电力企业发展业务大数据分析系统研究

四川中电启明星信息技术有限公司 石金平 汪 力 郭仕锐 陈胜国

电力企业发展业务大数据分析系统研究

四川中电启明星信息技术有限公司 石金平 汪 力 郭仕锐 陈胜国

为提高国有资产运营效率，成为具有“自我约束、自我积累、自我完善、自我发展”能力的市场竞争主体，须建立健全决策、执行和监督体系，形成有效的内部监督和自我约束机制。通过大数据分析，多角度地找出影响企业计划的内外因素，吸收先进企业计划管理经验，采用新标准、新方法提高计划管理灵敏度，变静态计划为动态计划，使企业计划始终能跟上市场变化的需要。为此，不仅要夯实业务数据，更需增加评价、估计、假设和判断，同时要注意业务灵活性和连续性。本文通过全面梳理国网四川省电力发展业务项指标，开展大数据分析模型研究，并通过10年大数据分析进行验证分析模型的正确性和普适性，以此建立电网企业发展业务大数据分析系统。

电力企业；大数据；发展业务；综合计划

1 引言

现代电力企业管理中，计划管理体制更加注重市场预测及信息处理和分析决策；在技术与方法上，开始运用预测技术、线性规划、投入产出、网络技术、价值工程等现代科学技术方法，并采用计算机技术进行科学的预测、决策和综合平衡。随着机器学习、人工智能等计算机技术的不断发展，以前通过数据搜集、人工汇总、对比分析等单纯凭借经验的分析方法已经不再适合企业的发展，企业所需要的是建立大数据分析智能决策模型，通过计算机开展大数据分析辅助投资经营决策。

电力公司发展策划部为企业发展战略制定部门，对企业发展有着举足轻重的作用。建设发展业务大数据分析系统，是通过对电力公司发展策划部所涉及的各类指标，如地区发展指标、发展投入指标、供电服务指标、资产质量指标、生产经营指标等数据进行采集，通过数据挖掘与分析，建立投资预测模型、综合计划优化平衡模型、投资能力测算模型、地区发展诊断模型、电网负荷预测模型、发电量预测模型等各类预测模型，通过近10年大数据分析，为专家用户和普通用户提供可视化展示，全面支撑电力公司发展业务的决策分析，为领导决策提供大数据支撑，助力提高管理效率和透明度，推动公司各项工作的稳步有序开展。

2 建设背景

2.1 需求分析

电力企业发展业务活动中，计划管理职能是首要、最基本的管理职能，基本任务是通过科学的综合平衡，协调、衔接好企业的供生产、营销、调度、运行、基建等各工序、各环节工作，充分发挥现有人、财、物的资源优势，避免和减少各种浪费，实现企业最佳经济效益。由于在组织生产中上下工序较多，在管理上涉及人、财、物、供、产、销、运营、基建的环节较复杂，需要平衡、协调、衔接的内容也较多，计划管理的内容也较复杂。

四川公司通过SG-186、SG-ERP以及全口径资金项目管理系统的建设，横向上已全面贯通，实现了项目从规划、前期、储备、计划、建设、统计到投产的全过程管理，能够满足发展部业务的正常开展。但是，目前缺乏支持发展业务高级应用及智能决策的大数据分析系统，无法全面反映公司整体经营情况，也不能对企业发展、领导决策等提供全面的业务数据支撑。

发展业务大数据分析系统，是通过对发展业务的梳理，应用数据统计、数据分析、数据挖掘等技术，建立综合计划决策模型体系，主要包括发展需求预测、投资能力测算、综合计划平衡优化等业务，实现项目投资决策和综合计划平衡优化的目的。

2.2 建设目标

（1）实现管理与生产的高度融合，建立大数据分析系统，提升防范风险能力。（2）建立健全各类管理指标体系，进一步提升公司科学管理水平。（3）全面提升电网的资源配置能力、安全稳定水平和经济运行效率。（4）强化规划统筹、强化计划管控、强化技术支撑，加强项目全过程管控力度。

2.3 应用前景

（1）支持基建决策

通过综合计划大数据分析相关指标的研究，有助于电力企业基础设施选址、建设的决策。学习丹麦风电公司VESTAS将全球森林砍伐追踪图、卫星图像、地理数据以及月相与潮汐数据，以便更好地支持基础建设的决策。

（2）升级客户分析

一方面，通过使用电力企业庞大的历史数据，进行用户用电行为分析和用户市场细分，使管理者能有针对性地优化营销组织，改善服务模式。另一方面，通过与外界数据的交换，挖掘用户用电与电价、天气、交通等因素所隐藏的关联关系，完善用户用电需求预测模型，进而为各级决策者提供多维、直观、全面、深入的预测数据，主动把握市场动态。

（3）加强协同管理

整合电力行业生产、运营、销售、管理的数据，实现电力发电、输电、变电、配电、用电、调度的全环节数据共享，以用电需求预测为驱动优化资源配置，协调电力生产、运维、销售的管理，提升生产效率和资源利用率。此外，电力企业各部门数据的集成将优化内部信息沟通，使财务、人事等工作的开展更顺畅，有助于企业实行精细化运营管理，提高集团管控水平。

（4）丰富增值服务

利用电力行业数据可给用户提供更加丰富的增值服务内容。例如，通过给用户提供其各月份分时明细用电视图，可让用户了解自身用电习惯并能根据需要进行调整，同时也使得电力收费过程更透明。随着无线M2M传感器和大数据分析的普及，智能恒温控制器等新型工具进入大型楼房和消费者家庭成为可能，未来这些技术将给用户带来很大的节能空间。

3 系统研究与设计

3.1 业务设计

3．1．1 基础数据接入功能

电力企业经营决策及业务活动中，所涉及到的指标分为发展投入、供电服务、资产质量、经营业绩4大类指标如图1所示。

图1 企业经营指标

企业经营相关指标分散到不同的专业，国家电网公司通过SG-186、SG-ERP体系的建设，相关指标均已通过信息化系统进行管理，发展业务智能决策相关指标均通过系统集成来获取基础数据，达到了数据共享融合的目的，解决了以往决策系统基础数据获取难、基础数据质量差，依靠人工搜集整理等问题，通过指标梳理，本次大数据分析指标如表1所示。

3．1．2 数据统计分析功能设计

3.1.2.1 企业经营情况分析

对企业经营现状进行分析，通过对各项企业经营发展指标进行统计分析，挖掘影响企业经营的因素。企业经营指标如表2所示。

表1 大数据分析指标

表2 企业经营指标

3.1.2.2 电网投资经济效益分析

对电网投资经济效益分析，通过对各项企业经营发展指标进行统计分析。确定电网投资经济效益分析指标如表3所示。

表3 电网投资经济效益分析指标

3.1.2.3 企业发展能力财务比率分析

企业发展能力的财务比率分为企业营业发展能力和企业财务发展能力两个方面。

（1）企业营业发展能力分析

企业营业结果可通过销售收入和资产规模的增长体现出来，因此企业营业增长能力分析可分为对销售增长的分析和对资产规模增长的分析。从本质上看，企业销售的增长是企业发展的驱动力。因此企业销售的增长是企业生存和发展的保障，分析企业的发展能力首先要分析企业的销售增长能力。同时，任何一家企业实现价值的增长必须要拥有一定的资源。因此分析企业营业发展能力，也要关注资产规模的增长。另外资产使用效率作为价值驱动因素之一，对其进行分析是企业发展能力分析的一个重要方面。

（2）企业财务发展能力分析

从财务角度看，企业发展的结果体现为利润、股利和净资产的增长，因此企业财务发展能力分析可以分为对净资产规模增长的分析、企业利润增长的分析和企业股利增长的分析三个方面。

对净资产规模增长的分析：在企业净资产收益率不变的情况下，企业净资产规模与收入之间存在正比例关系。同时净资产规模的增长反映着企业不断有新的资本加入，表明了所有者对企业的充足的信心，同时对企业进行负责债筹资提供了保障，提高了企业的筹资能力，有利于企业获得进一步发展所需的资金。

对利润增长的分析：利润是企业在一定时期内的经营成果的集中体现，因此企业的发展过程必然体现为利润的增长，通过对利润增长情况的分析，即可从一定程度上把握企业的发展能力。

3．1．3 数据挖掘和数据分析模型

发展业务大数据分析模型体系建立以营销、生产、调研、财务、人力资源等业务数据及检测数据为基础，对各项指标进行相关性分析，立于灰色分析、二元分析等统计分析技术，建立模型，通过模型计算，得出相关结果，并通过不断调整模型参数，使测算结果在允许的范围之内，达到实用化的目的。大数据分析模型如图2所示：

图2 大数据分析模型

需求预测模型：根据专项项目储备规模、近几年投入水平、电网发展成熟度、单位电网资产投入、公司规划等，建立分析预测模型，为测算专项投入需求提供支撑。

专项投入需求=f（规划、储备规模、历史投入、单位资产投入、……)

投资能力测算模型：从现金流的角度出发，以售电量增长率、资产负债率、目标利润为基本约束条件，测算年度经营活动现金净流量、投资活动现金流入和融资活动现金净流量，同时考虑最低安全备付额度，得出公司年度最大投资限额。应用该模型，可以分别以售电量增长率、资产负责率和目标利润为变量，进行投资能力测算。

投资能力=经营活动产生的现金净流入+融资活动产生的现金净流入-最低安全备付额度变动+投资活动产生的现金流入

优化平衡模型：以投资能力为约束，根据公司规划、电网规划、项目储备，结合公司内外部发展环境、售电量增长、投资战略、电网发展等因素，优化各专项投入需求，努力实现投入效益最优。

3.2 技术设计

3．2．1 系统技术选型

数据分析技术：包括数据挖掘、机器学习等人工智能技术，具体是指电网安全在线分析、间歇性电源发电预测、设施线路运行状态分析等技术。由于电力系统安全稳定运行的重要性以及电力发输变配用的瞬时性，相比其他行业，电力大数据对分析结果的精度要求更高。

数据管理技术：包括关系型和非关系型数据库技术、数据融合和集成技术、数据抽取技术、数据清洗和过滤技术，具体是指电力数据ETL（Extract，Transfer和Load，即提取，转换和装载）、电力数据统一公共模型等技术。电力数据质量本身不高，准确性、及时性均有所欠缺，也对数据管理技术提出了更高的要求。

数据处理技术：包括分布式计算技术、内存计算技术、流处理技术。具体是指电力云、电力数据中心软硬件资源虚拟化等技术。近几年电力数据的海量增长使得电力企业需要通过新型数据处理技术来更有效的利用软硬件资源，在降低IT投入、维护成本和物理能耗的同时，为电力大数据的发展提供更为稳定、强大的数据处理能力。

数据展现技术：包括可视化技术、历史流展示技术、空间信息流展示技术等。具体是指电网状态实时监视、互动屏幕与互动地图、变电站三维展示与虚拟现实等技术。电力数据种类繁杂，电力相关指标复杂，加以未来的电力用户双向互动需求，需要大力发展数据展现技术，提高电力数据的直观性和可视性，从而提升电力数据的可利用价值。

图3 技术架构

3．2．2 技术架构设计

以集成成熟开源产品为主，并对现有可重用的SG-ERP组件进行提升改造。平台核心分布式存储与计算组件采用Hadoop技术体系中分布式存储（HDFS、HBase、Hive等）、分布式计算框架(MR)，及可与Hadoop形成互补的Spark等开源产品或技术，同时自主研发完善安全机制和运维管理功能。技术架构如图3所示。

4 系统应用效果与收益

（1）经济效益分析

通过综合计划指标的大数据分析，可有效杜绝计划外项目、违规项目的产生，在项目可行性上，加强了项目投资效益分析、通过项目前评估体系，可辅助进行项目决策，提高公司经营能力和抗风险能力；通过综合计划平衡优化，实现企业资源的有效利用和合理配置，提供企业竞争能力。

（2）成本效益分析

综合计划辅助决策系统，将有效排除项目类别错误、项目重复建设及项目跨部门上报、漏报等问题的出现，在人力资源利用上将大大提供工作效率，节约时间成本；项目决策从定性到定量的转变，将极大减轻人工劳动的复杂程度。

5 结语

基于大数据技术的综合计划辅助决策系统，是通过对发展业务的梳理，应用数据统计、数据分析、数据挖掘等技术，建立综合计划辅助决策模型体系，主要包括发展需求预测、投资能力测算、综合计划平衡优化等业务，实现项目投资决策和综合计划平衡优化的目的。（1）实现管理与生产的高度融合，建立大数据分析系统，提升防范风险能力。（2）建立健全各类管理指标体系，进一步提升公司科学管理水平。（3）全面提升电网的资源配置能力、安全稳定水平和经济运行效率。（4）强化规划统筹、强化计划管控、强化技术支撑，加强项目全过程管控力度。

[1]宋亚奇,周国亮,朱永利．智能电网大数据处理技术现状与挑战[J]．电网技术,2013,37(4)：927-935．

[2]王德文,肖凯,肖磊．基于Hive 的电力设备状态信息数据仓库[J]．电力系统保护与控制,2013,41(9)：152-130．

[3]储琳琳,张亮,倪群辉,高赐威,李扬．当前电力体制下考虑需求侧管理的电网规划新思路[J]．电力需求侧管理,2010(05)

[4]孙柏林．“大数据”技术及其在电力行业中的应用[J]．电气时代,2013(8)：18-23．

[5]李军．IT规划是企业信息化建设的必经之路[J]．计算机光盘软件与应用．2011(20)．

[6]张少敏，李晓强，王保义．基于Hadoop 的智能电网数据安全存储设计[J]．电力系统保护与控制，2013,41(14)：136-140．

[7]国家电网发展[2010]117号．关于开展投资管理主线业务系统应用集成建设工作的通知[S]．2010．

石金平（1979—），男，四川成都人，注册会计师、信息系统项目管理师（高级）、经济师，从事电力企业信息化建设工作。

汪力（1974—），男，四川成都人，工程师，从事电力企业信息化管理工作。

郭仕锐（1982—），男，四川绵阳人，工程师，从事电力企业信息化管理工作。

陈胜国（1985—），男，四川绵阳人，工程师，从事电力企业信息化管理工作。