我國電力大數據的應用前景

有一個流行的詞語“云大物移”，指的是云計算、大數據、物聯網和移動通信，在現代社會大數據是非常重要的資源。阿里巴巴創(chuàng)辦人馬云在演講中曾提到，未來的時代將不是IT時代，而是DT時代，DT就是Data Technology數據科技，顯示出大數據在未來舉足輕重的地位。

大數據（big data），指無法在一定時間范圍內用常規(guī)軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發(fā)現力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產。

大數據并不在“大”，而在于“有用”。價值含量、挖掘成本比數量更為重要。對于很多行業(yè)而言，如何利用這些大規(guī)模數據是贏得競爭的關鍵。

電力大數據技術

電力是大數據理念、技術和方法在電力行業(yè)的實踐。電力大數據涉及到發(fā)電、輸電、變電、配電、用電、調度各環(huán)節(jié)，是跨單位、跨專業(yè)、跨業(yè)務數據分析與挖掘，以及數據可視化。

電力大數據由結構化數據和非結構化構成，隨著智能電網建設和物聯網的應用，非結構化數據呈現出快速增長的勢頭，其數量將大大超過結構化數據。電力大數據的特性滿足大數據的五個特性，一是數據量大（Volume）、二是處理速度快（Velocity）、三是數據類型多(Variety)、四是價值大（Value）、五是精確性高（Veracity）。

電力大數據技術滿足電力數據飛速增長，滿足各專業(yè)工作需要，滿足提高電力工業(yè)發(fā)展需要，服務經濟發(fā)展需要。電力大數據技術包括：高性能計算、數據挖掘、統(tǒng)計分析、數據可視化等。

1.高性能計算

通過Hadoop分布式計算技術采用MAP-REDUCE模型建立分布式計算集群或者Yonghong Z-Suite等高性能工具，對電力大數據進行分布式計算和處理。

2.數據挖掘技術

數據挖掘技術是通過分析大量數據，從大量數據中尋找其規(guī)律的技術，主要有數據準備、規(guī)律尋找和規(guī)律表示3個步驟。數據準備是從相關的數據源中選取所需的數據并整合成用于數據挖掘的數據集；規(guī)律尋找是用某種方法將數據集所含的規(guī)律找出來；規(guī)律表示是盡可能以用戶可理解的方式（如可視化）將找出的規(guī)律表示出來。

數據挖掘的任務有關聯分析、聚類分析、分類分析、異常分析、特異群組分析和演變分析等等。

3.統(tǒng)計分析

統(tǒng)計分析，常指對收集到的有關數據資料進行整理歸類并進行解釋的過程。 統(tǒng)計分析可分為描述統(tǒng)計和推斷統(tǒng)計。

4.數據可視化技術

數據可視化數據可視化主要旨在借助于圖形化手段，清晰有效地傳達與溝通信息，便于相關者對數據的理解和認識。數據可視化與信息圖形、信息可視化、科學可視化以及統(tǒng)計圖形密切相關。

電力大數據的三種商業(yè)應用模式 

對接智能電網優(yōu)化需求響應 

也就是通過將能源生產、消費數據與內部智能設備、客戶信息、電力運行等數據結合，充分挖掘客戶行為特征，提高能源需求預測準確性，發(fā)現電力消費規(guī)律，提升企業(yè)運營效率效益。 

對于電網企業(yè)來說，這個模式能夠提高企業(yè)經營決策中所需數據的廣度與深度，增強對企業(yè)經營發(fā)展趨勢的洞察力和前瞻性，有效支撐決策管理。

能源數據綜合服務平臺 

該模式通過建設一個分析與應用平臺，集成能源供給、消費、相關技術的各類數據，為包括政府、企業(yè)、學校、居民等不同類型參與方提供大數據分析和信息服務。該模式中，電網企業(yè)具有資金、技術、數據資源等方面優(yōu)勢，具備成為綜合服務平臺提供方的條件。

支撐智能化節(jié)能產品研發(fā) 

該模式主要將能源大數據、信息通訊與工業(yè)制造技術結合，通過對能源供給、消費、移動終端等不同數據源的數據進行綜合分析，設計開發(fā)出節(jié)能環(huán)保產品，為用戶提供付費低、能效高的能源使用與生活方式。

以智能家居產品為例，該模式既可為居民用戶提供節(jié)能降費服務以及快捷便利的用戶體驗，也可對能源企業(yè)尤其是電力企業(yè)改善用戶側需求管理、減少發(fā)電裝機等方面發(fā)揮作用。正在美國走向普及的智能電表也是一例，它具有電量結算功能，在整個電網范圍內標識售電商和用戶，可通過更換芯片更換售電商。該模式中，電網企業(yè)不一定具備產品研發(fā)優(yōu)勢，但可利用電力數據采集與分析方面的優(yōu)勢，既可通過與設備制造商合作改進用戶需求側管理，也可通過共同參與研發(fā)并在產品銷售中獲取收益。

大數據應用現狀和在電力行業(yè)中的應用場景 

大數據應用涉及電力企業(yè)的各個業(yè)務領域。在規(guī)劃領域，通過對用電采集大數據的分析，利用數據挖掘技術，更準確地掌握用電負荷分布和變化規(guī)律，提高中長期負荷預測準確度；在建設業(yè)務方面，通過對現場照片進行批量比對分析，利用分布式存儲、并行計算、模式識別等技術，掌握施工現場的安全隱患，或者核查安全整改措施落實情況；在運行領域，利用機器學習、模式識別等多維分析預測技術，分析新能源出力與風速、光照、溫度等氣象因素的關聯關系，以便更準確地對新能源的發(fā)電能力進行預測和管理。在檢修領域，通過研究消缺、檢修、運行工況、氣象條件等因素對設備狀態(tài)的影響，以及設備運行的風險水平，利用并行計算等技術實現檢修策略優(yōu)化，指導狀態(tài)檢修的深入開展。

目前，電力大數據應用場景主要在以下方面： 

（1）規(guī)劃—提升負荷 預測能力。通過對大數據的分析，利用數據挖掘技術，更準確地掌握用電負荷的分布和變化規(guī)律，提高中長期負荷的預測準確度。

（2）建設—提升現場安全管理能力。對現場照片進行批量比對分析，利用分布式存儲、并行計算、模式識別等技術，掌握施工現場的安全隱患，或者核查安全整改措施的落實情況。

（3）運行—提升新能源調度管理能力。利用機器學習、模式識別等多維分析預測技術，分析新能源的出力與風速、光照、溫度等氣象因素的關聯關系，更準確地對新能源的發(fā)電能力進行預測和管理。

（4）檢修—提升狀態(tài)檢修管理能力。研究消缺、檢修、運行工況、氣象條件等因素對設備狀態(tài)的影響，以及設備運行的風險水平，利用并行計算等技術實現檢修策略優(yōu)化，指導狀態(tài)檢修的深入開展。

（5）營銷—提升對用電行為的分析能力。擴展用電采集的范圍和頻次，利用聚類模型等挖掘手段，開展對用電行為特征的深入分析，并實施區(qū)別化的用戶管理策略。

（6）運監(jiān)—提升業(yè)務關聯分析能力。利用流式計算、可視化和并行處理等技術，實現全方位在線監(jiān)測、分析、計算，通過聚類和模式識別技術，解決對跨業(yè)務的關聯分析、數據因子分析、數據診斷規(guī)則和算法，提高數據質量監(jiān)控和治理。

（7）客服—提升服務效率。對客服錄音進行實時監(jiān)管，利用模式識別、機器學習等技術，對熱點問題的服務資源進行優(yōu)化分配，提升交互水平。 

小結

除了上面一些對電力大數據積極的看法，同時也有人認為，國內電網行業(yè)技術上并不算落后，對國外相關技術的研究也有深入的理解，但是國內電網行業(yè)相對封閉，很多國外的新技術和新思想并不適用于國內，電力大數據根本沒有施展的基礎和環(huán)境。當前說大數據，更多的是噱頭，難以實際應用。