基于大数据的运维策略及安全管控的技术研究
数据中心的大数据驱动运维与安全
数据中心的大数据驱动运维与安全随着信息技术的快速发展，大数据已经成为不可忽视的重要资源。
数据中心作为大数据的存储和处理基地，在运维和安全方面面临着新的挑战和机遇。
本文将探讨数据中心在大数据驱动下的运维和安全策略。
一、大数据驱动的运维优化数据中心的运维工作包含设备管理、故障排除、性能优化等多个方面，而大数据技术可以为运维工作提供更好的支持和优化。
1. 数据分析预判通过收集和分析数据中心的历史运维数据，可以预测设备的故障风险，提前采取相应的维护措施。
例如，通过对设备温度、负载、网络流量等数据的分析，可以发现设备可能出现的故障迹象，从而做好预警和预防工作。
2. 自动化运维大数据技术可以实现设备运维的自动化，减少人工干预带来的误操作和延迟。
通过自动化的运维工具，可以实时监测和管理数据中心的设备状态，自动执行维护任务，提高运维效率和准确性。
3. 运维协同大数据技术可以实现多设备、多任务的协同运维。
通过集中管理和调度，实现多设备的协同维护和优化。
例如，当某个设备出现故障时，通过大数据分析，可以找到其他设备来承担该设备的工作，保证系统的可用性和稳定性。
二、大数据驱动的安全防护数据中心的安全问题一直是重点关注的对象，而大数据技术可以帮助数据中心实现更加精确和全面的安全防护。
1. 威胁检测与预警利用大数据技术，可以对数据中心的网络流量、设备日志等海量数据进行实时分析和挖掘，快速发现可能的安全威胁和异常行为。
通过建立安全事件模型，可以进行异常检测和预警，有效遏制安全漏洞的扩散。
2. 用户行为分析数据中心面对众多用户，对用户的行为进行监控和分析可以帮助识别潜在的安全风险。
通过大数据分析用户的访问模式、权限使用情况等，可以及时发现异常行为，并进行相应的反制措施。
3. 安全事件溯源大数据技术可以帮助数据中心对安全事件进行溯源和调查。
通过分析和挖掘存储在数据中心中的大量日志数据，可以还原攻击过程，追踪攻击来源，并采取相应的安全防护措施。
大数据安全性的技术与管理研究
大数据安全性的技术与管理研究随着信息科技的发展和社会的进步，大数据已经成为当今世界最重要的资源之一。
它不仅为企业、政府和个人提供了全面的数据分析和服务，而且也为社会创造了巨大的财富。
但是，在大数据的应用过程中，数据安全性问题也日渐凸显。
大数据的堆积和积累，使得数据的泄露、误用、丢失变得更加严重和复杂。
因此，大数据的安全性已成为当前最紧迫和重要的问题之一。
一、大数据的安全性面临的问题1. 数据量过大，数据积累速度快一般来说，大数据的数据量要比传统的数据集大得多。
这就给大数据的存储和管理带来了巨大的挑战。
如果不加以妥善处理，数据的泄露或丢失将会给公司或机构带来巨大的损失。
另外，大数据的更新和积累速度也非常快，这就要求我们及时对数据进行监管和管理，以确保数据的可靠性和安全性。
2. 多维度数据处理复杂度高大数据所包含的数据类型往往非常多样化和复杂化，例如：结构化数据、半结构化数据和非结构化数据等。
这些数据往往进行多维度的分析处理，如数据挖掘、机器学习等。
这一方面对数据分析和处理技术提出了更高要求，另一方面也使得数据的隐私性和保密性面临着前所未有的挑战。
3. 数据流动性强由于云计算、物联网、移动互联网等技术的广泛应用，使得数据的流动性变得非常强。
大量的移动终端设备、服务器和数据库之间的交互，使得数据保护和安全性更加复杂。
一旦一个环节出现数据泄露、隐私丢失等不安全因素，就会影响到整个数据的保护和安全。
二、大数据安全的技术研究1. 数据加密技术数据加密技术是大数据安全性领域最主要和最古老的技术之一。
它通过使用加密算法，将原始数据转化为加密数据，以保证数据的隐私和安全。
其中，对称加密算法和非对称加密算法是最常用的加密技术。
2. 数据备份与灾备技术数据备份与灾备技术可以在本地或远程存储中对数据进行备份和复制，以防止数据丢失或损坏。
公司或机构可以通过建立灾备中心，保证数据备份和灾备的及时性和有效性。
3. 访问控制技术访问控制技术可以控制对数据的访问权限，从而保证数据的安全性。
基于大数据分析的网络安全管理技术研究
基于大数据分析的网络安全管理技术研究网络安全在当今的信息化快速发展的时代中，已成为一个十分重要的话题。
随着科技的进步，人们使用互联网的情况越来越多，网络安全的问题也变得越来越紧迫。
尤其是由于海量数据的存在，网络安全管理变得更加复杂和困难。
因此，基于大数据分析的网络安全管理技术已成为当前研究的热点之一。
一、大数据分析的含义和发展现状大数据分析就是通过使用一系列计算工具和算法，对大数据进行处理、分析和挖掘，从而得到有用的信息或者结论。
通过大数据分析，人们掌握了信息，收集了数据，发现规律和变化，得到了有效决策支持，更好地预测趋势。
大数据分析的出现和发展主要是因为数据的爆炸式增长，互联网产生的数据量以及社交媒体和其他新兴技术的的发展，使得人们对数据的存储和管理变得十分困难。
因此，大数据分析成为了一个大热点并得到了广泛关注。
二、基于大数据分析的网络安全管理的研究意义基于大数据分析的网络安全管理技术的研究意义主要有以下几个方面：1、对网络攻击形式进行分析，预测攻击风险。
通过大数据分析技术，可以对网络攻击形式进行深入分析，更加准确地预测攻击风险。
根据对攻击形式的分析，可以更快速地发现隐患并给予及时弥补。
2、对网络异常行为进行监管分析，提高网络安全性。
大数据分析技术可以对网络的异常行为进行监管和分析，提高网络的安全性。
通过对网络的监管，可以更好地发现和防范网络安全问题，防止数据泄露和黑客攻击等问题。
3、对网络日志进行分析，实现智能安全策略和预防性维护。
通过对网络日志进行分析，可以更准确地发现异常情况和威胁，及时进行预警和处理，并优化安全策略。
三、大数据分析技术在网络安全管理方面的应用大数据分析技术在网络安全管理方面的应用包括以下几个方面：1、用大数据进行采集和分析网络数据，实现目标的追踪和攻击资料的获取。
通过大数据分析技术，可以采集和分析网络数据，追踪目标和获取攻击资料。
2、在角色识别方面利用大数据算法进行网络身份识别。
基于大数据的电力系统智能化运维管控研究
基于大数据的电力系统智能化运维管控研究摘要：随着信息化技术的快速发展，大数据技术已经逐渐渗透到电力系统的各个领域，成为电力系统优化管理的重要手段。
智能化运维管控是电力系统建设和运营中关键的一项工作，其目的是提高电力系统运行的智能化水平和自动化水平，降低运行成本和风险，提高电力系统的安全性和可靠性。
本文主要针对基于大数据的电力系统智能化运维管控进行研究。
关键词：大数据技术；电力系统；智能化运维1.大数据信息背景下电力系统智能化运维管控的必要性电力系统是现代社会正常运行的基础设施之一，能源供应的稳定性对保障生产、生活和经济发展至关重要，智能化运维管控可以通过实时监测、预测和优化电力系统运行，提高供电可靠性和稳定性。
传统的手动运维方式在面对庞大而复杂的电力系统时存在着运维效率低下、人为差错等问题。
智能化运维管控结合大数据技术，可以自动化和智能化地进行运行监测、故障检测和设备维护等工作，提高运维效率，降低人工成本。
电力系统中的故障和异常情况可能对供电造成严重影响，甚至导致事故发生。
借助大数据技术，智能化运维管控可以对海量数据进行分析和挖掘，实现故障的早期识别和预防，有效降低故障风险。
电力系统在发电、输电和配电过程中会消耗大量能源，并产生环境污染。
智能化运维管控结合大数据技术可以对电力系统进行精确的负荷预测和发电计划优化，以实现能源消耗和排放的最优化，提高能源利用效率，减少对环境的影响。
电力系统面临着各种安全威胁和风险，如黑客攻击、自然灾害等。
智能化运维管控利用大数据分析技术，可以实现电力系统的实时监测、异常检测和安全防护，提升系统的安全性和可靠性，保障电力供应的连续性和稳定性。
2.基于大数据的电力系统智能化运维管控策略2.1为电力系统智能化运维提供运行优化与决策支持大数据技术在电力系统智能化运维管控中的运行优化和决策支持方面发挥着重要作用。
常见的应用场景包括以下三个方面：①利用大数据分析历史负荷数据、天气数据、社会经济数据等因素，建立准确的负荷预测模型。
面向大数据时代的智能运维技术研究
面向大数据时代的智能运维技术研究随着互联网、物联网和人工智能的快速发展，数据量呈现爆炸式增长的时代已经到来。
企业和组织都面临着海量数据的挑战，如何把数据变为价值和利润成为了他们面临的最重要的问题之一。
在这个大数据时代，智能运维技术成为了企业和组织中的重要一环。
本文将就智能运维技术的研究进行探讨，并从以下三个方面进行阐述：智能监控，智能报警和智能优化。
智能监控在大数据时代，运维工作面对的数据量呈现多样化、异构化和复杂化，因此，采取智能化、自动化的监控手段是必不可少的。
智能监控技术可以通过实时统计和分析系统运行数据，发现潜在的故障与异常，并及时向相应人员发出告警信息，从而保障企业和组织的正常运转。
同时，智能监控技术也能够帮助企业和组织对其系统的资源使用情况、性能指标、安全风险等进行快速监测和分析。
智能监控技术不仅能够为企业和组织提供有效的预警和提醒，还能让运维人员更加专注于最重要的监测工作。
智能报警智能报警技术是基于智能监控技术的基础上进一步进行的发展。
智能报警技术将智能监控技术和人工智能技术相结合，能够根据机器学习、数据挖掘和自然语言处理等方法进行数据分析并产生报警信息。
这种方法不仅能够更有效地发现问题和风险，并能够快速地解决这些问题，还能减少不必要的误报或漏报现象，从而提高企业和组织的生产效率及流程精细度。
这也将为企业和组织建立一种实时、高效、准确的监控系统，为运维人员提供时间上的优势，让他们能够更加高效地进行问题的处理和解决。
智能优化智能优化技术主要是指通过自动化的数据分析和识别，来发现系统中潜在的问题和瓶颈，并对其进行改善的技术。
智能优化技术可以运用到系统调度、性能优化、容量管理等方面，并通过采取机器学习、智能控制和优化算法等技术，来提高运维效率和降低成本。
此外，智能优化技术还能够根据企业和组织的需求进行优化和定制，为企业提供基于数据和背景的更为优质的服务和支持。
总体来说，智能运维技术的发展已经成为企业和组织开展生产和服务的关键因素。
基于大数据的网络安全管理技术研究
基于大数据的网络安全管理技术研究随着信息技术的普及和网络的快速发展，大数据已经成为了网络安全管理的重要工具。
事实上，大数据技术可以帮助企业或机构更好地了解其网络安全状态，及时发现安全隐患，制定有效的安全策略和措施，保障其网络的安全。
1. 大数据在网络安全管理中的应用场景大数据技术在网络安全管理中可以发挥的作用非常丰富，下面简要介绍几个场景：1.1 安全事件分析随着网络攻击的复杂性和多变性，常规的安全检测和监控技术已经越来越难以保障网络的安全。
因此，通过大数据技术来实现安全事件的分析和预测，可以更好地发现网络中的异常行为和准确快速地做出响应。
例如，当一个企业发现异常流量时，可以利用大数据技术对其进行深度分析，确定是否存在攻击行为，并对攻击者进行快速定位和打击。
1.2 安全态势感知安全态势感知能够帮助企业全面了解其网络安全状况，快速发现并应对安全威胁。
通过大数据技术，可以采集并分析各种日志信息、网络流量和安全事件等数据，构建安全态势感知系统，及时发现和处理网络安全威胁，确保网络的稳定和安全运行。
1.3 威胁情报分析威胁情报分析是指通过大数据技术重点分析网络威胁情报，发现威胁来源和攻击方法，针对性的制定安全策略和反制措施，在网络安全上具有非常重要的作用。
例如，在黑客攻击频繁的情况下，可以通过分析黑客的攻击手段和攻击目标，来精确判断攻击者的背景和攻击动机，并加强相关防御措施。
2. 大数据在网络安全管理中的应用具体操作大数据技术在网络安全管理中的具体操作如下：2.1 大数据采集采集大量的安全日志数据、网络数据包和网络流量数据等，构建数据仓库和数据集，为后续的分析和挖掘提供基础数据。
这一步需要有一套完整的数据采集方案和技术体系，确保使用的数据是真实可靠的。
2.2 数据清洗和整合将采集到的数据进行清洗和整合，并将其存储到统一的数据仓库中。
此时需要借助大数据仓库、hadoop等技术，确保数据无误，并且满足后续分析和挖掘的数据质量要求。
基于大数据平台的网络安全运营维护研究
基于大数据平台的网络安全运营维护研究近年来，随着互联网的迅猛发展，网络攻击事件不断增加，网络安全问题已经成为全球范围内的重要议题。
而如何在大数据时代保障网络安全，已成为行业内关注的热点话题。
本文将探讨基于大数据平台的网络安全运营维护研究。
一、大数据平台介绍大数据平台指的是以海量数据、高速计算、精确分析为基础，支持多种计算模式的数据处理平台。
相较于传统技术，它具有更高的效率和更强的实时性，可以从海量数据中挖掘出更多的信息。
二、基于大数据平台的网络安全运营维护的意义网络安全运营维护在大数据时代变得更加重要。
由于恶意程序、黑客攻击等安全漏洞的增多，网络安全经常受到威胁。
基于大数据平台的网络安全运营维护是解决这些问题的一种策略。
大数据平台可以从海量数据中产生洞见，大幅降低网络攻击的可能性。
通过对网络通信数据、用户行为数据等数据的分析，可以及时发现网络攻击事件，并对其进行预警和处理。
同时，大数据平台可以帮助企业建立以数据为中心的安全体系，做到动态的风险评估，使企业在网络安全领域稳步提升。
三、基于大数据平台的网络安全运营维护的实现方法基于大数据平台的网络安全运营维护主要包括数据采集、数据分析、数据挖掘、可视化、数据治理等几个阶段。
1.数据采集数据采集是基于大数据平台的网络安全运营维护的第一步。
该步骤需要对企业的网络设备、应用、安全设备等进行监控和采集。
通过采集这些信息，可以获得网络数据、用户流量、异常事件、漏洞信息等。
2.数据分析在数据采集完之后，进入数据分析的阶段。
数据分析是将采集到的数据进行处理、分类和分析，并将其可视化为时间序列、流量分布等信息，为后续工作提供有效的分析和处理手段。
3.数据挖掘基于大数据平台的网络安全运营维护的数据分析不仅需要准确性，也需要分析结果的实用性。
数据挖掘能够挖掘出网络中的黑客攻击、恶意程序等信息，帮助安全运维人员更好地发现网络中的安全漏洞和问题。
4.可视化将数据可视化是基于大数据平台的网络安全运营维护的重要环节。
基于大数据技术的网络安全防控研究
基于大数据技术的网络安全防控研究随着互联网的普及，网络安全问题也愈发严重。
不论是企业、政府还是个人，都需要面对越来越复杂的网络安全威胁。
传统的网络安全防护手段已经远远不能满足现代网络安全的需求，基于大数据技术的网络安全防控研究也逐渐成为当前热门的话题。
本文将从大数据技术在网络安全防控中的应用入手，探讨基于大数据技术的网络安全防控研究。
一、大数据技术在网络安全中的应用大数据技术已经成为当前信息化发展的重要的方向，它可以对海量数据进行处理和分析，为各行各业的决策提供有力的支持。
在网络安全领域，大数据技术同样具有重要的应用价值。
首先，大数据技术可以优化网络安全预警和警报系统。
通过对海量的安全日志数据的分析，可以有效识别和预测网络安全威胁，提供及时的预警信息和警报信息。
此外，大数据技术还可以为网络安全管理者提供更加全面的视角和更加精细化的管理，使得网络安全管理更加高效、准确和可靠。
其次，大数据技术可以帮助网络安全防护系统更加快速地发现网络攻击和漏洞。
通过对海量的安全数据进行分析，可以快速识别出目标系统中潜在的漏洞和安全隐患，从而为网络安全防护提供更加有力的支持。
此外，大数据技术还可以为网络安全法律监管提供有力的技术支持。
通过对网络环境下数据的分析，可以更加有效地识别犯罪嫌疑人，并为犯罪侦查和追踪提供支持。
同时，大数据技术也有利于加强网络安全法律的执行力度，为网络执法提供更加科学和精准的依据。
二、基于大数据技术的网络安全防控研究基于大数据技术的网络安全防控研究，主要包括两个方面：一是网络安全管理领域，另一个是网络安全防护领域。
下面将分别进行讨论。
1. 基于大数据技术的网络安全管理大数据技术在网络安全管理中的应用，主要包括以下方向：（1）网络安全日志管理与分析。
通过对海量的安全日志进行管理和分析，可以有力地支持网络安全预警、安全事故恢复和安全审计等工作。
（2）网络安全态势感知与分析。
通过对网络环境中的安全事件、攻击行为和漏洞情况进行分析，可以及时发现网络安全威胁，提供有效的预警信息和处置建议。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于大数据的运维策略及安全管控的技术研究
发表时间：2019-07-22T16:04:27.240Z 来源：《基层建设》2019年第13期作者：李艳
[导读] 摘要：本文通过多QOS评价模型运维策略的算法和策略评价模型的构建，模拟人眼技术以及图像智能分析技术的研究，在变电站内实现了大数据运维的研究。
国网哈密供电公司新疆哈密市 839000
摘要：本文通过多QOS评价模型运维策略的算法和策略评价模型的构建，模拟人眼技术以及图像智能分析技术的研究，在变电站内实现了大数据运维的研究。
同时，通过对丰富站内数据采集手段，优化运维策略，研究设备数据智能预警技术，实现故障告警和顺控操作验证技术等实现对变电站的安全管控。
关键词：大数据；运维策略；安全管控
1理论依据
变电站在电力系统中有着重要的地位和作用，实现变电站的无人值守是当今电力系统的发展趋势。
但现有变电站图像监控系统虽可以实现图像监控与报警信号进行简单的联动，还无法实现各子系统之间遥信、遥测、遥视、遥控信息的系统级别的智能联动。
变电站运检人员在现场进行设备巡视，只是对运行设备进行感观的、简单的定性判断，而还存在一些现场巡检人员靠肉眼无法完全发现的缺陷。
如果这些缺陷未能及时发现和处理，可能发生严重事故，造成不必要的损失。
将大数据分析和挖掘技术引入，使视频监控系统变被动为主动，从海量数据进行有效的信息提取，完成变电站设备的精益化安全管理。
通过对站内设备信息的提取结合大数据技术，分析设备的当前状态和运行趋势，从而进行有效的风险预判。
同时，通过大数据的挖掘，结合变电站运维巡视制度，可以自动形成变电站远程巡视的电子报告，实现替代人工到站巡检方式，提高巡视效率。
因此，将大数据技术与传统视频监控相结合，应用到变电站运维值守中，可以实现运维策略优化和远程安全管控。
2电力运维安全隐患因素
2.1人为因素
在电力运维过程中出现故障的部分原因首先排除不了人为因素导致。
在进行变电运维过程中，一部分的管理人员由于缺少相应的安全管理意识，对于变电运维管理工作并没有良好的重视，后期不能按照相关规范来约束相关的环节管理活动，以此会存在一定的监督不到位情况，此类现象也会导致变电运维的质量受到一定的波及。
后期一些电力企业如果不能落实各种变电运维的管理制度。
在实际电力系统运营过程中缺乏相关的工作考核制度，就会使很多管理条约如同虚设，起不到关键性作用，从而出现混乱管理的情况。
另外一些电力企业经过长期管理，虽然会对常见的故障进行经验总结和预备案，但是很多的单位仍旧没有建立非常完善的防范体系，因此导致安全隐患仍旧存在。
2.2客观因素
避开人为原因来看，电力系统中的客观因素也会导致变电运维质量的下降。
目前随着人们对于电量的需求量增大，对于现代化电力系统的建设而言，所有的设备与线路所承担的负荷都会随之而变大。
而如果日常的变电运维工作管理不严谨，就会在一定程度上加大变电设备的受损几率。
这个此类情况不仅会导致电力设备故障频发，还有可能对其日常运行的实际质量和效率产生非常严重的影响。
如果遇到比较恶劣的天气，将会进一步的破坏电力系统，造成短路，供电中断等一系列问题。
除此之外，由于电力设备需要长时间的工作老化现象就会比一般的设备要相对来的快一些，这些现象不仅会导致设备的使用性能逐步降低，还会使设备故障接二连三的出现，引发一系列的运行问题。
3基于大数据的模型构建与智能处理技术
3.1运维策略的算法和策略评价模型的构建
变电站内各种设备信息数据，如设备温湿度，油位油压，运维人员的临时任务等都时刻传送到运维数据的中心，使得运维数据中心数据量巨大。
在面对如此繁多的的数据大规模的访问的情景下，如果仅仅考虑变电站数据的整体性能已经远远无法满足运维人员对多QOS的需要。
因此，就迫切需要建立一种能满足和适应多种数据需求的运维机制，不仅在可以确保运维人员的多QOS需求，实现数据资源与运维人员的最优效用，而且能够重视数据资源的有效利用和系统综合性能的显著提高。
结合电力运维数据的特征和在异构环境下对QOS的研究，选取可靠性、时间参数、优先级和安全性作为其约束条件，使用效用函数将QOS转换为效用值，以评价运维目标的实现程度。
3.2模拟人眼技术
在变电站日常的巡检工作中，对于目标不同方位和层次的观察是通过运维人员的眼睛来实现的，而对于不同角度的观察由走动来实现的，但是现场的摄像机获取的图像具有平面性、单一性，进而失去了立体感。
怎样使变电站运维工作中的摄像机的捕捉的画面具有立体感，带来更真实的视觉运维，是我们在变电站智能巡检运维中要面临的首要问题。
通过对Hou方法的研究，实现了对摄像机采集的平面图像立体化，使不同摄像机的画面组合，模拟人眼在现场观察目标，可以确保了远程智能巡检的质量和效果。
3.3图像智能分析技术
识别变电站中仪表读数，隔离开关、断路器和高压开关等的分合状态需要借助基于视频运动物体的检测系统，通过对实际视场建立高鲁棒性的背景模型分析，集成混合高斯和运动差分算法，实现对仪表、隔离开关、断路器和高压开关的智能分析。
首先通过背景模型对每个像素点建立多个多维高斯分布来混合模拟该点的背景值，然后通过对高斯模型的匹配，混合高斯模型的更新，生产新的背景模型，融入帧间差分的背景更新，最后进行交替进行的图像差分法来提取背景模型，同时对进行背景减除法进行图像检测，如果图像的背景整体发生了较大的变化时，结合混合高斯模型和帧间差分相融合的自适应背景更新算法进行背景的更新和运动物体的检测。
进而实现对仪表和各种开关的检测。
4电力运维安全管控工作措施
4.1督查电气设备的运维管理
除此之外，相关人员还应当加强电气设备的运维管理。
电气设备的管理与变电运维之间的联系比较紧密，如何科学合理的使用变电设备对于整个变电运维工作的顺利推动有着重要的意义。
如果没有加强电气设备的管理工作，那么后期将会影响整个可靠供电，同时也会影响用户使用体验。
因此相关人员应当做好对应的管理工作，不仅要加强日常巡视检查。
还要对于整个设备进行及时的维护保养工作。
在日
常养护过程中，应当积极的测试所有设备的性能和使用年限。
对并且通过高科技信息化系统对于设备的实验轮换情况进行详细的录入。
对于各种倒闸操作的许可及检修工作进行整理总结因此，更好地完成整个电气设备的把控工作。
4.2及时排查操作票填写状况
在进行整体变电运维工作管理中应当约束现场操作人员去及时的填写操作票。
在通过后台进入操作系统处理电力站网络故障时，应当实行无操作票不允许进入后台操作规定。
吃类规章制度也是为了更好的控制操作票田填写的严谨性。
众所周知操作票填写是为了保证系统处理高效率的重要体现之一，如果在实际工作中没有设定专门的监管机构和人员来进行填写操作票，那么后期就会出现管理混乱情况，处理故障事故的效率也会降低。
因此相关人员应当根据分组进行一对一监管，在能够保证后台正常运行操作的同时，提升整体变电运维管理模式，并在其中规范操作流程，约束填写操作票的内容模式，减少工作流程。
最后应当建立相对应的巡检制度，提出停送电监管举措，从而更好地提高运维人员的监管力度，保障整体工作的顺利进行。
结束语
近年来大数据不断地向社会各行各业渗透，使得大数据的技术领域和行业边界愈来愈模糊和变动不居，应用创新已超越技术本身更受到青睐。
大数据技术可以为每一个领域带来变革性影响，并且正在成为各行各业颠覆性创新的原动力和助推器。
参考文献：
[1]陈英娇，汪龙.电力计量大数据对计量装置运维的应用[J].科技创新导报，2018，15（17）：48+50.
[2]李景青.电力计量大数据对计量装置运维的应用[J].技术与市场，2017，24（09）：103-104.
[3]王煜.基于大数据的风电场电力系统运维服务能力建设研究[J].中国高新技术企业，2017（10）：115-116.
[4].国网青海电力配网运维大数据监测分析取得显著成效[J].农村电气化，2016（04）：18.。