摘要：电力企业应提升海量数据存储、分布式计算、数据挖掘、统计分析、数据可视化等技术，是公司云数据分析战略的需求。为实践云数 据分析战略，应做好数据收集和治理工作。如果数据错误、过时或者片面，分析结果将是不正确的；而如果数据冗余、混乱，则会增加获取 数据有效信息的难度，并使数据处理效率低下。因此，确保数据高质量、规范化、格式统一是云数据分析应用的基础。提高相关技术能力。 有了优质的数据后还需要足够的数据存储、分析和处理能力，才能充分有效地应用数据。开展数据治理、专业共享，建立电力数据管控体制 ，定义完整的电力数据管控流程和电力数据责任体系，对内加强协同管理、实现运营决策；对外为地区经济发展提供经济指导、从云数据分 析中获取价值等方面开展论述。对电力数据进行从数据获取到数据加工、数据分发再到数据使用的数据全生命周期管理。在提升电力数据管 控能力的 基础上，开展数据治理和数据质量评估工作，有效提升电力数据的及时性、准确性和完整性，并以各专业数据的标准化融 合为目标，以云数据分析标准化为前提，
关键词：云数据 标准化 数据关联 管理效益
一、供电企业云数据分析现状评估和管理目标
电力云数据分析是云数据分析应用的重点领域，数据共享不畅，数据集成度不高，缺乏行业层面的数据模型定义与主数据管理，各专业数据 口径不一致，存在较为严重的数据壁垒，业务链条间也尚未实现充分的数据共享，数据重复存储的现象较为突出。从数据规模、增长情况、 多样化程度以及数据分析的需求等，全方位论证电力云数据分析的发展方向，制定中长期电力云数据分析发展规划，设立切合实际的目标和 优先级、明确的预算与期限。注重相关部门之间的协同和融合，强化协同工作能力是多元化工作项目有序发展的战略需要，经过一系列的优 化组合后，故障处理是否及时等实现全过程管控，强化公转意识，形成“全局一盘棋”的工作格局，通过系统信息和关联业务协同环境，使 得相关单位部门紧密联系在一起，建立目标一致的协同运营平台，打破管理壁垒，畅通协调流程，实现跨部门、跨专业的优势互补的工作格 局，改变了原有的各自为站、甚至无序的工作状态，增强了工作集成能力、形成相互支持，共同完成任务的高效和谐局面。
二、电力云数据分析
电力云数据分析是云数据分析在电力行业的聚焦和子集。但是，电力云数据分析是涉及整个电力系统在云数据分析时代发展理念、管理体制 和技术路线等方面的重大变革，是下一代智能化电力系统在云数据分析时代下价值形态的跃升。积极推动电力云数据分析技能认证工作，推 进电力企业的分析竞争型企业文化建设，为电力云数据分析发展提供坚实的人力资源保障。
1.数据分类
分类是找出停电数据库中具有共同特点并按照分类模式将其划分为不同的类，其目的是通过分类模型，将数据库中的数据项映射到某个给定 的类别。通过分类分析，重复停电主要分为“线路改造计划停电、配合外部建设计划停电、新客户接入停电、线路消缺停电、线路年检停电 、雷雨大风导致停电、树害导致、故障停电。
期刊文章分类查询,尽在期刊图书馆
2.数据对比
分析停电范围和作业内容特征，从数据库中的一组数据中提取出关于这些数据的特征式，这些特征式表达了该数据集的总体特征。经过分析 ，在停电范围较大的影响的前五个停电或者作业因素分别是：线路改造存在交叉跨越计划停电、配合外部建设线路迁改计划停电、线路年度 检修、故障停电、外力破坏等。
3.数据关联
关联规则是描述数据库中数据项之间所存在的关系的规则，从各县公司停电报修工单增长趋势可以看出，随着报修工单的增加，投诉工单的 数量也随之增加，即隐藏在数据间停电报修业务与投诉业务存在关联或相互关系。
三、管理效益
作为重要经济先行数据，用电数据是一个地区经济运行的“风向标”，可作为投资决策者的参考依据。美国加州大学洛杉矶分校的研究者根 据云数据分析理论，将人口调查信息、电力企业提供的用户实时用电信息和地理、气象等信息全部整合，设计了一款“电力地图”。该图以 街区为单位，可以反映各时刻的用电量，并可将用电量与人的平均收入、建筑类型等信息进行比照。通过完善“电力地图”，能更准确地反 应该区经济状况及各群体的行为习惯，以辅助投资者的决策，也可为城市和电网规划提供基础依据。
数据质量的高低、数据管控能力的强弱直接影响了数据分析的准确性和实时性。目前，电力行业数据在可获取的颗粒程度，数据获取的及时 性、完整性、一致性等方面的表现均不尽如人意，数据源的唯一性、及时性和准确性急需提升，部分数据尚需手动输入，采集效率和准确度 还有所欠缺，行业中企业缺乏完整的数据管控策略、组织以及管控流程。用智能信息基础设施替换复杂的孤立的数据库，让企业能够在需要 时捕捉、存储信息。也有观点认为，可以倚靠软件的处理能力来甄别“垃圾”数据和“有价值”数据，需要制定一个数据采集的标准，在时 间、精度上进行规范，从而为后续的数据分析打好基础。
结束语
信息交换接口标准化对信息系统内部和信息系统之间各种软件和硬件的接口与联系方式，以及信息系统输入和输出的格式制定规范和标准， 包括各种数据库的数据交换格式，不同信息系统之间数据的转换方式等。云数据分析标准化终极目标是通过可靠的数据提升数据在使用中的 价值，只有实现了数据标准化，才能充分保障信息系统的健康，支持企业的战略发展。
围绕云数据分析标准化首先是分析影响数据质量的因素，保证数据的真实有效；其次是推动云数据分析体系建设，推进数据格式接口、开放 共享、数据质量、数据安全、云数据分析平台等研制；最后是建立标准符合性评估体系，推动产业和应用的支撑作用。影响数据质量的因素 主要来源于四方面：信息因素、技术因素、流程因素和管理因素。数据标准化处理主要包括数据同趋化处理和无量纲化处理两个方面。数据 同趋化处理主要解决不同性质数据问题，对不同性质指标直接加总不能正确反映不同作用力的综合结果，须先考虑改变逆指标数据性质，使 所有指标对测评方案的作用力同趋化，再加总才能得出正确结果。
参考文献：
[1]刘振亚.国家电网公司“三集五大”管理变革探索与实践.中国电力出版社.2015.6
[2][英]维克托•迈尔-舍恩伯格 肯尼斯•库克耶.云数据分析时代.浙江人民出版社.2013.1
论文作者:赵东华
论文发表刊物:《电力设备》2018年第12期
论文发表时间:2018/8/8
标签：数据论文; 电力论文; 信息系统论文; 信息论文; 因素论文; 能力论文; 工作论文; 《电力设备》2018年第12期论文;