基于大数据的电力物资供应链安全风险监测系统

刘晶晶,张华强,陈嘉羽,褚 莉,杨 涛

(国网安徽省电力有限公司物资分公司,安徽 合肥 230011)

供应链管理的终极目的就是要把整个供应链可视化、管理信息化,以最大限度地增加企业的综合效益和降低企业的经营费用,进而提升企业的整体水平。电力物资供应链包括电力网络构建、维护与保养等各个方面的资源,这些资源种类繁多,难以直接控制供应链,无法保证电力网络安全与稳定。因此,协调电力物资供应链,能够强化安全风险监测力度,这是提升企业整体水平的一个重要途径。

相关学者深入研究了该问题,其中刘永胜等人[1]研究了基于供应链视角的网购食品安全风险识别,采用扎根理论研究法,对网购食品的消费者差评信息进行三级编码,基于供应链视角对网购食品安全风险进行系统识别,并利用定量的Borda序值法对子风险的严重程度进行评估,但是该方法安全风险识别存在纵向载荷值与预期最大值相差大的问题。许雯宏等人[2]研究了区块链赋能乳制品供应链质量安全监测研究,为供应链质量安全监测进行技术赋能,去中心化体系强化供应环节质量监测,数字签名技术确保运输与储存环节相衔接,以区块链为底层技术,构建供应链质量安全信息监测平台,但是该方法存在供应链吞吐量低的问题。

针对上述问题,设计了一种基于大数据的电力物资供应链安全风险监测系统。该方法引入了大数据技术,结合其他算法,实现了供应链安全风险检测,以期提高供应链吞吐量等。

1 系统硬件结构设计

电力物资供应链安全风险监测系统是我国电力监控系统的核心基础设施,供应链安全已成为我国网络安全的一个重要内容。基于此,设计了一种基于大数据的电力物资供应链安全风险监测系统硬件结构。该系统主要由数据采集模块、数据处理模块、供应链安全风险评估模块、安全风险预警模块组成,采用这种嵌入式的风险监测系统,管控、调度和传输监测信息。

1.1 数据采集模块

系统采用AD7606数据采集模块采集原始数据,该模块将各种芯片集成到同一块电路板上,通过RS232串口实现远程数据采集,结合AT指令实现数据采集结果的语音展示[3]。

该采集模块结构如图1所示。采用高精度16比特 ADC芯片AD7606,其最大取样速度达到200 Ksps,并且具有5挡的过取样设定模式,能够有效地减少抖动。采用并口方式跳线:R1悬空(未挂)、R20挂上K电阻;SPI接口模式跳线:R1挂上K电阻,R2悬空(未挂),R2少用BUSY口线,以确保采集过程的稳定[4]。

图1 AD7606数据采集模块

1.2 数据处理模块

选用89C52单片机作为数据处理模块的中央处理单元,EPROM27256作为数据处理模块外部存储单元,P0端口用作地址和数据分时多路传输。存储器的8比特内存地址(P00到P07)经由它的一个端口被输出,ALE的下降边缘把它输入到锁存器锁存[5]。之后,将其和一个8比特外存地址(P20到P27)形成一个对32 K外部存储器存储空间的地址。

数据处理模块中89C52单片机芯片结构,如图2所示。

图2 89C52单片机的芯片结构

由图2可知,P00～P07:P0口是一个漏极双向打开端口,用1表示其状态,并作为一个高电阻的输入;P10～P17:P1口是一个双向 I/O端口,由内向外拉动[6]。当P1口写入数据1时,该口的电平达到最高值,由此可作为输入端口[7];P20～P27:P2口是双向 I/O端口,当P2口写入数据1时,该口的电平会达到最高,由此可作为输入端口。

通过数据处理模块,清洗与词性标注处理原始数据。将处理后的数据传递到供应链安全风险评估模块并分析[8-10]。

1.3 供应链安全风险评估模块

在评估模块中,采用了模块化的方法进行风险评估,其体系结构见图3。

图3 供应链安全风险评估模块

由图3可知,该模块通过外网介入和外部环境,将采集到的数据通过边缘分布模块传输到核心模块中,主要用于评估电力物资供应商与使用者的双边关系。

1.4 安全风险预警模块

供应链安全风险预警模块,将风险预警与处理机制整合到电力资产归属单元,实现供应链安全风险的实时预警与处理[11]。在系统中,使用光敏传感器作为预警安全风险的主要设备。

光敏传感器由于光线暗淡,发出低电压信号,由放大器放大后,传送到单稳触发回路,以作警告,用以警告管理员[12]。当警报声停止(1～7 s),光敏传感器进入备用模式。电路以5 V直流电压为电源,并给出了相应的安全风险警报电路,如图4所示。

图4 安全风险预警电路

由图4可知,整个电路原理图由光敏感应电路、二级电容耦合放大电路、单稳态触发电路、报警电路等构成,并分析电路[13]。光敏感应器包括RG1、R1、电源及接地,其中RG1为光敏电阻。R1和光敏电阻RG1构成电阻式串联分压器,R2、R3、C3、V1、C4、R4和VT2组成二级电容耦合放大电路;C3是一个反馈电容,其能稳定电路中的静止工作点,从而使C3更稳定,更可靠;C4是一个耦合电容,它的主要功能是起到隔直通交的耦合作用;R2是一个基极电阻,R3是集电极偏压,从而确保三极管VT1处在一个放大状态;VT2与集电极偏置电阻R4相连,起到电路切换功能[14]。

单稳态触发电路包括:集成电路U1、陶瓷电容C5、电位器RP1、电阻R5,该电路主要作用是保护电路不受外部干扰,提高电路的稳定性。当光敏传感器感受到异常状态时,通过传感器的报警声可以调整RP1电位,触发蜂鸣器H1发出蜂鸣器声音,实现系统的自动报警。

2 系统软件部分设计

2.1 潜在安全风险识别

运用大数据技术,识别潜在安全风险。首先将两个相邻采样点的测量数据和标准残差作为特征值,标准化处理包含标准残差在内的指数后,构建的特征指标矩阵如下所示:

(1)

式中:mi、mj分别为采集的两个相邻样本数据;R为标准差;Δz为两个相邻样本数据之间的采集时间差值;mij为特征指标;m′ij为特征指标矩阵[15]。

通过归一化处理特征数据后,结合大数据技术的聚类方式,获取电力物资供应链聚类结果。根据该结果确定聚类数量,进而得到聚类有效性指数,公式可表示为

(2)

式中:λij为聚类度量因子。将该公式计算结果作为聚类有效性的判定标准,如果该值越高,则说明聚类划分结果精度也就越高,由此也得到最优聚类结果。根据该结果,可以对潜在的安全风险进行分类,从而实现潜在的安全风险识别。

2.2 安全风险监测流程设计

基于潜在安全风险识别结果,设计安全风险监测流程如图5所示。

图5 安全风险监测流程

由图5可知,针对安全风险监测详细流程,如下所示:

步骤一:通过互联网采集电力资产供应链数据,并利用电力专用网络对电力物资有关的公开公布数据、非公开数据进行采集。

步骤二:处理电力资产供应商所属国家相关的言论信息、企业重要业务信息和政治活动信息,获取处理后的分词、标注结果,并将该结果存入数据存储模块。

步骤三:结合潜在安全风险识别结果,构建电力物资供应链安全风险监测的目标函数,公式为

(3)

式中:ω为权重;x为监测指标;γi、κi分别为安全风险监测的类外、类间特征量。

依据该目标函数,将处理的电力物资供应链风险监控系统信息、国家信息安全漏洞库信息以及厂商所公布的产品缺陷信息,从数据存储模块提取出与电力物资供应链有关的安全缺陷信息,并评估其可能造成的影响。

步骤四:通过供应链安全风险预警模块,为各个电网企业提供供应链安全风险预警;

步骤五:分析风险预警结果,并将其推入至电力物资供应链安全风险监测的资产所有者;

步骤六:设置安全风险预警时间限制,要求电力物资供应链安全风险监测系统的资产所有者单位提交供应链风险处理方案,并追踪与管理方案。

3 实 验

3.1 实验装置

在SCPI标准协议下,结合Wi-fi无线通信协议实现实验装置的开发,结合以太网开放系统互联模型进行装置的组态设计,实现实验装置的智能交互,并调用Sip_call接口创建实验装置的消息控制指令,实现装置的分组交换设计,如图6所示。

图6 实验装置结构

由图6可知,将实验装置与不同层次定义的协议集合起来,以函数的形式展现,构成一个风险监测函数库,为实验验证提供函数库支持。

3.2 实验指标看板

通过图6所示结构获取电力物资供应链销售商版块、制造商版块和供应商版块的纵向荷载值,利用该值表示电力物资供应链的稳定性。

实验指标看板,如图7所示。

图7 实验指标看板

实验指标的统计周期、取数规则是以某个电网公司公布的指标为准,具体如下:

实验指标名称:指标执行率;

统计周期:季度;

取数规则:在统计周期内完成电力供应链物资采购;

指标执行率:当指标执行率在[80%,100%]时,指标执行率可达到100%;当指标执行率在[50%,80%]时,指标执行率可达到60%;当指标执行率在[30%,50%]时,指标执行率可达到40%;当指标执行率在[0%,30%]时,指标执行率可达到0%。

3.3 实验结果与分析

为了验证基于大数据的电力供应链安全风险监测系统的稳定性,将供应链的纵向载荷值和吞吐量作为指标,分别将文献[1]、文献[2]的监测系统,与所研究系统进行对比分析。

3.3.1 纵向荷载值

对比三种系统的供应链纵向载荷值,结果如图8所示。

图8 三种系统供应链纵向载荷值对比结果

由图8可知,使用文献[1]的监测系统,监测到的最高纵向载荷值为68 kN/m3,与预期最大值相差16 kN/m3;使用文献[2]的监测系统,监测到的最高纵向载荷值为78 kN/m3,与预期最大值相差6 kN/m3;使用基于大数据的电力供应链安全风险监测系统,监测到的最高纵向载荷值为83.5 kN/m3,与预期最大值相差0.5 kN/m3。

3.3.2 吞吐量

对比三种系统的吞吐量,结果如表1所示。

表1 三种系统吞吐量对比结果 bit

由表1可知,使用文献[1]的监测系统,和文献[2]的监测系统的吞吐量,比基于大数据的风险监测系统要低,说明使用的基于大数据的风险监测系统吞吐量较高。

通过上述比较结果可知,使用基于大数据的电力供应链安全风险监测系统,供应链纵向载荷值与预期值最接近,主要原因是应用大数据方法在识别潜在安全风险的基础上,结合供应链自身特点,获取的供应链纵向载荷值与预期值基本一致。而供应链吞吐量性能好,表明电力物资供应链稳定,也证实了系统风险监测结果精准。

4 结 语

针对电力物资供应链中存在的安全风险问题,提出了基于大数据的电力物资供应链安全风险监测系统,应用了大数据技术,该监测系统通过对其进行嵌入式调度,识别潜在的安全风险,并对其进行自适应风险监测。实验证明,该系统能够使电力供应链保持较高的稳定性,且系统设计过程较为简单,因此,具备较强的推广性。