摘要：當前，電力營商業(yè)務數據管理方法只能手動遷移業(yè)務數據，導致電力營商業(yè)務管理耗時過長。對此，文章提出一種基于流程自動化機器人技術的電力營商業(yè)務數據管理方法，并對其電力營商業(yè)務數據管理效果進行實驗驗證。實驗結果表明：與數據倉庫管理方法和數據庫分區(qū)管理方法相比，基于流程自動化機器人技術的電力營商業(yè)務數據管理方法的數據管理耗時均最小，為12.41 s，具有實際應用價值。

關鍵詞：流程自動化；機器人技術；電力營商業(yè)務數據

中圖分類號：TP392" " " "文獻標識碼：A" " " 文章編號：1674-0688（2024）02-0062-04

0 引言

做好電力營商業(yè)務的數據管理對于電力公司提高服務質量、優(yōu)化資源配置具有重要意義。為了進行有效的數據管理，部分學者展開了研究。例如，楊振凱等［1］基于嵌套集合模型，提出了一種時態(tài)層次數據管理方法，創(chuàng)建了一個合適的數據模型，能夠準確地表示數據的結構和關系，但是該方法需要處理的數據結構和算法較為復雜，對計算和存儲資源的要求較高，可能需要更高的硬件配置和更復雜的軟件環(huán)境；劉曉宇等［2］提出HDFS分級存儲系統元數據管理方法，采用分級存儲架構和混合式元數據管理策略，實現了對不同類型和大小的數據進行分類存儲和管理，提高了系統的性能和可擴展性，但是如果元數據過大，則可能面臨內存溢出的問題；朱旭鋒等［3］提出一種彈載信息處理器NAND Flash高可靠數據管理方法，有效提高了彈載信息處理器NAND Flash數據管理的可靠性和穩(wěn)定性，但是該方法需要使用大量的內存和存儲資源進行數據備份和校驗，增大了設備的成本和功耗。本文提出基于流程自動化機器人技術的電力營商業(yè)務數據管理方法，旨在解決上述問題，提高數據管理的效率和準確性。流程自動化機器人技術是一種新興的技術，它通過模擬人類工作流程，實現自動化處理和管理數據。在電力營商業(yè)務數據管理中應用流程自動化機器人技術，可以對營商業(yè)務數據進行自動識別、處理和存儲，提高了數據管理的效率和準確性。此外，流程自動化機器人技術還可以實現24 h不間斷地數據處理和管理，大大提高了工作效率。

1 電力營商業(yè)務數據統計

1.1 電力營商業(yè)務數據統計的必要性

在開展電力營商業(yè)務數據管理工作時，需要對各類數據，如電力用戶的用電位置、用電量等進行統計分析，以支持電力企業(yè)的營銷決策和優(yōu)化。本文統計的電力營商業(yè)務數據包括用電量、電費回收、市場占有率、能耗分析和供電可靠性［4］。

1.2 電力營商業(yè)務數據統計要點

為了解決統計分析涉及數據量大的問題，在數據收集網關中，除了將收集到的建筑網絡數據存入當地的分布式賬本，還定期從鏈上獲取數據，并通過本地的局部統計運算將其保存到本地的分布式賬本中。當使用者對相關數據進行統計分析時，假設數據采集網關節(jié)點的統計時間間隔設置為intervalT，統計過程如下：①數據采集網關節(jié)點開啟定時任務，每經過intervalT觸發(fā)統計合約SCcount。②SCcount調用統計計算函數ExecteStatistics（），根據統計類型type從本地分布式賬本中獲取各設備對應數據進行統計計算，生成局部統計結果，然后SCcount將統計結果加密并存儲到本地分布式賬本中。③當有新增的電力營商業(yè)務數據時，數據收集網關節(jié)點將本地分布式賬本新增的電力營商業(yè)務數據進行統計并分發(fā)給其他數據收集網關節(jié)點，就新增數據達成統計共識［5］。據此，完成電力營商業(yè)務數據統計。

2 利用流程自動化機器人技術遷移數據

2.1 基于流程自動化機器人技術的電力營商業(yè)務數據遷移

完成統計后，流程自動化機器人技術可以遷移數據，通過模擬終端用戶在計算機上的操作方式，實現終端用戶手工操作過程的自動化。基于流程自動化機器人技術的電力營商業(yè)務數據遷移架構見圖1。

2.2 流程自動化機器人技術遷移數據的步驟

由圖1可知，流程自動化機器人技術的電力營商業(yè)務數據遷移架構包含在線和歸檔兩個數據庫、一個自動化流程腳本編輯器、一個流程執(zhí)行工具（即數據遷移機器人）和一個流程運行控制平臺，其遷移數據的步驟如下［6］：①確定數據遷移需求。明確需要遷移的數據范圍、數據類型和數據量，以及源系統和目標系統之間的數據映射關系。②配置源系統和目標系統。根據數據遷移需求，配置源系統和目標系統，在源系統中設置數據輸出路徑、數據格式、數據編碼方式等參數；在目標系統中設置數據輸入路徑、數據格式、數據編碼方式等參數，確保目標系統能夠正確地接收和處理源系統中的數據。③部署和運行。配置源系統和目標系統后，將數據遷移流程部署到生產環(huán)境中，并運行數據遷移任務。在運行過程中，實時監(jiān)控任務的執(zhí)行情況和結果。

3 建立存儲優(yōu)化模型

電力營商業(yè)務數據集隨著數據遷移的執(zhí)行而演變，從0～n進行編號，其中[d0]為初始數據集，需要存儲，因此要建立存儲模型。將存儲計算過程進行抽象表示，對應的存儲模型示例圖（見圖2）記錄了數據集的派生關系。

在執(zhí)行科學工作流任務后，每個中間數據集都可以被存儲或者刪除。將所有數據集從0到[n]進行編號，此時數據集可以被表示為[D=d0，d1，…，dn]。其中：[d0]為初始數據集，被存儲在管理系統中；[d1]～[dn]為中間數據，需要進行管理［7］。因此，對于包含[n]個中間數據集的科學工作流，其對應存儲狀態(tài)可以被表示為一個0-1字符串[X=x0，x1，…，xn]。

如圖2所示，[d1]～[d10]為中間數據，有向邊表示數據之間的依賴關系，即數據之間的生成關系。對于一個數據集來說，其有向邊前的數據為其前驅數據集，同理這個數據集為其前驅數據集的后繼數據集。用[pre（di）]表示數據集[di]的直接前驅節(jié)點，如圖2中所示[pre（d6）=d3，d5]，計算一個數據集[di]需要[pre（di）]中的所有數據集。由于整個問題中的存儲策略都是0-1向量，并且每個策略對應的目標值都是非負的，因此適合使用遺傳算法進行模型優(yōu)化［8］，更好地完成模型建立。為了保證初始種群中個體的合法性，隨機生成初始種群，然后通過轉換方法將種群中的個體轉換為合法的個體，在設計的遺傳算法的交叉和變異中，采用輪盤選擇方法選擇個體進行進化，以保證收斂性。

4 數據并行定位

在上述存儲架構下，每個數據訪問都必須解決多用戶對數據的并行定位產生的問題。這是因為該存儲架構允許多個用戶同時訪問和操作同一份數據，而這種并行訪問可能會導致數據的一致性和完整性受到威脅。因此，選取電力營商業(yè)務數據并行定位公式如下：

[T=a×（l+L）]" " " " " " " " " " " " "（2）

其中：[l]表示數據劃分粒度，指將數據集劃分為多少個數據塊；[L]表示并行處理單元數量，即同時處理這些數據塊所需的處理單元數量；[a]是常數，表示算法和效率。針對多用戶對數據的并行定位問題，此定位公式可提高數據訪問的效率和速度。

電力營商業(yè)務數據并行定位步驟如下：①將電力營商業(yè)務數據集劃分為多個數據塊，每個數據塊包含一定數量的數據記錄。②啟動多個并行處理任務，每個任務使用一個處理單元（如多核CPU、GPU或計算節(jié)點）進行處理。③將每個數據塊分配給一個可用的處理單元進行并行處理。④在每個處理單元上，使用適當的算法和函數對分配到的數據塊進行處理，從中提取出有用的信息；將每個處理單元的輸出結果合并，得到最終的處理結果［9］。

從數據并行定位過程來看，不同客戶端的訪問操作可以并行執(zhí)行。這意味著多個客戶端可以同時對同一份數據進行訪問和操作，此過程不會相互干擾或產生沖突。

5 控制訪問權限實現數據管理

對訪問權限進行控制是數據管理的一項極其重要的內容。電力營商業(yè)務中涉及大量的數據查詢和控制請求，而這些請求通常來自各種終端設備。為了確保數據安全和完整，服務器必須對每個請求進行嚴格的權限判定。這時，可以利用智能合約對用戶權限進行判定，避免出現過度授權和越權訪問。智能合約是一種自動執(zhí)行合同條款的協議，在電力營商業(yè)務中，可以將智能合約與數據訪問控制相結合，實現更加精細化的權限管理。例如，可以定義一系列規(guī)則和條件，如用戶身份認證、授權級別、操作類型等，并將這些規(guī)則寫入智能合約中。當用戶通過終端設備對服務器中的電力營商業(yè)務數據進行查詢和控制請求時，服務器將調用智能合約，根據預設的規(guī)則和條件判斷用戶是否有權訪問該數據，具體流程如下：首先，對訪問數據的人員進行身份認證，通過用戶名、密碼和生物識別技術確保只有經過授權的人員可以訪問敏感數據［10］。其次，根據人員的角色和職責，制定不同的訪問控制策略，限制對數據的訪問權限。例如，將數據按照機密程度分為不同級別，只有特定級別的人員才能訪問相應級別的數據。最后，對敏感數據進行加密，保證數據的機密性和完整性。

本文利用可驗證隨機函數實現對散列數據的隱私保護，防范例如字典攻擊的離線枚舉，并提供對輸出非交互式零知識證明。簡而言之，可驗證隨機函數是基于私鑰[sk]對輸入[α]產生一個隨機輸出[β]和零知識證明[π]，任何人在獲取私鑰[sk]、[β]、[α]和[π]后，能夠驗證[β]是否由公鑰[pk]持有者根據[α]生成。

可驗證隨機函數提供了密鑰生成算法，能夠生成公鑰[pk]和私鑰[sk]，私鑰的持有者使用[sk]對輸入[α]進行哈希獲得其輸出[β]，如公式（3）所示。

[β=VRFhash（sk，α）]" " " " " " " " " " " " （3）

私鑰持有者還可以使用[sk]構造一個零知識證明[π]，以證明[β]是正確的，如公式（4）所示。

[π=VRFprove（sk，α）]" " " " " " " " " " " （4）

任何人都可以通過[π]獲得哈希輸出[β]，如公式（5）所示。

[β=VRFprove_to_hash（π）]" " " " " " " " " " "（5）

[π]允許驗證者通過pk驗證[β]是否作為VRF輸入[α]的有效輸出，如公式（6）所示，若計算結果為[β]，則輸出True，否則輸出False。

[VeritfVRF（pk，α，π）→β]" " " " " " " " " "（6）

對數據的訪問和使用，通過日志分析進行審計和監(jiān)控，以便發(fā)現任何異常行為或潛在的安全漏洞。通過上述操作，可以保護數據的機密性和完整性，防止未經授權的訪問和數據泄露，進而實現數據管理。

6 實驗

6.1 實驗準備

選取某市電力營商業(yè)務數據作為實驗數據，部分電力營商業(yè)務數據見表1。

本文實驗的軟硬件環(huán)境如下：筆記本電腦品牌及型號為“聯想”昭陽E5，處理器為2個Intel（R） Xeon（R） Gold 6248R CPU@3.OOGHz，內存為2 GB，使用CentOS 7.5操作系統，編程語言為Python，結合Qt開發(fā)框架實現開放數據庫互聯（Open Database Connectivity，ODBC），數據存儲選擇輕量級關系數據庫SQLite。

實驗注意事項：確保實驗數據的真實性和完整性，避免使用虛假或錯誤的數據進行分析；充分了解實驗數據的分布和特征，發(fā)現并處理異常值和缺失值；注意保護客戶隱私和商業(yè)機密，不得隨意泄露或公開實驗數據。

本文使用數據管理耗時均值作為各類數據管理方法的性能評判依據，用以衡量管理樣本整體耗時的平均長短，耗時均值越低，代表方法的性能越高。

6.2 實驗結果與分析

將文獻［1］和文獻［2］中的數據管理方法作為對比方法，與本文方法共同進行測試。3種方法的數據管理耗時均值見表2。

表2展示了在生成的實驗文件上使用不同方法計算樣本的耗時均值。盡管實驗文件覆蓋范圍大，但是從表2中可以看出，使用基于流程自動化機器人技術的電力營商業(yè)務數據管理方法的耗時均值最低，為12.41 s，證明基于流程自動化機器人技術的電力營商業(yè)務數據管理方法有明顯的優(yōu)勢。

7 結語

在電力營商業(yè)務數據管理方法中，基于流程自動化機器人技術的運用正逐漸成為一種趨勢。通過自動化技術，可以大大提高數據處理效率，減少人為錯誤，并加速業(yè)務流程。這類技術不僅有助于提升電力營商業(yè)務的效率，使企業(yè)能夠將更多的資源投入核心業(yè)務，進而提升競爭力。將人類智慧與自動化技術相結合，將有助于進一步完善電力營商業(yè)務數據管理方法?？偟膩碚f，基于流程自動化機器人技術的電力營商業(yè)務數據管理方法在提高效率、降低成本等方面具有顯著優(yōu)勢。隨著技術的不斷進步，這類數據管理方法將在未來的電力營商業(yè)務中發(fā)揮更加重要的作用。

8 參考文獻

［1］楊振凱，曹一冰，趙鑫科，等.基于嵌套集合模型的時態(tài)層次數據管理方法［J］.計算機科學，2023，50（S1）：543-547.

［2］劉曉宇，夏立斌，姜曉巍，等.HDFS分級存儲系統元數據管理方法的研究［J］.計算機工程與應用，2023，59（17）：257-265.

［3］朱旭鋒，郭佳鑫，胡曉晴，等.一種彈載信息處理器NAND Flash高可靠數據管理方法［J］.航天控制，2022，40（1）：76-82.

［4］呂斌.機器人流程自動化技術在企業(yè)數字化轉型過程中的應用［J］.冶金自動化，2023，47（S1）：464-466.

［5］王繼偉，楊畢輝，莊培鋒，等.機器人流程自動化技術在臨床數據歸檔中的應用［J］.中國數字醫(yī)學，2023，18（6）：85-88.

［6］高國慶，李光亞，胡雅妮，等.文物信息系統數據管理方法研究［J］.工業(yè)控制計算機，2023，36（3）：110-112.

［7］趙文戩，劉偉.信江智慧航道數據結構優(yōu)化及大數據管理方法研究［J］.珠江水運，2022（23）：97-99.

［8］楊雪琪，肖宇.面向工作流編程的Python數據管理技術比較分析［J］.電腦知識與技術，2022，18（30）：68-70.

［9］吳丹，李書劍.汽車總裝工藝開發(fā)及數據管理方法［J］.時代汽車，2022，（16）：128-130.

［10］王妍妍，劉佳新.港口物流大數據管理方法［J］.物流技術，2022，41（6）：110-112，116.