（1.国网天津市电力公司城东供电分公司 天津 300250；
2.国网天津市电力公司客户服务中心 天津 300250）
摘要：当前，全球能源互联网作为解决“资源紧张、环境污染、气候变化”问题的一揽子解决方案，其可能性已经得到多方论证。电力企业中，班组作为最小颗粒度的企业组织，发挥着政策精准落地执行的重要作用。全球能源互联网在班组能否有效落地，对于电力企业班组建设提出了新的课题和严峻的挑战，笔者在多年从事班组建设的经验基础上发现，班组作为企业最基层的组成细胞，其活力对于企业发展起着决定性作用，提高班组活力的一大有效手段就是班组学习。改善班组学习模式，提升学习效率，实现知识共享一直是制约班组学习效果的几大难题。
关键词：能源互联网；电力；大数据；发展分析
1导言
随着“互联网+电力”模式的发展，尤其是电力设备技术、传感技术和测量技术等先进技术在电力企业中的应用使得以智能电网为代表的能源系统得到大力的发展，有效的推动了能源企业的智能化、安全化的管理。借助信息系统和智能传感技术催生电力行业数据的增长，因此现有的传统的数据分析方式和方法无法满足智能电力时代发展的要求，因此，加强对电力企业信息数据的采集与存储，提升电力管理水平需要发挥大数据技术优势。
2未来蓝图与支撑技术
能源公共服务平台的定位是多元化的数据融合与信息展示支撑平台，是各方数据的汇集点，也是大数据分析、信息挖掘和融合的基础平台。能源公共服务平台向下依托大量的采集数据源获取真实可靠的数据，通过数据挖掘、分析和多元信息融合进行分类存储；向上为业务应用提供可靠的信息源，同时为各种应用开发提供合理、方便快捷的接口和开发环境，作为运行控制系统中各类高级应用的支撑。能源公共服务平台依托物联网、大数据技术，在基础数据采集中采用综合感知设备，采集设备状态、环境、用户等信息的准确性和时效性，及时监测电能质量、环境的变化及用户的用电负荷情况，满足全面感知的要求；同时整合多源能源数据，通过交换集成所有的测点采集与系统转发的数据。
2.1能源公共服务平台架构
能源公共服务平台围绕硬件资源、基础软件、网络通信、数据集成、计算支撑、应用支撑、安全管控等７个方面，全面深化建设，构建适合多元化的数据融合与信息展示的基础平台，实现能源生产者和能源消耗者的即插即用与协调优化控制，并实现与能源互联网的交互与主动优化控制。硬件资源包括：CPU计算资源、内存与硬盘存储资源、网络带宽资源，通过虚拟化的方式来进行灵活扩展、统一管理、对外透明服务。基础软件主要包括：分布式计算环境、分布式数据存储、平台总线３方面的基础软件。为支撑多源大数据，面向网络通信、数据存储、数据计算３大类资源分别作为数据的支撑设计，数据支撑功能包括３大类，分别是：一是网络通信：主要包括满足海量数据通讯的信息传输、开放的服务接口、统一的服务管理；二是数据集成：通过通信和集成所有的测点采集与系统转发的数据组成数据海，其中包括多渠道数据接入、多源数据融合与多维数据管理功能，支持系统数据与采集数据的即插即用；三是计算支撑：主要为满足大数据计算分析处理的要求，包括数据搜索引擎、数据处理接口与计算引擎。另外，系统考虑各部分的安全系统，重点对硬件资源、软件服务、数据的安全做统一的考虑，构筑了统一的安全管控体系，为系统的安全提供强有力的保障。其中包括：资源管控、软件安全、数据安全、权限管理、安全审计等功能。
期刊文章分类查询,尽在期刊图书馆通过整合通信、存储、计算资源，对应用服务提供统一的支撑，满足接口开放、多样、支撑大数据、人机物互动的特点。以上共同形成了硬件、软件、数据、业务人员四位一体的公共服务平台，能够满足对多源能源大数据的支持，又能有力地支撑能源互联网的各类应用服务，形成统一的能源公共服务平台。
2.2多源能源数据集成与服务技术
多源能源数据集成技术是构筑能源公共服务平台数据基础的核心技术，位于平台的前端，其核心技术包括多渠道数据接入、多源数据融合技术和多维数据管理技术。一是多渠道数据接入。研究多源数据的即插即用接入技术，实现电力管理系统类和能源设备采集数据等多类不同来源数据的即插即用数据接入。二是多源数据融合。研究面向电网对象的多源异构数据集成与管理技术构建大数据集成与管理平台，形成融合多源数据的能源模型库，为各类智能电网应用提供基础数据支撑。三是多维数据管理。研究面向智能电网的数据、模型、算法、展示共享管理技术，使得系统的各项应用能够更好地统一集成于平台。
3能源互联网形势下电力大数据发展的支撑技术
3.1大数据解析技术
大数据解析技术的关键是解析数据和分析数据，实践证明数据类型之间存在直接关系、隐蔽模式，智能电网大数据就是将配电系统定义为独立的子系统，各个子系统之间交流期间，能够出现新的信息，这些新的信息经过相互加工之后能够形成一个数据系统，实现了配电系统数据的融合与交流因此，大数据解析技术在智能电网中的应用主要表现为以下几个方面。一是过程挖掘。过程挖掘就是为了构建事件数据与处理模型之间的联系，以此转化为事件数据。在特定的系统中，记录的相关事件能够确定人群行为的特征，这样可以模式化轨迹或行为从数据事件中挖掘出来，以此形成规范的模型。如果偏离模型的轨迹存在于数据中，则可以通过规范化的模型进行修正，以此保证行为符合规范。二是数据可视化。数据可视化就是将数据库中的数据转化为数据形象，以此便于观察。大数据技术应用到电力系统中的可视化就是将相关的数据展示给工作者，以此便于及时发现于纠正电力系统中存在的故障等，因此可视化技术是大数据发展的核心技术。将解析技术于可视化结合起来可以提供以下服务：剔除电力系统没有价值的数据，并且将电价波动等内容选取出来、提供完善的配电网数据信息、预估配电过程中存在的不确定性变化点。
3.2能源应用支撑技术
能源应用支撑技术是能源公共服务平台与上层应用之间的桥梁，结合应用需求提供对上层应用的支撑，以更好适配各类应用系统。通过数据模型构建生成业务分析任务所需要的数据，通过业务规则管理将业务逻辑拆分为多个计算机处理任务，通过认知计算将人的任务分析、识别、分解、匹配为计算机的任务，实现人机自然无缝交互。
3.3数据驱动决策方法
依据大数据作用程度对数据驱动决策方法进行分类，主要分为以下3类：一是数据驱动为主，模型为辅的决策，它的最大特征是不完全采用、不抛弃原有的模型，通过模型和数据的相互启发与匹配，采取渐进方式完成决策制定；二是数据驱动无模型决策，它指的是一种数学模型，模型中隐含决策系统，这种决策方式主要是对规律性强、规模大且重复进行的行为进行决策；三是以大数据分析为主的决策，指的是基于以往方法或模型对大量数据进行分析，依据分析结果进行决策。
4结论
通过对上述的内容进行分析研究之后可以得出，总而言之，能源互联网形势下的数据应用是在公共数据平台提供的信息源基础上开展的场景应用开发，从而可以进行广泛的业务支撑与应用展示。适用于能源互联网环境的能源公共数据服务平台，是未来能源互联网的“分析应用中枢”，为整个能源网的运行提供必要的基础数据支撑和决策支持。
参考文献：
[1]李琳琦，梁刚，张亚颖，王钰，韩晓冰.全球能源互联网班组云端知识建设[J].管理观察，2017，（03）：186-187+192.
[2]吴全才.能源互联网形势下的电力大数据发展趋势[J].信息与电脑（理论版），2016，（18）：147-148.
[3]谭伟聪，明建成，卢世祥，罗敏.能源互联网下的中长期电力需求预警理论框架[J].电力建设，2015，36（11）：98-102.
[4]邱明杰.在能源互联网新格局中成为参与者和引领者[J].通用机械，2015，（10）：16-17+24.
[5]田璐.能源互联网时代下的电力企业发展趋势研究[J].现代国企研究，2015，（16）：50.
[6]李栋华，耿世奇，郑建.能源互联网形势下的电力大数据发展趋势[J].现代电力，2015，32（05）：10-14.
论文作者:刘志超,邹禹平
论文发表刊物:《电力设备》2017年第29期
论文发表时间:2018/4/11
标签：数据论文; 能源论文; 互联网论文; 技术论文; 班组论文; 电力论文; 服务平台论文; 《电力设备》2017年第29期论文;