大数据技术在电力行业的应用研究

孟巧 秦浩然

摘 要：伴随科学技术突飞猛进的发展，信息时代的全面到来，大数据技术应运而生，在互联网、医疗、通信等领域应用广泛，已经取得了良好的反馈结果。笔者针对大数据技术在电力行业中的应用进行分析，希望通过文中的相关阐述能够为电力行业的创新发展注入新鲜血液，促进我国现代化建设的稳固发展。本文主要对大数据概念进行了简要分析，并在此基础上论述了电力行业数据的应用。

关键词：大数据;电力行业;应用

伴随科学技术突飞猛进的发展，信息时代的全面到来，大数据技术应运而生，在互联网、医疗、通信等领域应用广泛，己经取得了良好的反馈结果。笔者针对大数据技术在电力行业中的应用进行分析，希望通过文中的相关阐述能够为电力行业的创新发展注入新鲜血液，促进我国现代化建设的稳固发展。对于电力行业而言，来自企业生产的数据（如发电量、温度、压力等），来自电力企业的运营数据（如交易电价、用电客户等），来自电力企业管理数据（如一体化平台、ERP等），这三方面的数据共同构成了“电力大数据”。“电力大数据”涉及电力系统的各个环节，综合了电力企业的产、运、销及运营和管理数据，为提升企业的竞争力和生产效率、深化企业层次、强化企业管理提供了强有力技术手段。

一、电力大数据概述

电力行业的信息时代正处于关键转折点，以往单一、变化平缓的数据类型将逐渐被复杂及异构数据取代。这就要求电力企业需要有更高的对数据处理、挖掘、管理及互操作的能力。

1.1电力大数据的特征

国际数据公司（IDC）将大数据的特点总结成四个“V”，即体量大（Volume）、类型多（Variety）和速度快（Velocity）和价值高但密度低（Value），电力大数据同样具有以上特点。此外，《中国电力大数据发展白皮书》中指出电力大数据同时具有“3E”特征，即能量（Energy）、交互（Exchange）和共情（Empathy）。电力大数据与其它行业数据相比，有着更为广义的范畴。因此，如何用高效的方法将电力大数据进行分析和处理，使用科学的技术手段以挖掘出数据潜在的巨大价值是十分必要的。

1.2电力大数据的来源

如前文所述，电力大数据的来源主要有三个方面，即电力企业的生产数据、运营数据和管理数据。（1）电力企业的生产数据。此类数据是电力大数据的产生源头，主要包括实时生产数据和设备生命周期数据两类。这些数据往往由发电侧产生，用故障检测、恢复电网运行及发电设备的检查和维修等方面。（2）电力企业的运营数据。此类数据包含了用户侧的相关信息，如客户名称、电费计价、客户用电特点，并提供给相关部门，用以对客户行为进行分析决策，挖掘数据中存在的隐藏信息，构建针对营销的系统性算法模型数据库，用以改善服务模式，提高服务质量，满足不断发展的营销需求。（3）电力企业的管理数据。对于电力企业来说，如果能充分利用来自电网的数据，通过软件对这些数据进行有效的分析和管理，将有助于提高企业管理水平，降低运营成本，提高企业的工作效率，保证决策的正确性。对于用户来说，可以享受到由电力大数据产生的增值业务所带来的实惠，得到更高质量的服务。这就体现出了电力大数据“以人为本”的核心价值。

1.3电力大数据的核心技术

根据业界对大数据的研究，归纳出电力大数据的关键技术，包括数据集成管理技术、数据分析技术、数据处理技术和数据可视化技术。（1）数据集成管理技术。电力大数据中的数据集成管理技术，是对不同数据源、不同数据形式、不同特征的大数据进行收集、整理，经过数据转换、加载后得到新的数据源，之后对得到的新的数据源进行管理，统一对外提供服务。这一技术可以为电力企业创造出许多新的服务项目和应用功能。数据集成管理技术主要包含数据融合和数据集成技术、数据库管理技术以及萃取-转换置-加载技术（ETC）。（2）数据分析技术。电力大数据中的数据分析技术包括机器学习技术、相关分析技术和数据挖掘技术，通过数据分析，就能够将有用的信息从浩瀚的大数据中提取出来。其中，机器学习技术是人工智能的核心，它是利用经验来改善计算机系统自身的性能。该技术已被广泛应用于电力系统的不同领域，如电力系统暂态稳定评估、电力设备的状态监测等。相关分析技术可以识别数据间的相关或因果关系，而被广泛应用于电力系统的投资决策和电力负荷预测等方面。数据挖掘技术是当前数据库和人工智能领域研究的热点课题，用以解决复杂数据结构、多种类型、海量数据的有效分析处理问题，提高数据的质量和可信度，在电力大数据中，数据挖掘主要用于企业决策和用电行为预测等。（3）数据处理技术。大电力数据的数据处理技术主要有分布式计算技术，内存计算技术和分布式数据流处理技术。其中，分布式计算技术是利用网络将电力系统中的计算机连接起来，以组成一台虚拟的超级计算机，完成大规模数据的存储和计算。内存处理技术将收集到的电力大数据存储在内存中，并直接在内存中对海量数据的计算和分析，大大地提高了计算速度。分布式数据流处理技术由于具有良好的伸缩性、开放性和实时性，在对电力系统动态数据的实时处理中有着不可替代的地位。

二、电力大数据面临的挑战

大数据技术为电力行业带来机遇的同时也带来许多挑战。

2.1数据质量的挑战

数据质量的好坏直接影响到数据分析处理结果的准确性、实时性。由于当前对数据的管控力度不足，导致很多历史数据无法收集，部分数据仍需手动输入，电力数据完整性、准确性一致性、和颗粒度亟待提高。

2.2数据融合的挑战

多数据融合后所获得的价值远大于数据个体价值的总和，但就如何实现电力大数据的集成化还存在很多问题：系统在初期建设时缺乏统一规划，导致数据模式不统一、冗余数据量大等问题，行业存在较为严重的数据壁垒。

2.3硬件设施承载力的挑战

当前电力行业的信息数量呈现爆炸性增长态势，数据规模越来越大，对数据存储的颗粒程度、存储时间以及对信息的处理速度和准确度、数据可视化、网络传输能力等要求越来越高。这就需要对现有的系统架构和硬件设备进行升级改造，以满足日益增长的电力大数据的业务需求。

2.4在隐私、安全方面的挑战

数据隐私主要包括两个方面：一是用电用户个人的隐私，如用电习惯、地理信息等;二是即使得到用户的许可，一些数据在传输和存放的过程中，仍存在被泄露的危险，特别是在防护体系尚未健全的地区。为保障广大用户的权益，这就对电力行业的信息安全工作提出了更高的要求。

总之，大数据技术的广泛应用是未来社会发展的必然趋势。将大数据技术应用到电力系统必将促成电力行业的全新发展，加快智能电网的建设步伐。希望通过本文的阐述，能够引起电力部门和电力工作者对大数据技术的关注，变革传统观念、创新工作方法、整合先进技术，促进电力事业的长足稳定发展，为现代化建设提供基础性保障，加速社会主义事业的发展步伐。

参考文献：

[1]陈超，张顺仕，尚守卫等.大数据背景下電力行业数据应用研究[J].现代电子技术，2013（24）：8-11.

[2]严明良.电力行业大数据技术及应用研究[J].南京工业职业技术学院学报，2015（2）：1-5.

第一作者简介：朱芳（1990-），助理工程师，身份证号：150204199009250621