0 引 言

随着“大物移云”，即大数据、物联网、移动互联网、云计算的蓬勃发展，新技术使电力系统在数据量和应用模式上发生了巨大转变[1]，传统的电力运维系统已无法满足信息化电力系统的需求[2]，存在电网企业难以实时监控运维作业过程，无法掌握运维进度[3]、运维管理存在检修安装人员数量不足和检修工程量过大的问题[4]。这些问题不仅会给安全运行带来极大的隐患，而且会造成不良的社会和经济影响。因此，从“大物移云”发展趋势出发，构建新的数据密集型电力运维系统是非常必要和迫切的。

1 电力系统运维管理

电力系统运维管理包括对电力设备软件系统、硬件设备的运维管理，对电力设施及设备台账、软硬件版本、参数/定值信息进行设置，同时包含对客户托管设备的运行状态监测，实现多种能源接入终端基础信息的标准化、一体化，为系统各类应用提供统一的基础数据[5]。

2 系统架构与实现

文中系统主要包括四个子系统：系统界面子系统、应用支撑平台、数据服务子系统、平台服务子系统，分别实现在线运行的配电设备、用户侧用电设备以及其他类型能源设施、设备运行状态监控、维护以及检修管理等功能。

生物源于生活，与民众生活息息相关，生活中各个环节都与生物息息相关。因此，学好生物课程对我们的生活也是十分重要的。而在生活学习的过程中，我们也不能局限于课本上的生物知识，要善于发现身边的生物内容，实现理论与实践之间的结合，将生物理论内容充分运用到实际生活当中，更加全面地了解我们所处的生活环境。

与此同时,骨盆若难以恢复之前紧密的状态,耻骨联合就会长期分离,造成盆骨倾斜,致使肠道的蠕动能力相应减弱,体内的肠道毒素难以排出,最终导致便秘的形成[2]。若盆骨闭合不全则会引起腰部周围的肌肉向两侧扩张,使得腰部的神经因受到挤压而引起剧烈疼痛,而腰部肌肉因也扩张发生僵硬,对血液的正常流通造成影响,引起肩膀腰背的疼痛,脊椎变形、神经麻木、下身肥胖等各种症状的出现。

if(serverFeedback.statusCode==request_type){var body="";

var opt={

图1 系统架构图 Fig.1 System architecture diagram

3 Node.JS简介

采用Node.JS作为后端服务器开发环境，Node.JS是一个基于Chrome V8引擎的JavaScript运行平台，文献[6]从事件驱动，异步非阻塞I/O等方面阐述了Node.JS快速构建网络服务及相关应用。文献[7]提出了前后端分离开发模式，可根据前后端要求提供相应的访问方式。文献[8]提出了非阻塞特性及异步事件驱动模型在高并发网络服务应用，减少了运行资源，提高系统性能。

4 时序数据库(TSDB)

为解决智能电网建设和生产过程中大规模时序数据的快速存储和访问处理难题，以分布式为主要特征的时序数据库系统受到高度关注[9]。文献[10]将时序数据库与当前主流关系数据库技术特点进行比较，总结了时序数据库拥有超大规模数据处理能力和高比例压缩能力的技术创新性。文献[11]进行了加载测试、查询测试实例验证，证明时序数据库在超大规模数据集、高实时性方面能够满足智能电网大数据应用需求。文献[12]从构建服务器集群的角度，提出策略驱动技术实现时序数据的灵活存储与处理，进一步验证了时序数据库的高效性。表1为日冻结电量表，图2为存储正向有功总电能的时序数据库JSON结构体。

图2 电量时序存储结构体 Fig.2 Power sequencing storage structure

文章设计电力运维时序数据库着重考虑电力系统庞大的数据总量，借助时序数据库的Key-value数据存储模式实现电能表定时冻结、瞬时冻结、日冻结、整点冻结数据的高速存储与查询，方便对年度、季度、月度的电量进行分布式查询计算。

表1 电能表冻结电量列表 Tab.1 Freezing electricity consumption of electric energy meter

ID用户信息(name)时间戳(timestamp)时间电能表示值(value)标签(tags)1XXX11 492 618 825 9822017-04-20 00:20:251 617.5004 000 B012XXX21 492 618 913 5972017-04-20 00:21:5336 043.3604 000 B013XXX31 492 618 917 2252017-04-20 00:21:57616.7304 000 B014XXX41 492 618 917 0682017-04-20 00:21:579 067.404 000 B015XXX51 492 619 026 5042017-04-20 00:23:464 029.304 000 B016XXX61 492 618 929 1772017-04-20 00:22:095 465.204 000 B017XXX71 492 618 933 1242017-04-20 00:22:1393.1604 000 B018XXX81 492 618 875 3752017-04-20 00:21:152 318.604 000 B01

5 电力运维系统存储结构

var data_create=[{"name":"指标名","timestamp":"时间戳","value":"存储值","tags":"查询条件"}}

图3 系统存储结构 Fig.3 System storage structure

6 Node.JS实现运维系统新增业务功能

6.1 Rest API动词映射

Node.JS建立时序数据库服务有两种方式，分别为Rest API和Rest client。Rest client是第三方提供的客户端程序，具有开发快速、资源众多等优点，缺点是扩展性不好，因此本文案采用Rest API方式建立时序数据库服务，消息交互采用轻量级的数据交换JSON格式封装[13-16]，表2为时序数据库增加(C)、查询(S)、修改(U)及删除(D)操作与Rest API动词对照关系，Node.JS通过这种映射关系建立时序数据库服务。

表2 CRUD操作与Rest API动词对照表 Tab.2 CRUD operation and Rest API verbs

对照关系CREATESELECTUPDATEDELETE时序数据库增加查询修改删除Rest API POSTGETPUTDELETE

6.2 新增业务请求流程

.on('end',function(){console.log("success:",serverFeedback.statusCode);});}

图4 请求业务流程 Fig.4 Request-business processes

6.3 Node.js实现新增数据业务

当Web瘦客户端向后端发送增加数据业务指令后，Node.js将新增的数据存储在电量时序存储结构体data_create中，按照表2的映射关系请求连接时序数据库，在建立服务连接后，将data_create数据以Rest API方式新增至时序数据库。

关键程序代码：

varreq=http.request(opt,function(serverFeedback){

电力运维信息涉及电力设备的(准)实时运行信息，及其关联设备和所处站所的当前状况，要求数据存储具备高吞吐量、批量更新数据及极高的内存利用率。对于Key-value模式实现电能表数据存储，运维系统存储结构采用日志结构存储(Log-Structured Storage)。图3为电力运维系统存储结构。

系统以分布式构架设计，实时库数据来源为配电终端数据、充电桩数据、微电网数据等高速实时数据，并以Restful API方式提供电量时序数据库和前端Web应用服务访问接口，后端服务器将应用数据模型和业务模型映射到数据中心，采用分布式内存存储、计算用户用电信息，极大提升系统的处理容量、性能及可靠性。系统架构如图1所示。

method:"POST",host:"IP",port:”port”,path:"/api/ver/resource",

图2显示了当单向边比例f为不同值时，ER网络在三种不同的边定向方法，即HTLDD，LTHDD和RDD 方法下，最大连通子图相对值G和归一化雪崩规模S随β的演化.

exports.resource =function(req,res){

其中，系统界面子系统包括：Web瘦客户端、现场作业移动App客户端、电力图形化组态工具、WebGIS系统、一次/二次告警事件处理等。应用支撑平台包括：设备全寿命周期状态监测、故障诊断与处理、运维管理、检修管理、运检流程管理、资产管理，数据服务子系统包括：电能量数据建模、业务数据、数据预处理、数据统计、数据评估。平台服务子系统包括：关系数据管理、Key-value数据存储、分布式存储管理、消息管理、分布式文件管理、集群管理、权限管理、安全管理。

（12）粗裂地钱风兜亚种Marchantia paleacea susp.diptera（Nees＆Mont.）Inoue. 余夏君等（2018）

serverFeedback.on('data',function(data){body+= data;})

新增业务是运维系统所有数据的来源，是系统核心功能之一，如图4所示，当用户发起业务请求后，先对请求进行负载均衡处理，将请求转发至不同的服务器上进行反向代理请求头的处理，处理完的数据会发送给Node.JS实现时序数据新增业务，然后将数据返回Web瘦客户端。

else {console.log("wrong:",serverFeedback.statusCode);}});

req.end();

7 运行结果测试

结果测试包括服务器和服务器集群模式，主要针对Key-value类型的智能电能表数据测试。图5给出了采用服务器和服务器集群对智能电能表“日冻结”数据进行计算时，服务器集群与计算规模的关系曲线。从图中可知，随着集群数量的增加，计算规模呈上升趋势，但当集群数量较大时，网络瓶颈成为系统性能的主要制约因素。

ADF4350为一款产生本振混频频率的控制芯片,该芯片共有6个寄存器配合控制输出不同需求的本振频率。模拟SPI接口时序将ADF4350配套软件产生的需求寄存器参数值写入到芯片寄存器中实现芯片产生混频频率的功能。ADF4350芯片的时序如图6所示。其中CS 为片选信号,拉低有效;SCLK为输入时钟信号;DATA为写数据信号。根据时序图可知,只需要在CS片选信号拉低的32个时钟周期内将32 bit的数据写入即可,每个周期写入1 bit的数据,数据写完之后LE拉高一个时钟周期。

一是走进重点整治地区，到群众反响强烈的区域宣传。聚焦涉恶问题突出、群众反映强烈的重点地区、行业领域开展宣传。针对菜园坝地区社情民情复杂，治安形势严峻的特点，区委政法委组织扫黑除恶专项领导小组成员单位分管领导、党员代表、政法干警代表、交通、运输、文化、旅游、城管、房管、卫生等行业代表和居民群众代表在菜园坝北广场开展集中宣传活动。公安干警、社区居民群众现场以群众喜闻乐见的形式表演了自编自导的舞蹈《冲上云霄》、方言快板《全民参与扫黑除恶》等文艺节目。不同行业的从业人员代表走上舞台集中宣誓，表达扫黑除恶专项斗争战之必胜的信心和决心。

图5 服务器集群与计算规模关系曲线 Fig.5 Relationship curve between server cluster and computational scale

8 结束语

结合电网企业对设备的管理需求，采用Node.js、JSON、Rest API框架，建立了基于时序数据库的电力运维系统架构，可扩展性强，更易使用大数据技术进行数据挖掘和二次开发，能够快速、准确地完成对电力设备运维作业的科学、高效优化。

当＞1时，贸易互补性强，值越大，说明贸易互补性越强；当≤1时，贸易互补性弱，越小，说明贸易互补性越弱。

参 考 文 献

[1] 李绍俊,杨海军,等.基于NoSQL数据库的空间大数据分布式存储策略[J].武汉大学学报(信息科学版),2017,(2): 163-169.

Li Shaojun,Yang Haijun,et al.Geo-spatial Big Data Storage Based on NoSQL Database[J].Geomatics and Information Science of Wuhan University,2017,(2): 163-169.

[2] 戚伟强,沈潇军,等.基于ITIL的电力信息自动化运维体系研究[J].现代电子技术,2017,(3): 153-156.

Qi Weiqiang,Shen Xiaojun,et al.Research on electric power information automatic operation and maintenance system based on ITIL[J].Modern Electronics Technique,2017,(3): 153-156.

[3] 张思建,张捷,方彦军.基于“互联网+”与群集智能的电能计量设备运维作业优化研究[J].自动化与仪表,2017,(1): 11-15.

Zhang Sijian,Zhang Jie,Fang Yanjun.Research on Operating and Maintaining Task Optimization of Electric Meter Based on “Internet Plus” and Swarm Intelligence[J].Automation & Instrumentation,2017,(1): 11-15.

[8] 潘旭东,吴军.综合考虑负荷供应量和线路重要性的骨干网架构建[J].现代电力,2015,32(3): 35-41.

Pan Xudong,Wu Jun.Backbone grid construction on comprehensive consideration of load supply and importance of transmission line[J].Modern Electric Power,2015,32(3): 35-41.

[9] 彭显刚,林利祥,翁奕珊,等.基于模糊综合评判和综合赋权的抗灾型配电网骨干网规划[J].电力系统自动化,2015,39(12): 172-178.

Peng Xiangang,Liu Lixiang,Weng Yishan,et al.Decision-making method for anti-disaster distribution network backbone upgrade based on fuzzy comprehensive evaluation and comprehensive weights[J].Automation of Electric Power Systems,2015,39(12): 172-178.

[10]董飞飞,刘涤尘,吴军,等.基于改进BBO优化算法和电网生存性的核心骨干网架构建[J].中国电机工程学报,2014,34(16): 2659-2667.

Dong Feifei,Liu Dichen,Wu Jun,et al.A method of constructing core backbone grid based on improved BBO optimization algorithm and survivability of power grid[J].Proceedings of the CSEE,2014,34(16): 2659-2667.

[11]徐林,王秀丽,王锡凡.电气介数及其在电力系统关键线路识别中的应用[J].中国电机工程学报,2010,(1): 33-39.

Xu Lin,Wang Xiuli,Wang Xifan.Electric betweenness and its application in vulnerable line identification in power system[J].Proceedings of the CSEE,2010,(1): 33-39.

[12]刘沛青,李华强,赵阳,等.考虑元件综合重要度的电网安全性风险评估方法[J].电力自动化设备,2015,35(4): 132-139.

Liu Peiqing,Li Huaqiang,Zhao Yang,et al.Power grid security risk assessment considering comprehensive element importance index[J].Electric Power Automation Equipment,2015,35(4): 132-139.

[13]任卓明,邵凤,刘建国,等.基于度与集聚系数的网络节点重要性度量方法研究[J].物理学报,2013,62(12): 522-526.

Ren Zhuoming,Shao Feng,Liu Jianguo,et al.Node importance measurement based on the degree and clustering coefficient information[J].Acta Physica Sinica,2013,62(12): 522-526.

[14]杨丽徙,曾新梅,方强华,等.基于抗毁性分析的中压配电网络拓扑结构[J].电力系统自动化,2013,37(8): 65-69.

Yang Lixi,Zeng Xinmei,Fang Qianghua,et al.Medium voltage distribution network topology based on survivability analysis[J].Automation of Electric Power Systems,2013,37(8): 65-69.

[15]吴俊,谭索怡,谭跃进,等.基于自然连通度的复杂网络抗毁性分析[J].复杂系统与复杂性科学,2014,11(1): 77-86.

Wu Jun,Tan Suoyi,Tan Yuejin,et al.Analysis of invulnerability in complex networks based on natural connectivity[J].Complex Systems and Complexity Science,2014,11(1): 77-86.

[16]Li J,Zheng S,Tan Y.The effect of information utilization: Introducing a novel guiding spark in the fireworks algorithm[J].IEEE Transactions on Evolutionary Computation,2017,21(1): 153-166.

[17]谭营.烟花算法引论[M].北京: 科学出版社,2015.