电力需求侧大数据应用模型的构建研究

谈学锋　赵刚（北京中电普华信息技术有限公司，北京 100000）

电力需求侧大数据应用模型的构建研究

谈学锋赵刚
（北京中电普华信息技术有限公司，北京 100000）

电力需求侧大数据模型是电力企业联系电力用户，了解电力用户实际用电需求、了解自身供电实际的重要方式。在社会经济发展的需求推动下，在电力大数据技术的支持下，当前电力需求侧大数据模型技术水平得到了大幅度提升，推广应用的时机已经成熟。因此本文立足于电力需求侧大数据应用模型的实际，从构建研究的角度出发，对这一问题进行简要分析。

电力需求侧 大数据应用模型 构建研究

近年来大数据研究因其自身数据处理能力的庞体性、反应速度的迅捷性而备受大数据行业的关注，当前在电力数据采集、地理信息采集和气象监测数据采集领域存在极佳的应用前景。其中在电力数据采集中的应用更是解决电力监控的难题，因此对电力需求侧大数据应用模型的构建研究具有鲜明的现实意义。

1　电力大数据的基本特征

电力大数据是大数据在电力应用中呈现的一种特殊形式，主要出现在电力行业的发电、输电、配电、变电、售电和调度的环节。在电力大数据的实际运行中主要表现出以下基本特征：第一，数据量庞大，因为现代供电系统的规模和智能化水平越来越高，因此而产生的数据量从层级和量级两个方向增长，数据量庞大；第二，种类众多，如前文所述电力大数据对数据的管理，涉及到电力行业的发电、输电、配电等整个供电环节，每个环节的电力数据形式都是不同，所以数据类型极多；第三，数据处理速度快，在供电系统运行过程中，因为电力供应的实时性限制，电力企业运营过程中的数据处理也必须是实时的，才能满足对电力运行的监控需求。

2　电力大数据的关键技术

2.1数据采集

数据采集是进行数据分析的前置影响因素，数据采集的正确性、全面性和有效性会直接影响到数据分析结果的可靠性。所以在电力大数据的运行过程中数据采集至关重要，在实际的电力需求侧大数据运行过程中，采集的对象为用电需求侧的电力用户，采集的主要内容是客户类型、用电设备类型、用电量等，数据采集的频率会直接影响数据采集的准确性和实时性，通常情况下数据采集的频率应该保持在6次/h以上［1］。

2.2数据传输

现代智能电网的数据传输，不仅要求传输的网络承载力强大，而且要求电网传输的高质量，其质量内容主要包括有传输数据的完整性和安全性。电力大数据内容只有具有高度的完整性和安全性，才能为供电主体的对电力输送各个环节的有效管理。

2.3数据存储

电力系统的运行过程中，大量的供电网络本身会产生许多的大量的交互数据，这些数据信息本身数量庞大、种类极多，对存储系统的要求极高，存储系统不仅自身要能够实现对超大容量数据的存储，而且自身需要具备科学的管理机制对数据存储进行高效的管理，确保时刻形成的电力数据能够规范化的存储入库，而在电力大数据系统产生应用需求的时候，也能够根据相应标准准确的找到相应的数据。当前能够支持这种功能的数据存储结构有云存储、数据消冗技术、数据压缩技术等［2］。

2.4数据挖掘

数据挖掘是在现代信息处理技术发展的基础上，形成的集成数据分析技术，能够在海量的数据中根据数据的基本特征，对电力数据总体进行直接分析，而不是传统数据处理机制一样以样本代替总体，以对样本的分析间接实现对数据总体的分析。在现代计算机运算能力极大提升的基础上，以强大的数据分析能力直接对数据总体的处理，能够发挥更加全面、完善的处理效果［3］。

3　电力需求侧的大数据应用模型构建要点

电力需求侧的大数据应用模型是电力系统运行过程中实际应用的数据处理模型，其本身应该带有鲜明的实用性和可操作性。根据现代电力系统需求侧的实际情况认为大数据模型构建应该注意以下要点：

3.1数据量大、数据种类多、更新速度快

电力系统存在的这种数据特性，要求大数据应用模型的构建工作应该从实际出发，以用户购电量、新装、用电类型、客服数据等为基本的数据采集项目，对电力系统的运行数据进行采集，通过交互算法的交互作用，能够显示出相同用户的用电发展趋势，也可以以单项的供电数据对众多的用电主体进行分析，形成覆盖电力系统全领域、全生命周期的电力大数据模型［4］。

3.2传统数据采集方法与新型数据采集方法并存

从现代统计学的角度出发，单一数据采集方法是不能够保证数据处理模型的全面性和准确性的，所以在大数据模型的构建活动中应该综合运用各种数据采集方法，即借助现代新型信息化数据采集方式的同时兼顾传统的抄表计费、问卷调查等数据采集形式，丰富数据采集的方法，提高数据采集活动的覆盖率，切实保证电力大数据模型的全面性和准确性。

3.3存储数据量大

在电力系统运行过程中受服务范围和服务类型的影响，信息数据会表现出强大的庞体性和差异性，对大数据模型的数据存储结构是一个考验。针对这一问题主要的解决方式是构建科学、合理的数据信息管理体系，根据电力系统运行中产生的数据种类和特性，对数据进行精细的分类，确保每一个实际产生的数据信息都能够分散到细致的类属结构中。这种合理的结构能够极大的拓展电力数据信息的存储空间，提高数据存储和提取管理的效率［4］。

4　结语

电力系统是社会经济维持正常运行的关键基础设施，其本身的运行效率与质量会对社会经济活动产生广泛而深远的影响，所以在现代社会经济活动中电力系统的运行质量和运行效率提升至关重要，对电力需求侧大数据应用模型构建的研究具有鲜明的现实意义，本文从电力大数据的基本特征、关键技术和电力需求侧大数据应用模型构建三个方面对这一问题进行了简要分析，认为我国的电力需求侧大数据应用模型构建应该从我国电力系统发展中的实际出发，以科学的设计理念为指导，以现代网络信息技术为支撑，切实提升电力系统运行的效率和质量。

［1］王健，宋述停，兰俊美，刘冰旖.电力需求侧大数据应用模型的建立［J］.电力与能源，2014，03：283-286.

［2］史梦洁，韩笑，程志艳，林弘宇，许高杰.面向电力需求侧的大数据应用研究分析［J］.供用电，2014，12：20-23.

［3］全生明.需求侧响应资源的经济性分析与市场均衡模型研究［D］.华北电力大学，2014.

［4］王抒祥.减排约束下电力资源综合利用优化模型与方法研究［D］.华北电力大学，2013.

［5］谭显东.电力可计算一般均衡模型的构建及应用研究［D］.华北电力大学（北京），2008.