信息化与智能化是电力行业发展的趋势。当前信息通信技术对电力工业的影响正处于量变到质变的关键节点, 而变化的本质就是电力信息通信与电力生产以及企业经营管理的深度融合, 时髦的说法是电力与互联网的深度融合, 其最终表现形式必将是电力数据的爆发性增长。对于电力行业而言, 大数据将贯穿未来电力生产及管理等各个环节。因此, 对电力大数据的探索、分析、应用, 将成为电力系统的重要任务。
目前业内人士针对电力行业的大数据发展在宏观层面已经有了大量讨论, 如构建大数据研究平台, 构建大数据良性生态环境, 制订支持政策, 形成行业联盟, 制订行业标准;构建大数据产业链, 促进创新链与产业链的有效嫁接。基层电力企业作为国家电网运营的主体, 在这场电力大数据变革中承担着重要使命。
“技术上的一小步, 便可带来思维理念的一大步。”我们必须认识到, 世界正在进入一个“万物皆联网、无处不计算”的崭新时代, 这是一个革命性的变化, 曾经的时空障碍正在被打破, 企业的竞争也从基于成本和效率的竞争向基于数据和知识的竞争演进。据世界著名咨询公司麦肯锡的预测, 数据将成为一种全新的资产类别将和企业的固定资产和人力资源一样, 成为生产过程中的基本要素。
电力系统是一个典型的大系统, 就当前基层电力企业来说, 随着SCADA、管理信息系统、电网运行的实时信息系统等的广泛应用, 各种实时数据已经呈爆炸性增长态势。这些数据不仅反映宏观经济运行情况, 也反映居民消费结构、生活水平、用电行为模式等重要信息, 含金量极高。作为基层电力企业, 如能有效掌握和分析这些数据, 必将使之成为企业最重要的财富和金矿。因此, 我们应紧跟时代步伐, 积极增强大数据发展的观念意识, 主动求变, 结合基层电力业务性质以及发展需求, 从当前技术水平与数据规模以及增长情况、多样化程度、数据分析的需求等方面出发, 面向电力生产、用户用电、企业运营等数据量大的领域, 结合企业实际情况, 积极开展规划研究, 把握好这一巨大的变革机会, 使其成为企业竞争与发展的优势资源要素。
虽然总体上的电力大数据的环境正在形成, 基层电力企业的各种实时数据也增长迅速, 但同时面对迅速增长的大体量、多类型的电力数据, 我们准备还不足, 在数据采集和管理方面都存在诸多问题, 如采集的数据过程不够规范、质量不高, 管控相对滞后等。为了后续工作更加有效, 有必要尽早谋划, 分析大数据环境下数据质量的主要影响因素, 加强基础规划与数据管理, 提高数据质量。
借助当前电力大数据研究成果, 以及国家层面相关标准, 按照数据的一致性、准确性、完整性、及时性等关键特性建立数据质量评价指标, 尽快建立起符合基层电力企业实际的数据质量评价指标体系。通过数据质量评价指标保障数据的准确、及时、有效和可信, 为数据的集成和挖掘应用提供有力保障。
电力大数据数据除了数据量庞大之外, 第二个特点就是数据类型多, 不但有结构化数据, 还有半结构化数据和非结构化的数据;不但有数值、文本、图形信息, 还有音频、视频等信息。如果不能实现科学化、规范化管理, 这些数据难以成为有价值资源。对此, 除了要健全数据与全局数据、非共享与共享数据的分级管理, 数据备份、灾难恢复等工作机制外, 还要加强数据的管理科学化机制构建, 从存储结构上逐步实现信息与应用系统的分类、融合、互动, 做到信息、能量与业务流的高度一体化, 根据信息处理的技术要求来提高数据的存储管理能力。同时, 要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, 到数据分发再到数据使用的数据全生命周期管理。
做好数据的收集、储存和管理工作, 接下来就是在此基础上进行数据质量问题的鉴定, 并从中发现包含隐含信息的数据子集, 从中挖掘先前未知的、有效的、实用的信息, 并使用这些信息做出决策或商业价值开发。近年来, 数据挖掘在电力系统中的应用取得了大量的研究成果, 主要集中在电力系统动态安全评估、负荷经济调度、负荷预测与用户特征提取、故障诊断等方面。我们可以在做好这些数据价值利用的基础上, 加强研究开发电力数据分析模型, 挖掘电力大数据价值。
如何在海量数据中挖掘有价值的信息是驾驭大数据的重点。目前电网的业务数据大致分为3类:一是电力企业生产数据, 如发电量、电压稳定性等方面的数据。对于电力企业的生产数据, 可以通过一定的关联规则, 采用新型挖掘技术获取信息。这有助于实现对大电力系统故障的快速分析、诊断, 提高广域电网运行的稳定性;同时, 通过在线计算输送功率极限, 实时考虑电压等因素对功率极限的影响, 从而合理设置系统输出功率, 有效平衡系统的安全性和经济性。二是电力企业运营数据, 如交易电价、售电量、用电客户等方面的数据。在电力营销环节, 针对“大营销”体系建设, 以客户和市场为导向, 借助于客户服务、计量检定配送业务属地化管理的营销管理体系和24小时面向客户的营销服务系统, 通过数据分析改善服务模式, 提高营销能力和服务质量;以分析型数据为基础, 优化现有营销组织模式, 科学配置计量、收费和服务资源, 构建营销稽查数据监控分析模型;还可以建立各种针对营销的系统性算法模型库, 发现数据中存在的隐藏关系, 为各级决策者提供多维、直观、全面的分析预测数据。三是电力企业管理数据, 如ERP、一体化平台、协同办公等方面的数据。充分利用这些来自配电、用电、客户、天气等的数据, 经过一定规则的转换、整合, 按照电力交易数据、气候数据与客户家庭年龄结构、生活习惯等因素融合分析, 了解客户的用电行为, 满足客户的差异化需求;通过探寻深层需求开辟新的增值业务空间, 可以提供大量的高附加值服务, 包括大灾难预警与处理、供电与电力调度决策支持和更准确的用电量预测, 推进电力企业精细化管理。
电力系统中监测监控、能量管理、配电管理、市场运营等各类信息系统之间相互独立, 数据信息难以共享, 而且传统数据分析以结构化数据分析为主, 业务分析多是以被动式信息接收为主。而未来智能电网要求贯通发电、输电、变电、配电、用电、调度等多个环节, 实现信息的全面采集、流畅传输和高效处理, 支撑电力流、信息流、业务流的高度一体化, 随着数据的累积和增加, 可做的分析和对比也越来越多。各系统数据之间隐藏的关系、模式和趋势, 需要尽快实现大规模多源异构信息的整合, 解决系统间信息孤岛的现象, 同时加强对不同信息的分类分析和处理能力。
同时, 面对海量的图片、视频等智能电网数据, 如何以一种直观、容易理解的可视化方式展现给决策或者用户, 也是一项非常有挑战性的工作。可视化方法已被证明为一种解决大规模数据分析的有效方法, 并在实践中得到广泛应用。它是通过一系列复杂的算法将数据绘制成高精度、高分辨率的图片, 并提供交互工具, 有效利用人的视觉系统, 并允许实时改变数据处理和算法参数, 对数据进行观察和定性及定量分析, 通过可视化算法的可扩展性、并行图像合成算法、重要信息的提取和显示等技术来实现对该类型数据的处理。
在电力系统的实测数据中, 通常会存在与数据一般规律不相符的异常数据, 这类异常数据可能是由于测量误差、传输误差造成, 这些数据往往具有较高的实用价值, 但它们在电力系统数据中并非显而易见, 需要加强监视和挖掘。
“人才是21世纪最珍贵的资源。”大数据是一个崭新的事业, 推进电力大数据的发展需要新型的专业技术人才, 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。基层电力企业应结合自身大数据发展需求, 接轨行业内相关人才发展规划, 统筹考虑、积极开展自我电力数据人才的培养工作。
推荐阅读：
电力公司基层干部述职报告06-26
供电企业电力营销管理战略的优化策略论文06-26
发展上水平、干部下基层大讨论活动总结05-25
新时代基层工会如何服务企业发展06-28
电力企业党建范文05-31
电力企业物资管理06-14
中国电力行业发展概述06-03
电力企业班组建设制度06-13
浅谈电力系统及其发展06-06
新形势下电力企业电能计量管理05-29
