張沛，和怡，張大海，孫藝新，程嘉許

(1.北京交通大學(xué)電氣工程學(xué)院，北京市 100044；2.國(guó)網(wǎng)能源研究院，北京市 102209)

電力大數(shù)據(jù)應(yīng)用的判斷原則

張沛1，和怡1，張大海1，孫藝新2，程嘉許2

(1.北京交通大學(xué)電氣工程學(xué)院，北京市 100044；2.國(guó)網(wǎng)能源研究院，北京市 102209)

電網(wǎng)每時(shí)每刻都在產(chǎn)生著類型繁多、體量巨大的數(shù)據(jù)，有效處理并發(fā)揮數(shù)據(jù)的最大價(jià)值，是電力信息化建設(shè)的主要目的之一。在電力行業(yè)，大數(shù)據(jù)應(yīng)用已經(jīng)得到國(guó)內(nèi)外專家學(xué)者的廣泛關(guān)注，但整體來看目前仍然處于初期的嘗試階段，明確何為電力大數(shù)據(jù)應(yīng)用具有重要的意義。文章在綜述電力大數(shù)據(jù)國(guó)內(nèi)外應(yīng)用研究的基礎(chǔ)上，闡述了電力大數(shù)據(jù)的概念，進(jìn)而結(jié)合具體應(yīng)用場(chǎng)景從技術(shù)和價(jià)值2個(gè)方面提出了判斷電力大數(shù)據(jù)應(yīng)用的具體準(zhǔn)則，為大數(shù)據(jù)在電力行業(yè)中的應(yīng)用提供有益參考。數(shù)據(jù)即資產(chǎn)，電力大數(shù)據(jù)必將為電力工業(yè)乃至經(jīng)濟(jì)社會(huì)的發(fā)展提供重要的技術(shù)支撐。

電力大數(shù)據(jù)；應(yīng)用分析；判斷原則

0 引 言

隨著智能變電站系統(tǒng)、現(xiàn)場(chǎng)移動(dòng)檢修系統(tǒng)、測(cè)控一體化系統(tǒng)、地理信息系統(tǒng)(geographic information system，GIS)、智能表計(jì)等項(xiàng)目與信息技術(shù)(information technology，IT)行業(yè)的嫁接，電力行業(yè)積累了大量的數(shù)據(jù)資源[1]，其數(shù)據(jù)體量已經(jīng)躍遷至PB級(jí)，傳統(tǒng)的數(shù)據(jù)分析技術(shù)與運(yùn)營(yíng)方式已經(jīng)不再適合電網(wǎng)的發(fā)展，大數(shù)據(jù)技術(shù)的不斷成熟正在引發(fā)著電力行業(yè)技術(shù)的變革。目前，國(guó)家電網(wǎng)公司已經(jīng)在北京、上海、陜西建立了3個(gè)大數(shù)據(jù)中心，這3個(gè)大數(shù)據(jù)中心覆蓋了我國(guó)北方、南方以及西部?jī)?nèi)陸地區(qū)，初步實(shí)現(xiàn)了企業(yè)級(jí)數(shù)據(jù)資源整合及共享，為電力信息化的長(zhǎng)足發(fā)展奠定了基礎(chǔ)。

麥肯錫(McKinsey)在《大數(shù)據(jù)：下一個(gè)創(chuàng)新、競(jìng)爭(zhēng)和生產(chǎn)的前言》中定義大數(shù)據(jù)是“無法在一定時(shí)間內(nèi)用傳統(tǒng)數(shù)據(jù)庫(kù)軟件工具對(duì)其內(nèi)容進(jìn)行抓取、管理和處理的數(shù)據(jù)集合”[2]；高德納(Gartner)認(rèn)為，大數(shù)據(jù)是“需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長(zhǎng)率和多樣化的信息資產(chǎn)”[3]。奧里利(O’Reilly)認(rèn)為，大數(shù)據(jù)是指超出傳統(tǒng)數(shù)據(jù)庫(kù)系統(tǒng)處理能力的數(shù)據(jù)，該數(shù)據(jù)規(guī)模大、流轉(zhuǎn)快，不適合現(xiàn)有數(shù)據(jù)庫(kù)架構(gòu)，需要采取新的處理方式才能從中獲取價(jià)值。中國(guó)電機(jī)工程學(xué)會(huì)電氣信息化專業(yè)委員會(huì)發(fā)布了《中國(guó)電力大數(shù)據(jù)發(fā)展白皮書》[4]，指出重塑電力核心價(jià)值和轉(zhuǎn)變電力發(fā)展方式是中國(guó)電力大數(shù)據(jù)的兩條核心主線。

國(guó)內(nèi)外大量學(xué)者和機(jī)構(gòu)開展了有關(guān)電力大數(shù)據(jù)方面的研究和應(yīng)用。文獻(xiàn)[5]給出了電力大數(shù)據(jù)平臺(tái)總體架構(gòu)，并探討了符合電力企業(yè)發(fā)展需求的關(guān)鍵技術(shù)的選擇原則。文獻(xiàn)[6]闡述了智能電網(wǎng)大數(shù)據(jù)的理論技術(shù)、工程應(yīng)用現(xiàn)狀以及智能電網(wǎng)大數(shù)據(jù)研究框架和技術(shù)發(fā)展路線建議。負(fù)荷預(yù)測(cè)方面，文獻(xiàn)[7]提出了電力用戶側(cè)大數(shù)據(jù)分析平臺(tái)，并在此平臺(tái)上設(shè)計(jì)了基于Hadoop的電力用戶側(cè)大數(shù)據(jù)并行負(fù)荷預(yù)測(cè)原型系統(tǒng)，利用并行化后的隨機(jī)森林算法進(jìn)行負(fù)荷并行預(yù)測(cè)實(shí)驗(yàn)。數(shù)據(jù)融合方面，文獻(xiàn)[8]提出了包含智能電網(wǎng)數(shù)據(jù)模型(smart grid data model，SGDM)的完整數(shù)據(jù)倉(cāng)庫(kù)架構(gòu)，并開展了包含數(shù)據(jù)源接入、統(tǒng)一數(shù)據(jù)模型建立與調(diào)優(yōu)、統(tǒng)計(jì)分析、可視化等環(huán)節(jié)在內(nèi)的配用電大數(shù)據(jù)實(shí)踐。輸變電設(shè)備狀態(tài)監(jiān)測(cè)方面，文獻(xiàn)[9]基于Hadoop平臺(tái)的輸變電設(shè)備狀態(tài)監(jiān)測(cè)大數(shù)據(jù)優(yōu)化和并行分析的方法，應(yīng)用MapReduce并行編程模型，實(shí)現(xiàn)了多數(shù)據(jù)源并行連接查詢算法和多通道數(shù)據(jù)融合并行特征提取計(jì)算。電力數(shù)據(jù)分析平臺(tái)方面，文獻(xiàn)[10]提出了一套基于云計(jì)算的電力大數(shù)據(jù)分析平臺(tái)，面向電力大數(shù)據(jù)特征，設(shè)計(jì)了多維索引、結(jié)構(gòu)化查詢語言(structured query language，SQL)自動(dòng)翻譯工具和支持?jǐn)?shù)據(jù)更新的混合存儲(chǔ)模型3項(xiàng)性能提升技術(shù)，實(shí)現(xiàn)對(duì)傳統(tǒng)電力數(shù)據(jù)分析系統(tǒng)的升級(jí)優(yōu)化。供電安全方面，文獻(xiàn)[11]探討了重要用戶安全大數(shù)據(jù)存儲(chǔ)處理技術(shù)和分析診斷技術(shù)，并采用聚類分析的方法對(duì)其供電安全潛在風(fēng)險(xiǎn)進(jìn)行分析。電力系統(tǒng)仿真方面，文獻(xiàn)[12]以電力大數(shù)據(jù)技術(shù)的基本支撐為前提，著重探討了電網(wǎng)仿真數(shù)據(jù)的特征，以及大數(shù)據(jù)技術(shù)與電網(wǎng)仿真計(jì)算相結(jié)合時(shí)可適用的問題和研究重點(diǎn)。高級(jí)量測(cè)體系方面，文獻(xiàn)[13]提出了智能電表量測(cè)數(shù)據(jù)(advanced metering infrastructure，AMI)的數(shù)據(jù)分析方法及其應(yīng)用前景。

總的來看，國(guó)內(nèi)外專家學(xué)者在電力大數(shù)據(jù)應(yīng)用方面已經(jīng)開展了很多研究工作，奠定了一定的基礎(chǔ)，但是大多數(shù)文獻(xiàn)[14-18]是對(duì)電力大數(shù)據(jù)應(yīng)用概括性研究，對(duì)電力大數(shù)據(jù)的應(yīng)用準(zhǔn)則并沒有進(jìn)行清晰的描述。電力大數(shù)據(jù)的應(yīng)用工作仍然處于探索起步階段，電力公司對(duì)大數(shù)據(jù)應(yīng)用的相關(guān)理論、關(guān)鍵技術(shù)、價(jià)值方面理解不足，在一定程度上制約了電力大數(shù)據(jù)應(yīng)用的發(fā)展。基于此，本文首先闡述電力大數(shù)據(jù)的概念，進(jìn)而結(jié)合具體案例從技術(shù)和價(jià)值2個(gè)方面提出判斷電力大數(shù)據(jù)應(yīng)用的準(zhǔn)則，為大數(shù)據(jù)技術(shù)在電網(wǎng)中的應(yīng)用提供有益的參考。

1 電力大數(shù)據(jù)概念

從數(shù)據(jù)角度來看，電力大數(shù)據(jù)是指通過傳感器、智能設(shè)備、視頻監(jiān)控設(shè)備、音頻通信設(shè)備、移動(dòng)終端等各種信息獲取渠道收集到的，海量的及結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化的且相互間存在關(guān)聯(lián)關(guān)系的業(yè)務(wù)數(shù)據(jù)集合。

國(guó)際數(shù)據(jù)公司(International Data Corporation，IDC)從4個(gè)特征來定義電力大數(shù)據(jù)，“4V”分別是指體量(volume)大、類型(variety)多、速度(velocity)快和價(jià)值(value)密度低[19-20]，應(yīng)用此框架描繪電力大數(shù)據(jù)的特征。

(1)體量(volume)大。電力大數(shù)據(jù)的來源主要包括3個(gè)部分：電網(wǎng)運(yùn)行和設(shè)備檢測(cè)數(shù)據(jù)、電力企業(yè)營(yíng)銷數(shù)據(jù)和電力企業(yè)管理數(shù)據(jù)。隨著電力企業(yè)信息化快速建設(shè)和智能電力系統(tǒng)的全面建成，電力數(shù)據(jù)的增長(zhǎng)速度將遠(yuǎn)遠(yuǎn)超出電力企業(yè)的預(yù)期。

(2)類型(variety)多。電力大數(shù)據(jù)包含多種類型的數(shù)據(jù)，涉及結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)指行數(shù)據(jù)，存儲(chǔ)在數(shù)據(jù)庫(kù)里，可以用二維表結(jié)構(gòu)來邏輯表達(dá)實(shí)現(xiàn)的數(shù)據(jù)。非結(jié)構(gòu)化數(shù)據(jù)是指不方便用數(shù)據(jù)庫(kù)二維邏輯來進(jìn)行展示的數(shù)據(jù)，例如音頻和視頻數(shù)據(jù)。半結(jié)構(gòu)化數(shù)據(jù)介于結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)之間，例如樹、圖。從智能電網(wǎng)的使用過程來看，非結(jié)構(gòu)化的數(shù)據(jù)往往會(huì)占有更大的比重[21]。

(3)速度(velocity)快。速度快主要是對(duì)電力數(shù)據(jù)處理速度方面的描述，高效、快速的處理速度可以使整個(gè)過程的效率大大提升。以“1 s”為目標(biāo)的實(shí)時(shí)處理是電力大數(shù)據(jù)的重要特征，即在s級(jí)時(shí)間范圍內(nèi)給出分析結(jié)果，超出這個(gè)時(shí)間，數(shù)據(jù)就失去了價(jià)值。

(4)價(jià)值(value)密度低。價(jià)值密度低是指雖然電力大數(shù)據(jù)的價(jià)值巨大，但是基于傳統(tǒng)的技術(shù)和方法，在實(shí)際應(yīng)用中經(jīng)常出現(xiàn)數(shù)據(jù)泛濫而知識(shí)信息匱乏的窘境，即其價(jià)值密度遠(yuǎn)遠(yuǎn)低于傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)中的已有數(shù)據(jù)。如何通過強(qiáng)大的機(jī)器算法從海量數(shù)據(jù)中快速選出有用的知識(shí)，是大數(shù)據(jù)時(shí)代亟待解決的難題之一。

從技術(shù)角度來看，電力大數(shù)據(jù)是針對(duì)電力多源異構(gòu)海量復(fù)雜數(shù)據(jù)，以分布式存儲(chǔ)、云計(jì)算、可視化等各類技術(shù)為支撐，利用統(tǒng)計(jì)分析及人工智能等方法進(jìn)行分析處理，以實(shí)現(xiàn)電力數(shù)據(jù)價(jià)值的相關(guān)理論、技術(shù)、方法及應(yīng)用的總稱。電力大數(shù)據(jù)涵蓋了數(shù)據(jù)從存儲(chǔ)、管理、處理、分析到最后提供業(yè)務(wù)趨勢(shì)預(yù)測(cè)、數(shù)據(jù)價(jià)值挖掘服務(wù)的全過程，以及這一系列過程中所使用的各項(xiàng)技術(shù)和理念。

大數(shù)據(jù)是一門科學(xué)和一種方法論，是一種全新的科學(xué)理論和哲學(xué)方法，是數(shù)據(jù)量和復(fù)雜程度發(fā)展到某個(gè)階段的產(chǎn)物，是對(duì)傳統(tǒng)的數(shù)據(jù)分析技術(shù)的繼承、提升以及革命性的創(chuàng)新。

2 電力大數(shù)據(jù)應(yīng)用的判斷準(zhǔn)則

大數(shù)據(jù)技術(shù)在電網(wǎng)中的應(yīng)用，突破了傳統(tǒng)技術(shù)的瓶頸，帶來了巨大的技術(shù)變革。同時(shí)，大數(shù)據(jù)也在提升企業(yè)的價(jià)值方面發(fā)揮巨大的作用。下面將從技術(shù)和價(jià)值2個(gè)層面闡述大數(shù)據(jù)在電力行業(yè)應(yīng)用的判斷準(zhǔn)則。

2.1 從技術(shù)層面判斷電力大數(shù)據(jù)應(yīng)用的準(zhǔn)則

電力大數(shù)據(jù)應(yīng)用的技術(shù)準(zhǔn)則可歸結(jié)為2點(diǎn)：(1)處理數(shù)據(jù)規(guī)模大，數(shù)據(jù)處理時(shí)效性高的問題；(2)解決數(shù)據(jù)類型多樣，彌補(bǔ)傳統(tǒng)技術(shù)手段對(duì)半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)以及空間矢量數(shù)據(jù)等其他數(shù)據(jù)格式處理能力的不足。

(1)數(shù)據(jù)規(guī)模大，數(shù)據(jù)處理時(shí)效性高。判斷某應(yīng)用是否屬于電力大數(shù)據(jù)應(yīng)用應(yīng)看此應(yīng)用是否處理大規(guī)模海量數(shù)據(jù)，解決傳統(tǒng)的技術(shù)手段無法在業(yè)務(wù)規(guī)定的時(shí)間內(nèi)經(jīng)濟(jì)地處理大規(guī)模數(shù)據(jù)的問題。

例如，隨著電網(wǎng)規(guī)模的日益擴(kuò)大以及信息化水平的不斷提高，數(shù)據(jù)規(guī)模也日漸擴(kuò)大。國(guó)家電網(wǎng)公司營(yíng)銷的用電信息采集系統(tǒng)中的智能電表數(shù)量到2015年已達(dá)到3億塊，用電采集數(shù)據(jù)達(dá)到PB級(jí)。如此數(shù)量級(jí)的數(shù)據(jù)將對(duì)現(xiàn)今電網(wǎng)的數(shù)據(jù)存儲(chǔ)和管理提出嚴(yán)峻的挑戰(zhàn)。

隨著營(yíng)銷業(yè)務(wù)的不斷深化導(dǎo)致計(jì)算資源趨于緊張。對(duì)用電采集業(yè)務(wù)的不斷深化，以及營(yíng)銷企業(yè)資源計(jì)劃(enterprise resource planning，ERP)、電能質(zhì)量監(jiān)測(cè)系統(tǒng)等相關(guān)業(yè)務(wù)提出更多、更精細(xì)的業(yè)務(wù)需求，導(dǎo)致其計(jì)算分析任務(wù)日趨復(fù)雜?，F(xiàn)有用電信息采集系統(tǒng)在規(guī)定時(shí)間內(nèi)完成海量數(shù)據(jù)的存儲(chǔ)、計(jì)算分析處理等任務(wù)時(shí)出現(xiàn)較嚴(yán)重的性能瓶頸。目前采集系統(tǒng)的后臺(tái)計(jì)算任務(wù)安排在凌晨01:00—07:00進(jìn)行，部分復(fù)雜任務(wù)需要3 h以上才能運(yùn)行完成，計(jì)算分析的資源時(shí)間安排已很緊張。

針對(duì)以上問題，利用分布式存儲(chǔ)技術(shù)，實(shí)現(xiàn)對(duì)海量用戶用電信息的采集和存儲(chǔ)，通過分布式緩存、多級(jí)索引、批量計(jì)算技術(shù)，提升數(shù)據(jù)的查詢效率和計(jì)算性能，提升用電信息入庫(kù)和計(jì)算的性能，滿足對(duì)終端用戶的全覆蓋、全采集要求。這類應(yīng)用屬于電力大數(shù)據(jù)應(yīng)用。

(2)數(shù)據(jù)結(jié)構(gòu)復(fù)雜類型多樣，彌補(bǔ)傳統(tǒng)技術(shù)手段對(duì)半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)以及空間矢量數(shù)據(jù)等其他數(shù)據(jù)格式處理能力的不足。判斷某應(yīng)用是否屬于電力大數(shù)據(jù)的應(yīng)用應(yīng)看此應(yīng)用是否對(duì)多樣化的數(shù)據(jù)結(jié)構(gòu)進(jìn)行處理。若同時(shí)處理半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)以及空間矢量數(shù)據(jù)等多種數(shù)據(jù)格式，這類應(yīng)用屬于大數(shù)據(jù)應(yīng)用。

隨著電網(wǎng)公司智能電網(wǎng)的建設(shè)和經(jīng)營(yíng)管理提升，產(chǎn)生了大量的視頻、客服音頻等非結(jié)構(gòu)化數(shù)據(jù)，日志、表計(jì)等半結(jié)構(gòu)化數(shù)據(jù)，以及地理空間的矢量數(shù)據(jù)等多種類型的數(shù)據(jù)。電網(wǎng)公司需要增強(qiáng)對(duì)上述多種類型數(shù)據(jù)的處理能力，彌補(bǔ)傳統(tǒng)技術(shù)手段對(duì)半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)以及空間矢量數(shù)據(jù)等其他數(shù)據(jù)格式處理能力的不足，挖掘數(shù)據(jù)潛在價(jià)值。

近年來，國(guó)家電網(wǎng)公司累計(jì)接入了11 352座變電站、524條輸電線路，共計(jì)變電站20.9萬個(gè)、輸電線路1 179個(gè)攝像頭，每月產(chǎn)生視頻數(shù)據(jù)約為110 TB，運(yùn)用視頻分析和分布式流計(jì)算等大數(shù)據(jù)技術(shù)對(duì)視頻數(shù)據(jù)進(jìn)行實(shí)時(shí)分析，能實(shí)現(xiàn)危險(xiǎn)區(qū)域周界越線報(bào)警、安防區(qū)域入侵檢測(cè)、可疑遺留物的檢測(cè)、值班人員脫崗離崗及人員徘徊檢測(cè)、是否正確佩戴安全帽等一系列安全監(jiān)測(cè)，提高對(duì)變電站安全的監(jiān)管能力。同時(shí)，利用大數(shù)據(jù)技術(shù)能對(duì)儀表讀數(shù)、判斷設(shè)備運(yùn)行指示燈狀態(tài)、判斷翻牌器狀態(tài)、判斷開關(guān)觸頭分合閘到位狀態(tài)以及壓板投退狀態(tài)等，從而實(shí)現(xiàn)遠(yuǎn)程巡檢，降低運(yùn)檢的成本，提高運(yùn)維的效率。圖1為變電站視頻分析危險(xiǎn)區(qū)域周界越線報(bào)警示意圖。

圖1 電力大數(shù)據(jù)應(yīng)用——變電站視頻分析Fig.1 Power big data application scenario—substation video analysis

目前變電設(shè)備和線路設(shè)備定期巡檢普遍使用的紅外設(shè)備為便攜式和手持式非制冷行焦平面成像儀，拍攝形成的紅外圖片需要進(jìn)行人工識(shí)別處理?，F(xiàn)有軟件需要單張導(dǎo)入紅外圖片，只能顯示圖片中的高溫點(diǎn)，不能自動(dòng)識(shí)別故障。隨著無人值守變電站的推廣，巡檢人員需要拍攝大量紅外照片，如使用人工識(shí)別，工作量巨大。采用大數(shù)據(jù)的分布式文件存儲(chǔ)技術(shù)，能有效地存儲(chǔ)海量的紅外成像圖片數(shù)據(jù)，利用圖像處理技術(shù)對(duì)紅外圖片自動(dòng)進(jìn)行識(shí)別，根據(jù)帶電設(shè)備紅外診斷技術(shù)應(yīng)用準(zhǔn)則，及時(shí)準(zhǔn)確發(fā)現(xiàn)、定位發(fā)熱故障，提高故障識(shí)別率，提高供電可靠性、減少人工識(shí)別紅外圖像維護(hù)工作量。圖2為電力設(shè)備紅外圖像。

圖2 電力大數(shù)據(jù)應(yīng)用——電力設(shè)備紅外圖像處理Fig.2 Power big data application scenario—infrared image processing of power equipment

2.2 從價(jià)值層面判斷電力大數(shù)據(jù)應(yīng)用的準(zhǔn)則

價(jià)值層面可以從4個(gè)方面判斷電力大數(shù)據(jù)應(yīng)用的準(zhǔn)則：(1)判斷此應(yīng)用是否能實(shí)現(xiàn)部門間的業(yè)務(wù)數(shù)據(jù)共享，促進(jìn)業(yè)務(wù)融合；(2)判斷此應(yīng)用是否可以實(shí)現(xiàn)對(duì)現(xiàn)有業(yè)務(wù)模式的創(chuàng)新；(3)判斷是否能夠綜合利用外部數(shù)據(jù)，提升公司業(yè)務(wù)的能力；(4)判斷是否能量化企業(yè)決策，提升決策能力和決策效率。

(1)實(shí)現(xiàn)部門間的業(yè)務(wù)數(shù)據(jù)共享，促進(jìn)業(yè)務(wù)融合。判斷某應(yīng)用是否屬于電力大數(shù)據(jù)應(yīng)用，應(yīng)當(dāng)關(guān)注此應(yīng)用是否滿足各電力業(yè)務(wù)部門間的業(yè)務(wù)數(shù)據(jù)共享，促進(jìn)各部門業(yè)務(wù)融合。

例如在供應(yīng)商設(shè)備評(píng)價(jià)方面，目前通常采用經(jīng)驗(yàn)法并結(jié)合設(shè)備的質(zhì)量、使用年限、供應(yīng)商信譽(yù)度、供應(yīng)商經(jīng)營(yíng)狀況等來安排采購(gòu)方案，但此管理方法易造成對(duì)設(shè)備及供應(yīng)商的掌握情況不夠準(zhǔn)確，使資金利用效率降低。針對(duì)此問題，可以利用數(shù)據(jù)關(guān)聯(lián)分析技術(shù)，建立生產(chǎn)管理系統(tǒng)中的設(shè)備缺陷信息與物資供應(yīng)商采購(gòu)記錄的關(guān)聯(lián)關(guān)系，研究公司設(shè)備需求與設(shè)備使用年限、檢修次數(shù)、運(yùn)行狀態(tài)以及供應(yīng)商等信息間存在的規(guī)律。構(gòu)建供應(yīng)商評(píng)價(jià)模型，計(jì)算設(shè)備供貨合格率等指標(biāo)，實(shí)現(xiàn)對(duì)供應(yīng)商產(chǎn)品質(zhì)量問題的跟蹤和閉環(huán)管控，完善供應(yīng)商績(jī)效評(píng)價(jià)機(jī)制，為公司選擇更加優(yōu)質(zhì)的供應(yīng)商提供依據(jù)，減少因設(shè)備缺陷帶來的經(jīng)濟(jì)損失。圖3為大數(shù)據(jù)在設(shè)備缺陷及其供應(yīng)商評(píng)價(jià)分析中的應(yīng)用示意圖。

圖3 電力大數(shù)據(jù)應(yīng)用——供應(yīng)商評(píng)價(jià)分析Fig.3 Power big data application scenario—supplier evaluation analysis

(2)創(chuàng)新現(xiàn)有業(yè)務(wù)模式。判斷某應(yīng)用是否屬于電力大數(shù)據(jù)的應(yīng)用應(yīng)看此應(yīng)用是否能夠突破傳統(tǒng)的電力公司業(yè)務(wù)模式，公司運(yùn)營(yíng)水平是否得到提升。

例如在用戶能耗分析方面，電力用戶在用電時(shí)，因?yàn)樵O(shè)備配置和使用不當(dāng)會(huì)導(dǎo)致電能損耗過大或電能利用率低的情況，該情況不僅造成電力資源的浪費(fèi)，而且易形成用電安全的潛在風(fēng)險(xiǎn)。同時(shí)大部分企業(yè)也沒有對(duì)電能進(jìn)行精益管理，比如計(jì)量、監(jiān)測(cè)制度不健全，管理不到位，職責(zé)不明確等。隨著用電信息采集系統(tǒng)的建設(shè)與應(yīng)用，電表每日產(chǎn)生大量各類用電相關(guān)信息，利用這些信息，并將用電信息結(jié)合氣象資料、企業(yè)生產(chǎn)等數(shù)據(jù)進(jìn)行相關(guān)的挖掘，進(jìn)行用戶能耗分析及用電方案優(yōu)化，給用戶用電建議、引導(dǎo)用戶合理優(yōu)化用電行為。這樣不僅可以極大保障客戶經(jīng)濟(jì)利益，提升客戶服務(wù)的滿意度，同時(shí)電網(wǎng)公司通過為用戶提供增值服務(wù)開辟創(chuàng)新業(yè)務(wù)領(lǐng)域，增加收入。圖4為大數(shù)據(jù)在用戶能耗分析及用電方案優(yōu)化中的應(yīng)用示意圖。

(3)綜合利用外部數(shù)據(jù)，提升公司業(yè)務(wù)的能力。判斷某應(yīng)用是否屬于電力大數(shù)據(jù)應(yīng)用，應(yīng)當(dāng)關(guān)注此應(yīng)用是否有效利用了除電網(wǎng)公司內(nèi)部數(shù)據(jù)之外的數(shù)據(jù)，綜合考慮多方面因素。

如在中長(zhǎng)期負(fù)荷預(yù)測(cè)方面，傳統(tǒng)的方法主要存在相關(guān)因素考慮不夠全面、模型建立不夠準(zhǔn)確的缺點(diǎn)。負(fù)荷預(yù)測(cè)的數(shù)據(jù)源不僅應(yīng)包括用戶類型、用戶檔案等來自于用電信息采集系統(tǒng)和營(yíng)銷業(yè)務(wù)系統(tǒng)的數(shù)據(jù)源，還應(yīng)當(dāng)涵蓋當(dāng)?shù)匦姓?guī)劃、經(jīng)濟(jì)增長(zhǎng)、地理信息、人口數(shù)量、氣候類型、政府政策等方面的外部數(shù)據(jù)。這些外部數(shù)據(jù)分別存放在不同的機(jī)構(gòu)部門中。利用數(shù)據(jù)挖掘技術(shù)和分布式計(jì)算技術(shù)，構(gòu)建一個(gè)綜合的負(fù)荷影響因素分析模型，并考慮到影響因素的不確定性，進(jìn)行模型誤差分析，識(shí)別出產(chǎn)業(yè)負(fù)荷主要影響因素及模型誤差來源，綜合利用外部數(shù)據(jù)，提升負(fù)荷預(yù)測(cè)精度，提高變電站布局的合理性，使電網(wǎng)發(fā)展適時(shí)地滿足社會(huì)經(jīng)濟(jì)發(fā)展的需要。圖5為電力大數(shù)據(jù)在中長(zhǎng)期負(fù)荷預(yù)測(cè)的應(yīng)用示意圖。

圖4 電力大數(shù)據(jù)應(yīng)用——用戶能耗分析及用電方案優(yōu)化Fig.4 Power big data application scenario —energy consumption analysis and optimization

圖5 電力大數(shù)據(jù)應(yīng)用——中長(zhǎng)期負(fù)荷預(yù)測(cè)Fig.5 Power big data application scenario —medium and long term load forecasting

(4)量化企業(yè)決策，提升決策能力和決策效率。判斷某應(yīng)用是否屬于電力大數(shù)據(jù)應(yīng)用，應(yīng)當(dāng)關(guān)注此應(yīng)用是否能夠使企業(yè)決策從定性到定量轉(zhuǎn)變，電力公司決策能力和效率得到提升。

電網(wǎng)公司關(guān)注可靠性、經(jīng)濟(jì)性和客戶滿意度等多個(gè)方面。由于各個(gè)戰(zhàn)略重點(diǎn)之間存在關(guān)聯(lián)關(guān)系，例如，可靠性提升需要投資，投資會(huì)影響電網(wǎng)公司的經(jīng)濟(jì)指標(biāo)?？煽啃缘母淖冇謺?huì)影響客戶滿意度。三者之間既存在促進(jìn)關(guān)系又存在制約關(guān)系。目前電網(wǎng)公司經(jīng)營(yíng)決策的制定還存在于定性分析方面。量化分析它們之間的關(guān)系對(duì)電網(wǎng)公司的經(jīng)營(yíng)具有重要的指導(dǎo)價(jià)值。利用數(shù)據(jù)的分析挖掘技術(shù)，構(gòu)建戰(zhàn)略目標(biāo)間的關(guān)系，形成指標(biāo)關(guān)聯(lián)方式與關(guān)聯(lián)強(qiáng)度視圖。

規(guī)劃、基建、運(yùn)檢、調(diào)度和營(yíng)銷每個(gè)業(yè)務(wù)部門采取的措施都會(huì)對(duì)可靠性、經(jīng)濟(jì)性和客戶滿意度產(chǎn)生影響。大數(shù)據(jù)技術(shù)能夠量化各項(xiàng)措施對(duì)可靠性、經(jīng)濟(jì)性和客戶滿意度的影響。采用最優(yōu)解求解方法，確定優(yōu)化的方案，確保公司戰(zhàn)略指標(biāo)的實(shí)現(xiàn)。圖6為電力大數(shù)據(jù)在經(jīng)營(yíng)決策方面的應(yīng)用示意圖。

圖6 電力大數(shù)據(jù)應(yīng)用——戰(zhàn)略指標(biāo)優(yōu)化制定Fig.6 Power big data application scenario — strategic index optimization to support decision making

3 結(jié) 論

本文從技術(shù)和價(jià)值2個(gè)層面闡述了大數(shù)據(jù)在電力行業(yè)應(yīng)用的準(zhǔn)則。

技術(shù)方面，電力大數(shù)據(jù)應(yīng)用應(yīng)當(dāng)至少滿足以下2個(gè)條件的任意一條：(1)處理數(shù)據(jù)規(guī)模大，數(shù)據(jù)處理時(shí)效性高；(2)數(shù)據(jù)類型多樣，彌補(bǔ)傳統(tǒng)技術(shù)手段對(duì)半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)以及空間矢量數(shù)據(jù)等其他數(shù)據(jù)格式處理能力的不足。

價(jià)值方面，電力大數(shù)據(jù)應(yīng)用應(yīng)當(dāng)至少滿足以下4條準(zhǔn)則中的任意一條：(1)電力大數(shù)據(jù)應(yīng)用能夠?qū)崿F(xiàn)部門間的業(yè)務(wù)數(shù)據(jù)共享，促進(jìn)業(yè)務(wù)融合；(2)創(chuàng)新現(xiàn)有的業(yè)務(wù)模式；(3)合理利用外部數(shù)據(jù)，提升公司業(yè)務(wù)能力；(4)量化企業(yè)決策，提升決策能力和效率。

電力大數(shù)據(jù)應(yīng)用雖處在前期研究階段，但已展示出數(shù)據(jù)中所蘊(yùn)藏的巨大能量。數(shù)據(jù)即資產(chǎn)，電力大數(shù)據(jù)是電力企業(yè)的重要資產(chǎn)。電力企業(yè)、生產(chǎn)廠商、研究機(jī)構(gòu)需要通力協(xié)作，探索如何科學(xué)合理地釋放數(shù)據(jù)能量，以推動(dòng)傳統(tǒng)電力工業(yè)的升級(jí)，適應(yīng)未來經(jīng)濟(jì)社會(huì)的發(fā)展需要。

[1]陸如，范宏，周獻(xiàn)遠(yuǎn)．基于大數(shù)據(jù)技術(shù)的配電網(wǎng)搶修駐點(diǎn)優(yōu)化方法[J]．供用電，2015，32(8)：31-36． LU Ru, FAN Hong, ZHOU Xianyuan. Optimization method of repair the stagnation point distribution based on big data analysis method[J]. Distribution & Utilization, 2015, 32(8): 31-36.

[2]MANYIKA J, CHUI M, BROWN B. Big data: the next frontier for innovation, competition and productivity[R]. Las Vegas: The McKinsey Global Institute, 2011.

[3]KNUTH D E．Top ten strategic technology trend for 2012[EB/OL]．(2011-11-05)[2017-01-17]．http://www.gartner.com.

[4]中國(guó)電機(jī)工程學(xué)會(huì)信息化專委會(huì). 中國(guó)電力大數(shù)據(jù)發(fā)展白皮書[M]. 北京：中國(guó)電力出版社，2013：1-22.

[5]彭小圣, 鄧迪元, 程時(shí)杰, 等．面向智能電網(wǎng)應(yīng)用的電力大數(shù)據(jù)關(guān)鍵技術(shù)[J]. 中國(guó)電機(jī)工程學(xué)報(bào)，2015, 35(3): 503-511. PENG Xiaosheng, DENG Diyuan, CHENG Shijie, et al. Key technologies of electric power big data and its application prospects in smart grid [J]. Proceedings of the CSEE, 2015, 35(3): 503-511.

[6]張東霞, 苗新, 劉麗平, 等．智能電網(wǎng)大數(shù)據(jù)技術(shù)發(fā)展研究[J]．中國(guó)電機(jī)工程學(xué)報(bào), 2015, 35(1)：2-12． ZHANG Dongxia, MIAO Xin, LIU Liping, et al. Research on development strategy for smart grid big data[J]. Proceedings of the CSEE, 2015, 35(1)：2-12.

[7]王德文，孫志偉．電力用戶側(cè)大數(shù)據(jù)分析與并行負(fù)荷預(yù)測(cè)[J]．中國(guó)電機(jī)工程學(xué)報(bào)，2015, 35(3): 527-537. WANG Dewen, SUN Zhiwei. Big data analysis and parallel load forecasting of electric power user side[J]. Proceedings of the CSEE，2015, 35(3)：527-537.

[8]韓笑，狄方春，劉廣一，等．應(yīng)用智能電網(wǎng)統(tǒng)一數(shù)據(jù)模型的大數(shù)據(jù)應(yīng)用架構(gòu)及其實(shí)踐[J]．電網(wǎng)技術(shù)，2016，40(10)：3206-3212. HAN Xiao, DI Fangchun, LIU Guangyi, et al. A big data application structure based on smart grid data model and its practice[J]. Power System Technology，2016，40(10)：3206-3212.

[9]宋亞奇，周國(guó)亮，朱永利，等．云平臺(tái)下輸變電設(shè)備狀態(tài)監(jiān)測(cè)大數(shù)據(jù)存儲(chǔ)優(yōu)化與并行處理[J]．中國(guó)電機(jī)工程學(xué)報(bào)，2015，35(2)：255-267. SONG Yaqi, ZHOU Guoliang，ZHU Yongli，et al. Storage optimization and parallel processing of condition monitoring big data of transmission and transforming equipment based on cloud platform [J]．Proceedings of the CSEE，2015，35(2)：255-267.

[10]吳凱峰，劉萬濤，李彥虎，等．基于云計(jì)算的電力大數(shù)據(jù)分析技術(shù)與應(yīng)用[J]．中國(guó)電力，2015，48(2)：111-116. WU Kaifeng, LIU Wantao, LI Yanhu, et al. Cloud-computing based power big data analysis technology and its application[J]. Electric Power，2015，48(2)：111-116.

[11]丁堅(jiān)勇，周凱，田世明，等．基于大數(shù)據(jù)技術(shù)的重要用戶供電安全分析[J]．電網(wǎng)技術(shù)，2016，40(8)：2491-2495． DING Jianyong，ZHOU Kai，TIAN Shiming, et al. Big data technology based important user power supply security analysis[J]. Power System Technology，2016，40(8)：2491-2495.

[12]黃彥浩，于之虹，謝昶，等．電力大數(shù)據(jù)技術(shù)與電力系統(tǒng)仿真計(jì)算結(jié)合問題研究[J]．中國(guó)電機(jī)工程學(xué)報(bào)，2015，35(1)：13-22． HUANG Yanhao, YU Zhihong, XIE Chang, et al. Study on the application of electric power big data technology in power system simulation[J]. Proceedings of the CSEE，2015，35(1)：13-22.

[13]ALAHAKOON D, YU X. Advanced analytics for harnessing the power of smart meter big data[C]//2013 IEEE International Workshop on Intelligent Energy Systems (IWIES). Vienna, Austria: IEEE, 2013: 40-45.

[14]SAGIROGLU S, SINANC D. Big data: A review[C]// 2013 International Conference on Collaboration Technologies and Systems (CTS). San Diego, CA, USA: IEEE, 2013: 42-47.

[15]DENG L, ZHOU C. Protype framework of smart city base on big data and smart grid[C]// 2015 International Conference on Computer Science and Mechanical Automation (CSMA). Hangzhou, China: IEEE, 2015: 102-107.

[16]AMAN S, CHELMIS C, PRASANNA V. Addressing data veracity in big data applications[C]//2014 IEEE International Conference on Big Data. Washington, DC, USA: IEEE, 2014: 1-3.

[17]王欽，蔣懷光, 文福拴，等．智能電網(wǎng)中大數(shù)據(jù)的概念、技術(shù)與挑戰(zhàn)[J]．電力建設(shè)，2016，37(12)：1-10． WANG Qin, JIANG Huaiguang，WEN Fushuan，et al. Concept，technology and challengs of big data in smart grids[J]. Electric Power Construction，2016，27(12)：1-10.

[18]高峰，劉廣一，SAUNDERS Chris，等．智能電網(wǎng)大數(shù)據(jù)的分析與應(yīng)用[J]．電力建設(shè)，2015, 36(10): 11-19. GAO Feng，LIU Guangyi，SAUNDERS Chris, et al. Applications of smart grid big data analtics[J]．Electric Power Construction，2015，36(10): 11-19.

[19]苗新，張東霞，孫德棟．在配電網(wǎng)中應(yīng)用大數(shù)據(jù)的機(jī)遇與挑戰(zhàn)[J]．電網(wǎng)技術(shù)，2015，39(11)：3122-3127． MIAO Xin，ZHANG Dongxia，SUN Dedong．The opportunity and challenge of big data’s application in power distribution networks[J]．Power System Technology，2015，39(11)：3122-3127.

[20]李國(guó)杰，程學(xué)旗．大數(shù)據(jù)研究:未來科技及經(jīng)濟(jì)社會(huì)發(fā)展的重大戰(zhàn)略領(lǐng)域——大數(shù)據(jù)的研究現(xiàn)狀與科學(xué)思考[J]．中國(guó)科學(xué)院院刊，2012，27(6)：647-657． LI Guojie，CHENG Xueqi．Research status and scientific thinking of big data[J]．Bulletin of Chinese Academy of Sciences，2012，27(6)：647-657.

[21]宋亞奇，周國(guó)亮，朱永利．智能電網(wǎng)大數(shù)據(jù)處理技術(shù)現(xiàn)狀與挑戰(zhàn)[J]．電網(wǎng)技術(shù)，2013，37(4)：927-935． SONG Yaqi，ZHOU Guoliang，ZHU Yongli．Present status and challenges of big data processing in smart grid[J]．Power System Technology，2013，37(4)：927-935．

(編輯 景賀峰)

Judgment Rules of Big Data Application in Power Industry

ZHANG Pei1，HE Yi1，ZHANG Dahai1，SUN Yixin2，CHENG Jiaxu2

(1. School of Electrical Engineering，Beijing Jiaotong University, Beijing 100044, China;2. State Grid Energy Research Institute, Beijing 102209, China)

The power grid is producing a large amount of data with various types. It is of great significance to effectively deal with and develop the maximum value of the data, which is one of the main purposes of electric power information construction. In the power industry, big data applications has aroused the attention of domestic and overseas experts and scholars. However, the application of power big data is still in its infancy. It is necessary to identify what is the application of power big data. This paper reviews the applications of the power big data at home and abroad, on this basis, illustrates the concept of the power big data. And then combined with specific application scenarios, this paper introduces the judgment rule of power big data from the aspects of technology and value, which can provide a useful guidance for the application of power big data in electric power industry. Data is asset, so power big data will certainly provide an important technical support for the development of the power industry and economic society.

power big data; application analysis; judgment rules

國(guó)家電網(wǎng)公司科技項(xiàng)目(基于全業(yè)務(wù)數(shù)據(jù)中心的公司資產(chǎn)管理協(xié)同分析與決策關(guān)鍵技術(shù)研究)

TM 73

A

1000-7229(2017)05-0085-06

10.3969/j.issn.1000-7229.2017.05.011

2017-02-23

張沛(1972)，男，博士，教授，主要研究方向?yàn)殡娏ο到y(tǒng)調(diào)度運(yùn)行、電力系統(tǒng)規(guī)劃、電力信息化；

和怡(1992)，女，碩士研究生，主要研究方向?yàn)殡娏ο到y(tǒng)穩(wěn)定與控制、電力信息化；

張大海(1973)，男，博士，副教授，本文通信作者，主要研究方向?yàn)殡娏ο到y(tǒng)監(jiān)控、繼電保護(hù)與電能質(zhì)量；

孫藝新(1983)，男，博士，高級(jí)工程師，長(zhǎng)期從事能源大數(shù)據(jù)戰(zhàn)略規(guī)劃與咨詢研究工作；

程嘉許(1982)，男，博士，高級(jí)工程師，長(zhǎng)期從事電網(wǎng)企業(yè)資產(chǎn)管理研究與咨詢工作。