（内蒙古鲁电蒙源电力工程有限公司 内蒙古呼和浩特 010000）
摘要：电力行业是国民经济发展的支柱产业，是支撑现代化建设的重要公共事业。伴随社会的全面进步，无论是工业生产还是人民日常生活都离不开电力的支持，全新的时代背景下，生产生活对电力行业的依赖性与日俱增。因此，如何促使电力行业写下新的历史篇章已经成为社会广泛关注的话题。文章以电力行业创新发展为研究视角，针对大数据技术在电力行业中的应用展开分析，旨在为电力行业稳固发展贡献力量。
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。
期刊文章分类查询,尽在期刊图书馆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.大数据背景下电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
论文作者:朱芳,王宇
论文发表刊物:《电力设备》2017年第13期
论文发表时间:2017/9/20
标签：数据论文; 技术论文; 电力论文; 电力行业论文; 电力企业论文; 电力系统论文; 这就论文; 《电力设备》2017年第13期论文;