摘要：根据国家电网有限公司的定义，智能电网旨在集成新能源、新设备、传感技术、信息技术等先进技术，形成新一代电力系统，提高电网系统运行的安全性、稳定性、经济性以及资源配置的合理性，最终为用户提供可靠、高效、清洁、友好的电力供应和增值服务。智能电网的构建与运行要以智能电网的数据资产管理为基础，而要解决好智能电网数据资产的管理问题，风险管理是重要的着手点。
关键词：智能电网；数据资产管理；风险管理；供应链管理
1智能电网数据资产管理的风险识别
1.1数据质量
由于电网数据具有多源、异构、高维等特征，在经过采集、通信、入库等环节之后，形成的数据质量较低，数据处理成本高，难以进行更深层次的数据挖掘和管理工作。此外，因为缺乏统一的行业标准规范，各个数据系统相对独立地进行设计和管理，所以容易造成工作重复和成本浪费。提高数据质量是目前首要解决的问题。建立统一的数据标准是目前的主流解决办法。虽然该方法后期有助于实现数据的规范化，并降低数据预处理成本，但同时也意味着初期实现新旧转换时需要付出高昂的成本，建立标准规范和完成数据库重构。因此传统企业对于数据治理的接受态度以及所需的人力和时间成本的不确定性是风险之一。
1.2数据安全
单从数据管理的角度来看，数据安全包括数据隐私性、数据传输、数据存储3个组成部分。数据隐私性首先体现在电力数据采集阶段。未来智能电网将会和物联网有密切联系。以家庭用户为例，各种家用电器会携带传感器采集不同种类的数据，电力企业除了采集电压、电流、时间等用电数据之外，还可能由于业务需要进一步采集其他数据。这些新增数据需求可能会暴露用户资产、生活习惯等隐私信息。对于企业用户而言，这些数据甚至会涉及公司机密，因而风险更大。数据隐私性还体现在电力企业对数据分析和应用的阶段。电力企业给各个系统分配的数据权限和数据脱敏处理等环节都需要法律法规进行规范。但为了进行精细化和个性化的电力运营，有些数据挖掘情境下还要保证数据的真实性和完整性，这时就更应该权衡好数据的真实性和隐私性之间的关系。若数据隐私问题不能处理好，电力企业将随时面临法律风险。数据传输的风险在于传输介质和传输协议的安全可靠性。数据存储方式多采用基于Hadoop的数据仓库进行分布式存储，但分布式存储可能会难以满足实时性要求，有潜在的技术风险。电力大数据有很高的应用价值，因此数据在采集、传输、存储和处理过程中会面临更大的流失和被窃取等风险，数据安全的管理显得尤为重要。
2智能电网数据资产风险管理的内容
2.1数据治理
数据治理是智能电网数据资产质量的保证，也是数据资产风险管理的基础工作。当前数据治理工作需要解决数据结构冗余、复杂的问题，使用实体匹配技术进行数据清洗，对不同系统中的数据结构和数据库进行重构，建立统一的数据规范，实施元数据生命周期管理。目前，国际电工委员会（IEC）已经设计出了一套智能电网标准地图，其中可以看到提倡采用的通信协议组件以及用例分析。它们制定的国际标准涵盖安全性、互操作性、效率性、兼容性和环境影响等诸多方面。我国学者对电力数据规范也有一定的实践研究。传输协议不一致和业务数据多源异构是我国智能电网实施中遇到的两个突出问题，因此需要规范化数据源，并采取通用协议进行传输，之后采用全过程数据处理将数据的预处理、交付与计算过程涵盖起来。为了做好数据治理的风险管理，要求在统一标准制定前，深入能源电力相关行业进行实际考察，避免标准制定与实际生产脱节而导致的成本高昂和不具有可行性的问题。多源分散和新进入企业会造成数据质量参差不齐，数据治理是解决该问题的关键，也是智能电网数据资产管理的基础。
期刊文章分类查询,尽在期刊图书馆
2.2数据安全
现有研究认为，电力数据安全管理主要包括3部分工作：数据安全管理体系建设、数据安全技术防范体系建设、数据安全评价与考核工作。笔者认为，在具体化到数据资产安全管理时，还应当强化对资产属性的保护，包括数据存储安全、隐私数据安全和决策知识安全。智能电网数据资产的海量和高价值属性使得其对数据存储安全有着很高的要求，多样、灵活、稳健、高并发的数据存储方式才能够满足需求。设计的基于MongoDB技术实现大规模存取、分片负载均衡和读写分离的电力数据存储架构是一种理论可行的架构。由于隐私数据在精细化运营中具有较高的变现价值，因此需要对隐私数据进行足够的保护。为了研究在物联网中收集数据的操作价值与消费者隐私之间的权衡，引入推理隐私作为新的隐私指标，提出了用于量化物联网中这种权衡的一般框架和用于概念验证的智能电网应用程序。此外，对于电力用户隐私安全风险，要求通过国家立法对采集数据的敏感性进行明确的界限和权责划分。企业内部要对采集到的数据进行必要的脱敏处理，为不同的业务分配合理的数据权限，并在数据发布时防止泄漏。此外，通过数据挖掘得出的决策知识是企业提炼出的知识，甚至是企业的核心竞争力的构成部分。针对来自恶意竞争引发的数据安全风险，要求企业建立先进完备的数据传输、存储和保护机制。在理清了数据安全治理的一些基本问题之后，认为数据安全能力成熟度是数据安全治理的根本抓手。
2.3智能电网供应链数据共享
供应链数据共享不仅涉及数据资产的风险管理，还涉及智能电网项目整体的风险管理。当系统互连之后，原有的壁垒作用减弱，一旦发生数据错误或泄露，就会在短时间内波及多方。为了降低此类风险，从技术层面，需要在系统间建立灵活的数据交换/隔离和风险识别机制，合理分配数据库权限，并从数据库备份、容灾等多方面优化数据库设计，从传输路径、传输协议、传输方式等方面优化数据共享过程中的流通安全。同时，从供应链管理角度出发，还需要借助博弈论等方法建立适用于供应链成员的数据共享约束机制，对供应链合作伙伴进行有效的管理，从而增强整个系统抵御风险的能力。
2.4客户信用风险控制
客户信用风险在传统电网和智能电网中普遍存在。电力系统通常采取赊销方式，电费和其他应收账款是电力企业实现利润并进行电网建设和运行维护的重要来源，因此对客户进行风险控制是很有必要的。许多地区供电公司对此类风险采取了控制措施，一般以智能电网数据资产中的客户数据和销售历史数据（包括客户的用电行为、缴费历史、外部评价、失信记录等）为基础，建立客户信用评价指标体系，对客户进行计分和评级。采用客户信用风险模型后，可以达到对此类风险的有效管理和控制。为不同客户提供的差异化的策略（包括为优质用户提供更稳定的电力供应、对信用等级低的客户使用不同的定价策略或收费策略等），从而通过对电力数据资产的合理利用，实现对电力资产的增值和保护。
3结语
智能电网本身的复杂性使得目前我国各部门智能电网数据的管理水平参差不齐，数据资产化存在诸多风险。因此，风险管理成为智能电网数据资产化工作推进的必要环节。为智能电网数据资产的风险识别与管理提出了数据治理、数据安全、供应链数据共享、客户信用风险控制等建议。从行业的复杂性和特殊性入手，因地制宜地进行智能电网数据资产的风险管理，才能真正发挥数据科学的实践意义，为可持续发展提供强劲的推动力。
参考文献：
[1]冷喜武，陈国平，蒋宇，等.智能电网监控运行大数据分析系统的数据规范和数据处理[J].电力系统自动化，2018，42（19）：169-176.
[2]崔立真，史玉良，刘磊，等.面向智能电网的电力大数据存储与分析应用[J].大数据，2017，3（6）：42-54.
论文作者:文云,明涛,马倩,王平,迪力尼亚•迪力夏
论文发表刊物:《电力设备》2019年第14期
论文发表时间:2019/11/21
标签：数据论文; 电网论文; 智能论文; 资产论文; 风险论文; 隐私论文; 风险管理论文; 《电力设备》2019年第14期论文;