電網大數據三問三答

2014-05-23 16:57:02 國家電網雜志　點擊量：評論 (0)

電網企業如何發揮數據資源的戰略資產作用，關鍵在于提升海量數據的管理和支撐能力，最終實現全公司信息共享，為企業管理提供運營決策分析支持。近年來，隨著大數據技術的快速發展，大數據已成為企

電網企業如何發揮數據資源的戰略資產作用，關鍵在于提升海量數據的管理和支撐能力，最終實現全公司信息共享，為企業管理提供運營決策分析支持。

近年來，隨著大數據技術的快速發展，大數據已成為企業、社會和國家的重要資源，其深度應用不僅有助于提升企業經營管理水平、衍生新的商業模式，還有利于推動國民經濟發展。對于電網企業而言，如何發揮數據資源的戰略資產作用，關鍵在于提升海量數據的管理和支撐能力，最終實現全公司信息共享，為企業管理提供運營決策分析支持。

電網大數據有哪些基本特性

大數據是海量、多樣化的數據資源，既包括傳統結構化業務數據，也包括文本、圖像、視頻和音頻等非結構化數據，需要采用新的采集、存儲和處理技術實現數據統一接入和快速處理，還需要建立新的分析機制，開展跨業務、多類型的數據關聯分析。

電網大數據，從大方面可分為生產運行數據和運營管理數據。生產運行數據，如發電量、電壓穩定性、設備狀態等方面的數據，多數可通過傳感器、智能設備、視頻監控設備、音頻通信設備、移動終端等設備采集，具有實效性高、海量存儲等特征，反映的是電網企業運行的情況;運營管理數據，如人員、財務、物資、項目、營銷、客戶服務等方面的數據，是企業經營管理活動中產生的大量業務信息，反映的是電網企業的運營管理水平。

電網大數據怎樣提升管理

電網企業數據具有量大、類型多、價值高的特點，對于電網企業盈利與控制水平的提升有很高的價值。一般來說，基于電力行業大數據的挖掘價值表現在內部價值提升和外部價值提升，內部價值提升主要表現為管理模式優化，外部價值提升主要表現為對社會提供豐富增值業務。

首先，內部應用是運用大數據優化電網企業管理模式，提升電網企業經營管理水平，有幾個典型的應用場景。

電網設備狀態監測與預警分析。這是基于電網設備信息、運行信息、環境信息(氣象、氣候等)以及歷史故障和缺陷信息等數據相結合，對不同種類、不同運行年限設備在一定關聯因素影響下的狀態進行預警和故障率預測，形成準確的電網設備故障預判方法，以進一步提高設備運行、維護和管理水平。

配電網故障搶修精益化管理。該應用基于營配貫通業務流和信息流，依據設備現狀及歷史負荷、電量水平和發展趨勢、配電網故障類型、故障產生原因、導致故障的設備類型、供應商等，開展配網資產運營效率和配網故障搶修效率分析，提升營銷、調度、運檢等專業在配電網故障搶修中的協作效率。

加強客戶分析，提升服務質量。基于營銷基礎數據，識別不同客戶群體對企業價值及其需求，指導企業的客戶關系管理工作，在滿足標準化服務的基礎上，開展個性化的大客戶服務。

提升企業整體協同管理。整合電網企業生產運行與運營管理有關數據，實現電力發電、輸電、變電、配電、用電、調度全環節數據共享，以用電需求預測為驅動優化資源配置，協調電力生產、運維、銷售的管理，提升生產效率和資源利用率;同時，通過內部數據集成將優化內部信息溝通，使財務、人事等工作的開展更順暢，有助于企業實行精益化運營管理，提高集團管控水平。

其次，外部應用指利用電網大數據可獲得的社會效益，典型應用如增值服務與經濟指導。

提供增值服務。主要利用電網數據可給用戶提供更加豐富的增值服務內容。例如，通過給用戶提供其各月份分時明細用電視圖，可讓用戶了解自身用電習慣并能根據需要進行調整，同時也使得電力收費過程更透明。

提供經濟指導。作為重要經濟先行數據，用電數據是一個地區經濟運行的“風向標”，可作為投資決策者的參考依據。如將人口調查信息、電網企業提供的用戶實時用電信息和地理、氣象等信息進行整合，設計一款“電力地圖”。該圖以街區為單位，可以反映各時刻的用電量，并可將用電量與人的平均收入、建筑類型等信息進行比照。通過完善“電力地圖”，能更準確地反應該區經濟狀況及各群體的行為習慣，以輔助投資者的決策，也可為城市和電網規劃提供基礎依據。

大數據平臺靠什么技術手段

要實現電網大數據價值體現，首先要對電網生產運營過程中不斷產生的海量數據進行快速處理并進行有效的存儲。以往數據量不大時，進行數據處理主要由一兩臺計算機完成，在海量數據面前，典型的做法需要考慮采用更多臺計算機共同處理這些數據，即分布式處理技術。目前，南瑞集團已基于分布式處理技術完成相關大數據平臺研發，并在用電信息采集系統中進行了應用，數據采集效率較原有技術方式大幅提升。

基于采集處理好的數據，要做的第二件事就是從海量的數據中挖掘出對企業運營管理、生產運行有價值的信息。以客戶欠費預測為例，首先從數據庫提取2010～2012年全體客戶交費數據，通過分析不同客戶的交電費的行為以及客戶基本屬性特征，設計出用戶欠費預測模型，并采用此模型預測2013年客戶欠費風險，然后將預測結果與2013年實際欠費情況進行對比，如發現預測準確率較高可信，則可基于此模型預測未來年度中可能存在欠費風險的客戶，并對不同風險等級客戶提前采取差異化的電費回收策略和預防措施，保障企業的電費收入，有效控制企業經營風險。以上便是一個數據挖掘的典型案例，采用的技術為數據挖掘中分類預測方法，其他主要方法還包括了關聯分析、聚類分析、時序分析、最優決策、異常分析、特異群組分析和演變分析等。

數據最終的價值體現就是讓人更容易更好的使用并輔助工作開展，因此就需要采用豐富的圖形化展示、交互式體驗等手段，清晰有效地傳達與溝通信息，便于相關使用人員對有關數據進行理解和認識。如通過曲線圖來展現近幾年公司售電量的趨勢，通過餅圖來表示公司人員的崗位分布情況，通過地圖下鉆功能從省公司指標穿透查看地市公司指標，都是可視化的一些典型做法。