关键词：电力企业；大数据；数据治理
引言
在信息化发展的背景下，互联网技术以及信息技术也对电力企业带来了冲击和负面影响，尤其是大量的数据积累产生了数据治理问题。由于当前大数据带来的负面影响，电力企业必须要加强数据治理。本文主要针对电力企业级数据治理现状进行分析，在分析的基础上构建电力企业级数据治理体系，并对该体系中的功能进行介绍分析。
1创建电力大数据质量评价模型
因为电力数据的收集包括电力运行、供电售电、业务维护等方面数据，所以对电力数据质量造成影响的主要因素就是工作人员自身素质及能力、后期数据维护体系、数据分析算法、数据管理机制等。以数据定性、定量、可比性及实用性的原则，实现以下指标考察纬度的定义：
1.1电力数据数量性。基于指标历史数据、数据应接入量、实际接入量等实现考察。
1.2电力数据时间性。将各源业务系统数据接入、上报的及时性作为基础进行等查。
1.3电力数据完整性。主要是基于数据业务纬度、指标值完整、单位纬度完整等方式核查。数据质量完整性主要包括数据业务纬度组合完整、指标值完整、单位完整等，通过月指标、周指标及日志表等数据完整率。
1.4电力数据精准。主要指的是数据之间业务逻辑精准及数据纬度、字段及频度之间业务逻辑精准性。
在电力数据指标纬度划分之后，为了降低人为主观因素对于各个指标权重的影响，能够利用信息熵使数据不精准性进行消除，从而使质量评价数据更加的精准。
2电力企业级数据治理体系构建原则
对于电力企业的数据治理而言，关键是采取科学有效的措施来实现常态化管2.1全周期
对于电力企业的数据治理而言，应该关注电力企业的各个环节，从电力生产开始一直到用户的整个生命周期都需要进行监控与管理。
2.2全深度
在进行电力企业的数据管理的过程中，需要对数据架构的每一个指标以及每一个数据进行深层度的分析，还应该进行细化，保证数据分析的准确性、科学性。
2.3全方位
在电力企业的数据治理过程中需要各个部门、不同单位以及全部人员参与其中，而且需要不同系统、不同领域之间的协调参与。
3部署三大数据技术支撑平台
在增强电企有关数据治理的工作中，科学的安排海量准实时数据中心、非架构优化数据中心、结构化数据中心，在现实工作开展时把信息资源池视为关键技术支撑，将各层面应用程序的信息资源加以汇总，改变各信息程序、各口径信息隔离状况，而且利用规范的信息管理系统进行数据的传播。经过在实践工作中部署有关的结构化数据中心，可储存每个业务板块中比较关键的结构化业务信息，而且利用横向系统集成体系与纵向信息获取体系，从2级信息中心和每个业务系统中提取有关的信息，而且把这些信息按照相应的类别储存且进行编辑，供各部门和各业务系统使用。
期刊文章分类查询,尽在期刊图书馆经过设立部署非结构化数据中心，可以给每个接入业务应用程序提供非结构化文档的储存与管控效能，为结构化信息的编辑创造条件，致使非结构化信息中心可以在真正的工作开展过程中和结构化信息中心的信息库形成的决策信息加以有效融合，并且在进行实际运行的过程中由决策和日常办公的需要产生各种辅助性的文档，通过这样的实际工作来提高整体企业办公的效率。在非结构化数据中心部署完成之后，便能在大范围内使公司非结构化数据的集中存储和管理得到实现，并且能够开发出一系列对非结构化数据的一系列公共基础服务，初步实现对于非结构化数据的统一利用。
建立电企内部有关的海量实时信息管控系统，建立数据系统，可以让信息的集中表现与数据互享得以快速发展，满足持续变动的业务发展需求。构建电力公司的实时信息系统是海量实时数据管控系统的核心效能，在之后的工作中就可以实现历史数据和实时数据的统一管理，使得进行跨部门、跨专业的实时数据应用有可靠有力的数据支撑，在保证了数据安全访问的过程中实现企业内部各种应用系统对于实际问题情况的快速部署，以此来增强企业的综合管理能力。
4使数据质量管理水平得到提高
以企业的实际情况实现目前额数据质量管理现状的改进，实现完善数据质量管理体系的完善。选择和企业相关指标作为基础，对数据成熟度进行分析，并且实现集中抽取。从而实现编码、标准、数据及模型的统一管理，避免出现数据多头管理及冲突，将数据冗余进行消除，实现数据集中管理、共享的目的。逐渐实现事前防范、事后管理及集中监控的闭环管理，对企业级数据质量管理规范、制度的创建，从而对高价值数据属性的识别，保证能够提高数据质量，从而使其支撑业务运营及经营分析。
5数据生命周期管理
全面分析提出了电力企业级管理中必须注重全周期管理，因此需要对电力企业级数据的各阶段生命周期进行分析，明确数据生命周期管理组织体系、角色与职责，从数据开始作为整个数据治理系统主线，从不同层面对业务系统、数据交换以及分析应用等相关数据进行分析。同时还应该针对电力企业的实际状况来设计相匹配的数据管控体系，根据电力企业数据生命周期来完善数据治理的机制，主要的生命周期管理流程如下所示：
5.1数据创建阶段。针对电力企业中的相应数据，来确定管理部门以及相应数据对应的责任人，明确不同数据针对的数据标准以及规则。
5.2数据流转阶段。在数据进行流转的过程中，必须明确电力企业数据架构的标准，并严格按照标准执行，根据这些标准来合理构建数据模型以及数据接口，对于异构系统而言，应该着重提升数据集成能力。
5.3数据存储优化阶段。在电力企业的数据治理中，必不可少的要关注数据存储问题。对于当前电力企业中的各种业务数据实际情况进行分析，明确实时数据特性，根据数据特性来制定相匹配的数据存储方案，并不断对存储方案进行优化。
5.4数据质检阶段。根据电力企业的实际情况采用数据质量检查管理工具来对工具进行管理，检查数据的合法性、唯一性以及完整性等问题，在保证电力企业级数据高质量的基础上反馈给用户使用。
5.5数据运维管控阶段。
结语
目前为深化改革的时代，在全新能源改革、工业改革及互联网+行动计划导致社会改革中，电网企业具有重要角色，并且还面临转型发展机遇。在大数据演化模式及价值功能重构，能够为全球能源及智能电网互联发展提供全新思路、解决方法及解决方案，也为我国电网企业超过国际先进水平提供了基于。但是，在电力大数据库中，要通过数据治理解决大数据数据多、杂的问题，从而有效促进大数据能够通过概念走向现实，提高大数据在电力企业中的作用。
参考文献
[1]刘宏志,屠庆波,韩延峰.大数据环境下的电网工程造价分析管控体系研究[J].华东电力,2014,42(12):2722-2727.
[2]杨晓艳,葛皓.基于大数据的电力营销管理创新研究[J].山东工业技术,2017(22):200-200.
[3]顾斌，彭涛，车伟.企业运营数据资产全生命周期管理体系研究[J].企业改革与管理，2017（5）.
[4]赵飞.基于全生命周期的主数据管理：MDM详解与实践[M].清华大学出版社，2015.
论文作者:张雅楠
论文发表刊物:《中国电业》2019年21期
论文发表时间:2020/3/10
标签：数据论文; 电力企业论文; 电力论文; 结构化论文; 业务论文; 指标论文; 企业级论文; 《中国电业》2019年21期论文;