電力大數據應用研究與展望

張曉晨

摘 要：隨著智能電網的全面建設，電力數據資源迅速增長。電力大數據的研究和應用可為電力企業提高質量及效率，促進電網的發展方式和企業發展模式的轉變提供了強大的動力。本文首先介紹大數據的概念，并對電力大數據的分類及特征進行分析，最后通過典型案例闡述電力大數據的應用場景。

關鍵詞：配用電系統；電力大數據；應用場景；展望

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

1 電力大數據概述

1.1 能源互聯網

維克托·邁爾·舍恩伯格曾在《大數據時代：生活、工作、思維的大變革》一書中前瞻性地指出，大數據帶來的信息風暴正在改變著我們的生活、工作與思維，大數據開啟了大時代的重大轉型。能源大數據的概念是電力、石油、天然氣等能源領域數據與人口、地理、氣象等領域的數據采集、處理、分析和應用的相關技術和思路。能源大數據不僅是大數據技術在能源領域的深入應用，而且融合能源生產與消費以及相關技術革命和大數據深度的理念，將加速能源產業的發展和商業模式的創新。

2013年3月中國電機工程學會信息化專委會發布《中國電力大數據發展白皮書》，將 2013 年定為“中國大數據元年”，掀起了電力大數據的研究熱潮。作為正能源互聯網轉型的傳統電力行業，大數據時代和云計算時代的到來將為傳統電力行業的發展注入新的活力，傳統電力行業即將變革。

1.2 電力大數據

電力大數據主要來自電力生產和電能使用的發電，輸電，變站，配電，用電與調度每個環節，主要有下面幾點：一是電網運行和設備檢測或監測數據；二是電力企業營銷數據，如交易電價、售電量、用電客戶等方面數據；三是電力企業管理數據。電力大數據具有四個特點：

（1）數據體量大：常規的調度自動化系統包含數十萬個采集點；配用電、數據中心將達到千萬級；

（2）數據類型繁多：實時數據、歷史數據、文本數據、多媒體數據、時間序列數據等各類結構化、半結構化數據以及非結構化數據；

（3）價值密度低：所采集的絕大部分數據都是正常數據，只有極少量的異常數據，而異常數據是狀態檢修的最重要依據；

（4）處理速度快：幾分之一秒內分析大量，以支持決策制定。

2 大數據應用

2.1 形勢分析

我們現在面臨著一個全新的形勢，我們國家提出了“中國制造2025”，國網公司也提出了“全球能源互聯網”的發展要求，再加上電力改革和“大、云、物、移”等新技術的發展變革。從2013年開始，國網公司領導也提出了強化公司運營數據資產管理和大數據挖掘的各項工作要求，把數據資源提升到公司戰略資源的高度。

隨著電網企業信息化系統的蓬勃發展，數據量急劇增長，如何利用數據管理提升電網企業管理水平，把數據資源作為公司戰略資產，加強集中管理，實現全公司信息共享，強化數據分析，“一切業務數據化，一切數據業務化”，提升數據應用水平和商業價值，是現階段及未來很長時間面臨的一項挑戰。

2.2 數據分析實踐-IBM電動汽車動力與電力工藝上系統優化預測

在2012年的一個實驗中，IBM曾與加利福尼亞太平洋燃氣電力公司和汽車制造商本田合作，輸入大量的信息，如汽車電池電量，汽車的位置，每天時間和附近的充電站的可用插槽等，IBM開發了一套復雜的預測模型。它結合了這些數據與電網的當前消耗和歷史的功率使用模型相結合。通過分析個多數據源大量的實時數據流和歷史數據，這樣可以確定司機為汽車最佳充電的時間和地點，并揭示最佳點的充電站。該車的電池指示燈告訴司機何時充電，電網的使用數據可以通過設備采集來管理電網的穩定性。

2.3 數據分析實踐-重要時期配網負荷預警分析（以山東公司作為國網公司-用電負荷分析的試點單位）

2.3.1 提升對用電負荷波動情況的觀測能力

在某些重要時期，如一年內氣溫最高或最低期間、重大社會活動期間、春節期間等，用電負荷可能隨著氣溫、用電人口等變化出現較大的波動，電力公司也會對特殊時期如迎峰度夏、春節保電等采取措施。

2.3.2 提升對配電變壓器運行情況的預判能力

因配電變壓器的負載狀況對其運行工況有直接影響，且現階段對配電變壓器的運行狀況、負載情況普遍處于事后處理階段，缺乏對其運行、負載的預判性工作，因而，以上時期較易表現為全年配電變壓器故障高發期。

2.3.3 提高電網供電保障能力

通過使用智能電表等智能終端設備可采集整個電力系統運行數據，以及采集大數據系統進行分析處理，實現電網的實時監測；并結合電力系統大數據分析和模型。對配電變壓器過載情況進行預警分析，實現配電、用電、物資等環節的互動，推動電網智能化發展。

為有效提高電網應急能力和管理水平，提高供電能力、保證供電安全，需基于配變（公變）分布在用電采集系統、營銷系統、ERP系統的歷史數 據以及歷史溫度、氣候信息、人口等，開展配變重過載概率的數據挖掘分析。結合模型分析結果，關聯資產全壽命、客戶全方位關鍵要素，對配變重過載風險進行評估，輔助配網改造建設業務決策。

2.4 數據管理實踐-新加坡能源服務公司

新加坡能源服務公司通過設立數據與信息管理部門，對電網數據資源進行統一管理，并通過智能分析系統和兼通軟件研發和業務知識的人員對數據信息進行分析評價，為領導決策提供第一手資料。

2.5 數據管理實踐-某國有銀行

他們設置了數據管理委員會，作為數據管理的最高決策機構，由公司領導和各職能部門負責人組成，在管理協調層設置了一個數據管理工作小組，只要由各專業部門負責人組成，還有一個行政小組，叫數據管理辦公室，只要職責是組織與協調；在執行層面，主要負責各項數據管理工作的具體執行工作。

3 現狀分析與展望

3.1 現狀分析

前期在公司各部門協同開展營配貫通、“七結合”等工作過程中積累了一定的數據分析應用經驗和工作成果，在工作推進過程中，我們清晰地發現，如何將數據作為資產進行管理，一方面滿足數據分析應用發展的基礎要求；另一方面通過分析挖掘出數據潛在的價值，最終影響公司的財務表現。

現公司承擔的電網建設、運行維護等任務愈加繁重，工作量不斷增長與嚴重缺員的矛盾日益凸顯，當前的管理模式已不滿足電網快速發展的需要，依托PMS、GIS、SG186等系統平臺，實時掌握電網資產信息，以數據為紐帶，加強各部門間協同合作，才能促進公司生產力提升。目前，公司存在如下幾個關鍵不確定因素在影響著數據資產管理：

3.1.1 技術能力不足

現PMS、SG186等系統存在諸多不足，標準不透明、統一，導致數據識別度不到，影響數據運維管理水平。

3.1.2 數據“墻”大量存在

很多數據是分散存放在不同的系統中的，缺乏權威數據源定義和共享機制，經過長時間的“豎井”式運作，已經形成了難以突破的壁壘。例如：PMS系統主要是管理生產側數據、SG186主要管理營銷側數據，然而，這兩個系統由不同的部門來負責，整合是相當困難的，很難形成1+1>2”的數據融合效應。

3.1.3 組織結構不匹配

數據認責部門沒有明確，沒有設立專門的部門來集中各種分散的數據，更談不上對這些數據進行規范化管理及維護。

3.1.4 思維滯后

如果說技術、資金、人才方面的弱項都可以由后天的努力彌補，那么缺乏意識的培養需就要長期培養了。

3.2 展望

數據化能力發展方面通常會有下面這些內容，從數據未來管理的組織，數據資產的標準化，到技術平臺，最后是要把數據的價值變現，進行數據服務。在這個里面我們就需要換一個角度來看，首先我們要把數據當做企業的一項戰略資產去看待，第二個就是在這樣一個數據資產形成的最前期，包括數據資產管理規劃的過程當中，我們要跟企業的業務戰略去關聯，這樣的關聯既可以獲得我們未來數據資產管理架構的完善，同時也可以把數據資產管理部門的定位搞清楚，并逐步實現將數據資產管控部門由“成本中心”變為“利潤中心”。

智能電網大數據研究與應用尚處于起步階段，對于數據的理解、組織、利用尚處于嘗試和驗證階段，新技術、新思想、新理念的成熟還需要時間和業務的沉淀。

數據的開放共享是大數據研究與應用工作要面臨的首要難題，也是各行各業的共性問題。需要數據擁有者持有開放積極的心態，通過項目合作、服務支撐、資源互換等多種創新方式去實現數據的開放共享，才能最大限度發揮數據的價值。

在“能源互聯網+新電改”的背景下，在“大數據+云計算”的新時代，以數據為中心的信息技術概念，將改變傳統的觀念，促進信息化和工業化深度融合，給電力行業帶來一種新的商業模式與工作方式，在智能電網建設中智慧城市建設發揮更大的作用。廣泛應用大數據技術將推動電力產業轉型升級，促進節能減排和高效利用，對經濟社會發展的服務，示范電力先行具有重要意義。

4 結語

隨著配用電系統智能化程度的提高，配用電系統正在產生出大規模的多源異構數據，這些數據與外部數據相融合，構成了配用電系統的大數據。對配用電大數據進行有效的管理和分析，是實現配用電系統智能化的技術保證，同時，還將產生出新的價值、支撐新的業務發展。

參考文獻：

[1]張東霞，王繼業，劉科研，鄭安剛.大數據技術在配用電系統的應用[J].供用電，2015（08）.

[2]田世明，楊增輝，時志雄，卜凡鵬，蘇運.智能配用電大數據關鍵技術研究[J].供用電，2015（08）.