摘要：随着国家电网公司“两个转变”的深入推进，公司党组在“三集五大”体系建设中做出了建设总部和省（市）两级“运营监测（控）中心”的重大战略部署，实现对公司经营管理 24 小时即时在线监测分析，实现对规划、建设、运行、检修、营销、人资、财务、物资等业务全方位监测分析，实现对计划预算、资金收支、电力购销、资产全寿命周期、供电服务、产业发展、金融领域等全流程监测分析，构建集“全面监测、运营分析、协调控制、全景展示”于一体的综合管控平台。在国家电网公司运营监测（控）工作会议上，公司领导指出“数据是公司重要的公共资源，要牢固树立数据资产管理理念，真正将数据作为公司战略资产进行管理；各网省公司运营监测（控）中心要充分发挥主观能动性，不等不靠，主动作为；要充分利用大数据理念和方法，借鉴和应用国际最先进的技术成果和工具，与公司管理提升相结合，推动用数据来指导和管理企业，促进公司经营管理水平的全面提升”。可见，公司依法治企、管理提升、深化大数据应用工作等新形势都对运监工作提出了新要求。运营监测（控）工作必须要以数据资产为依托、以发现问题为导向、以异动管理为抓手，以主题建设为根基，挖掘明细数据，强化监测分析，深化协调控制，通过引导、动态预警和及时纠偏，促进公司运营效率和经营效益持续有效提升。
关键词：电力；运营；监测；控制；系统应用
1运营监测（控）体系建设的意义
1）运营监测（控）体系的建设是“三集五大”体系的重要组成部分。目前，国网公司转变公司发展方式的核心是“三集五大”，它创新了公司经营管理的方式，优化了业务流程，对公司的发展具有非常大的意义。所谓“三集五大”指的是人力资源、财务、物资集约化管理和大规划、大建设、大运行、大检修、大营销体系。“三集五大”体系的建设，一方面使得机构和人员获得进一步的精简，从而提高管理水平、提升了管理效率；另一方面又对专业间横向协同提出了更高层次的要求。而运营监测（控）体系的建设正是建立在“三集五大’，体系的基础之上的，因此运营监测（控）体系的建设，对于国网公司的发展来说具有巨大的促进作用。它在业务上加强了监测与分析，为业务的正常运行提供保障，建立了“全面监测、异动分析、反馈改进”的闭环管理机制。闭环管理机制的建立不仅加强了各专业间的业务融合与横向协同，还为“三集五大”体系的顺畅运转提供了保障。
2）运营监测（控）体系建设是公司长久稳健发展的客观要求。公司要提高管理效率、提升经济效益，建设运营监测（控）体系是其必然的选择。国网公司要想成为“一强三优”的现代公司，并实现“两个一流”的远大理想，就必须采取切实可行的措施不断提升公司管理水平，提高公司运营效率、经济效益以及社会效益，而运营监测（控）体系建设的最终目的就是为了提高公司经济效益的。运营监测（控）体系能够及时地发现公司运营中出现的问题，从而能够有效地提高公司运营的效率，同时它还有利于于公司核心资源配置的优化，从而推进公司的高效运转，继而促进了公司的发展。
3）运营监测（控）体系建设是强化公司风险防控的重要手段。由于现在我国社会上对国有企业与垄断行业的关注越来越多，导致对其的要求也越来越高，监督也随之越来越严格。国网公司作为我国典型的老牌国有企业，公司内部历史遗留的问题还很多，并随着其发展又不断出现新的问题与矛盾，这大大限制了公司的发展，增加了运营风险。而运营监测（控）体系的建设正好有效地解决了这一问题，它能够通过监测运营风险及时地发现运营中出现的问题，并能实时预警，从而加强了公司风险防控的能力。
2基于大数据挖掘的运营监测（控）体系建设
2.1 业务模型运作模式
数据资产关联库与运监业务主题库是运营监测体系的核心组成部分。关联库立足于数据层面，注重关联关系；主题库立足于业务层面，注重因果关系。主题库和关联库相对独立但又互相促进。大数据挖掘技术贯穿监测分析始终，通过主题库和关联库的有效运作，不断挖掘数据资产的价值，实现主动式运营监测。扩充与更新业务监测范围、实时全面监测、问题穿透分析、趋势预测以及辅助决策提升五个目标的实现依赖于对关联库与主题库中各类阈值、规则、模型的使用。
期刊文章分类查询,尽在期刊图书馆运营监测模型抽取新的（实时）数据资产，使用在线计算手段对数据资产中的重要监测指标、明细数据进行统计分析，并将相关结果与两个库中存储的关联关系阈值等进行比较实现关联关系的异动监测；通过调用两个库中存储的预测模型等进行实时分析，实现趋势预测目标。运营监测模型抽取实时数据，调用两库中的关联关系、判断规则、仿真模型、决策树等模型，并结合专家经验实现对问题的穿透分析，以及方案的辅助决策目标。关联库立足于数据角度，通过大数据挖掘以及人工梳理进行创建。关联库的创建主要有三个来源：一是通过大数据技术对海量数据资产的挖掘产生隐性、模糊的数据关系；二是通过对业务关系分析产生显性、明确的数据关系；三是通过对主题相关规则整理产生显性数据关系。主题库立足于业务角度，考虑公司要求与专家经验的同时，通过大数据分析规律进行创建。主题库创建的基础来源于设计人员对热点难点和问题的收集、整理。监测主题对应的监测专题以及判断规则主要也有两个来源：一是对专家业务经验进行固化；二是通过大数据挖掘技术产生数据之间的关联规律及规则。大数据挖掘既可以直接作用于主题库，又可以通过关联库间接作用于主题库。大数据技术贯穿整个运营监测的始终，是对专家经验的补充、验证与提升，是公司运营监测工作实现科学、高效、经济的有力保障。
2.2大数据挖掘对运营监测（控）工作的支撑作用
2.2.1 扩充或更新业务监测范围
运用大数据技术创建数据关联关系，发现数据关联规律，设定关联关系阈值，进而扩充业务监测范围或更新监测内容。
2.2.2 对实时监测分析的支撑
运用大数据在线计算、分布式计算等技术，丰富业务的监测计算手段，实现业务的实时监测分析。实时监测分析主要包括业务数据及其关联关系异动监测两个方面。对于业务数据，重点关注监测对象的选取，同时考虑准确性、及时性；对于关联关系的异动监测，首先选择核心的关联关系，对其变动趋势进行实时监测。
2.2.3 对问题穿透分析的支撑
大数据挖掘技术对问题穿透分析主要体现在两个方面：一是采用大数据挖掘技术寻找数据之间的关联关系来深入发现问题。通过大数据关联分析方法可以很好地分析出数据之间存在的关联关系，并确定关联关系的强弱来寻找潜在的问题细节。二是基于某个业务主题，采用大数据技术对数据进行深入挖掘和分析，在关联分析的基础上，结合专家经验的梳理可以很好地促进公司对于问题因果原因的判断，追本溯源，定位问题的根源。
2.2.4 对业务趋势预测的支撑
主动探寻事前预防监测的范围，并运用大数据挖掘技术创建业务预测分析模型，使运营监测从事后寻因转为事前预防监测。大数据挖掘中通常构建各类预测模型来实现对指标数据以及业务明细数据的预测。对于离散型的数据通常使用分类模型来实现预测，对于连续性的数据通常使用回归模型来实现预测。常用的分类分析方法有决策树、神经网络、支持向量机等，常用回归分析方法有线性回归分析、逻辑回归分析、Cox回归分析等。不论是分类预测还是回归预测，基于大数据的预测通常都需要对大量准确、全面的历史数据进行训练，不断地调整相关参数才能得出准确的预测模型。通常利用大数据的分布式计算来实现预测模型的创建，利用内存计算来实现对于监测指标或者业务明细数据的实时预测。
2.2.5 大数据挖掘对数据资产关联库、运营监测主题库的支撑
大数据挖掘对数据资产关联库的支撑作用主要是通过大数据挖掘技术发现数据之间关联关系和统计规律，创建重要数据的预测分析模型。大数据挖掘对运营监测业务主题库的支撑作用主要是大数据挖掘技术将主题的监测分析对象拓展到明细数据，促进规则和算法的产生并实现实时监测和在线分析，通过挖掘数据关联支持穿透分析，借助预测算法和模拟仿真等技术完成影响分析和改进策略研究。
结束语
基于大数据挖掘的运营监测（控）体系建设是公司挖掘数据资产价值，促进经营管理变革，适应电力体制改革的必由之路，建议在遵循大数据挖掘、运营监测（控）业务以及信息化建设等客观规律的基础上，合理规划，高效推进，力争早出成效，为公司把握时代脉搏，加快发展提供有力支撑。
参考文献：
[1]李小兰，田小蕾，倪志坚，冯柳.基于大数据挖掘的运营监测分析研究[J].东北电力技术，2016 37（3）：38-42.
[2]张婧，王文辉.大数据挖掘平台在电力运营监测工作的应用[J].电力设备，2016（20）.
论文作者:陈磊
论文发表刊物:《基层建设》2018年第29期
论文发表时间:2018/11/17
标签：数据论文; 公司论文; 业务论文; 数据挖掘论文; 主题论文; 模型论文; 关联关系论文; 《基层建设》2018年第29期论文;