大数据时代下智慧治理效益分析
摘要：相较于传统单一、粗放、不完善、缺乏公众参与监督的水污染治理机制，河长制APP更有利于各级河长与市民参与治水工作，治理状况更为公开透明。本研究主要以“河长制APP”为研究对象，探讨广州市水污染治理借助大数据平台发挥的作用以及在运行过程中存在的问题。
关键词：智慧治理;河长制;河长制APP;效益分析
1.前言
“河长制”是在我国严峻的水污染情势下水环境行政治理模式的创新。河长制是落实绿色发展理念、推进生态文明建设的内在要求，是解决复杂水问题、维护河湖健康生命的有效举措，是完善水治理体系、保障地方政府水环境治理制度创新。
在现实实施的过程中“河长制”仍存在不少问题，导致治水效益不高。在大数据时代背景下，通过构建管理平台，增加了解相关水质信息的渠道，“河长制APP”应运而生。
2.文献综述
一直以来，广州市高度重视水污染防治工作，逐步形成“河长领治、上下同治、部门联治、全民群治、水陆共治”的治理体系。重点开展了“散乱污”场所专项治理、涉河违建集中拆除、污水收集处理系统提质增效、信息化手段全面提升水务管理水平以及强有力的下沉督导督察等多项工作，不断推动黑臭河涌水质持续好转。
目前有关“河长制”的研究文献不仅数量少，而且研究方向单一，大多数学者从宏观的角度出发，研究“河长制”在推行过程中遇到的瓶颈及存在的问题。
3.水资源状况
市境内河流主要归属珠江三角洲水系，仅花都区迎嘴河、从化市琶二河归属北江水系。广州市大小河流(涌)众多，水域面积广阔，其中集水面积在100 km?以上的河流有22条，老8区共有主要河涌231条;全市水域面积达7.44万km?，约占全市土地面积的10%。北部以丘陵区河流为主，流域边界明显，主要河流有流溪河、白坭河、增江;南部主要为三角洲网河区，大小水道、河涌纵横交错，水网密布，流域边界不明显，主要水道包括珠江广州河段、东江北干流、陈村水道、市桥水道、沙湾水道和虎门、蕉门、洪奇沥三个出海口门。
从图中可以看出整体上污水排放量呈下降趋势，因此推断出“河长制”实施对于减少污水排放发挥作用很小，废污水排放量虽有减少，但是效果不显著。
4.河长制推行状况
据相关数据统计，实行河长制以来，广州市4年的江河水质情况如下：
在实行河长制的4年以来，广州水质改善进度缓慢，水质每年改善情况大约2%左右，而且出现了不稳定现象。
5.“河长制APP”推行状况
2017年9月，广州推出“河长制APP”，在全省之内属于运用河长制APP的第一城市。为了让“互联网+治水”落地生根，为智慧治水提供强有力的技术基础，开启了广州市民掌上治水新模式，该项目利用信息技术手段，搭建了一个日常事务管理和市民举报水污染问题的平台。
该APP分为河道信息、新闻动态、投诉公示、排行榜四大功能板块。其中“河道信息”显示广州市11区所有河道的数据。经过统计，该系统覆盖全市1672余条河流(涌)，7500余河段的信息;串接各级河长合计3000余名，覆盖率稳定維持在99%以上;串接各级河长办180余个、各级职能部门500余个，覆盖率稳定维持在100%;开展违法排水有奖举报，累计接收案件8488宗，办结7059宗，办结率达83.16%，有效激发全民参与治水的积极性。
6.“河长制APP”治水效益分析
2017年广州市列入城市黑臭水体整治监管平台的35条黑臭河涌，而溶氧量、化学需氧量、氨氮含量、总磷含量是水体质量划分的四个重要指标，这四个指标含量在治水APP上公示并且定期更新，我们可以通过这些数据了解到广州河涌治理的实时效果动态。
2016年以来，“互联网+河长制”治水取得一定成效，图2为广州市推广“河长制APP”治水以来，35条黑臭水体的整治总长度达226.19公里。
除了35条河涌外，广州又着手对剩余的152条黑臭河涌进行整治。接下来，广州将继续大力推进河涌整治，争取2020年消灭全市黑臭水体。今年，广州将开工建设6座污水处理厂，建成1500公里污水管网;同时今年还要完成92条重点河涌流域、流溪河流域、东江北干流、珠江广州河段及8个市级饮用水源保护区内“散乱污”场所的清理整顿。目前，全市河长巡河率由原来的26%提升至70%以上，各级河长累计利用河长APP巡河80多万次，完成事务上报3.22万件，完成事务处理2.73万件。
7.总结
广州市“河长制APP”作为全省首创广州河长制APP，利用智慧感知、大数据挖掘、决策分析等技术手段，创新开发“广州河长制”APP，实现“河长巡河、河长督查、公众监督”等多层次功能，进一步优化完善河长制管理模式，有效解决河道管理范围广、难度大等问题，全面提升河道管理规范化、高效化、精细化水平。广州水道密布、河涌类型多，河长制APP的成功经验及其整治措施能够为南方河网地区黑臭水体治理提供示范。虽然作为新生事物，还未成熟，但是激发了全名参与治水的积极性，也实现了政民互动，总体来说，河长制APP的推广有利于实现治水的整体目标。
参考文献：
[1] 卞毓宁.基于模糊评价的河长制水资源审计评价指标构建研究[J].产业与科技论坛，2018，17(05)：48-56.
[2] 余懿臻.河长制实施困境及完善对策——杭州河长制实践的成效与问题解析[J].岭南师范学院学报，2018，39(01)：62-66.
[3] 姜明栋，沈晓梅，王彦滢，王蕾.江苏省河长制推行成效评价和时空差异研究[J/OL].南水北调与水利科技：1-11[2018-04-16].
[4] 任敏.“河长制”：一个中国政府流域治理跨部门协同的样本研究[J].北京行政学院学报，2015(03)：25-31.
[5] 张峰.大数据：一个新的政府治理命题[J].广西社会科学，2015(08)：133-138
[6] 汪锦军.城市“智慧治理”：信息技术、政府职能与社会治理的整合机制——以杭州市上城区的城市治理创新为例[J].观察与思考，2014(07)：50-54.
[7] 李云新，韩伊静.国外智慧治理研究述评「J].电子政务报，2017.07.007
[8] 黄康森.我国流域水污染治理机制：缺陷与创新[J].发展研究，2006(09)：46-48.
(作者单位：华南农业大学公共管理学院 行政管理系)
作者：席振华
摘 要：本文主要基于大数据应用及发展现状，分析电力大数据特征和主要技术，通过对电力营销大数据平台技术架构建模，提出了具体的软件设计理念。该思路的搭建有利于总结合理电力营销策略，有效提高电力营销企业的服务质量，挽回企业管理效益和经济效益。
关键词：电力营销数据;数据挖潜; mapreduce hadoop;技术架构
1.前言
电力作为特殊商品，为国家经济建设及人类生活提供了诸多便利与支持。电力营销的理念引入，促使电力市场发生巨大变化，以客户需求与服务满意度为中心的电力营销根据市场导向的原则，成为供电企业的核心业务，电力所有生产、经营性活动均服务于营销业务的需要。电力营销有效开展需要对用户及需求市场进行大量研究，需要具备完善的售前和售后服务保障体系，需要分析大量的各种业务数据，提升电力供应安全及服务水平，这就要求电力企业运用大数据技术，大力推动数据分析技术的升级，开展数据采集、检测、处理、分析、实现企业内部数据的应用、共享、标准化、集约化、一体化，完善企业风险评价，提升企业运行效率，增强企业核心竞争力，实现企业经营效益最大化。因此，本文研究大数据挖潜技术在电力营销系统中的应用，具有一定的现实意义。
2.大数据发展应用现状
大数据技术得益于计算技术及网络通信技术的快速发展，而迅速发展的智能技术之一。1989年8月，第11届国际人工智能会议在美国底特律召开，这次会议上有科学家提出了Knowledge Discoveryin Databases(KDD)，即知识发现的概念，随后一些大学教授和研究机构展开相应研究，1995年KDD&DataMining国际学术研讨会议正式举行，随后每年举行一次，会议主题是对人工智能数据挖潜等领域成果进行讨论及推广，促使数据挖潜技术快速发展，并取得了很多有价值的成果。目前国际上从理论、技术、应用维度方面对数据挖掘展开分析与研究，科学家们运用数据统计分析及概率相关理论、模糊技术、量子技术等多種理论与方法进行技术融合，解决复杂问题[1]。
我国数据挖掘技术研究开始于1993年，中科院合肥分院当时承担了一项国家自然科学基金项目，即开展人工智能领域的数据挖掘技术的研究。随后的一些年大数据研究逐步步入正轨，由大学教授、科研人员组成的团队开展一些学习算法、相关理论、数据挖掘技术际应用等研究。随着云计算、智能工程、mapreduce hadoop等技术应用日益广泛，大数据挖潜技术也应用到电力营销、网店运营、经济数据分析、餐饮服务、航空航天、铁路运输等很多领域。伴随着网络信息技术的快速发展，许多电力企业都积累了海量的、有价值的、多种形式的数据，，因此如何利用数据挖潜技术智能地、自动地发掘数据中的有效价值，为电力企业经营管理提供最佳决策，成为急需解决的问题。
3.电力大数据技术
3.1电力大数据特征
2006年，国家电网公司制定了“SG186”和“SG-ERP'信息系统规划，运用电力企业信息系统平台，通过8大主模块组装模式覆盖电力企业全部业务，并且构建了6个业务保障子系统。国家电网公司数据中心多年运营中，积累了海量的数据。这些电力大数据的特征归纳为灵活度高(Vitality)，主要是数据动态变化，市场千变万化;体量大(Volume)，目前电力数据的数据流GB ，TB级无法满足需要，已经达到PB ，EB ，ZB级别;类型多(Variety)，主要包含结构化、半结构化、非结构化类型数据;价值大(value)，电力数据蕴含着巨大的潜在价值;速度快(Velocity)，电力数据以数据流的形态快速、动态的产生，数据处理的速度要求达到高速实时处理的特征;这称为“5V”特点，同时具有复杂度高(Complexity)的“1C”特点，总结起来就是“5C1V”。在分析和处理数据模型方面灵活度高，速度快，能够适应快速市场变化需求;在新的处理方法适应异构数据统一接入及实时数据处理的需求方面，系统复杂度高;从数据体量特征和技术范畴方面来看，电力大数据有着重要的、广义的背景，随着国家大数据平台建设完成和逐步应用，大量的企业运营数据得以积累应用及开发，为电力市场分析决策提供了必要的数据基础[2]。
3.2电力大数据分析技术
电力大数据的分析技术从海量的、模糊的、随机的、片断性的、原始的一些电力数据中，运用统计学、计算机科学等学科中的算法、分析理论等技术挖掘出内在的模态和规律，为电力企业决策人员提供必要的决策帮助。统计学分析在于使用均值、比例、众数、中位数、四分位数、极值、方差、标准差等统计分析方法对数据形态进行分析;采用泊松分布、均匀分布、二项分布、正态分布进行数据描述，采用二项分布假设检验、T检验、K-S检验、F检验、卡方检验、游程检验等判定检验方法对分布情况进行分析，从而发现数据结构、数据分析模型，掌握电力数据的稳定性情况及电力数据分布情况。如图1所示数据挖潜技术与统计学分析技术的关系。
3.3系统支撑平台技术
电力大数据的信息处理技术是基于查询发现有价值的信息。这主要运用数据库技术、分布式计算技术、流处理技术、内存储计算技术。底层存储技术HDFS/Hbase等进行超级规模数据的存储和处理;运用MapReduce进行分布式计算;流处理Storm/S4/Spark等技术解决电力数据的高效读取和在线的实时计算，离线处理框架MapReduce及Hive/Impala相关技术处理实时到达的、速度和规模不受控制的数据。如图2所示电力大数据平台结构图。
图2中构建了基于Hadoop文件的电力大数据平台分布式存储环境。数据采集服务按照预定规则将数据写入数据交换区，数据传输应用程序规划在HDFS之上，将交换区数据写入“数据存储区’，由“结构化数据抽取应用程序”将结构化指标数据抽取到“结构化分析数据存储区”，并作为HIVE服务的数据存储，由HIVE服务将数据以结构化数据服务的形式发布。
在电力营销数据分析中，主要对营销业务的指标体系的电费业务风险、客户停电信息、风电风险、电力服务、大客户服务等数据进行梳理、收集，对电力营销系统数据、TMR系统数据、客户服务系统数据等进行分析，从而研究电力营销业务关注的数据维度、统计周期，并收集相关业务数据。
电力营销大数据分析系统通过模型分析，运用数据挖据工具，选取适合的算法及模型，并对构建的模型進行符合度验证，再将分析模型封装，研究WebService、服务、算法三种调用方式，实现数据挖掘平台接入、调用的可行性及难易程度，快速响应分析需求，并确定系统的分析方案，最后数据系统利用可视化技术直接呈现给决策层，最终实现模型分析功能。以实现电力营销业务趋势预测、营销策略制订等，从而提高电力企业的经营发展水平以及经济效益。
4.电力营销系统技术架构设计
电力营销系统技术架构如图3所示，运用电力公司数据中心的系统集成，Hadoop平台实现数据采集;系统通过自身的高效传输、抽取、计算的特点，完成数据清洗、加载，最后利用数据挖掘软件平台，进行在线分析，完成营销业务分析报告，为电网企业提升营销服务品质，强化风险管理提供支撑，进一步提升企业的运营效益[3]。
根据电力营销系统特点及功能要求，基于J2EE框架，按照分布式处理架构、多层结构和面向服务架构(SOA)的开发思路，严格按照成熟、规范技术路线实现程序设计。系统开发按照数据挖掘的典型流程进行程序架构的设计，如图4所示。
5.结论
大数据时代背景已经形成，基于计算机及网络通信技术的大数据挖潜技术必将颠覆传统数据处理及分析的模式，在分析大数据发展应用现状基础上，对电力营销大数据特征，电力大数据技术特点进行分析，对电力营销大数据应用平台进行设计，提出具体技术架构及软件技术的实现思路，有利于提供合理的电力营销策略，提高电力营销业务的服务能力和质量，提升企业经济效益。
参考文献
[1] 吴普剑.大数据背景下电力营销市场行业发展趋势研究[J].中国新技术新产品，2015(23)：157-157.
[2] 中国电力大数据发展白皮书[M].中国电机工程学会信息化专业委员会.北京：中国电力出版社，2013：10-15.
[3] 隋春明.基于数据挖掘技术的电力营销分析系统[D].电子科技大学，成都，硕士论文，2015.11
作者：辜小琢
摘要：近些年来，伴随着我国城市化建设的飞速发展，促进了各个行业的发展得到了突飞猛进的提高，尤其是当前科学技术的广泛应用，使得大数据技术的出现和发展以及电力行业的转型升级，传统模式下所开展的电力企业营销管理工作已经难以为电力企业的进一步发展提供支持。为了适应大数据环境的需求，必须在电力企业营销管理过程中科学地应用大数据技术，展现出大数据技术优势，才能提高营销管理成效。简要介绍了电力大数据的概述，分析了当前电力企业营销管理存在的问题，并提出了营销管理创新策略，希望能够为电力企业营销管理创新工作的开展提供支持。
关键词：基于;大数据;电力营销;管理创新
引言
引言随着国民经济水平的不断提高，人们在生产生活中的用电量急剧上升，这对于电力企业的发展来说是一项严峻的新挑战，也拓展了更加广阔的发展空间。在传统的电力营销管理方式方法下，我国电力企业的发展受到了一定程度的限制和束缚，电力企业的营销管理水平不足，基于大数据背景下，电力企业要在营销管理方面有针对性的落实电力营销管理的有效措施，坚守电力营销管理的原则，提高电力营销管理效率，推动电力市场的创新进程。
1电力大数据概述
在电力大数据平台当中，主要存在几方面特点：(1)规模相对较大，大数据平台当中的数据量很大，且在按照一定规律的基础上形成了一定程度的规模。(2)多样性，数据的类型多种多样，在海量的数据集群当中，需要对其对应的类型进行归类，实现结构性的整理分析。在电力企业内部的电力营销发展当中，需要实现多个方面的关键技术，此种技术可以对工作需求进行最大限度的满足，同时也可以减轻工作人员的任务量。第一，需要实现集成管理技术，工作人员在应用数据的基础上实现合并应用，呈现一定的格式和特点，最终对数据可以实现有效的整合，并且将其转化为稳定的数据集合来对系统的运行进行保障。第二，分析技术，在该技术当中，需要借助于计算机、统计学等多个学科知识，来实现数据群的数据规律探索。根据其探索出的规律来实现分析做出一定的决策。在该技术当中，可以分为几个子类，其中包含了分布式计算技术，可以对数据进行分布式处理和存储;内存计算技术，实现数据的高速读取的同时，还可以实现线上的实时计算。流处理技术，可以对控制之外的数据进行处理。
2电力营销管理存在的问题
2.1营销机制与信息时代的发展不相适应
随着互联网技术的快速发展和迅速应用，人们的生活方式也发生了很大的改变，经济得到迅速发展，生活水平不断提高。社会发展也呈现出多样化、多元化、个性化的特点。但是就目前的电力市场营销情况来看，电力企业的市场营销机制还相对落后，难以紧随瞬息万变的电力市场，很多商机也稍纵即逝。所以，在信息化时代，电力企业应该积极引进和使用大数据以及云计算等先进技术，及时洞悉市场的变化，抓住商机，保证电力企业的效益。目前很多电力企业的营销体制还较为传统，在问题
2.2电力营销专业人才培训有待加强
电力市场的多元化发展和新能源进入电力市场的冲击，使得电力企业地位改变，所以电力企业要进行市场的开拓就需要综合素质较强的高级人才。人才既是企业发展的基础，也是电力企业开拓市场的中坚力量，但目前我国电力企业从事市场开拓的高素质人才还相对缺乏，使得电力企业的市场开拓进程较缓。在电力企业的未来发展过程中，电力企业应该树立与时俱进的发展理念，注重电力企业整体素质的提高。电力企业在市场开拓的过程中，要贯彻服务至上，以人为本的理念，引进高素质人才的同时，加强对其市场营销知识和市场拓展知识的培训，保证高素质人员不仅要掌握基本的营销能力，还要不断提高服务水平，保证企业和社会以及群众的良好关系，提高企业的核心竞争力。
3大数据的电力营销管理创新策略
3.1创设电力营销线上平台
为了适应大数据时代发展，电力企业必须要更新观念，将线上和线下营销相结合，构建专门的线上营销平台，确保大数据能够在电力营销管理中发挥作用，推动电力营销数字化程度和信息化程度的提升。电力营销管理工作人员可借助线上渠道来售卖电力产品，使用户购买更加便捷。并且，随着技术水平的提升，手机和电脑在人们的生活中较为常见，为网络购物的发展提供了较为有利的条件。电力企业还可运用大数据技术，在线上营造符合电力企业的形象，提高知名度，使用户获得更加优质的服务。在这个过程中，想要使线上营销更加高效地开展，需要电力企业投入较多的资金和人力资源，并不断对线上平台进行维护、创新，使其具有更加多样化的功能，满足不同群众的需求。除此之外，还应该为消费者提供沟通渠道，缩短和消费者的距离，这能够使营销人员和消费者沟通更加顺利，提高电力营销的智能化程度。
3.2确保数据真实、精确
在开展电力营销工作时，想要为用户提供较为优质的服务，就需要增强电力企业营销管理能力，认识到数据的重要性，且确保所搜集到的数据是全面的。①要对数据搜集和管理的工作人员开展培训，确保其能够熟练做好数据搜集和管理工作。②要将监督管理工作落到实处，明确不同工作人员的责任和义务，确保工作人员能够严格要求自己，按规定开展工作，保障所搜集的数据是真实、有效的，且高效地对数据进行分析、应用。除此之外，电力企业还应该认识到档案的重要性，为之后电力营销管理工作的开展提供保障。
3.3积极转变落后的营销理念
电力企业要获得良好的经济效益，就要完善企业的市场营销，不仅要满足客户对电力的需求，实现电力企业的社会效益，而且还要通过各种活动进行资源的协调整合，实现资源的优化配置。这就要求电力企业要积极转变落后的营销理念，逐渐建立高效健全的营销体系，实现对电力营销市场的有序开拓。在营销策略制定方面，要积极运用现代化市场思维来构建符合市场发展的营销理念和体系。此外，在电力营销的过程中还要考虑企业的核心利益，为电力市场和客户提供更好的营销服务，协调好电力市场的供需关系。时刻关注电力市场的用户需求，以此为基础开展各种营销活动。积极学习国内外先进的营销经验，准确把握市场的发展趋势，完善企业内部的管理机制，逐步提高营销的规范性和科学性，营造良好的电力市场营销氛围。
3.4差别定价及开拓市场
在现阶段电力企业采用的电力营销理念大多是实行差别定价，针对不同的用电性质选择适当的用电价格，以满足市场上不同客户群体的实际使用需求，如商业用电和普通用电之间的差异明显。我国用电市场广阔，但在大数据的电力实际生产经营活动中为实现其自身效益的最大化，大数据的电力营销及时关注市场走向，并准确把握和预测市场行情，有针对性地制定适合大数据发展趋势的电力营销方案，从而有效推动电力企业的持续发展。
结语
电力企业必须要认识到电力营销管理工作的重要性，科学利用大数据技术，加大力度进行营销管理模式的创新，提升营销管理水平，为用户提供更加优质的电力服务，增强用户对于电力企业的信任程度，这能够在带给电力企业更多经济效益的同时，增强电力企业的社会影响力，使其获得更加长远的发展。
参考文献
[1]李亚楠.大数据背景下供电公司营销管理创新探索[J].产业与科技论坛，2018，17(24)：235-236.
[2]葛一统，向锋铭，余桂华，等.大数据背景下的电力营销信息化建设研究[J].华电技术，2021，43(1)：76-82.
[3]谭伟聪，黄嘉健，任龙霞.基于电力营销过程中的电价及电费风险控制研究[J].新型工業化，2021，11(05)：197-198.
作者：彭飞
为掌握国外电力公司大数据分析应用情况，对法国、美国、日本、澳大利亚、中国香港的主要电力公司大数据资产管理和大数据分析情况进行资料查找，现将了解的情况总结如下。
一、法国电力
法国电力集团(EDF)是一家国有综合性跨国能源公司，拥有欧洲最大的电力生产系统，在核电、水电和可再生能源等清洁能源领域具有较强的国际竞争力。作为全球领先的电力基础设施服务提供商，法国电力公司非常重视大数据在企业运营分析管理中的作用，通过设立专业机构、完善数据基础、增强分析能力，不断发掘数据资产价值，为企业战略转型与服务升级提供有效的决策支撑。
(1)建立独立机构支持运营决策 法国电力在客户关系管理数据库中，对用户信息进行全面搜集，成立运营分析中心，专门负责对客户数据进行分析，以对销售管理进行支撑。以项目制的形式负责向销售、营销和财务控制在内的六个业务部门提供客户行为分析支撑，以改善这些部门的服务质量并实现客户的最大化保留。
(2)运用大数据技术挖掘数据资产价值 目前全法已经安装3500万智能电表，电表产生的数据量将在5-10年内达到PB级。智能电表采集的主要是个体家庭的用电负荷数据。这些电表数据，结合气象数据、用电合同信息及电网数据，构成了法国电力的大数据。考虑到大数据的广泛应用前景，针对自身海量数据的特性及其处理需求，法国电力的研发部门成立了大数据项目组，借助大数据技术研究海量数据的处理架构，实现用电负荷的精细化测量，降低信息决策系统与运行操作系统之间的延迟。
二、 美国电力
美国在智能电网的工程应用方面处在世界前列，应用涉及用户行为分析、需求响应分析、设备风险分析、系统风险评估、能效分析、决策支持等多个领域。
美国BG&E公司利用C3能源分析引擎平台两项应用模块对其内部12个数据源系统及来源于其服务地区内的200万台智能电表的数据进行了集成，总计10TB的云图像数据，集成分析3500万条数据，每天约传输8GB/2.2亿条数据，年收益预计可达200万美元。其中，AMI 管理模块(图2-1)，可快速查看电表状态、隐患区域、部署进度以及焦点问题，优化AMI的全寿命周期管理，提高AMI系统运行效率，降低公司运行成本;收入保护模块(图2-2)能够识别欠费/窃电行为，改进收费和服务策略，降低非技术性线损。
图 2-1 C3能源分析引擎平台中AMI管理模块操作界面
图 2-2 BG&E公司收入保护模块界面
美国Con Edison公司与MIT、哥伦比亚大学联合开发了基于机器学习的配电网故障风险评估系统。该系统在纽约供电公司进行了试点应用(图2-3)，可针对馈线和设备(电缆、配变等)进行故障风险等级评估，用于指导停电检修、提高设施维护效率、提升配电网可靠性。
图2-3 配电网故障风险评估系统
美国Battelle研究中心利用IBM公司的流处理软件InfoSphere及高兼容性服务器Netezza开展太平洋西北智能电网示范项目(Pacific Northwest Smart Grid Demonstration Project)研究，该项目参与单位包括来自美国西北五州的11家公共或私人电力供应商，Bonneville电力局和华盛顿大学等，通过分析近6万名电力用户在动态电价下的用电信息，研究准实时条件下(智能电表采集频率5分钟/次)的需求响应、价格波动、能量消耗、窃电监测等交互行为。图2-4给出了华盛顿大学内建筑的用能情况，它集成了华盛顿大学校内建筑的智能电表数据，可分析各建筑用能情况与准实时天气关系等。
图 2-4华盛顿大学内建筑的用能分析
美国UCLA大学可持续发展中心(CCSC)联合LA水利电力部(LADWP)、政府规划办公室(GOPR)共同开发了洛杉矶电力地图(LA Electricity Map)。该地图以街区为单位将人口信息、收入信息、街区环境信息等社会经济信息与用电信息、用水信息、排放垃圾信息等耗能信息全部集合在一起，以加州地图形式展示了2011年1月到2012年6月之间数据(图2-5)，从而直观展示社区周期、能耗、碳排放量等可持续发展重要指标。为城市规划提供了直观有效的辅助依据，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。作为城市内能源应用趋势的可视化分析工具，该地图有助于更直观地讨论如何进行能源投资，提高能源效率以及制定公共政策。
图2-5 LA电力地图
为更新日趋老化的电力基础设施，同时也作为新的智能电网计划的一部分，芝加哥电力大力推广使用智能电表。预计到2018年，将有超过四百万智能电表被安装和投入使用，此举可为用户节约超过一亿七千万的费用。到目前为止，芝加哥地区已经有将近30万智能电表被安装且投入使用。很快，使用智能电表的居民将覆盖整个芝加哥地区。智能电表是智能电网技术的一个重要组成部分，它给人们提供了更可靠的电力支持和更多的省钱机会。智能电网计划致力于改造芝加哥的电力使用情况，使更多的家庭和企业节省资源和金钱。因此，芝加哥政府非常支持新一代的智能电网技术，并将此作为智能基础设施建设的一部分。新的基础设施投资，为长期的经济增长和居民生活水平的提高奠定了坚实的基础。此外，芝加哥电力在智能电表推广过程中同步规划建设AMI体系，贯通营销、GIS、工作指令、天气预测等多个信息系统，建立“用户智能平台”进行大数据关联分析，结果应用于供需求侧响应、能效、资产负荷分析等多个商业功能模块。
三、 日本电力
日本为了提高信息通信领域的国际竞争力、培育新产业，同时应用信息通信技术应对抗灾救灾和核电站事故等社会性问题，日本总务省于2012年7月新发布“活跃ICT日本”新综合战略，今后日本的ICT战略方向备受关注。其中最为关注的是其大数据政策(从各种各样类型的数据中，快速获得有价值信息的能力)，日本正在针对大数据推广的现状、发展动向、面临问题等进行探讨，以期对解决社会公共问题作出贡献。
2012年10月份，东京电力公开招标采购家庭用智能电表，大崎电器等公司参与投标，东电计划到2018年将90%的东电家庭用户的机械式电表更换为智能电表，总计约为1700万台。 关西电力公司则采用大崎电器子公司enegate的智能电表产品进行试验运行，预计该公司今后的量产规模将达100万台，大崎电器今年的总投资额将达50亿日元。东光电器与东芝共同组建的东光东芝电表系统公司主要面向写字楼、公寓楼等开发智能电表，目前正积极拓展产品销路。此外，野村不动产也将于2013年开售公寓专用型节能电表。智能电表可以实现用电量数据在用户和供电公司之间的智能传送，能够有效节电，初步预计日本国内的市场规模约为7000万台，5年后智能电表的需求将占全部电表需求的80%。目前，东京电力与关西电力已经开始试运行智能电表联动系统，各电表厂商正通过加大投资、开发新产品等方式积极抢夺这一市场。大崎电器工业计划于年内依托埼玉县事务所新设智能电表工厂，产品主要面向东京电力公司，根据东电提供的设计规格进行研发、生产等作业。
2013年6月，安倍内阁正式公布了新IT战略——“创建最尖端IT国家宣言”。“宣言”全面阐述了2013～2020年期间以发展开放公共数据和大数据为核心的日本新IT国家战略，提出要把日本建设成为一个具有“世界最高水准的广泛运用信息产业技术的社会”。
四、 澳大利亚电力
澳大利亚国家电力委员会从2007 年开始在全国范围内推行高级量测体系(Advanced Metering Infrastructure，AMI)项目，引入分时电价(基于时间间隔计量)，使用户能够更好地管理电能消耗。澳大利亚政府推行电力市场的改革不仅仅是为了提高供电效率，而且通过改善电价制度，提高对能耗的控制以及减少温室气体排放。2011年，澳大利亚电力巨头新南威尔士州能源公司宣布开始一项全新的智能电表项目。这一项目旨在使其用户更好的管理和控制用电量。部分用户作为志愿者可以选择安装电表，并将通过电脑、智能手机和网络浏览器的操作及应用对用电量进行详细记录。事实上尽管输电网络已经运营了数个世纪，但网络运营商在输电网的维护和输电网低压段输送损耗等问题上仍缺乏经验。到目前为止，公共事业部门虽然已经在整个城市的高压输电段布置了输送损耗监控，但对于低压段的输电线路故障和输送损耗还依赖于用户传递过来的信息。
五、 中华电力
从1999年开始，中华电力公司根据英国资产管理协会的PAS55标准，组建电力系统事业部，成立资产管理部，以支撑实体资产全过程管理为目标，依托关键业务信息系统平台，成立数据分析组织体系，分综合业绩、资产绩效、成本绩效和业务分析等多个场景开展数据资产管理。通过开展资产全生命周期管理，依据国际标准，科学的加大固定资产投资，通过10年时间将用户平均(故障)停电时间从40分钟降低到接近2分钟。通过合理的增加资产规模，优化网架结构，提升设备品质，中华电力公司电力系统事业部的单位供电成本从87港元/千千千瓦时下降到75港元/千千瓦时(如下图所示)。
摘要：功率因数是电网重要的技术经济指标之一，通过合理的无功补偿，不但可使电网的线损降低，设备利用率提高，电压质量改善，用户也可通过减少电费得到经济效益。该文探讨了无功补偿的技术原则、按功率因数调整电费的计算方法，并用实例说明用户进行无功补偿投资时的经济效益分析方法。
关键词：无功补偿;功率因数;经济效益分析
大部分用电设备为感性负载，自然功率因数较低，用电设备在消耗有功功率的同时，还需无功功率由电源送往负荷。功率因数是供用电系统的一项重要技术经济指标，通过合理采用无功补偿技术，可以减少无功功率在电网中的流动。
提高功率因数后可以达到节约电能、降低损耗的目的，同时用户也可以减少电费的支出。我国的电价结构包括基本电费、电能电费和按功率因数调整电费三部分。因此，用户通过合理的无功补偿投资，也能获得较好的经济效益。而目前许多农电用户对提高功率因数的重要性认识不足，造成了电能的损失和浪费。 1 无功补偿的技术原则
无功补偿设备的优化配置原则为：“总体平衡与局部平衡相结合;供电部门补偿与用户补偿相结合;集中补偿与分散补偿相结合，以分散为主;降损与调压相结合，以降损为主。”无功就地平衡示意图如图1所示。
图1 无功功率就地平衡示意图
《电力系统电压无功技术导则》中规定：“3.2电力系统的无功电源与无功负荷，在高峰或低谷时都应采用分(电压)层和分(电)区基本平衡的原则进行配置和运行，并应具有灵活的无功电力调节能力与检修备用。
5.7 220 kV及以下电压等级的变电所中，应根据需要配置无功补偿设备，其容量可按主变压器容量的0.10～0.30 确定。在主变压器最大负荷时，其二次侧的功率因
1 数不小于表1中所列数值，或者由电网供给的无功功率与有功功率比值不大于表1中所列数值。
表1 220 kV及以下变电所二次侧功率因数规定值
《国家电网公司电力系统电压质量和无功电力管理规定》：
“第五章 无功电源建设与无功配置第二十条 变电站应合理配置适当容量的无功补偿装置，并根据计算确定无功补偿装置的容量。35～220 kV变电站在主变压器最大负荷时，其一次侧功率因数应不低于0.95;在低谷负荷时功率因数应不高于0.95。”
《国家电网公司农网“十一五”科技发展规划纲要》：“节能降损目标是积极推广应用节能、降损、环保技术、淘汰高耗能变压器。中压综合线损率降到9%以下，低压线损率降到11%及以下。10千伏母线功率因数达到0.95以上的目标。”
《电力系统电压和无功电力管理条例》：“第十二条 用户在当地供电局规定的电网高峰负荷时的功率因数，应达到下列规定：
高压供电的工业用户和高压供电装有带负荷调整电压装置的电力用户功率因数为0.90及以上，其它100 kVA(kW)及以上电力用户和大、中型电力排灌站功率因数为0.85及以上，趸售和农业用电功率因数为0.80及以上。凡功率因数未达到上述规定的新用户，供电局可拒绝接电。 ”
配电系统中无功补偿的方式如图2所示，方式1为变电所的集中补偿，方式2为配电台区的集中补偿，方式3为线路上的无功补偿，方式4为分散补偿。
图2 配电系统无功补偿方式
220 kV及以下电网的容性无功补偿设备总容量，可按下式计算 QC = 1.15QD-QG-QR-QL 式中 QC——容性无功补偿设备总容量; QD——最大自然无功负荷;
QG——本网发电机的无功功率;
QR——主网和邻网输入的无功功率; QL——线路和电缆的充电功率。
2
10(6)kV 配电线路上宜配置高压并联电容器，或者在配电变压器低压侧配置低压并联电容器。电容器的安装容量不宜过大，一般约为线路配电变压器总容量的0.05～0.10，并且在线路最小负荷时，不应向变电所倒送无功。如配置容量过大，则必须装设自动投切装置。变压器的无功消耗可按下式计算 ΔQT = [I0%/100+VK%/100×β2]S e 式中 I0%——变压器空载电流的百分数; VK%——变压器短路电压的百分数; S e——变压器的额定容量，kVA; β——变压器的负载率。
通常补偿容量为变压器无功消耗 的1.2~1.4倍。 2 功率因数调整电费的计算方法
供电部门在为用户确定供电方案时，除了核准供电容量、确定供电电源点、供电电压等级、计量装置的设置、计费方式、用户注入电网的谐波分量，以及方案有效期外，还对功率因数给定了一个最低限值，分别为0.9、0.8
5、0.8。
根据国家现行电价的规定，用户功率因数分别以0.9、0.8
5、0.8为基础，当功率因数高过这些值时，可按比例减少电费;当用户用电的功率因数低于这些值时，要按比例增加当月电费，具体计算方法是 W = (1+a%)(F1+F2) 式中 W——当月电费，元; F1——基本电费，元/kVA; F2——电量电费，元/kWh;
a%——功率因数调整电费系数。
当用户cosφ > 0.9，0.85，0.80标准时，a%为负值，当用户cosjφ < 0.9，0.85，0.80标准时，a%为正值，当用户cosφ = 0.9，0.85，0.80标准时，a% = 0。 奖罚标准如表2所示。
表2 a%奖罚标准
3 应用实例
某一用户的变压器容量为6.3 MVA，月用电量为35×105 kWh，平均功率因数为0.8。若该用户的功率因数标准为0.8，计算该用户补偿到0.92时的经济效益。基本电费按每kVA每年180元、电量电费按0.4元/kWh计算。补偿装置每kVA的投资按60元，资产折旧率为10%，无功补偿设备的有功损耗为其额定容量的3%。计算过程如下。
3.1 计算补偿容量
补偿前cosφ 1= 0.8，tanφ 1 = 0.75，平均有功功率为P1= 350×10000/30/24 = 4861(kW)，无功功率为Q1 = P1×tanφ 1 = 3645.75(kvar)。
3 假设补偿电容器容量为x kvar，经补偿后，功率因数为 cosφ 2 = 0.92，tanφ 2 = 0.426，无功功率为Q2 = Q1-x，而用户的有功功率P2 = P1 + 0.03x，于是tanφ 2 = Q2/P2 =0.426，解得x = 1569 ≈ 1600(kvar)。
3.2 补偿前用户的年支出费用
基本电费为6.3×1000×180/10000 = 113.4(万元); 电量电费为350×12×0.4 = 1680(万元);
用户总支出电费为113.4 + 1680 = 1793.4(万元)。
3.3 补偿后用户年支出费用
电容器年运行时间按8000小时估算，则电量电费为0.4×1600×0.03×8000/10000 + 1680 = 1695(万元)，总电费为113.4 + 1695 = 1808.4(万元)。 按功率因数调整后电费为1808.4×(1-0.013) = 1784.9(万元);
无功补偿设备投资为1600×60/10000 = 9.6(万元)，则资产折旧费为0.96万元; 用户年总支付费用为1784.9 + 0.96 = 1785.9(万元); 补偿后每年经济效益为1793.4-1785.9 = 7.5(万元)。每年节约电费为1793.4-1784.9 = 8.5(万元)，投资可在1.1年左右回收。
若该用户的平均功率因数为0.85，功率因数标准也为0.85，其它计算条件不变，计算该用户补偿到0.94时的经济效益，计算过程如下：
计算补偿量：补偿前cosφ1 = 0.85，tanφ 1 = 0.62，平均有功功率为P1 = 350×10000/30/24 = 4861(kW)，无功功率为Q1 = P1×tanφ 1 = 3013.82(kvar)。
假设补偿电容器容量为x kvar，经补偿后，功率因数为cosφ 2 = 0.94，tanφ 2 = 0.363，无功功率为Q2= Q1-x，而用户的有功功率P2 = P1 + 0.03，于是tanφ 2 = Q2/P2 = 0.363，解得x = 1235≈1200(kvar)补偿前用户年支出费用如上述计算，仍为1793.4万元。
补偿后用户年支出费用。电容器年运行时间按8000h估算，则电量电费为0.4×1200×0.03×8000/10000+ 1680 = 1691.5(万元)，总电费为113.4 + 1691.5 =1804.9(万元)。
按功率因数调整后电费为1804.9×(1-0.011) = 1785(万元);
无功补偿设备投资为1200×60/10000 = 7.2(万元)，则资产折旧费为0.72万元; 用户年总支付费用为1785 + 0.72 = 1785.7(万元);
补偿后每年经济效益为1793.4-1785.7 = 7.7(万元)。每年节约电费为1793.4-1785 = 8.4(万元)，投资可在0.86年左右回收。
由以上的计算可以看出，无功补偿的效益非常明显，无论从0.8补到0.92还是从0.85补到0.94，用户投资可在一年左右回收，而且上述计算还没有包括因补偿减少视在功率对用户的收益。用户补偿后也使电网降低了损耗，提高了电压质量。因此，提高功率因数不但为国家节约了电力资源，而且给用户节约了资金，为企业创造了可观的经济效益，是一件利国利民的好事。
4
有专家认为，电力大数据是一场变革，它不仅改变了电网、厂商的发展，还改变了电力系统今后的运作方式。很多人认为，大数据的主要作用就是帮助电力厂商(电厂招聘)更准确地了解企业动向。事实上，大数据的功用远不止这些，大数据将在很大程度上影响电力行业的决策和解决方案。与其相辅相成的是，电力行业对大数据的需求，其迫切性也大大超越其它基础能源行业。据《中国电力大数据发展白皮书》中指出，首先，在电力生产环节，风光储等新能源的大量接入，打破了传统相对“静态”的电力生产，使得电力生产的计量和管理变得日趋复杂。例如，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。
其次，电能的不可储存性，使得电力工业(电厂招聘)面临极其复杂的安全形势。电能的“光传输”特性，瞬间的电网失衡会造成无法挽回的损失。再依靠“人工+设备+经验判断”的半自动生产经营方式，电力系统的生产经营人员将承面临着无法承受之重。在电力经营环节，随着下一代电力系统的逐步演进，高度灵活的数据驱动的电力供应链将逐步取代传统的静止的电力供应链。
事实上，电力大数据利用大数据存储、整合、计算、应用四类核心技术，驱动电力公司信息技术平台和业务应用的升级改造，扩展电网对数据的传输、容纳和处理能力，填补在非结构化数据分析与利用、海量数据挖掘等领域的空白。从而达到提升电力公司在数据资源价值挖掘的整体水平，促进业务管理向着更精细、协同、敏捷、高效的方向发展。
摘要：现如今，社会经济快速发展，电力市场用电量越来越大，电力企业为了提高服务质量，必须加强电力营销管理。电力营销数据管理是电力营销管理的重点。对此，本文首先对电力营销的信息化管理进行了介绍，然后结合实际案例，详细探究了电力营销数据的信息化管理对策。关键词：电力营销；数据；信息化
1引言
现如今，信息技术发展迅速，电力企业在电力营销管理方面也逐渐引入信息化管理方式，电力改革正在不断推进，而且对电力营销数据实行信息化管理还能够有效缓解供电需求矛盾，在促进电力行业发展发挥着十分重要的作用。
2电力营销的信息化管理
在电力企业日常管理中，应该积极引入先进的管理模式。电力企业应该综合考虑公司发展方向，积极引入信息技术、计算机技术和网络技术，规范电力营销流程，合理配置电力企业资源。另外，电力营销管理还要求能够适应新时期社会发展需要，合理运用信息技术，采用主动营销管理的模式，优化服务质量，提高企业效益。另外，电力企业为了提高服务管理水平，还应该建立并完善业务考核制度，对员工服务流程、服务质量等进行监控管理，提升员工工作效率。通过实践研究，对于电力营销实行信息化管理，有利于电力企业拓宽电力营销业务，包括抄表处理、电费核算等等。另外，合理应用信息技术以及计算机技术，能够规范电力企业业务管理流程，提升电力企业营销水平。
3实例分析
本文将以某电力公司营销信息化管理为研究对象，该电力公司营销信息管理系统已经覆盖所在县所有营销部门，并且涉及40多个岗位，10个供电所，15座变电站，100多名工作人员，用电客户15.3万户，10kV及以上供电线路110条，电能表15.4万只。
3.1系统概况
该电力公司营销MIS系统的服务对象有很多，不仅包括企业领导、相关科室业务工作人员，而且还包括各类电力用户。电力营销系统的功能也具有多样性，主要包括抄表管理、业扩管理、用电检查、计级管理、综合查询、电费应收、综合管理、系统管理、电费实收功能等等，所有功能覆盖至电力营销业务的各个工作环节，与此同时，该电力营销系统还具备综合分析以及辅助决策的功能。
3.2系统特点
该电力企业电力营销系统中，所有程序均安装在应用服务器上，在电力营销系统实际运行过程中，每位电力营业员只需要配备一台计算机即可，所有电力用户都能够通过终端方式连接到服务器上，并且运行相应程序。所有运行数据均存放在数据库服务器上，不需要进行本地存储，并且不需要安装任何其他软件，能够有效减少系统管理人员工作量，从而充分实现系统软件功能，更好的实现数据共享。另外，该系统具有数据集中、应用集中、管理集中的优势，因此，符合国家电网公司在设计规范及建设标准中强调的高度集中的管理模式相关要求。
4信息化管理实施后效果
4.1整合信息资源，提高竞争能力
（1）能够为电力营销工作提供重要的参考依据。通过电力营销系统，能够为复杂的电力营销管理活动提供定量、多维的统计分析数据，这样能够有效提高电力营销工作的针对性和准确性。（2）能够为营销决策提供强有力支持。在电力营销系统的支持下，营销管理工作决策能够长期、稳定并且连续对电力营销活动进行跟踪调查，从而为操作人员提供详细的报表查询和统计，实现管理现象模型化，管理模型程序化。与此同时，还能够根据电力企业业务实际情况，制定不同的业务，准确把握电力营销业务的共性，并且充分体现出不同类型营销业务的各自特点，从而在最大程度上满足电力企业管理者的营销管理要求。
4.2重组业务流程，提高工作效率
（1）明确工作流程，并且贯通各个工作环节。现如今，电力公司业务逐渐拓展，电力公司部门数量和种类逐渐增多，在对部门以及员工进行管理时，传统的管理方法已经很难实现工作流程的无缝对接，对此，可以采用电力营销系统，明确业务流程和工作规范，确保管理流程能够实现规范化。（2）充分实现信息共享，避免重复作业。在传统管理体制下，电力企业存在分工不明确，工作考核标准不严谨的问题，这样就会造成电力营销相关工作节奏无法保持一致，往往正常经营所需的某一分析结果可能要涉及到许多部门的合作，而各部门的日常的工作往往使大家不能随时投入合作。现如今，在电力营销中，通过运用计算机进行统一管理，只需要一个工作人员，就能够高效的收集某个月、全年、乃至更长时间的相关信息，同时，还可以通过应用综合查询功能对所有数据进行查询分析，全面实现数据共享，保持各个工作环节的通畅性，不仅能够提升电力营销工作的便捷度，而且还能够有效加强企业内部各部门之间的沟通交流。
4.3规范管理制度，创造经济效益
（1）减少业务时间，规范数据信息。电力企业传统业务办理的工作流程为申请、现场勘察、制定方案、专工审批、审批、接火送电、归档处理。在实际工作过程中，需要传递大量的工作单据，工作难度比较大，在大批量申请用电商峰期，工作难度更会不断增加，由于处理流程比较繁琐，因此客户满意度难以提升，这样就会严重影响企业市场竞争力。对此，可以对电力营销系统应用工作流技术实时管理，使得业务办理流程能够联合为一体，这样不仅能够简化业务办理手续，而且还能够有效缩短业务处理时间，为电力企业各个部门提供准确规范的数据信息。（2）降低人为失误发生率，提高公司效益。在电力营销中采用条码技术，能够有效规范资产设备的管理，并且降低人为控制失误率。比如，有些工作人员在录入信息数据时，由于资产设备参数比较繁琐，因此容易出现录错的问题，这样就会给电力企业造成严重的经济损失。对此，可以运用电力营销系统的条形码接口，对于每个资产设备，都可以采用条形帽对其参数特性进行标示，然后通过扫描的方式存入系统建立资产设备档案，在后期操作过程中，也可以通过系统自动识别并调用相关信息，避免出现失误问题，这样能够有效维护企业利益。
4.4减少冗余人员，降低管理成本
现如今，电力企业规模不断扩大，需要大量的业务办理、统计、核算人员。通过电力营销系统，能够将各个业务功能进行高度集中，然后直接从业扩人员、客户代表、抄表核算员、银行邮局采集第一手信息，这样能够有效降低管理成本。营销系统的投入运行已经在该电力企业营销工作中逐渐发挥应用优势，并且已经发展成为该电力企业客户服务体制运行的基础和保证。电力用户能够通过电力营销系统，在任何一个营业厅或通过电话申请用电；电力用户可以通过银行实时结算系统和邮政划拨的方式，在任何代收点缴纳电费，或者签署划拨协议；通过触摸屏查询系统，电力用户能够随时了解自己的缴费情况、停电情况、最新用电政策、用电手续办理情况等等；营销系统与远程集抄系统之间的链接，能够有效提高工作效率，节约人力和物力。综上所述，通过应用营销MIS系统，能够有效提升电力企业营销业务规范化管理水平，确保电力数据的安全性和准确性。该电力企业准确把握了营销MIS系统的投运契机，有效的提升了企业电力营销水平。
5结语
综上所述，本文首先介绍了电力营销的信息化管理以及电力公司电力营销信息化管理原则，并且以实际案例详细探究了电力营销数据信息化管理方法。根据实例分析，将信息化技术应用于电力企业营销管理中，能够有效改善电力营销数据管理水平，提升企业服务水平以及核心竞争力。
参考文献:
[1]周桂华.提高电力营销信息化管理的策略分析[J].大科技，2014（36）.：46~47.
[2]吴明芳.多维数据分析及其在电力营销决策中的应用[J].黑龙江科技信息，2014（29）：25.
[3]宋翔飞.电力营销业务信息化管理模式分析[J].科技与企业，2015（16）：14.
1什么是大数据? 云中大数据：融合技术
如今，大数据分析和云计算是全球企业最为关注的两大 IT 话题，大数据分析提供独具价值的洞察，帮助企业打造竞争优势，启迪创新，推动收益增长。作为 IT 服务的交付模式，云计算可以增强业务灵活性，提高生产力，同时增加效率，降低成本。
2大数据能给我们带来什么?
中国社会的急剧发展带来了数据的暴增，从街头的交通摄像头到商场的打折信息，再到网商的用户资料、信息，无不充斥着大量的数据，而在这背后，如何找出有用数据，如何发现规律，如何找到新的商业机会?
大数据究竟能给我们带来什么?
信息时代的特征之一就是数据的密集爆发，而这种数据的变化没有一个循序渐进的过程，呈现跨越式的特征。比如手机里的信息不断地堆积，从最开始的通讯录到短信、彩信，再发展到现在的智能手机时代，更多的来自于应用的数据如微博等正在积累起大量的数据信息。放大到社会而言，产生的数据更是异常庞杂。毫无疑问，大数据时代已经来了。
什么是大数据?
，数据已从 TB 级别跃升至 PB 级别;对大数据，现在比较流行的是用 4 个“V”来总结其四个层面的含义：容量巨大(Volume)
数据类型多(Variety)，从普通的文字、视频、图片到逐渐增多的地理位置信息等，类型纷繁，已无规律可循;价值密度低(Value)，以视频为例，在连续不间断监控过程中，可能有用的数据也许只有一两秒;处理速度快(Velocity)，实时分析对某些应用才更有意义，而不是批量式分析，即时处理已经成为趋势之一。
大数据的发展趋势和带来的机会
在大数据概念出来之前，个人制造的数据往往被忽略，企业数据被谈及的更多。企业内部的数据多数都是结构性数据，并被企业在或多或少地利用着，无论是数据挖掘还是商业智能化应用都已经初露端倪。面对这些应用需求，企业依托自身的数据库系统就可以解决，例如应用少量 x86 服务器、客户端，再加上 Sybase 系统、Oracle 系统、Unix 系统等。
随着互联网的快速发展，在企业数据还没有井喷的时候，我们就发现个人用户以及社会应用产生的数据已经开始爆发了，比如社交、交互式应用带来了大量的网络数据，这种非对称性数据充斥在我们周围，包括网络日志、点击流、电话记录、医疗记录、传感器和监控摄像头等等，各种来源的巨量数据种类丰富，让人无所适从。此时传统的硬件设备开始显得捉襟见肘，无法满足这种庞杂数据带来的应用需求。很多时候，也许我们会认为这些数据里会有价值，但是却不知道如何挖掘这些数据的内在价值，数据成为了堆砌。因此，对于数据精准分析的需求正在呼唤做数据分析的厂商们拿出下一步的举动。
比如说，在淘宝庞大的用户群中，淘宝卖家如何精准掌握一个新用户的需求?一家饭馆如何利用细节满足每一个食客对于美味的需求?越来越多的应用需求推动着大数据的发展。更主要的是，未来可能各种传感器会出现在社会的各个地方，数据会更多，比如交通、医疗等等，数据的采集已经不是问题，难点已经转换为处理和分析。如此巨量的数据，处理难度可想而知。
大数据给中国市场带来什么?
大数据应用需求在中国更加明显。中国人口众多，各行各业都呈现出极快的增长速度，电商、快递、微博、社交等都承载了大量的个人信息;大型超市、卖场、商场、银行等集聚了大量交易信息，日新月异的城市建设中，连接着更多数据采集传感器和嵌入式设备的物联网开始成型……大数据的时代正在到来，不仅有机遇，也存在挑战，且机遇大于挑战。
目前，网络搜索曾经在数据分析方面获得了一些机会，但远远不够，而且也是在相对偏窄的一个区域内利用信息，更多的数据散落在社会各个环节中，梳理分析出这些大数据带来的商业机会逐渐凸显价值。在中国市场，工信部发布的物联网“十二五”规划上，把信
息处理技术作为4项关键技术创新工程之一提出来，其中包括了海量数据存储、数据挖掘、图像视频智能分析，这都是大数据的重要组成部分。而另外 3 项关键技术创新工程，包括信息感知技术、信息传输技术、信息安全技术，也都与大数据密切相关。
大数据背后的商业机会
在实现大数据的过程中，硬件和软件供应商都可以找到合适的位置和方法来实现自身的价值，因为大数据的实现需要硬件具备足够的性能、灵活性以及可靠性和软件层面的优化支持。从目前的企业计算领域来看，IA架构是承载和实现大数据的理想平台。对于数据分析来说，基于英特尔至强处理器的双路/多路平台具备开放式、普及性、易优化、灵活易扩展等特点，是实现大数据应用的出色载体。英特尔的双路至强处理器已经通过实践验证了自身在计算能力的领先性，而以其为基础的主流服务器和存储系统具备无可比拟的扩展性。对于商业智能来说，基于英特尔至强处理器的多路平台则具备高性能、高能效、灵活扩展以及高性价比等优势。
此外，英特尔还拥有类似于英特尔发行版 Hadoop 这样的开源分布式架构以及相关的软件工具如编译器、函数库等，英特尔已经形成了完整的大数据解决方案。英特尔提供经过验证的方法和工具来优化 Hadoop 部署，包括具有代表性的 Hadoop 应用集合 HiBench，和基于数据流的 Hadoop 性能分析工具 HiTune 等等。Hadoop 对海量数据处理的支持，可以让用户不再依赖价格高昂的大型专有设备，而是通过大量 x86 服务器集群就可解决——利用较高性价比的 x86 服务器来搭配并行计算架构，从而可以以最符合经济效益的方式完成庞大的计算任务。
对于国内市场而言，对于大数据应用机会的重视和抓取已经越发明显，作为世界上人口最多的国家，中国产生数据的潜力可想而知，即便能掌握其中一部分大数据，对于企业发展也具有不可估量的价值。比如微博等社交网络平台上产生的大量碎片化信息，如果被合理应用，并精准分析、管理、挖掘这些数据的内在价值，那么就能掌握下一个互联网发展机会抑或革命，这还仅仅是互联网层面，放眼到全行业，可以利用的机会则更多。而英特尔与产业合作伙伴的强大产业生态链能够满足行业需求的同时在大数据时代用创新技术将大数据背后的价值一一呈现，并促进更多商业机会的出现。
3大数据：落地正当时我们正处于一个信息大爆炸的时代：宽带普及带来的巨量日志和通讯记录，社交网络每天不断更新的个人信息，视频通讯、医疗影像、地理信息、监控录像等视频记录，传感器、导航设备等非传统 IT 设备产生的数据信息，以及持续增加的各种智能终端产生的图片及信息，这些爆炸性增长的数据正在充斥整个网络。据权威市场调查机构IDC预测，未来每隔 18 个月，整个世界的数据总量就会翻倍;到 2020 年，整个世界的数据总量将会增长 44 倍，达到 35.2ZB(1ZB=10亿TB)。“大数据”时代正在来临!
“大数据”的价值
所谓“大数据”，一般具有几个特点：首先是数据量很大，已经从 TB 级跃升至 PB 级;其次是区别于传统的数据结构，“大数据”时代的数据结构比较复杂，超过 80% 都是非结构化数据，比如道路上的视频监控数据、网上的流媒体数据、物联网中 RFID 的感应数据，以及社交网络上产生的各种数据等。这两个特点，给数据存储、管理和挖掘带来了困难。第三，数据更新快，比如视频监控每秒钟都在进行，微博随时都有人在更新;最后，是对数据的随机访问，这些更个人化的数据在存储后被再次访问的时间是不确定的。这两点就要求新的IT系统更够更快地处理数据，并且能够更智能地保存和管理数据。比如在某一天，你需要从监控录像中找出某个人，那么就需要能够迅速地查找、调用、分析之前保存的海量数据。“大数据”的这些特点，对数据搜索及管理提出了更高要求，因为在“大数据”时代只有经过分析提炼的关键数据才有价值。
全球知名咨询机构麦肯锡在关于“大数据”时代的研究报告中指出，数据已经渗透到了每一个行业和业务职能领域，逐渐成为重要的生产因素;人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来。在互联网时代，数据本身就是资产，而“大数据”则意味着这些资产正在变得庞大无比。虽然云计算可以为数据资产提供保管的场所和访问的渠道，但如何盘活数据资产，使其为国家治理、企业决策乃至个人生活服务，则是“大数据”时代的核心问题。这就好比一座日益膨胀的矿山，虽然其中蕴含着大量的贵金属，但是要想获得这些价值，就必须解决筛选冶炼的问题。
“大数据”对IT解决方案提出更高要求
在“大数据”时代，超过 80% 的数据都呈现非结构化状态，这些数据正在持续不断地增加，并且需要长时间存储，非热点数据也会被随机访问。这种情况与传统的、基于关系型数据库的核心数据存储方式有显著的差异。这种差异，使得传统的数据存储和管理解决方案无法胜任“大数据”时代的分析、管理和挖掘工作。传统的关系型数据库以及数据分析软件处理的结构化数据通常是GB级别的，很难适应“大数据”时代 TB、PB 级复杂数据类型的检索分析。同时，因为“大数据”时代数据每时每刻都在快速增长，传统解决方案也无法适应这种近乎无限的扩张性。为了适应“大数据”时代的到来，企业需要从技术、应用、硬件等各个层面做好准备，采用更新的IT解决方案，才能满足“大数据”收集、存储、管理和分析的要求。
“大数据”时代的IT解决方案，需要容纳数量庞大的用户和数据生产者，能够从企业及社区网络、移动智能终端、传感器及物联网、定位及地理信息设备中获得大量的视频、语音、图片、文字、产品信息、地理信息、时间信息等非结构化数据，并对这些海量复杂数据进行分析和挖掘，从而获得真正有价值的数据用于后续的经营。这种应用模式，要求“大数据”时代的IT解决方案具备可变的数据接口和高效的数据导入、管理、分析、统计技术;能够支持PB级别的数据、支持非结构化以及结构化数据、支持每秒万次级查询，拥有更高的系统可靠性以及更高的统计分析效率，这就对计算能力、内存数据处理能力和管理能力提出了非常高的要求。
对于企业而言，“大数据”时代爆炸性增长的数据既是巨大的机遇，也将是巨大的挑战。在“大数据”时代，IT解决方案既要能够更高效、低成本的存储和管理，也要能够更快速、灵活及稳定的检索和分析。而在这些方面，已经有不少厂商在努力围绕大数据整合解决方案，英特尔就是其中的佼佼者。首先，IA 架构广泛的普及率可以为企业提供更高的一致性，是承载和应对“大数据”的理想平台。英特尔® 至强® 处理器拥有更高的计算性能和内存数据处理能力，以其为核心的服务器和存储系统具备开放式、普及性、易优化、灵活等特点，具备无可比拟的扩展性，非常适合应对“大数据”的挑战。除此之外，英特尔还有包括 Hadoop 这种开源架构等软件方案(如编译器、函数库等)，也将对“大数据”的处理提供了更高的效能。这些软件方案通过优化底层算法，可实现更高的应用效率和更均衡的计算存储分布;与英特尔硬件技术相结合，可以提供更高的平台性能。同时，还能提供跨数据中心的HBase数据库虚拟大表功能，并且实现了 HBase 数据库复制和备份功能，在功能方面也更适应“大数据”时代管理分析的需要。这一切，都为收集数据、分析数据、优化数据、利用数据提供了坚实的基础。
中国的“大数据”时代
“大数据”时代的核心应用就是对已知的数据进行分析来为未来发展和企业经营提供参考。作为一个人口大国，中国在“大数据”时代拥有巨大的机会和挑战。机会在于，我国拥有世界上最多的人，从而可以提供最多的数据以供分析挖掘。而挑战则是，我们怎样才能从海量的数据中找出价值。凭借庞大的人口基数和市场，我国各行各业的规模都在不断扩大，从而制造出庞大的数据。电商、快递、企业的网站和IT系统都承载了大量的数据;传统的大型超市、卖场、商场也集聚了大量的信息。特别是移动互联浪潮下各种手持智能终端的普及和定位设备的应用，也在不断产生大量的数据。如果能够对这些数据进行分析挖掘，找出有价值的信息，就能够大大促进中国企业的发展。比如，电信运营商可以对客服中心的数据进行分析来建立客服中心智能辅助平台，帮助运营商把客服中心从成本中心转变成营销中心;汽车厂商可以分析各大汽车论坛用户的海量评论来监控品牌口碑及舆情;电商企业可以分析用户的各种历史数据来挖掘用户的喜好，从而实现精准营销。面对“大数据”带来的机遇和挑战，我国政府在物联网“十二五”规划上把信息处理技术作为 4 项关键技术创新工程之一提出，其中就包括了海量数据存储、数据挖掘、图像视频智能分析等“大数据”相关的重要技术。而另外 3 项关键技术创新工程，包括信息感知技术、信息传输技术、信息安全技术，也都与“大数据”密切相关。
“大数据”的未来
“大数据”的到来已经无可阻挡，这将考验我们的技术是否跟得上数据的爆炸。比如，智慧城市的建立将改变现在的城市生态，但是作为信息采集源头的数万个摄像头，如果通过实时高效的图像分析而实现有机结合，就是我们需要解决的问题。英特尔作为IT上游领导厂商，通过深入了解 OEM 厂商、ISV、SI 甚至用户的需求，将产业链上的每一环都紧紧扣在生态系统周围，使之发挥最大的能动性，来应对“大数据”时代的挑战。在电信、石油、交通、医疗以及制造等行业，英特尔以开发的架构支持新型的商业智能，将这一生态系统的力量发挥到极致。信息就是资源，谁掌握了“数据”，谁就掌握了未来。掌握大数据，就在当下。英特尔将利用各种软硬件技术资源，帮助合作伙伴发掘数据价值，从而应对“大数据”时代的挑战。
4大数据背后隐含的“商业秘密”
信息的密集爆发，带来了大量的数据堆积，数据的变化几乎没有一个循序渐进的过程，砰然爆发的速度太快了，从居家到社交，从生活到工作都会形成大量的数据，无论是有用的还是无用的数据都围绕在我们周围。我们不会在意大量的数据，但是对自己有用的数据是很在意的，最简单的一个例子，我们手机里的信息就不断地堆积，通讯录在增加，还有邮箱，如果说以前仅仅是短信息，那么现在还有彩信，照片，包括微博等等都堆积起大量的数据信息。
数据多了就显得凌乱，甚至乱序，而这仅仅是我们个人的一些信息就显得如此驳杂和繁多。那么对于社会公共信息来说，堆积起来的数据信息是超海量的，汇总进而分析这些数据的价值就变得非常关键，而且也潜在着非常巨大的商机。
大数据应用场景之一
每天开车上街，司机们很在意的是测速摄像头，对于公共资源维护者来说也在意这些数据，当然他们不仅仅是测速，更多的是道路信息采集。什么路段拥堵了，哪个路口出交通事故了，一些城市已经树立了交通指示屏，可以非常清晰明了地为司机提示哪条路段现在是什么情况，拥堵还是畅通，有没有交通事故等等，这都是对数据采集后的分析结果呈现。之前，我们在城市的路口常常可以看到很多交通地图，不过现在这种平面单一的指示正在被数字标牌所取代。当然不仅仅是路口，在商场、电梯，地铁、候机楼、包括楼宇的户外广告等等，都已经不再是简单的一个平面美女，更多地已经开始呈现数字化了。
大数据应用场景之二
各种尺寸的屏幕动态化呈现更多信息，如果说以前我们还惊奇于滚动的数字屏幕，那么随着信息化的快速发展，单纯地动感已经无法满足我们的需求，更广泛的信息呈现才是更迫切的一种需求。而且这种需求是双向的，对大众和商家都很重要。于是智能化数字标牌出现了。这类产品具备了互动的功能，用户可以用触摸或者体感的方式和它们进行交互操作，同时，它们都是联网的设备，可以与数据中心或者其他的数字标牌进行数据的传递，还可以搜集并分析数据，为不同的人群进行定制化的互动展示。这就是大数据的一种应用。英特尔还推出了一套智能系统，通过在数字标牌上的应用，实现丰富的功能。
大数据应用场景之三
在大量数据的背后，如何找出有用数据，如何发现规律，如何找到新的商业机会?大数据，带来了一个全新的机会，这个机会需要软硬件的结合，需要大型数据的分析能力。在这方面，英特尔给予了硬件方面的强力支持，这里的硬件不仅仅是服务器端的，还有更多的终端产品，包括微小终端等等，都呈现数据分析后的结果以及快速分析的过程。
比如，英特尔的一款采用了酷睿 i5/i7 处理器的虚拟试衣镜 K-mirror。它能够通过红外线感应器，将试衣者的人体轮廓抓取出来，配合深度感应器测算人体与屏幕的距离，最后将预先存储在魔镜里面的虚拟衣服自然地搭配到试衣者的身体上。借助 K-mirror，试衣者无需穿上婚纱，便可以轻松、快速地进行选择与搭配，使得以往复杂繁琐的婚纱挑选与试穿过程变得简单随意且妙趣横生。目前已有众多婚纱影楼、服装零售店铺安装了这款体感式虚拟试衣镜，吸引了大量顾客体验这种高科技的试衣感受。
大数据应用场景之四
在移动市场我们常常听到精准营销，包括广告的投放等等。但是广告投资商非常在意的是自己的投放究竟获得了多少的回报和收益，或者自己的投放带来的反馈又是什么，在哪里的投放获得最大的回报率?这都存在着大量数据的分析和归纳。有国外媒体报道，eBay 的数据库每天增加 50TB，每天最少都有数百万次的商品查询，数据库每日增加 1.5 兆笔记录，数据库的总容量则已超过 9PB。每天新增的数据量庞大，数据库也极其庞大，从中分析顾客的浏览、消费行为就变成了一件很困难的事情。
大数据应用场景之五
再比如 Facebook，每天都有数亿用户留下庞大的数据，包括大量的图片、影片等传统数据库系统较不擅长的非结构化数据。针对网络社交平台，一些公司已经开始研究和布局大数据的关键技术──Hadoop。基于 Hadoop 的海量数据分布式处理，可以不再依赖价格高昂的大型专属设备，而通过自建大量 x86 服务器群集来解决。它利用大量平价的服务器，搭配并行计算架构，以最符合经济效益的方式创造庞大的计算量。而且，英特尔可以提供经过验证的方法和工具来优化 Hadoop 部署，包括具有代表性的 Hadoop 应用集合 HiBench，和基于数据流的 Hadoop 性能分析工具 HiTune 等等。
大数据应用之中国机遇
上述五个应用场景代表着现在市场和行业里对于大数据时代的典型描述，而对于国内市场而言，大数据分析和应用的机会也颇大，因为中国的用户量太庞大了，产生数据的潜力不可估量，如果能掌握其中一部分大数据就对企业发展具有意想不到的价值。我们正面临着大数据工业革命，不仅包含传统的结构化(或关联型)数据，而且也包含各类非结构化、非对称性数据。这些数据不仅尺寸庞大，而且增
长速度更快于摩尔定律。可以说，谁能合理地分析、管理、挖掘这些数据的内在价值，谁就有可能成为下一个行业巨头。
大数据之背后的故事
基于大数据的盛行，很多软硬件厂商都在寻求着适合自己的方向，而英特尔利用不同级别的处理器架构，不同的数据应用架构，以及相关的解决方案，帮助用户从端到端找到完整的解决办法。在大数据分析方面，灵活、强大和开放的解决方案更容易来实现现有需求以及未来的升级扩展。而英特尔正在利用开放的架构联合业界合作伙伴一同为大家打造不同的大数据方案，帮助用户解决实际难点。无论从应用、需求还是解决方案层面，大数据都已经到了“应时而生”的时代，而在这背后，从后端数据挖掘分析的厂商到应用的供应商都能从中找到黄金机会，在促进大数据时代的同时完成自己的商业目标。
密级：内部公开
环境数据中心
大数据平台分析
Big data platform analysis
SOFTWARE PRODUCT
聚光科技(杭州)股份有限公司
内部资料 注意保密
目 录
1. 大数据背景............................................................................................................... 1
1.1. 什么是大数据................................................................................................ 1 1.2. 发展现状........................................................................................................ 1 1.3. 大数据的应用................................................................................................ 2 2. 大数据平台介绍....................................................................................................... 4
2.1. 定位................................................................................................................ 4
2.1.1. 产品概述............................................................................................ 4 2.2. 功能................................................................................................................ 4 2.3. 设计................................................................................................................ 4 2.4. 技术.............................................................................. 错误!未定义书签。 2.5. 总结................................................................................................................ 4 3. 环境数据中心........................................................................................................... 5
3.1. 背景定位........................................................................................................ 5 3.2. 功能................................................................................................................ 5
3.2.1............................................................................................................... 5 3.2.2............................................................................. 错误!未定义书签。 3.3. 设计................................................................................................................ 6 3.4. 技术.............................................................................. 错误!未定义书签。 4. 总结........................................................................................................................... 6
I
内部资料 注意保密
1.大数据背景
1.1. 什么是大数据
大数据最早在上世纪90年代被提出，是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。
现在，业界普遍认同所谓“大数据”具有明显的“3V特征”：量级(Volume)，速度(Velocity)和多样性(Variety)。大数据普遍具有量级大，要求处理速度快，数据本身具有丰富的多样性。在甲骨文公司和中国移动研究院的相关研究文档里，都追加了第四个V——Value，价值;而IBM在其相关文档中给出的第四个“V”则是真实性(Veracity)。
大数据的价值：在海量的规则或不规则数据之中，用新的数据处理手段，以很快的速度计算或分析出潜在规律性、根本性的判断、趋势或预见。
1.2. 发展现状
随着移动互联网的带宽的增加和智能设备销售量的上升，互联网业迎来了“云计算”和“大数据”。世界经济论坛一份有关大数据的研究报告称，每天全球几十亿人使用计算机、GPS设备、电话和医疗设备，产生海量的数据信息。这些用户大部分来自发展中国家，他们的需求和习惯尚未被真正理解，如果能够借助大数据相关技术分析和挖掘数据背后的信息，将有助于认识需求、提供预测和防范危机。
大数据的真正意义并不在于大带宽和大存储，而在于对容量大且种类繁多的数据进行分析并从中萃取大价值。采用大数据处理方法，生物制药、新材料研制生产的流程会发生革命性的变化，可以通过数据处理能力极高的计算机并行处理，同时进行大批量的仿真比较和筛选，大大提高科研和生产效率。数据已成为矿物和化学元素一样的原始材料，未来可能形成“数据探矿”、“数据化学”等新学科和新工艺模式。大数据处理的兴起也将改变云计算的发展方向，云计算正在进入以AaaS(分析即服务)为主要标志的Cloud 2.0时代。
- 1
内部资料 注意保密
项目使得卫生单位及早研制预防疫苗，及早控制疫情的扩散，大幅降低了流感的传播。
3、飞机票价高低和多早预购的关系
也许大家会直觉地认为越早买机票就越可以买到较便宜的机票。一家叫Farecast公司的创始人从他的亲身经验启发了一个新的服务。他发现坐他旁边的人比他晚好几天购买机票却比他的购买价格还低。于是他搜集了所有航空公司的票价与提前订购时间的数据关系，并建立了数学模型。现在我们任何人可以上到他的网站：farecast.com，输入你的出发地和目的地，加上你要出发的时间，马上这个网页能告诉你是现在就赶快买票还是再等几天才买。
- 3
内部资料 注意保密
3.环境数据中心
3.1. 背景定位
环境管理部门每天要面对大量的数据，如环境监测数据、排污收费数据、排污申报数据、环境统计数据、环保信访数据、行政处罚数据、总量减排数据等。这些数据，往往存在来源复杂、格式多样、不一致、不准确、不完整、存放分散等问题，给环境管理带来诸多困难。各业务系统也彼此独立，从而形成了一个个信息孤岛，数据难以共享，环境决策缺乏有效的数据支持，难以做到科学决策。因此，需要建立统一的环境数据中心，全面整合各类环境资源数据，实现数据的集中管理。使之成为环保各业务科室之间协同工作的数据中心，成为多媒体、文档资料和政策法规的存储中心，成为环保决策所需的数据仓库中心。
3.2. 功能
3.2.1. 数据的管理
数据中心的数据来源主要于：
1. 国家下发的软件系统，如污染源普查软件、环境统计软件; 2.已有的业务系统，如排污申报与收费管理系统、12369环保热线等。 3.Excel表格、电子文档、图片、视频、扫描件等;
4.数据直报系统：系统提供定制的录入界面，用户手工填报。
对于这些来源复杂、格式多样、不一致、不准确、不完整、存放分散的数据进行统一的标准建立，实现信息共享，数据交互
3.2.2.数据的管理
1.文件的上传、修改、删除 2.元数据的编辑
- 5
推荐阅读：
电力营销系统功能分析07-25
电力技术分析报告09-24
2019年电力行业分析06-26
电力系统分析a07-11
2018中国电力市场分析07-13
论分析电力供电企业安全生产管理的常见问题及管理方法07-15
电力技术与电力系统的规划论文09-21
电力市场改革下电力营销管理浅析论文07-25
电力实践报告06-03
电力实习周记06-13
