电力大数据应用研究与展望

张晓晨

摘 要：随着智能电网的全面建设，电力数据资源迅速增长。电力大数据的研究和应用可为电力企业提高质量及效率，促进电网的发展方式和企业发展模式的转变提供了强大的动力。本文首先介绍大数据的概念，并对电力大数据的分类及特征进行分析，最后通过典型案例阐述电力大数据的应用场景。

关键词：配用电系统；电力大数据；应用场景；展望

DOI：10.16640/j.cnki.37-1222/t.2017.03.134

1 电力大数据概述

1.1 能源互联网

维克托·迈尔·舍恩伯格曾在《大数据时代：生活、工作、思維的大变革》一书中前瞻性地指出，大数据带来的信息风暴正在改变着我们的生活、工作与思维，大数据开启了大时代的重大转型。能源大数据的概念是电力、石油、天然气等能源领域数据与人口、地理、气象等领域的数据采集、处理、分析和应用的相关技术和思路。能源大数据不仅是大数据技术在能源领域的深入应用，而且融合能源生产与消费以及相关技术革命和大数据深度的理念，将加速能源产业的发展和商业模式的创新。

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。作为正能源互联网转型的传统电力行业，大数据时代和云计算时代的到来将为传统电力行业的发展注入新的活力，传统电力行业即将变革。

1.2 电力大数据

电力大数据主要来自电力生产和电能使用的发电，输电，变站，配电，用电与调度每个环节，主要有下面几点：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。电力大数据具有四个特点：

（1）数据体量大：常规的调度自动化系统包含数十万个采集点；配用电、数据中心将达到千万级；

（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；

（3）价值密度低：所采集的绝大部分数据都是正常数据，只有极少量的异常数据，而异常数据是状态检修的最重要依据；

（4）处理速度快：几分之一秒内分析大量，以支持决策制定。

2 大数据应用

2.1 形势分析

我们现在面临着一个全新的形势，我们国家提出了“中国制造2025”，国网公司也提出了“全球能源互联网”的发展要求，再加上电力改革和“大、云、物、移”等新技术的发展变革。从2013年开始，国网公司领导也提出了强化公司运营数据资产管理和大数据挖掘的各项工作要求，把数据资源提升到公司战略资源的高度。

随着电网企业信息化系统的蓬勃发展，数据量急剧增长，如何利用数据管理提升电网企业管理水平，把数据资源作为公司战略资产，加强集中管理，实现全公司信息共享，强化数据分析，“一切业务数据化，一切数据业务化”，提升数据应用水平和商业价值，是现阶段及未来很长时间面临的一项挑战。

2.2 数据分析实践-IBM电动汽车动力与电力工艺上系统优化预测

在2012年的一个实验中，IBM曾与加利福尼亚太平洋燃气电力公司和汽车制造商本田合作，输入大量的信息，如汽车电池电量，汽车的位置，每天时间和附近的充电站的可用插槽等，IBM开发了一套复杂的预测模型。它结合了这些数据与电网的当前消耗和历史的功率使用模型相结合。通过分析个多数据源大量的实时数据流和历史数据，这样可以确定司机为汽车最佳充电的时间和地点，并揭示最佳点的充电站。该车的电池指示灯告诉司机何时充电，电网的使用数据可以通过设备采集来管理电网的稳定性。

2.3 数据分析实践-重要时期配网负荷预警分析（以山东公司作为国网公司-用电负荷分析的试点单位）

2.3.1 提升对用电负荷波动情况的观测能力

在某些重要时期，如一年内气温最高或最低期间、重大社会活动期间、春节期间等，用电负荷可能随着气温、用电人口等变化出现较大的波动，电力公司也会对特殊时期如迎峰度夏、春节保电等采取措施。

2.3.2 提升对配电变压器运行情况的预判能力

因配电变压器的负载状况对其运行工况有直接影响，且现阶段对配电变压器的运行状况、负载情况普遍处于事后处理阶段，缺乏对其运行、负载的预判性工作，因而，以上时期较易表现为全年配电变压器故障高发期。

2.3.3 提高电网供电保障能力

通过使用智能电表等智能终端设备可采集整个电力系统运行数据，以及采集大数据系统进行分析处理，实现电网的实时监测；并结合电力系统大数据分析和模型。对配电变压器过载情况进行预警分析，实现配电、用电、物资等环节的互动，推动电网智能化发展。

为有效提高电网应急能力和管理水平，提高供电能力、保证供电安全，需基于配变（公变）分布在用电采集系统、营销系统、ERP系统的历史数 据以及历史温度、气候信息、人口等，开展配变重过载概率的数据挖掘分析。结合模型分析结果，关联资产全寿命、客户全方位关键要素，对配变重过载风险进行评估，辅助配网改造建设业务决策。

2.4 数据管理实践-新加坡能源服务公司

新加坡能源服务公司通过设立数据与信息管理部门，对电网数据资源进行统一管理，并通过智能分析系统和兼通软件研发和业务知识的人员对数据信息进行分析评价，为领导决策提供第一手资料。

2.5 数据管理实践-某国有银行

他们设置了数据管理委员会，作为数据管理的最高决策机构，由公司领导和各职能部门负责人组成，在管理协调层设置了一个数据管理工作小组，只要由各专业部门负责人组成，还有一个行政小组，叫数据管理办公室，只要职责是组织与协调；在执行层面，主要负责各项数据管理工作的具体执行工作。

3 现状分析与展望

3.1 现状分析

前期在公司各部门协同开展营配贯通、“七结合”等工作过程中积累了一定的数据分析应用经验和工作成果，在工作推进过程中，我们清晰地发现，如何将数据作为资产进行管理，一方面满足数据分析应用发展的基础要求；另一方面通过分析挖掘出数据潜在的价值，最终影响公司的财务表现。

现公司承担的电网建設、运行维护等任务愈加繁重，工作量不断增长与严重缺员的矛盾日益凸显，当前的管理模式已不满足电网快速发展的需要，依托PMS、GIS、SG186等系统平台，实时掌握电网资产信息，以数据为纽带，加强各部门间协同合作，才能促进公司生产力提升。目前，公司存在如下几个关键不确定因素在影响着数据资产管理：

3.1.1 技术能力不足

现PMS、SG186等系统存在诸多不足，标准不透明、统一，导致数据识别度不到，影响数据运维管理水平。

3.1.2 数据“墙”大量存在

很多数据是分散存放在不同的系统中的，缺乏权威数据源定义和共享机制，经过长时间的“竖井”式运作，已经形成了难以突破的壁垒。例如：PMS系统主要是管理生产侧数据、SG186主要管理营销侧数据，然而，这两个系统由不同的部门来负责，整合是相当困难的，很难形成1+1>2”的数据融合效应。

3.1.3 组织结构不匹配

数据认责部门没有明确，没有设立专门的部门来集中各种分散的数据，更谈不上对这些数据进行规范化管理及维护。

3.1.4 思维滞后

如果说技术、资金、人才方面的弱项都可以由后天的努力弥补，那么缺乏意识的培养需就要长期培养了。

3.2 展望

数据化能力发展方面通常会有下面这些内容，从数据未来管理的组织，数据资产的标准化，到技术平台，最后是要把数据的价值变现，进行数据服务。在这个里面我们就需要换一个角度来看，首先我们要把数据当做企业的一项战略资产去看待，第二个就是在这样一个数据资产形成的最前期，包括数据资产管理规划的过程当中，我们要跟企业的业务战略去关联，这样的关联既可以获得我们未来数据资产管理架构的完善，同时也可以把数据资产管理部门的定位搞清楚，并逐步实现将数据资产管控部门由“成本中心”变为“利润中心”。

智能电网大数据研究与应用尚处于起步阶段，对于数据的理解、组织、利用尚处于尝试和验证阶段，新技术、新思想、新理念的成熟还需要时间和业务的沉淀。

数据的开放共享是大数据研究与应用工作要面临的首要难题，也是各行各业的共性问题。需要数据拥有者持有开放积极的心态，通过项目合作、服务支撑、资源互换等多种创新方式去实现数据的开放共享，才能最大限度发挥数据的价值。

在“能源互联网+新电改”的背景下，在“大数据+云计算”的新时代，以数据为中心的信息技术概念，将改变传统的观念，促进信息化和工业化深度融合，给电力行业带来一种新的商业模式与工作方式，在智能电网建设中智慧城市建设发挥更大的作用。广泛应用大数据技术将推动电力产业转型升级，促进节能减排和高效利用，对经济社会发展的服务，示范电力先行具有重要意义。

4 结语

随着配用电系统智能化程度的提高，配用电系统正在产生出大规模的多源异构数据，这些数据与外部数据相融合，构成了配用电系统的大数据。对配用电大数据进行有效的管理和分析，是实现配用电系统智能化的技术保证，同时，还将产生出新的价值、支撑新的业务发展。

参考文献：

[1]张东霞，王继业，刘科研，郑安刚.大数据技术在配用电系统的应用[J].供用电，2015（08）.

[2]田世明，杨增辉，时志雄，卜凡鹏，苏运.智能配用电大数据关键技术研究[J].供用电，2015（08）.