase存储。

本发明具有以下有益效果及优点：

本发明具有电网业务数据快速响应的特性，减少对电网生态系统数据频繁访问，减少数据库访问压力；

本发明对电网业务数据进行预处理，设置计算模式，平衡负载，利用电网生态系统空闲时段算力；

本发明对多份订阅请求进行集中计算，大大降低了系统内存计算的浪费。

附图说明

图1是本发明的方法流程图。

具体实施方式

下面结合实施例对本发明做进一步的详细说明。

如图1所示为本发明的方法流程图。

步骤101：接收用户的电力业务数据订阅信息，并解析订阅规则。订阅信息可通过相应软件输入，信息内容可包括电力数据类型、电力数据时间属性、电力数据计算规则。

步骤102：根据订阅信息，生成电力业务数据并返回。当用户完成订阅信息制定后，根据选取电力数据类型、电力数据时间属性、电力数据计算规则，调用电力系统内存进行加工计算，并返回给数据订阅用户。

步骤103：建立订阅信息、订阅规则、用户、电网业务数据关联模型。

步骤104：根据关联模型，进行电网业务预数据处理，并制定订阅消息优先响应策略：分析关联模型，总结电网业务数据访问规律，对订阅信息访问频繁、订阅规则使用广泛、用户组多次访问的电力业务数据，在电网生态系统内存计算空闲时进行预处理。订阅消息优先访问策略包括：订阅消息优先查询关联模型数据，相同订阅消息可立即返回；其次，解析订阅消息，根据订阅规则访问预处理数据，也可快速返回；然后，根据用户组集中请求订阅消息的程度，优先利用系统内存计算，计算集中访问程度高的电力业务数据，并返回。最后，通过步骤102，进行数据返回，同时循环步骤103。

上述步骤在数据服务器中实现。

实例1

用户A订阅某地区的某日电力平衡裕度，其计算公式为电力平衡裕度＝综合发电容量-火电受限容量-旋转备用容量-地区联络线电力-最大用电电力。其中，综合发电容量＝火电装机容量+水电装机容量+风电装机容量+光伏装机容量+核电装机容量+其他发电容量。火电受限容量＝缺煤停机受限+煤质差受限容量。旋转备用容量为各机组选择备用容量之和。地区联络线电力为24小时电力曲线最大值，最大用电电力为地区24小时电力曲线最大值。

建立关联模型为用户A、订阅信息：日电力平衡裕度、订阅规则：日电力平衡裕度＝(火电装机容量+水电装机容量+风电装机容量+光伏装机容量+核电装机容量+其他发电容量)-火电受限容量-旋转备用容量-(地区联络线24小时电力曲线最大值)-(地区用电24小时电力曲线最大)、数据返回：日电力平衡裕度数据。

用户B订阅某地区某日新能源接纳能力，其计算公式为新能源接纳能力＝最大用电电力+地区联络线电力-火电装机容量*(火电最小方式出力/火电最小出力装机)-水电装机容量-核电装机容量-其他发电容量。

建立关联模型为用户B、订阅信息：日新能源接纳能力、订阅规则：日新能源接纳能力＝(地区用电24小时电力曲线最大)+(地区联络线24小时电力曲线最大值)-火电装机容量*(火电最小方式出力/火电最小出力装机)-水电装机容量-核电装机容量-其他发电容量。

其中火电装机容量、水电装机容量、核电装机容量、其他发电容量、风电装机容量、光伏装机容量、火电受限容量、旋转备用容量均为电网运行统计数据，根据现有技术，通过计算电网在运机组数据获取。

根据快速响应策略：

1、假设用户C订阅某日电力平衡裕度，根据关系模型，订阅信息：日电力平衡裕度＝数据返回：某日电力平衡裕度数据。

2、环比用户A订阅信息可得，其订阅信息具备日期连续性，为每日订阅信息，可进行预处理操作。

预处理的执行依据以下原则：

a)根据运行内存判断：数据服务器运行内存占服务器总内存偏低时刻；

b)根据网络条件判断：数据服务器运行总线(I/O)占服务器总线偏低时刻；

c)根据日常工作时间判断：早8点至晚6点为工作时间高峰期，选用其他时段进行预处理操作。

通过上述内存空闲时段处理数据，减少并行处理数据线程，同时段并行任务大量减少，避免了大量同时的数据订阅请求造成的数据库服务器网络阻塞及内存计算压力，提高数据订阅请求的运算效率，提高计算机内部性能利用率及负载平衡。

3、分析用户A与用户B两组关联模型：最大用电电力、地区联络线电力、火电装机容量、水电装机容量、核电装机容量、其他发电容量为两公式共同所有，可优先集中计算，之后再分别参与两公式计算。

本方法涉及关联模型储存和数据存储环节。关联模型存储采用Hadoop Hive；数据存储采用Hadoop Hbase。Hive适合用来对一段时间内的数据进行分析查询，Hive是基于Hadoop构建的一套数据仓库分析系统,将关系模型保存在关系数据库中，大大减少了在查询过程中执行语义检查的时间。由于MapReduce的引入，Hive可以并行访问数据，面对大量的离线数据处理，Hive相较于其他关系型数据库具备明显的计算处理优势；HBase则非常适合用来进行大数据的实时查询，HBase(Hadoop Database)，是一个高可靠性、高性能、面向列、可伸缩、实时读写的分布式数据库。Hbase适合存储PB级别的海量数据，在PB级别的数据以及采用廉价PC存储的情况下，能在几十毫秒内返回数据。