大數據技術在電力行業的應用研究

孟巧 秦浩然

摘 要：伴隨科學技術突飛猛進的發展，信息時代的全面到來，大數據技術應運而生，在互聯網、醫療、通信等領域應用廣泛，已經取得了良好的反饋結果。筆者針對大數據技術在電力行業中的應用進行分析，希望通過文中的相關闡述能夠為電力行業的創新發展注入新鮮血液，促進我國現代化建設的穩固發展。本文主要對大數據概念進行了簡要分析，并在此基礎上論述了電力行業數據的應用。

關鍵詞：大數據;電力行業;應用

伴隨科學技術突飛猛進的發展，信息時代的全面到來，大數據技術應運而生，在互聯網、醫療、通信等領域應用廣泛，己經取得了良好的反饋結果。筆者針對大數據技術在電力行業中的應用進行分析，希望通過文中的相關闡述能夠為電力行業的創新發展注入新鮮血液，促進我國現代化建設的穩固發展。對于電力行業而言，來自企業生產的數據（如發電量、溫度、壓力等），來自電力企業的運營數據（如交易電價、用電客戶等），來自電力企業管理數據（如一體化平臺、ERP等），這三方面的數據共同構成了“電力大數據”。“電力大數據”涉及電力系統的各個環節，綜合了電力企業的產、運、銷及運營和管理數據，為提升企業的競爭力和生產效率、深化企業層次、強化企業管理提供了強有力技術手段。

一、電力大數據概述

電力行業的信息時代正處于關鍵轉折點，以往單一、變化平緩的數據類型將逐漸被復雜及異構數據取代。這就要求電力企業需要有更高的對數據處理、挖掘、管理及互操作的能力。

1.1電力大數據的特征

國際數據公司（IDC）將大數據的特點總結成四個“V”，即體量大（Volume）、類型多（Variety）和速度快（Velocity）和價值高但密度低（Value），電力大數據同樣具有以上特點。此外，《中國電力大數據發展白皮書》中指出電力大數據同時具有“3E”特征，即能量（Energy）、交互（Exchange）和共情（Empathy）。電力大數據與其它行業數據相比，有著更為廣義的范疇。因此，如何用高效的方法將電力大數據進行分析和處理，使用科學的技術手段以挖掘出數據潛在的巨大價值是十分必要的。

1.2電力大數據的來源

如前文所述，電力大數據的來源主要有三個方面，即電力企業的生產數據、運營數據和管理數據。（1）電力企業的生產數據。此類數據是電力大數據的產生源頭，主要包括實時生產數據和設備生命周期數據兩類。這些數據往往由發電側產生，用故障檢測、恢復電網運行及發電設備的檢查和維修等方面。（2）電力企業的運營數據。此類數據包含了用戶側的相關信息，如客戶名稱、電費計價、客戶用電特點，并提供給相關部門，用以對客戶行為進行分析決策，挖掘數據中存在的隱藏信息，構建針對營銷的系統性算法模型數據庫，用以改善服務模式，提高服務質量，滿足不斷發展的營銷需求。（3）電力企業的管理數據。對于電力企業來說，如果能充分利用來自電網的數據，通過軟件對這些數據進行有效的分析和管理，將有助于提高企業管理水平，降低運營成本，提高企業的工作效率，保證決策的正確性。對于用戶來說，可以享受到由電力大數據產生的增值業務所帶來的實惠，得到更高質量的服務。這就體現出了電力大數據“以人為本”的核心價值。

1.3電力大數據的核心技術

根據業界對大數據的研究，歸納出電力大數據的關鍵技術，包括數據集成管理技術、數據分析技術、數據處理技術和數據可視化技術。（1）數據集成管理技術。電力大數據中的數據集成管理技術，是對不同數據源、不同數據形式、不同特征的大數據進行收集、整理，經過數據轉換、加載后得到新的數據源，之后對得到的新的數據源進行管理，統一對外提供服務。這一技術可以為電力企業創造出許多新的服務項目和應用功能。數據集成管理技術主要包含數據融合和數據集成技術、數據庫管理技術以及萃取-轉換置-加載技術（ETC）。（2）數據分析技術。電力大數據中的數據分析技術包括機器學習技術、相關分析技術和數據挖掘技術，通過數據分析，就能夠將有用的信息從浩瀚的大數據中提取出來。其中，機器學習技術是人工智能的核心，它是利用經驗來改善計算機系統自身的性能。該技術已被廣泛應用于電力系統的不同領域，如電力系統暫態穩定評估、電力設備的狀態監測等。相關分析技術可以識別數據間的相關或因果關系，而被廣泛應用于電力系統的投資決策和電力負荷預測等方面。數據挖掘技術是當前數據庫和人工智能領域研究的熱點課題，用以解決復雜數據結構、多種類型、海量數據的有效分析處理問題，提高數據的質量和可信度，在電力大數據中，數據挖掘主要用于企業決策和用電行為預測等。（3）數據處理技術。大電力數據的數據處理技術主要有分布式計算技術，內存計算技術和分布式數據流處理技術。其中，分布式計算技術是利用網絡將電力系統中的計算機連接起來，以組成一臺虛擬的超級計算機，完成大規模數據的存儲和計算。內存處理技術將收集到的電力大數據存儲在內存中，并直接在內存中對海量數據的計算和分析，大大地提高了計算速度。分布式數據流處理技術由于具有良好的伸縮性、開放性和實時性，在對電力系統動態數據的實時處理中有著不可替代的地位。

二、電力大數據面臨的挑戰

大數據技術為電力行業帶來機遇的同時也帶來許多挑戰。

2.1數據質量的挑戰

數據質量的好壞直接影響到數據分析處理結果的準確性、實時性。由于當前對數據的管控力度不足，導致很多歷史數據無法收集，部分數據仍需手動輸入，電力數據完整性、準確性一致性、和顆粒度亟待提高。

2.2數據融合的挑戰

多數據融合后所獲得的價值遠大于數據個體價值的總和，但就如何實現電力大數據的集成化還存在很多問題：系統在初期建設時缺乏統一規劃，導致數據模式不統一、冗余數據量大等問題，行業存在較為嚴重的數據壁壘。

2.3硬件設施承載力的挑戰

當前電力行業的信息數量呈現爆炸性增長態勢，數據規模越來越大，對數據存儲的顆粒程度、存儲時間以及對信息的處理速度和準確度、數據可視化、網絡傳輸能力等要求越來越高。這就需要對現有的系統架構和硬件設備進行升級改造，以滿足日益增長的電力大數據的業務需求。

2.4在隱私、安全方面的挑戰

數據隱私主要包括兩個方面：一是用電用戶個人的隱私，如用電習慣、地理信息等;二是即使得到用戶的許可，一些數據在傳輸和存放的過程中，仍存在被泄露的危險，特別是在防護體系尚未健全的地區。為保障廣大用戶的權益，這就對電力行業的信息安全工作提出了更高的要求。

總之，大數據技術的廣泛應用是未來社會發展的必然趨勢。將大數據技術應用到電力系統必將促成電力行業的全新發展，加快智能電網的建設步伐。希望通過本文的闡述，能夠引起電力部門和電力工作者對大數據技術的關注，變革傳統觀念、創新工作方法、整合先進技術，促進電力事業的長足穩定發展，為現代化建設提供基礎性保障，加速社會主義事業的發展步伐。

參考文獻：

[1]陳超，張順仕，尚守衛等.大數據背景下電力行業數據應用研究[J].現代電子技術，2013（24）：8-11.

[2]嚴明良.電力行業大數據技術及應用研究[J].南京工業職業技術學院學報，2015（2）：1-5.

第一作者簡介：朱芳（1990-），助理工程師，身份證號：150204199009250621