“大数据”为电力企业带来什么
以更准确的分析预测，为智能电网与新能源发展提供决策依据
“大数据”这个词是最近的新热点，《纽约时报》甚至宣称“大数据时代降临了”，随着这个词的频频曝光，它的商业价值也逐渐凸显，“大数据”已然成为众多世界500强企业追捧的对象，意昂（E.ON）等多家超大型国际电力能源集团已宣布牵手“大数据”。那么，“大数据”究竟会给电力企业的未来发展带来什么启示呢？
“大数据”的核心：更准确地预测
“大数据”源自英文bigdata，对这个概念的解释千差万别，美国学者舍恩伯格在他的专著《大数据时代》中解释说：“大数据，就是我们可以在更大规模的数据上，做到更多我们无法在小规模数据基础上完成的事情。”
他认为，“大数据”的核心就是对庞杂的超大规模数据资料进行分析，从而可以更准确地预测，这必然引发商业变革。以欧洲快销时尚品牌ZARA为例，该公司通过对消费者登录网店的数据进行分析，找出最受欢迎的产品，作为实体店的推荐参考，果然效果很好。并在实体店及网店中不停地收集消费者反馈：“我喜欢这个图案”、“我讨厌这个扣子”等，所有消息都通过销售经理反馈给数据处理中心，最终各方信息都将被分类处理，成为设计、生产、销售的指引。ZARA借此将销售收入提高了10%。
舍恩伯格在《大数据时代》一书中提出了一个非常具有颠覆性的观点：通过对庞大数据分析知道“是什么”就够了，不必再去追问“为什么”，就好像ZARA只需通过“大数据”分析了解什么款式最受欢迎，不必再花精力去研究消费者为什么喜欢。这个观点对于企业管理者来说，尤为重要。
需要专业化的数据处理机构
意昂集团（E.ON），欧洲最大的电力集团公司之一，兼营石油、贸易、运输等业务，2 012年在世界500强榜单上排名第16位，英、德等30多个国家的电网与发电企业都属于该集团旗下资产，用户数量超过2600万人。今年4月，该集团宣布携手瑞典爱立信（Er-ics son）公司探索“大数据”。
爱立信将向意昂集团出售相应的电网应用设备和软件，用来将意昂旗下电网的数据传输量提高3000%，可见这家电力企业在未来对数据的依赖。爱立信将帮助意昂对这些数据进行管理和分析，从而为企业经营服务。这次“大数据”合作主要集中在瑞典电网，意昂在瑞典大约拥有60万块智能电表。
像意昂这样的大型综合性集团，为什么一定与他人联手而不是让自己的办公室来分析数据呢？
IBM公司在美国德克萨斯州有个智能电网项目，将拥有320万块智能电表，“原来都是每个月抄一次表，现在智能电表每15分钟就向IBM公司发送一次用户的用电数据。320万块表，15分钟抄一次，一个月下来是多么大的一堆数据？没有专业化的‘大数据’分析肯定不行。”项目负责人说。这或许就是意昂牵手爱立信做“大数据”的原因。
与此同时，电力设备制造商西门子公司也宣布携手数据分析公司天睿（Teradata）进行“大数据营销”，将电力企业设定为目标客户，提供从智能电表到电网运行系统的设备制造与数据分析服务。此前，天睿公司已经和美国南加州爱迪生电力公司等电力企业建立和合作，对停电、电力供应、电力需求、天气对电力供需的影响等数据进行精确地分析，从而为电网安全运行提供更可靠的参考依据。
届时，“大数据”所包含的信息将会给发电和电网企业做出更好的预测，比如气温每升高一度对电力需求的影响、用电高峰时间可以精准到分钟等具体数据，都可以通过“大数据”分析来获得。
为电网规划和新能源探路
《大数据时代》的作者舍恩伯格说，可以抽象地认为，智能电网就是“大数据”这个概念在电力行业中的应用，就是通过网络将用户的用电习惯等信息传回给电网企业的信息中心，进行分析处理，并对电网规划、建设、服务等提供更可靠的依据。
日前，美国加州大学洛杉矶分校的研究者就根据“大数据”理论设计了一款“电力地图”，将人口调查信息、电力企业提供的用户实时用电信息和地理、气象等信息全部集合在一起，制作了一款加州地图。该图以街区为单位，展示每个街区在当下时刻的用电量，甚至还可以将这个街区的用电量与该街区人的平均收入和建筑物类型等相比照，从而得出更为准确的社会各群体的用电习惯信息。
这个“大数据”地图也为城市和电网规划提供了直观有效的负荷数预测依据，也可以按照图中显示的停电频率较高、过载较为严重的街区进行电网设施的优先改造。
同时，对于风能、太阳能等具有间歇性的新能源，通过“大数据”分析进行有效地调节，也可以使新能源更好地与传统的水火电进行互补，更为灵活地出力。
本报记者关飞
《南方电网报》2013.4.27
电力行业如何应用大数据
2013-07-01来源：人民邮电报作者：吴学忠
大数据不是ICT行业的专利。目前，金融、广电等传统行业都在积极借助大数据的力量，帮助企业实现转型。在电力行业，大数据已经被视作企业战略层面的重要议题：国家电网就在北京亦庄、上海、陕西建立了三个大数据中心，其中北京亦庄大数据中心已安装超过10200个传感器，每个月可节约的能耗价值大概为30万元。那么，电力行业如何应用大数据？在电力行业面临的挑战中，电信业能找到哪些共性，电信业又有怎样的机遇？电力行业的应用策略中有哪些值得电信业借鉴？请关注本版报道。
大数据在公共管理、零售、互联网、电信、金融等众多行业快速推广，市场规模迅速扩大，2012年国内大数据市场规模已达4.5亿元。IDC预测，2016年中国大数据市场规模将达6.17亿美元，而全球规模将达238亿美元。大数据已经渗透到当今的每个行业，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。大数据超过了传统数据库系统的处理能力，为了获得数据中的价值，必须选择新的方式进行处理。电力大数据是大数据理念、技术和方法在电力行业的实践，是大数据应用的重点领域之一。
对内：优化管理模式
电力行业数据量大、类型多、价值高，对于电力企业盈利与控制水平的提升有很高的价值。有电网专家分析称，每当数据利用率调高10%，便可使电网提高20%~49%的利润。和电信行业一样，电力行业对大数据的使用也分为内部应用
和外部应用。
内部应用指运用大数据优化电力企业管理模式，提升电力企业经营管理水平，主要包括以下几个方面。
——支持基建决策
大数据技术有助于电力企业基础设施选址、建设的决策。例如丹麦风电公司VESTAS计划将全球天气系统数据与公司发电机数据结合，利用气温、气压、空气湿度、空气沉淀物、风向、风速等数据以及公司历史数据，通过使用超级计算机及大数据模型解决方案，来支持其风力发电机的选址，以充分利用风速、风力、气流等因素达到最大发电量，并减少能源成本。此外，VESTAS还将添加全球森林砍伐追踪图、卫星图像、地理数据以及月相与潮汐数据，以便更好地支持基础建设的决策。
——升级客户分析
一方面，通过使用电力企业庞大的历史销量数据，进行用户用电行为分析和用户市场细分，使管理者能有针对性地优化营销组织，改善服务模式。另一方面，通过与外界数据的交换，挖掘用户用电与电价、天气、交通等因素所隐藏的关联关系，完善用户用电需求预测模型，进而为各级决策者提供多维、直观、全面、深入的预测数据，主动把握市场动态。
——提高智能控制
大数据技术将加速电力企业智能化控制的步伐，促进智能电网的发展。例如，通过为电力基础设施布置传感器，动态监控设施运行状况，并基于大数据分析挖掘理念和可视化展现技术手段，采用集成了在线检测、视频监控、应急指挥、检修查询等功能的“智能在线监控与可视化调度管理系统”，有效改变运维方式，从萌芽阶段消除部分运维故障，实现运维智能化。
——加强协同管理
整合电力行业生产、运营、销售、管理的数据，实现电力发电、输电、变电、配电、用电、调度全环节数据共享，以用电需求预测为驱动优化资源配置，协调电力生产、运维、销售的管理，提升生产效率和资源利用率。此外，电力企业各部门数据的集成将优化内部信息沟通，使财务、人事等工作的开展更顺畅，有助于企业实行精细化运营管理，提高集团管控水平。
对外：丰富增值业务
外部应用指利用电力行业大数据可获得的社会效益，主要包括以下方面。
——丰富增值服务
利用电力行业数据可给用户提供更加丰富的增值服务内容。例如，通过给用户提供其各月份分时明细用电视图，可让用户了解自身用电习惯并能根据需要进行调整，同时也使得电力收费过程更透明。随着无线M2M传感器和大数据分析的普及，智能恒温控制器等新型工具进入大型楼房和消费者家庭成为可能，未来这些技术将给用户带来很大的节能空间。
——提供经济指导
作为重要经济先行数据,用电数据是一个地区经济运行的“风向标”，可作为投资决策者的参考依据。美国加州大学洛杉矶分校的研究者根据大数据理论，将人口调查信息、电力企业提供的用户实时用电信息和地理、气象等信息全部整合，设计了一款“电力地图”。该图以街区为单位，可以反映各时刻的用电量，并可将用电量与人的平均收入、建筑类型等信息进行比照。通过完善“电力地图”，能更准确地反应该区经济状况及各群体的行为习惯，以辅助投资者的决策，也可为城市和电网规划提供基础依据。
注意：确保数据质量
大数据时代为电力行业带来了新的发展机遇，同时也提出了新的挑战。通过良好的大数据管理，可切实提高电力生产、营销及电网运维等方面的管理水平。为实践大数据战略，应做好以下准备工作。
做好数据收集和治理工作。如果数据错误、过时或者片面，分析结果将是不正确的；而如果数据冗余、混乱，则会增加获取数据有效信息的难度，并使数据处理效率低下。因此，确保数据高质量、规范化、格式统一是大数据应用的基础。
提高相关技术能力。有了优质的数据后还需要足够的数据存储、分析和处理能力，才能充分有效地应用数据。电力企业应提升海量数据存储、分布式计算、数据挖掘、统计分析、数据可视化等技术，以满足大数据战略的需求。
培养电力大数据人才。大力培养大数据技术专业型人才，尤其是技术与数据建模分析的复合型人才，是大数据战略实行的保障。
挑战中见需求：
如何从大数据中提取价值
质量较低、共享不畅、防御脆弱、基础不牢，对于这些电力行业推进大数据的困扰，电信行业是不是也有似曾相识的感觉？这些问题中的一部分，电信业同样需要深思；还有一些问题，则恰恰是电信业的长处，是电信业推进电力行业信息化的机遇。
数据质量较低，数据管控能力不强。大数据时代，数据质量的高低、数据管控能力的强弱直接影响了数据分析的准确性和实时性。目前，电力行业数据在可获取的颗粒程度，数据获取的及时性、完整性、一致性等方面的表现均不尽如人意，数据源的唯一性、及时性和准确性急需提升，部分数据尚需手动输入，采集效率和准确度还有所欠缺，行业中企业缺乏完整的数据管控策略、组织以及管控流程。
如何从海量数据中提取有价值的信息？这也是电信业面临的问题。有观点认为，可以用智能信息基础设施替换复杂的孤立的数据库，让企业能够在需要时捕捉、存储信息。也有观点认为，可以倚靠软件的处理能力来甄别“垃圾”数据和“有价值”数据。究竟哪种方式更为有效，目前仍无定论。而无论哪种情况，都需要制定一个数据采集的标准，在时间、精度上进行规范，从而为后续的数据分析打好基础。
数据共享不畅，数据集成度不高。大数据技术的本质是从关联复杂的数据中挖掘知识，提升数据价值，单一业务、类型的数据即使体量再大，缺乏共享集成，
其价值就会大打折扣。目前，电力行业缺乏行业层面的数据模型定义与主数据管理，各单位数据口径不一致。行业中存在较为严重的数据壁垒，业务链条间也尚未实现充分的数据共享，数据重复存储的现象较为突出。
打破企业的“门户之见”，在行业中建立一个资源池，让使用者可以按需获取数据资源。从电信业的角度来看，现在，电信运营商之间的合作在不断推进，例如，运营商开发了融合的手机游戏计费平台；在北京电信网上营业厅微信平台上，用户不仅可以自助查询电信业务，还能查询联通和移动业务的使用费，这样共享数据资源的经验也可在大数据的应用过程中加以推广。
防御能力不足，信息安全面临挑战。电力大数据由于涉及众多电力用户的隐私，对信息安全也提出了更高的要求。电力企业地域覆盖范围极广，各类防护体系建设不平衡，信息安全水平不一致，特别是偏远地区单位防护体系尚未全面建立，安全性有待提高。行业中企业的安全防护手段和关键防护措施也需要进一步加强，从目前的被动防御向多层次、主动防御转变。
建立与大数据相适应的安全和隐私保护机制，通过技术手段和加强企业自律来保证数据的安全。
承载能力不足，基础设施亟待完善。电力数据储存时间要求以及海量电力数据的爆发式增长对IT基础设施提出了更高的要求。目前，电力企业大多已建成一体化企业级信息集成平台，能够满足日常业务的处理要求，但其信息网络传输能力、数据存储能力、数据处理能力、数据交换能力、数据展现能力以及数据互动能力都无法满足电力大数据的要求，尚需进一步加强。
在这方面，电力行业和电信业各有优势。尽管电力行业也在进行宽带建设以及智慧社区的建设，但是，所谓“术业有专攻”，在IT基础设施尤其是网络基础设施上，电信业在运维、计费等方面有着得天独厚的优势。同时，在数据中心的建设上，电力行业对以电能为代表的能耗问题又有着丰富的经验。因此，两个行业不妨加强合作，实现共赢。
相关人才欠缺，专业人员供应不足。大数据是一个崭新的事业，电力大数据的发展需要新型的专业技术人员，例如大数据处理系统管理员、大数据处理平台
开发人员、数据分析员和数据科学家等。而当前行业内外此类技术人员的缺乏将会成为影响电力大数据发展的一个重要因素。
加强大数据人才的培养，鼓励企业内部在大数据领域的创新。同时，借助制造业的专业人才也是一个不错的办法。（那什）
策略中得启示：
打破行业、企业数据壁垒
从中国电机工程学会信息化专委会发布的《中国电力大数据发展白皮书（2 013年）》可以看出，电力行业将从以下方面推进大数据战略。这些策略也能为同样在推进大数据战略的电信业带来一些启示。
规划先行、加快示范。设定长期的电力大数据应用策略，积极开展前期研究，结合电力业务性质以及发展需求，从数据规模、增长情况、多样化程度以及数据分析的需求等方面出发，全方位论证电力大数据的发展方向和道路，制定中长期电力大数据发展规划，设立切合实际的目标和优先级、明确的预算与期限。
在规划的基础上，面向电力生产、用户用电、企业运营等数据量大的领域，结合实际情况，找准最易实施、最易出效果、需求最迫切的环节，引导行业厂商参与，关注电力工业共性需求和特点，快速开展电力大数据实践应用，从简单分析到深入分析，再到实现智能挖掘，循序渐进，逐步深入。
数据治理、行业共享。建立电力数据管控体制，定义完整的电力数据管控流程和电力数据责任体系，对电力数据进行从数据获取到数据加工、数据分发再到数据使用的数据全生命周期管理。在提升电力数据管控能力的基础上，开展数据治理和数据质量评估工作，有效提升电力数据的及时性、准确性和完整性。
打破电力行业中企业之间、业务之间的数据壁垒，推动电力企业间的数据开放共享，建设电力行业统一的元数据和主数据管理平台，建立统一的电力数据模型和行业级电力数据中心，开发电力数据分析挖掘的模型库和规则库，挖掘电力大数据价值，面向行业内外提供内容增值服务。
人才培养、生态建设。结合电力大数据发展需求，行业内统筹考虑、统一规划，开展专业人才特别是电力数据科学家的培养工作。积极推动电力大数据技能
认证工作，推进电力企业的分析竞争型企业文化建设，为大数据人才提供发展空间，为电力大数据发展提供坚实的人力资源保障。
智慧电力、智慧城市。电力大数据是智慧城市的基石，紧密围绕智能电力系统的发展开展电力大数据的应用实践。以重塑电力核心价值、转变电力发展方式为主线，在宏观层面重建以人为本的核心价值，在中观层面重建以科学发展为根本的核心能力，在微观层面重建以客户需求为导向的业务流程，实现电力工业更安全、更经济、更绿色与更和谐的发展。
作为覆盖城市和乡村、具备同步传输能源与信息的最大人造网络，智能电力系统天然成为未来智慧城市建设的基础与核心，以电力光纤到户和电力通信网为依托，进一步拓展电力大数据实践，构建家庭用电自动化和能效管理、小区的一体化信息平台、智慧城市的能效管理平台和智慧城市一体化信息服务平台，将智慧从电网带到小区再带到城市，最终实现电力发展方式和城市发展方式的共同转变。（宗文）
链接
电力行业如何理解大数据？
如仅从体量特征和技术范畴来讲，电力大数据是大数据在电力行业的聚焦和子集。但是，电力大数据不仅仅是技术进步，更是涉及整个电力系统在大数据时代发展理念、管理体制和技术路线等方面的重大变革，是下一代智能化电力系统在大数据时代下价值形态的跃升。
电力大数据的特征可以概括为3“V”3“E”。其中3“V”分别是体量大（Volume）、类型多（Variety）和速度快（Velocity），3“E”分别是数据即能量（Energy）、
数据即交互（Exchange）、数据即共情（Empathy）。
重塑电力核心价值和转变电力发展方式是电力大数据的两条核心主线。电力大数据通过对市场个性化需求和企业自身良性发展的挖掘，驱动电力企业从“以
电力生产为中心”向“以客户为中心”转变。电力大数据通过对电力系统生产运行
方式的优化、对间歇式可再生能源的消纳以及对全社会节能减排观念的引导，能够推动中国电力工业由高耗能、高排放、低效率的粗放发展方式向低耗能、低排
放、高效率的绿色发展方式转变。此外，电力大数据的有效应用可以面向行业内外提供大量的高附加值的内容增值服务。
大数据应用之电力应用 一、背景 大数据不是ICT行业的专利。目前，金融、广电等传统行业都在积极借助大数据的力量，帮助企业实现转型。在电力行业，大数据已经被视作企业战略层面的重要议题：中国电力公司就在XX、XX、XX建立了多个大数据中心，其中某个大数据中心已安装超过10000多个传感器，每个月可节约的能耗价值大概为30万元。那么，电力行业如何应用大数据？在电力行业面临的挑战中，电信业能找到哪些共性，电信业又有怎样的机遇？电力行业的应用策略中有哪些值得电信业借鉴？ 大数据在公共管理、零售、互联网、电信、金融等众多行业快速推广，市场规模迅速扩大，2012年国内大数据市场规模已达4.5亿元。IDC预测，2016年中国大数据市场规模将达6.17亿美元，而全球规模将达238亿美元。大数据已经渗透到当今的每个行业，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。大数据超过了传统数据库系统的处理能力，为了获得数据中的价值，必须选择新的方式进行处理。电力大数据是大数据理念、技术和方法在电力行业的实践，是大数据应用的重点领域之一。 电力大数据的特征可以概括为3“V”3“E”。其中3“V”分别是体量大（Volume）、类型多（Variety）和速度快（Velocity），3“E”分别是数据即能量（Energy）、数据即交互（Exchange）、数据即共情
（Empathy）。 二、大数据应用机遇 重塑电力核心价值和转变电力发展方式是电力大数据的两条核心主线。电力大数据通过对市场个性化需求和企业自身良性发展的挖掘，驱动电力企业从“以电力生产为中心”向“以客户为中心”转变。电力大数据通过对电力系统生产运行方式的优化、对间歇式可再生能源的消纳以及对全社会节能减排观念的引导，能够推动中国电力工业由高耗能、高排放、低效率的粗放发展方式向低耗能、低排放、高效率的绿色发展方式转变。此外，电力大数据的有效应用可以面向行业内外提供大量的高附加值的内容增值服务 1、优化管理模式 电力行业数据量大、类型多、价值高，对于电力企业盈利与控制水平的提升有很高的价值。有电力专家分析称，每当数据利用率调高10%，便可使电网提高20%~49%的利润。和电信行业一样，电力行业对大数据的使用也分为内部应用和外部应用。 内部应用指运用大数据优化电力企业管理模式，提升电力企业经营管理水平，主要包括以下几个方面。 支持基建决策 大数据技术有助于电力企业基础设施选址、建设的决策。例如丹麦风电公司VESTAS计划将全球天气系统数据与公司发电机数据结合，利用气温、气压、空气湿度、空气沉淀物、风向、风速等数据以及公司历史数据，通过使用超级计算机及大数据模型解决方案，来支
基于大数据的电力系统数据应用 发表时间：2018-12-25T16:19:20.450Z 来源：《电力设备》2018年第23期作者：张新伯[导读] 摘要：电能与生产生活密切相关，电能的生产与传输需要经过电力系统发电、输电、变电等一系列复杂的过程完成，电力系统的生产、监控、测量、通信过程中产生了大量的数据，有效利用这些数据提高电力系统的安全可靠运行水平，是电力企业提高管理水平的重要途径。 （深圳供电局有限公司广东深圳 518000）摘要：电能与生产生活密切相关，电能的生产与传输需要经过电力系统发电、输电、变电等一系列复杂的过程完成，电力系统的生产、监控、测量、通信过程中产生了大量的数据，有效利用这些数据提高电力系统的安全可靠运行水平，是电力企业提高管理水平的重要途径。本文分析了电力自动化系统数据类型、电力系统数据应用现状及当前大数据的具体应用，提出了未来如何利用电力系统大数据来优化企业管理的策略，仅供参考。 关键词：电力大数据；电力系统数据处理；应用在当前我国电力行业的发展背景下，电力企业之间的市场竞争也变得越来越激烈。而单个电力企业要想在这种复杂的市场环境中取得优势，就必须要在发展过程中不断提高自身技术水平。如果能够将大数据技术充分应用到电力企业的各项业务中，就可以更好的处理企业业务发展中的各类数据，并对电力大数据信息进行必要的预测，真正的变革整个电力系统的管理模式。但就当前的实际现状来看，大数据技术在我国大部分电力企业中的应用水平都非常有限，并没有充分发挥其价值。之所以出现这种情况，就是因为一些电力企业没有明确大数据技术的应用前景，无法将大数据技术跟电力系统各项活动融合在一起。在这种情况下，就有必要分析大数据在电力系统中的具体应用现状和应用前景。 1大数据概述 大数据作为一种新型的数据信息处理技术，能够通过对大量数据信息的选择和分析，进行整理、计算等，筛选出其中蕴含的规律，进而选取有价值的数据信息。大数据具有数量大、范围广、数据类型复杂多样、内容丰富、数据的来源可靠、数据处理时效高等优势，近年来在各个行业得到了普及和推广。 2大数据在电力系统中应用的重要意义大数据技术在我国电力系统中具有多个方面的应用意义，能够促进我国电力系统的稳定高效发展。一方面，大数据技术的应用能够解决我国电力系统对于数据收集和处理的困难。特别是目前我国电力系统运作过程中涉及到的电力设备不断变多，而每一种电力设备的数据结构类型也比较复杂。使用大数据技术能够更有效的处理这些数据信息。另一方面，大数据技术的使用也可以显著提高我国电力系统的技术层次，引入数据挖掘等各项先进技术，提高电力企业的技术层次。 3大数据目前对于电网存在的问题 3.1现有营销系统数据以及对客户的深度分析不够 现有营销技术支撑系统仅仅作为业务支撑体系，用于基础数据收集、运行数据计算工具，仅局限于正常的营销业务的处理，仅仅能够生成一些功能单一的固定报表数据。一个月使用一次，很难将相互孤立的数据与用户用电特征、电力使用环境等因素进行分析与关联，数据使用率低，造成了对客户的价值分析能力不足。随着社会进步与营销相关业务的发展，无论是数据采集，还是电费计算，电网营销数据每年的增长速度较快，数据完整性有很大提高，在数据真实性与及时性方面也有一定提高，但是目前营销系统、信息采集与PMS、供电可靠性等其他系统的信息匹配方面依然存在问题，还有这部分的数据不一致，不准确，造成了营销系统的数据更新压力很大，难以成为多方数据的共享平台，内部无法为公司决策层提供数据支撑，更不要说对客户的用电分析，难以为客户的深度分析提供有力支撑。 3.2没有形成专业的协同运作 造成大量数据形成了信息孤岛，没有真正达到信息的纵向集成与横向联合，没有专门的运转部门进行绩效考核与实际可靠有效的合并机制，多年来一直单轨运行，数据更新不及时，工作平台不共享，造成重复工作很多，难免形成数据疏漏，经常出现系统运行一段时间后，需要大量时间进行数据重新梳理，没有形成日常化更新运作，人员变动频繁，交接疏漏时有发生。 3.3数据量大，可靠性低 电力自动化系统在运行过程中会产生大量的数据，而不同的数据代表不同的信息，电力自动化系统是由许多的子系统构成，各个子系统的数据库中储存着相关的数据信息，整个系统中的数据量非常庞大，数据交叉现象时有发生，繁多的数据信息会在一定程度上影响和制约这个系统的数据信息的分析处理和数据的更新，随着存储数据的增多，出现问题的几率也越来越大，降低了数据处理的安全性和准确性，对系统的数据库进行统一管理，保证系统数据的唯一性势在必行。 4大数据在电力自动化系统中的具体应用 4.1电网基础建设的自动化与智能化 在当前我国国民经济不断发展的背景下，我国各个城市地区的现代化建设程度也快速加深，社会各个行业和人们日常生活中对于电力的需求也出现了显著增加。在这种发展趋势下，我国各个地区的电网基础建设项目也逐渐增多。而如果能够将大数据技术融入到电网基础建设项目中，就能够显著提高项目建设过程中的数据储存困难和信息处理效率不高等问题。这主要是因为大数据技术的应用能够最大程度的收集电网基础建设项目中的各类现场信息，并使用自动对比等可行性较强的数据挖掘技术来对现场产生的各类信息进行全面的分析，最终实现建设项目的智能化管理和自动化处理。 4.2基于大数据的电网运行可视化监控 在整个输变电网络中有大量的设备、及检测点，通过传感器实时从各设备上采集设备运行指标及输变电的电压、电流、负载状态监测指标等，通过大数量的实时处理平台进行数据提取、加工及整合，再通过可视化大屏实时展示各设备及监测点的运行，对于设备及检测点数据的异常及时预警，及时处理。同时将设备的运行数据及检修数据进行整理分析形成知识库，以此知识库通过大数据处理技术及数据挖掘进行设备生命周期预测、设备异常问题检修处理方法推荐、设备检修周期以可能问题预测，以及对电力设备资产管理、设备运检管理、设备技术管理、技改大修管理等的大数据支撑。 4.3大数据在故障预测中的应用
大数据时代：电力行业如何掘金 一、大数据顶层设计出台 国务院总理李克强8月19日主持召开国务院常务会议，通过《关于促进大数据发展的行动纲要》（下称《纲要》），这意味着大数据顶层设计出台，国家大数据战略成形，大数据产业有望成为新经济的重要引擎。 从流量到数据，是对整个互联网经济的重新定义和洗牌，两种思维分别是两代互联网经济的代表。 流量时代，互联网撬动的GDP约为3万亿元；而在经历了第一代互联网时期的爆发式增长后，BAT等互联网巨头的流量规模已经形成，变现方式的单一将导致流量变成一种相对廉价资源；数据思维时代，企业将从单纯追求“量”向追求“质”转变，大数据能够帮助企业从有限的流量中挖掘更大的价值；据推算，大数据有望撬动的GDP至少在万亿元量级，可比肩流量经济。 从应用层面来说，互联网金融、智能安防、智能医疗等各领域都已加入对于大数据的采集和分析。BAT等互联网龙头更是大数据经济的积极推进者，马云将数据比作互联网时代的石油，大数据从某种程度上已成为互联网经济的生产要素之一，并加速了线上线下的融合。 目前，所有传统行业都在积极借助大数据的力量，帮助企业实现转型。在电力行业，大数据已经被提升企业战略层面。大数据时代为电力行业带来了新的发展机遇，同时也提出了新的挑战。必须通过良好的大数据管理，切实提高电力生产、营销及电网运维等方面的管理水平。 二、电力行业数据量大、类型多、价值高 如仅从体量特征和技术范畴来讲，电力大数据是大数据在电力行业的聚焦和子集。但是，电力大数据不仅仅是技术进步，更是涉及整个电力系统在大数据时代发展理念、管理体制和技术路线等方面的重大变革，是下一代智能化电力系统在大数据时代下价值形态的跃升。 电力大数据的特征可以概括为3“V”、3“E”。其中3“V”分别是体量大（Volume）、类型多（Variety）和速度快（Velocity），3“E”分别是数据即能量（Energy）、数据即交互（Exchange）、数据即共情（Empathy）。 重塑电力核心价值和转变电力发展方式是电力大数据的两条核心主线。电力
浅谈大数据技术在电力系统中的应用 发表时间：2019-07-08T11:56:48.010Z 来源：《电力设备》2019年第4期作者：赵辰 [导读] 摘要：电网的建设直接推动了电力行业的发展。 （内蒙古电力（集团）有限责任公司呼和浩特供电局内蒙古呼和浩特 010010） 摘要：电网的建设直接推动了电力行业的发展。电力行业的大数据不单单是指个人，以及企业的用电量，还包括在整个电网运行中所产出的数据，因为数据各不相同，根据这些数据筛选，探查和推测进而选出更有价值意义的信息。大数据的特点就是数量大类型多，范围比较广。电力行业大数据不仅指用户用电量的数据、电力企业的管理数据，还应该包括电网运行状态的数据和发电机组的数据，所以正确的处理大数据，能很好的提高行业的质量，在各行业中也得到了很好的推广。 关键词：大数据；电力系统；应用 1大数据技术在电力系统中的应用现状 （1）认知度不够。很多电力企业的高层管理对于大数据的认知还存在很大的普及性。不太了解大数据在全国自动化电力中起到的重要作用和存在的意义。另一个原因，大数据的引进需要人力和财力。需要专业的技术人员以及资金的投入，因为大数据的优势不能被摆在明面上来，导致了很多企业的不重视。再者，一些企业为节约成本购买的低配置的计算机等设备，大大减少了大数据的精准程度，在这个信息化管理时代，会直接导致数据处理的运行程度，设备使用出现各种故障，导致大数据的引进和接受。 （2）员工自身专业水平不够。员工综合素质不高，这是当下很多企业都面临的问题。大数据的运行以及分析管理，需要更专业的人员进行运作。但是现在很多员工不是对口专业，导致在工作上就会出现失误以及懈怠。因为自身的知识面不够，就导致该工作人员对于电力设备自动化运作中产生的大数据无法正确分析，或者在数据处理中对软件的运行感到束手无策，无法保证任务的完成。 （3）大数据的不稳定性。电力系统在运作中就会产生大量的数据，全网信息时代，各种电力产生的数据加起来是非常庞大的。但是，每种数据的产生代表的信息也就不同。这个就需要数据分析统一管理。这样的话，整体的数据库中数据会导致碰撞，导致了问题的出现，从而也降低了数据的精准性。所以庞大的储存空间，数据库的统一管理，是保证大数据准确性的必要选择。 2电力系统大数据如何应用 （1）大数据在可视化监控的电网运用：整个电网，大量的设备在传输，整理，发电运作中会通过传感器去采集各种电流、电压等数据，在通过实时处理进行数据的整合以及提取。并且通过可视化大屏实时监测设备运行状态，这样设备出现故障问题能从数据库中分析出来，并参考出相应处理方法。 （2）故障预测中大数据的应用：大数据系统现在分为主站和子站，主站用来收集各个子站提供的分析结果，收集到之后进一步的进行分析和处理。而子站就是用来收集各种数据并且进行分析提供给主站。这样在庞大的数据库中，就大大减少了一些无用的数据。比以往传统模式的电力故障检测提高了效率和质的保证。 （3）互联网中电力大数据的应用：当下互联网信息的全民覆盖，推动了信息产品加快发展。移动设备的普及使用，加大了信息量的传播也加大了大数据的合理使用。同时为高层管理提供更方便有利的条件，随时随地掌握企业的运行，及时作出决策。并且对于报警系统也提供了大量的便利，通过数据进行预警，向移动端传输消息。 3数据挖掘在电力系统中的应用效果 （1）降低电力检修成本。电力设备的检修分为日常巡检和故障检修。日常巡检主要靠巡检人员定期查看设备完成，存在的问题是不同的巡检人员对设备运行状态认识存在差异，可能导致浪费了人力，却没有起到设备巡检预期效果。现阶段，针对电力设备的检修故障主要由设备老化及意外故障两种情况，设备老化的检修主要检修人员利用自身的专业技能及专业知识对设备进行报废年限的判断，这样的判断具有不确定性，从而导致设备或人员的资源浪费；针对意外故障的检修，主要是利用监控系统对故障进行发展，并且及时对其进行处理，避免设备更大问题的出现。 （2）加强电力系统的调度运行。随着经济的发展，对电能的需求日益增长，电力系统经济调度是保证电力系统更好的利用能源的保证。在电力系统中加强对数据挖掘技术的应用，有利于电力调度工作的正常运行。电力调度工作能够实时监控电厂、电力设备及变电站等多个环节内容，同时还能够加强对信息的预测工作，从而确保电力生产决策的正确决定，稳定电力系统的健康发展。传统的调度算法是基于负荷需求和系统稳定的最优化问题，实际中，要找到合适的模型评价系统的稳定性非常的困难，而通过利用数据挖掘技术，能够对数据的潜在信息进行分析，从而寻找到适合电厂调度工作高效运行的模块系统。 （3）提高电网企业的营销能力。由于信息资源是电力企业发展的重要前提，而数据挖掘技术能够为电力企业提供一定的信息资源，所以加强电力系统中的数据挖掘技术能够有效的提高电网企业的营销能力。电网营销包括客户关系管理、市场管理、电能信息实时采集与监控、电能计量管理、计费与营销账务管理、客户服务等方面。利用数据挖掘可以对客户实现更多的现代化服务，其中针对客户关系主要实现了对咨询、查询、用电检查等服务过程的改善，从而实现对电力系统服务质量与服务效率的提高；营销账务实现优化整合电价及电费抄核收管理流程，降低电费管理运营风险，提高电价电费管理的整体绩效和资金的规模化效益；利用数据挖掘技术加强对电能信息的实时采集与分析，从而加强供电侧、销售侧及购电侧三个方面的信息交流工作，促使供、售、购三个环节信息的统一管理工作等。 4大数据技术的应用前景 （1）大数据将改变发电能源供给方式。风电、太阳能、包括微网的分布式能源接入，这些都是与前端用户用电行为是密切相关的，由于目前还没有低成本高效率的储能系统，因此如何分配这些能源，怎样与现有配电网很好的结合就需要大数据技术的支持，以此来构成大的、分布式能源，要知道风电和太阳能等都是不确定性能源，对电网冲击还是很大的。譬如对风电准确的预测等。以此来改变能源结构，改善环境。 （2）大数据技术是我国电网未来发展的重要基础。未来大数据技术将贯穿整个电力产业，电力行业蕴藏着巨大的数据资源，同时也曾现出数据价值的需求，发达国家已经开始在电力领域着手相关数据的研究工作，如IBM给出了其利用智能和科学的智慧电力解决方案，如管理及优化企业停电计划的智能停电管理系统，帮助电网企业优化建设改造投资计划的智能电网评估与投资优化决策系统，可智能感知电网实时运行状态并辅助监管人员决策的电网状态智能感知与报警系统等。这些都为我国今后电网发展提供了借鉴。 （3）电力行业的“大数据”分析研究。“大数据的潜在价值，在物联网、智能电网高度发达的时候，电力大数据的落点在于质量检修的
智能电网大数据平台及其关键技术研究 智能电网是大数据的重要技术应用领域之一。智能电网大数据结构复杂、种类繁多，具有分散性、多样性和复杂性等特征，这些特征给大数据处理带来极大的挑战。智能电网大数据平台是大数据挖掘的基础，通过智能电网大数据平台可实现智能电网全数据共享，为业务应用开发和运行提供支撑。 引言 智能电网是以物理电网为基础，将现代先进的传感测量技术、通信技术、信息技术、计算机技术和控制技术与物理电网高度集成而形成的新型电网，见图1。它涵盖发电、输电、变电、配电、用电和调度等各个环节，对电力市场中各利益方的需求和功能进行协调，在保证系统各部分高效运行、降低运营成本和环境影响的同时，尽可能提高系统的可靠性、自愈性和稳定性。随着智能电网的发展，电网在电力系统运行、设备状态监测、用电信息采集、营销业务系统等各个方面产生和沉淀了大量数据，充分挖掘这些数据的价值具有重要的意义。
图1 智能电网示意图 大数据是近年来受到广泛关注的新概念，一般是指无法在可容忍的时间用传统的IT技术、软硬件工具和数学分析方法，对其进行感知、获取、管理、处理和分析的数据集合。智能电网被看作是大数据应用的重要技术领域之一。目前许多学者正在进行智能电网大数据研究，包括发展战略研究、大数据技术研究、应用研究等。 智能电网大数据应用众多，涉及电网安全稳定运行、节能经济调度、供电可靠性、经济社会发展分析等诸多方面，进行智能电网大数据分析需要统一智能电网大数据，并且由于应用众多，对计算、存储、网络等性能提出了较高要求，因此需要构建面向智能电网应用的统一大数据处理平台。本文首先分析智能电网大数据特点以及业务应用需求，接着结合业务应用介绍大数据关键技术，进而提出智能电网大数据平台和应用框架。
“大数据”为电力企业带来什么 以更准确的分析预测，为智能电网与新能源发展提供决策依据 “大数据”这个词是最近的新热点，《纽约时报》甚至宣称“大数据时代降临了”，随着这个词的频频曝光，它的商业价值也逐渐凸显，“大数据”已然成为众多世界500强企业追捧的对象，意昂（E.ON）等多家超大型国际电力能源集团已宣布牵手“大数据”。那么，“大数据”究竟会给电力企业的未来发展带来什么启示呢？ “大数据”的核心：更准确地预测 “大数据”源自英文bigdata，对这个概念的解释千差万别，美国学者舍恩伯格在他的专著《大数据时代》中解释说：“大数据，就是我们可以在更大规模的数据上，做到更多我们无法在小规模数据基础上完成的事情。” 他认为，“大数据”的核心就是对庞杂的超大规模数据资料进行分析，从而可以更准确地预测，这必然引发商业变革。以欧洲快销时尚品牌ZARA为例，该公司通过对消费者登录网店的数据进行分析，找出最受欢迎的产品，作为实体店的推荐参考，果然效果很好。并在实体店及网店中不停地收集消费者反馈：“我喜欢这个图案”、“我讨厌这个扣子”等，所有消息都通过销售经理反馈给数据处理中心，最终各方信息都将被分类处理，成为设计、生产、销售的指引。ZARA借此将销售收入提高了10%。 舍恩伯格在《大数据时代》一书中提出了一个非常具有颠覆性的观点：通过对庞大数据分析知道“是什么”就够了，不必再去追问“为什么”，就好像ZARA只需通过“大数据”分析了解什么款式最受欢迎，不必再花精力去研究消费者为什么喜欢。这个观点对于企业管理者来说，尤为重要。 需要专业化的数据处理机构 意昂集团（E.ON），欧洲最大的电力集团公司之一，兼营石油、贸易、运输等业务，2 012年在世界500强榜单上排名第16位，英、德等30多个国家的电网与发电企业都属于该集团旗下资产，用户数量超过2600万人。今年4月，该集团宣布携手瑞典爱立信（Er-ics son）公司探索“大数据”。 爱立信将向意昂集团出售相应的电网应用设备和软件，用来将意昂旗下电网的数据传输量提高3000%，可见这家电力企业在未来对数据的依赖。爱立信将帮助意昂对这些数据进行管理和分析，从而为企业经营服务。这次“大数据”合作主要集中在瑞典电网，意昂在瑞典大约拥有60万块智能电表。
浅析电力系统大数据的应用 发表时间：2019-03-14T10:41:47.537Z 来源：《电力设备》2018年第28期作者：雍茹艳俞贤文于方夏玉柱 [导读] 摘要：由于国家经济实力的不断增长，我们逐步迈入数字信息化的新的时代，信息化时代顾名思义，社会中的信息量也是爆炸增长。 (国网中卫供电公司宁夏中卫 755000) 摘要：由于国家经济实力的不断增长，我们逐步迈入数字信息化的新的时代，信息化时代顾名思义，社会中的信息量也是爆炸增长。人们在信息高速发展的时代，享受着这些信息所带来的第一手资源和便捷时，从而使全球信息资源的发展趋势正向着一个曾未预见的态势快速增长。社会在发展进步的过程中离不开人才的支持和技术的应用，电力系统对于整个社会的运行都具有积极的作用。电力系统在运行中为了提升效率，在很多环节中应用了大数据技术。大数据技术应用，包括发电环节、监测环节以及管理环节等。电力系统通过运用大数据技术，分析消费者的用电行为，可以帮助消费者更好的对自身的用电行为进行调整，合理规划电力的使用，提升资源的利用效率。 关键词：电力系统；大数据；应用；分析 1导言 大数据已成为国家基础性战略资源，运用大数据推动产业创新发展、培育新兴业态、助力经济转型正成为趋势。电力是社会发展的重要基础。电力大数据综合了电力企业的生产、运营和管理数据。充分利用电力大数据将有助于全面推动电网向更安全、可靠、高效、经济、清洁、互动的现代能源互联网转变，有利于提高电力企业管理水平和运营效率，实现企业价值增长模式转型。研究和应用电力大数据也是提质增效、推动电网发展方式和公司发展方式转变的迫切要求。 2电力大数据技术的相关概述 2.1大数据的定义 大数据本质上是数据组，数据数量比较多，数据来源范围广泛，因此具有很强的针对性。大数据的范围不仅包括传统意义上的数据信息，还包括图形以及声音等新型数据类型。广泛的数据来源使得利用大数据得出的计算结果更具有代表性。大数据是时代发展的结晶，并依赖于一些电子产品，包括计算机、传感器等，正是通过这些工具的运用，提升了数据的传递速度。 2.2电力大数据的来源及分类 电力大数据的来源比较广泛，包括采集系统、管理系统以及监测系统，采集系统主要是对数据进行收集整理，是其他系统运行的基础。管理系统是电力系统的核心，管理系统是对采集系统收集而来的数据进行处理分析，从而了解电力系统的运行情况。监测系统是对电力系统的运行进行监测，及时排除电力系统运行中存在的不稳定因素，为电力系统的运行提供一个良好的环境。电力大数据可以分为三类，分别为运行数据、管理数据以及客户数据，这些数据之间具有一定的联系。运行数据主要涵盖的范围是电力系统的运行环节，包括发电、配电以及输电等，管理数据主要是对电力系统运行过程中的人力以及物力资源进行管理。客户数据是指客户的电力行为，包括用电量、用电高峰期等。另外根据数据来源可以将电力大数据分为内部数据和外部数据两种。内部数据是电力系统运行中的各种数据。外部数据则是通过外部获取的数据。虽然通过不同的分类标准可以将电力大数据分为不同的形式，但是无论是何种形式的数据，都对电力系统工作的开展具有重要的影响。 3电力系统中的主要数据类型 3.1基础类数据 该类型数据是指与变压器、发电机等电力设施设备属性相关的基础数据。电力企业要根据自身实际情况，规划和管理基础类数据，并在电力系统中同步更新数据，确保调度中心掌握最新数据，并根据最新数据作为正确决策。同时，还要集中存储、整理这些数据，避免数据丢失。 3.2实时数据 该类型数据产生于电力系统运行的全过程中，其数据量十分庞大，要求配备大容量的存储空间。实时数据能够如实反映电力系统运行状况，通过对实时数据进行纠错处理，可进一步提升实时数据的使用价值，为调度部门决策提供依据。在现阶段的电力系统中，无需对实时数据进行再处理，而只需将稳定接口建立在数据输入与输出过程中。 3.3日常管理数据 该类型数据是各部门统计电力系统运行中产生的各类数据，以及在处理完问题后形成的数据信息。在电力系统中，日常管理数据会在特定范围内自动生成，并在电力系统建立的数据同步与共享平台上进行共享。通过对日常管理数据的共享，可如实反映出电力设施设备是否处于正常运行状态，同时还能便于电力各部门获取所需数据信息，为本部门工作的有序开展提供依据。 4电力大数据应用分析 4.1在电力规划中大数据的智能化应用 近年来配网规划业务的涵盖面不断外延，TB级数据得以不断积累，因此电力数据的采集、分析和处理面临更高的标准。除此之外电力规划中大数据技术还具备以下用途：一是预测空间负荷。根据电力网中小区的整个面积、行业的建筑或占地面积负荷密度、用地类型、容积率，小区目标年占地或建筑面积、总的或者行业负荷值等数值，进一步预测远景年电量负荷。二是预测用电量。以曾经大量的电量数据为基础，以及历史人口、三产比例、历史国民经济数据、规划区域面积等变化情况，预测一定区域内的用电量，并将电量数据作为下一步规划的基础。三是对多项指标进行关联分析。从不同的局外系统例如GIS，采集所需要数据的时间一致性切片，然后进一步分析利用，最后实现规划设计的要求。 4.2电力建设中大数据的有效管理 电力系统基本每年在大建设管理应用方面的项目多达3000，但本身受到数据储存、处理能力的限制，在进行项目管理时只允许储蓄较少的建设现场的相关信息。而且仅限图片，视频不合要求，因此系统管理人员不能系统深入的了解项目的各个细节，而且不具备决策应用支持和自动化的分析，管理人员也不能有效的利用这些数据。在“大建设”基建系统中，想要充分利用大数据技术必须注意以下几个方面：一是电力系统非结构化数据的储存能力要不断提升；二是项目管理的准确性需要不断提升；三是现场信息收集频率和范围要不断扩大；充分
电力系统大数据平台的数据分析与研究 发表时间：2017-11-03T15:46:05.833Z 来源：《电力设备》2017年第18期作者：王英楠代东旭宋楠 [导读] 摘要：经过近年的发展，数据挖掘已经形成了很成熟的理论，应用也渗透到各个领域。在最近多年来，随着计算机技术和网络技术的飞速发展，人们面临的数据量呈现指数增长，传统数据采集的方法和技术面临巨大困难，如何将来自于大量原始数据的重要内容从中挖掘出来，已经成为一个亟待解决的重要课题。在电力行业，随着电力业务体系应用智能化、自动化技术的深入和普及，电力数据的数据分析、测试、仿真等应用需求与时俱增，数据挖掘技术 （国网辽宁省电力有限公司本溪供电公司辽宁本溪 117000） 摘要：经过近年的发展，数据挖掘已经形成了很成熟的理论，应用也渗透到各个领域。在最近多年来，随着计算机技术和网络技术的飞速发展，人们面临的数据量呈现指数增长，传统数据采集的方法和技术面临巨大困难，如何将来自于大量原始数据的重要内容从中挖掘出来，已经成为一个亟待解决的重要课题。在电力行业，随着电力业务体系应用智能化、自动化技术的深入和普及，电力数据的数据分析、测试、仿真等应用需求与时俱增，数据挖掘技术与大数据分析的结合已成为电力系统高效发展、稳定运行的有效智能保障。 关键字：信息大数据平台；数据分析 1、电力系统数据分析现状 近年来，全球能源市场发展迅速，全球电网规模日益增大，数据量也呈现爆发式增长。于此同时，大数据技术也随之悄然发展，并进入了技术成熟的阶段。与之相伴的深度机器学习甚至人工智能相关技术都得到了长足发展，整个大数据技术呈现蒸蒸日上的形式，并落地生根到了各行各业，电力行业也不例外。随着大数据技术在电力行业得到应用，电力大数据的概念被提出，并开始被电力行业相关从业人员及科研人员开始研究。 随着智能电网的不断建成，电力系统的数据种类、数据量、数据复杂度都在爆发式增长，电力系统的数据存储管理已然面临具体挑战，对电力系统的数据的价值挖掘就更有大量技术研究工作有待开展。目前的电力系统运行数据主要集中于各变电站、电网地放调度和电网省调中心中，其中电网省调中心存储的数据种类和数量都最多，并且能够通过访问地放调度数据，从而实现电网内部共享电力系统数据。但目前的电网省调中心内部的监控运行系统，仅实现自身业务需求就以达到其性能瓶颈，对电力系统运行产生的数据一般只作存储记录和简单的统计工作，并不再对数据进行更深入的价值挖掘。目前，如果电力系统的工作人员想对电力系统数据进行数据计算和分析，往往只能通过将数据导出至离线存储，再进行分析和计算。 2、电力系统信息大数据平台研究意义 随着我国制造业的快速发展，电力网络发展迅猛、规模庞大，大量电力系统运行设备所处地理环境分布广泛、环境恶劣，由此引发的各类故障、事故已严重威胁着电网、电力信息网络的安全运行。根据大数据监测数据，对电力系统的区域性状况进行分析评估，充分挖掘监测数据的潜在规律，是电力系统安全防范的重要手段。通过现代电力大数据技术，对监测数据进行科学有效的分析，可以为变电站及线路的清洗策略及新站点和线路选址提供科学的方案参考，从而提升电力系统安全运行能力，降低系统运行人力、物力、财力成本，为电力系统运行环境评估提供可靠的分析评估。 伴随着大数据技术的发展，大数据分析计算平台也被提出和研发，不同于传统的计算统计分析软件，大数据分析计算平台支持更多种类的数据输入、更复杂的数据分析算法，从而跳出传统的数据计算分析软件的局限，提供更强大的数据计算分析能力。 3、总体结构： 在架构设计上，平台采用松耦合架构设计，以元数据驱动各模块进行数据的处理。满足海量多源异构数据的批量采集，实现数据批量离线存储和处理、内存计算等需求，采用体系化分布式并行处理框架，实现数据的高效和流程化处理。平台实现多层架构松耦合：数据源层、数据采集层、存储与处理层、应用层。平台分多个子系统并实现模块化，内部各层各模块间实现标准化的接口和集成模式，与外部系统集成在安全可控状态下采用开放式的集成接口。 分布式电力大数据分析计算平台总体功能模块可分为两个部分，分布式数据存储管理及计算模块和系统业务逻辑功能实现模块，模块也可以物理地分为平台前端模块和平台后端服务模块。在后端模块中，包含了业务计算核心模块和业务支持模块及数据存储及访问管理模块。在前端模块中，主要包括平台业务支持基础模块、计算核心业务模块和电力大数据定制分析计算支持模块。 在传统的电力监测数据分析中，需要处理的数据量很有限，而且这些数据是通过随机采样得到的，并不是全体数据或是较为完整的数据。因此为了能够准确发掘出数据中隐含的信息，需要通过一整套严格的数学计算输出结果。这包括了数据的统计归纳，样本分析，建立理论模型，多次验证等一系列步骤，需要时间很长，资源也很多。但在电力设备状态监测数据急速增长的当下，传统的数据处理方式显然难以应对。新时代的智能电力系统需要一种高效、快速的数据分析系统，为电力设备的可靠经济运行提供参考。相关性分析是一种快速、简单的数据分析方法。这种方法能够用较为简单的算法，在海量的数据中发掘出它们之间的相关关系。相关性分析不仅计算环节简练，而且它的分析是基于数据驱动的，不会受到已有概念、模型的束缚，更容易发现新的信息。 4、信息大数据平台的关键技术 基于以上对面向大数据的电力设备状态监测、架构的分析，提出典型的大数据信息聚合方式的大数据分析系统。该应用系统包括了数据的采集、传输、转化、存储、聚合、发布，是一个完整的电力监测釆集、分析、发布式的大数据分析体系。现有的电力设备状态监测系统都是釆用设备的某一类信息来进行设备状态估计的，但在电力大数据时代，数据采集节点数量和种类都在快速的增加，状态监测系统的底层会连续不断上传多源、异构、巨量的数据。如果还是依照传统的状态监测系统的数据处理方法，不但会使处理速度的大幅降低，还会导致设备状态判断的错误。因此按数据的不同类别将状态监测量分成电气量、状态量、过程量三类，分类釆集是很有必要的。三类传感器釆集三类数据首先在低层次的数据节点实现对原始数据的分类、预处理和数据级的数据融合。经过预处理的三类数据和数据级聚合得到的信息通过数据传输网络，将初步处理的数据上传到通信控制器，完成数据的规约转化、介质转化、简单的特征提取和数据存储。通信控制器再通过以太网等方式，将数据上传到信息聚合大数据平台，实现信息级的聚合和决策级的聚合。 5、结语： 智能电网及大数据技术的发展，本文提出了一种分布式电力大数据计算分析平台，旨在为新的电力系统数据中心提供一套完整的功能
大数据在电力系统中的应用詹先鹏 发表时间：2018-07-02T11:48:11.347Z 来源：《电力设备》2018年第9期作者：詹先鹏 [导读] 摘要：近年来，移动应用技术的不断完善，使得基础设施越来越多。 （国网朔州供电公司山西 036002） 摘要：近年来，移动应用技术的不断完善，使得基础设施越来越多。电力企业的快速发展，使得不同类型的智能终端、移动业务被推广，这在一定程度上加速了互联网时代发展步伐。大数据技术背景下，如何做好电力系统信息正常运行和安全防护工作，为电力企业当前首要需解决的问题。因为只有确保电气系统信息的安全，才能为广大用户提供更加稳定、安全的网络环境，降低对人们所构成的损失，推动电力企业的良好发展，提高企业的经济效益、工作效率。 关键词：大数据技术；电力系统；信息安全防护 在我国的电力行业，电网技术朝着更加智能的方向发展，随着“物联网”、“大数据”“互联网+”等新概念的不断提出，电力企业迎来了新的发展机遇与挑战。作为科技创新的主攻方向之一，国家电网、南方电网等电力公司在智能电网、电力信息与通讯及网络安全、用电能效与环境保护等多领域方面开展了关于大数据的研究与应用。面对海量数据，如何选择合理的方法把它们充分利用起来，成为人们普遍关注的问题。在电力系统中应用大数据技术，需要在多角度、全方位上改革现有业务模式和运行模式，需要建立一个完善的电力系统大数据平台。 1电力系统中大数据特点 随着人们从更深层次对大数据进行认识与理解，加之考虑到电力公司的业务要求和数据状况，在电力系统中应用大数据技术，旨在通过挖掘数据价值，对未来业务趋势进行有效预测，同时整合数据的计算、存储、集成管理等功能，从而创造出适应当前和未来发展趋势的新型业务管理模式。在电力系统中应用大数据就是，有利于促进企业业务发展、有效提升企业内部的管理水平。在电力系统中，大数据表现为以下几个特征。第一，体量大。随着科学技术的发展和现代化水平的提高，我国电力企业逐渐朝着信息化发展，电力数据的增长比率远远超出人们的预期。第二，类型多。在电力系统中，数据包括多种类型，如半结构化数据、结构化数据、非结构化数据。非结构化数据是指那些不能用数据二维逻辑表描述的数据，如图片、影音等，需要对它们进行如图像识别、语音语义识别等处理后，转化为结构化数据，结构化数据是指那些可储存在数据库中、用二维逻辑表结构描述，而半结构化数据介于二者之间。随着电力行业在运行过程中不断加大视频的应用力度，使得音频和视频等非结构化数据的占比越来越重。第三，速度快。在这里主要指电力数据的采集、处理、分析速度越来越快。第四，电力大数据可以不受磨损、不受消耗、不受污染且易传输，还能在使用的过程中不断得到增值。第四，安全性。这一点要求保证数据质量，无论是收集、存储、调用、处理、分析等的哪一个环节，都必须保证数据的质量。整个电力系统的综合能力水平与系统的弱势环节息息相关，电力系统大数据的安全性也取决于最薄弱环节的数据质量。在建设电力系统应用大数据技术时，需要在各个环节上保证大数据的安全性。 2电力系统大数据概述 2.1电力大数据概念和特征 电力行业与民生息息相关，也涉及多个环节，包括输、变、售电、调度等，每个环节会产生大量的数据，这些数据被称作电力大数据。与大数据特征类似，电力大数据具有“5V”特征，即数量庞大、数据类型众多、数据处理速度快、数据准确和数据有价值。电力大数据中非结构化数据增长速度更快，数据类型不仅包括结构化数据，如负荷数据、变电站数据等，也包括大量的非结构化信息，如信息数据、资产管理信息等；为使电力决策符合安全要求，需严格保障数据的真实可靠，与社会经济和生产水平相切合；电力大数据可以反映系统性能，进行挖掘分析并为决策提供依据，因此具有实用价值。 2.2电力大数据技术 （1）存储部分。物联网技术可发现大量数据，也会出现新的数据格式，对于电力行业而言，传统的结构化数据存储方式已经不能满足要求，面对越来越多的非结构化数据，传统数据库存储容量受到限制，进行数据库集群搭建则会产生大量的成本消耗，不易于电力企业可持续发展。对此，需将大量的非结构化数据存储于低廉的硬件设备上，这就需要采用Hadoop大数据架构，既能完全解决上述问题，又无需考虑硬件配置性能导致的数据丢失问题，HDFS文件系统具冗余机制，一般会备份三份以免丢失，同时架构中也存在Hive、Hbase组件，共同完成存储工作。 （2）计算部分。需要利用Hadoop中的Map Reduce计算框架，还可辅助Spark分布式计算框架以进行分布式计算，完成对数据的去重、排序、单表或多表关联等操作。 （3）挖掘部分。数据挖掘技术就意味着分辨信息中的垃圾与黄金，其流程为数据准备、规律寻找和规律表示，其分析方法包括关联、聚类和演变分析等。对此，Hadoop中开发了Mahout功能，可用于频繁模式挖掘、协同过滤等操作，除此之外，许多开源软件和项目的开发使得机器学习算法增多，包括回归算法、高斯过程回归、最近邻居法等，需根据不同的数据特点选择恰当的算法。 （4）可视化。在智能电网数据下，需将大规模数据通过有限屏幕空间直观的呈现给用户，将大规模数据集进行分析提取，通过算法将其绘制为高精度、高分辨率的图片，在交互工具和视觉系统的帮助下完成数据处理。 3大数据在电力系统中的应用 3.1数据的存储、传送技术 随着电网的规模越来越大、相关电力设备数量越来越多，产生了越来越多的数据，给监控系统造成巨大负担。为了合理存储大量数据，可以选择不同的存储方式。如：对于历史数据和非结构化数据，可利用分布式文件系统进行存储，把不同类型的数据信息进行分类存储。对于存储要求较高的数据，可以使用数据库系统。对于那些核心、保密性的数据，可利用数据仓库系统。数据仓库技术包括三个部分，首先是数据抽取，即把需要的相关数据从数据源系统中抽取。其次是数据转换，即把抽取获得的数据，按照一定的要求转换成另一种形式，对存在错误、偏差的数据进行清洗、加工。最后是数据加载，即是把前面两个环节得到的数据进行加载，保存至数据源系统。 3.2数据处理技术 在电力系统中应用大数据技术，需要对采集的庞大数据进行分库、分区、分表等合理处理。分库处理即指以一定的处理原则为基础，提高数据库相关数据利用率。分区处理，即对不同文件的数据进行合理载入，尽可能减少大型表的压力，提高数据的访问性能。分表处
供电服务大数据分析及应用 发表时间：2019-03-27T15:04:00.953Z 来源：《电力设备》2018年第28期作者：黄静[导读] 摘要：当今时代是一个信息大爆炸的时代，信息化的不断深化依赖于网络技术的迅猛发展。 （国网四川省电力公司成都供电公司四川成都 610000）摘要：当今时代是一个信息大爆炸的时代，信息化的不断深化依赖于网络技术的迅猛发展。互联网技术的快速发展为大数据能够迅速覆盖到各行各业提供了数据、信息和资源的保障。在越来越信息化和数据化的时代浪潮中，供电服务业也紧跟时代步伐进入了数据化阶段。电力大数据的有效应用可以面向行业内外提供大量高附加值的增值服务业务，对于电力企业盈利和管理水平的提升具有重大意义。本 文先对大数据的发展进行简要介绍，随后分析了供电服务大数据的特点及其在电力行业各环节的应用，最后对供电服务大数据的关键技术进行了分析，希望能为供电服务业的进一步发展起到促进作用。 关键词：供电服务；大数据分析；大数据运用；关键技术大数据分析与应用正在快速改变着各行各业，电商的成功、互联网行业爆发式增长以及互联网金融的高速发展向各大行业展现了互联网与行业融合的巨大发展潜力与独特的创新路径。而在这其中，大数据扮演着核心角色。互联网的本质是信息的互联和处理，而信息则以数据为载体。电力行业蕴含了巨大的数据资源，同时也呈现出突出的数据价值需求。智能电网的不断发展实现了电力系统与信息通信系统的高度融合，为提取海量的电力大数据带来有力支撑，也给大数据的深化应用提供了较好的平台，大数据分析应用在供电服务发展过程中必将发挥越来越重要的作用[1-3]。 一、大数据简介 维克托.迈尔.舍恩伯格在《大数据时代：生活、工作、思维的大变革》一书中前瞻性地指出，大数据带来的信息风暴正在变革我们的生活、工作和思维，大数据开启了一次重大的时代转型。 大数据发展是对海量数据的收集、汇总、分析与应用，目前大数据分析被运用于日常生活中的各个领域，例如时下最火热的网络购物，各类购物网站能够准确的把握消费者个人喜好并根据消费者的购物爱好推送符合消费者要求的物品品[1]。不仅是购物，但凡个人上过网，留下的浏览记录将会被收集并整合，系统可向用户推送其可能感兴趣的新闻或者用户近期关注事件的进展。生活中热点事件的推送，也是根据收集来到的数据分析人们最关注的事件，从而形成了热点。 上述例子表明，大数据分析技术广泛地运用于实际生活中，并且正不断完善升级。2013年3月中国电机工程学会信息化专委会发布《中国电力大数据发展白皮书》，将2013年定为“中国大数据元年”，掀起了电力大数据的研究热潮，国内的一些专业机构和高校开展了大数据理论和技术研究，电力行业也在积极开展大数据研究的应用开发，电网企业、发电企业在电力系统各专业领域开展大数据应用实践，国家电网公司启动了多项智能电网大数据应用研究项目。作为正向能源互联网转型的传统电力行业，大数据及云计算时代的到来必将激活电力大数据中蕴含的价值，也将释放电力大数据的市场潜力，根据GTM Research的研究分析，到2020年，全世界电力大数据管理系统市场将达到38亿美元的规模，电力大数据的采集、管理、分析与服务行业将迎来前所未有的发展机遇。 二、供电服务大数据的分析与应用 （一）供电服务大数据及其特点 供电服务数据化是大数据理论、技术和方法在电力行业实践的结果。电力行业大数据的数据源于电力生产和电能使用的发电、输电、变电、配电、用电和调度各个环节，可大致分为三类：一是电网运行和设备检测或监测数据；二是电力企业营销数据，如交易电价、售电量、用电客户等方面数据；三是电力企业管理数据。电力大数据具有几个明显特点[3]：（1）数据体量大：调度自动化系统，营销服务系统，计量采集终端等生产应用系统都存在着海量数据；（2）数据类型繁多：实时数据、历史数据、文本数据、多媒体数据、时间序列数据等各类结构化、半结构化数据以及非结构化数据并存；（3）价值密度低：所采集的绝大部分数据都是正常数据，只有极少量异常数据，虽然正常数据也能一定程度反映生产过程、营销服务的特定规律，但在某些情况下如状态检修、异常报警、故障定位等，相对极少数的异常数据改类应用最关键的重要依据；（4）处理速度快：在数据辅助决策方面，对数据进行实时、在线处理的要求越来越高，需要在极短的时间内对海量数据进行分析，以支持各类决策及时制定。 （二）供电服务大数据应用 供电服务大数据影响着各行各业的发展，一方面它提升了行业、企业管理水平和经济效益，另一方面与人民生活息息相关。供电服务大数据应用于多个方面，在电网运行和设备检测或监测方面的应用包括：实时监控、对电网运行进行诊断、优化和预测，为检修策略制定提供指导和服务等。在电力企业营销数据方面：可以帮助电力企业提升运营效率和改善客户体验，通过客户关系优化、主动营销以及定制服务来改善客户体验。在电力企业管理方面：通过对客户服务与客户关系、电费管理、电能计量及信息采集，市场与有序用电、新型业务、综合管理等方面的分析，掌握营销业务重点工作的开展情况，实现对客户服务、电费管理、智能电表、有序用电实施和能效管理成效、新型业务及营销稽查工作质量指标进行有效监测[4]。在政府决策支撑方面，电力与经济发展、社会稳定和群众生活密切相关，通过分析用户用电数据及新能源发电数据等信息，电网企业可为政府了解全社会各行业发展状况、产业结构布局、预测经济发展走势提供数据支撑，为相关部门在城市规划建设、推广新能源和电动汽车、促进智能城市发展等方面提供辅助决策，同时也是相关政策条例试行阶段分析和检验的有效手段。 三、供电服务大数据应用的关键技术[3] 大数据在促进行业的进步与发展的同时，也面临这大数据处理带来的挑战：一是数据的储存问题，数据具有数量大、种类多样的特点，所以数据的存储空间必须要充足，同时存储时间必须长久；二是数据计算，通过对离线计算与实时计算相结合的方式对数据进行前置处理，确保数据的优先等级的区分；三是数据的管理，数据的管理过程要确保硬件的正常以保障数据的完整；四是数据分析，数据分析技术在不断更新，如何利用更先进的技术从大量数据中挖掘出具有价值又隐秘的数据是电力行业一直在追求的。 （一）大数据传输及存储技术。海量的数据是大数据分析与应用的基础，电力系统各个环节的运行数据、设备状态在线监测数据以及用户的各类用电信息等数据都为供电服务大数据应用提供了保障，而这些数量大，种类多样的数据信息也对数据传输及存储技术提出了更高的要求。包括大数据的去冗余及高效低成本的大数据存储技术，异构数据融合技术，数据组织技术，数据建模及索引技术，数据移动、备份、复制技术，新型数据库技术，大数据安全技术等等[5]。