摘要：随着智能电网的发展，以及电网设施的改造，基于计算机技术的各类信息管理系统的应用，使得电力企业积累了海量的数据。对此，在这些海量数据面前，如何加强对这些数据的分析，从而通过分析结果为电力部门服务，是当前思考的重点。如果能够及时对这些数据进行挖掘，将给当前的电力部门的服务带来较大的提升，并有利于电力企业的运营管理。
关键词：大数据、电力运营；数据管理
前言：
电力公司运营监测信息支撑系统构建了集全面监测、运营分析、协调控制和全景展示于一体的综合监控平台，实现了对公司外部环境、综合绩效、运营状况和核心资源等方面状态的监测和预警，初步完成了项目全过程、物资供应链和资金收支等企业级关键流程的监测。各省市级运营监测系统在此基础上，应用历史5～10年业务数据开展了基于大数据分析的运营监测应用，有效地为业务指标提供了分析和预警，为企业领导决策提供了有力支撑。
一、大数据分析的含义及地位
大数据是针对传统数据而言的，是采用传统的分析工具不能对数据进行分析和处理的。而从广义的角度来讲，大数据则被认为是一种可以对大量数据进行分析的一种技术体系。目前，针对大数据的应用中，涉及到多个不同的领域，如金融、医疗、能源等领域。在这些领域中，通过对数据的融合、挖掘和分析，进而在海量的数据分析中找到具有价值的信息，以此为企业的运营和发展提供辅助决策依据。而大数据分析在电力部门的应用中，由于其涉及到电力的多个环节，如发电、输电等，但是总结归纳起来，针对电力大数据的应用主要集中在以下三个方面：
（一）为电网企业本身的运营管理提供决策支撑，该模式通过对各类电力大数据进行融合、分析，挖掘出用户的电力消费特征，提高电力需求预测准确性，从而提升企业的运营效益，此外，该模式通过利用电力大数据为电网企业经营决策提供更具广度和深度的数据支撑，增强企业对发展趋势的前瞻性；
（二）以电力为中心的能源数据综合服务平台，平台的提供方为具有资金、数据优势的电网企业，通过综合分析电力供给、消费和相关技术数据，通过为参与平台的不同类型用户提供大数据分析和信息服务，给出能源管理方案实现节能降低电力消费成本等目的；
（三）为智能型节能新产品的研发提供支撑，该模式主要通过综合分析能源供应、消费等数据，将电力大数据与信息、制造技术相结合，研发制造新型节能环保产品，为消费者提供低费率、高能效的能源消费和用电方案。
因此，总结和归纳当前大数据技术在电力中的应用，对理顺电力部门大数据应用具有非常重要的作用。
二、大数据分析应用概述
（一）工作台系统
工作台是对数据进行操作的系统平台，通过对大数据按照应用指标、分时段和维度进行重新构造，并在终端显示应用。工作台系统在日常中进行检测和调控，配合系统的综合管理，对企业经营进行24小时在线实时监控分析。同时，通过工作台系统，可围绕核心业务活动与资源，对10年内的业务数据进行定向分析，通过构建监测模型、采用一定的指数体系和指定的阈值，将外部运营环境状况与核心资源综合绩效进行综合，在24小时在线的业务流程动态值下，可以实现对运营过程中设定的异动警报和预警处理。
（二）数据库
检测数据库是建立在总部以及各大分部的两级数据中心资源上的，我们需要足够的支撑区检测分析和展示。在此台面上，将运营检测中心的指标体系进行整合，实现两级数据的整合，使得工作配合更加完善。
期刊文章分类查询,尽在期刊图书馆
理想状态中，数据中心应该分为两类，结构化与非结构化数据库，将整个相关数据系统内同步至数据库中心，可以再数据库完成建模分析工作，同时通过ETL工具进行指定数据的抽取和验证，将指标合理展现。
（三）大屏展示
大屏的展示是系统的输出端口，它包括展示类和检测类，将通过灵活可调控的方式定位展示场景，多方位多角度地进行全面无缝隙检测，使得运营分析和全景展示更加和谐。
（四）全景可视
全景展示下，我们可以创建概念主题库，按照数据库的构建，快速纵览企业概况，综合化地展示其经营成果，体现其协调的管理水平。并通过多维展示发展成果，总结服务成效的进步，将整个热点设计聚焦于一体，目标性地展示公司运营的业绩成绩和管理成效，形成企业完善的形象。
（五）全面监测
企业有自己独立而富含特色的运营模型，运营检测中心对公司的各大版块进行了在线检测控制，实现了外部环境、综合绩效、核心资源、运营状况和关键流程的一体化，将“全天候、全方位、全流程”的核心展示出来。大数据下的分析进度，一般是对当天检测的报道，经过分析比照，报告的内容得以支持，并运用于业务推进，为企业领导的决策增加了准确有力的数据支持，实现了高层的进一步高效化、
（六）资源管理器
管理工具是系统检测运行的重要零件和引擎支持，因为高质量的数据管理、运作合成，都需要工具的精准和合理化，这样才能提供合理有效的数据分析。随着智能网络的发展建设，基于数据中心的企业级数据资源管理工具，将进一步对其数据库进行深入和管控。从保护核心资产安全和权威性权限来说，这样的高级管家是一个整体团队运行所不可缺少的灵魂角色，并且更有利于巩固现有的成果。
三、电力大数据分析技术
电力大数据的从采集开始经过一系列的环节到最后的分析计算，需要耗费较多的时间。智能电表和传感器数据的采集是通过网络给中心数据发送的，其有固定的频率，并且数据采集具有周期性。如果数据采集中出现遗漏或者错误，那么将会不定期进行补采。为了保证数据的有效性，环节相关系统的压力，一般来说，数据在采集完毕之后首先要将其置于前置机缓冲池，进行相关处理。人员、和设备相关的静态信息将会组成档案数据库。
如果档案信息库中的信息需要更新，那么要保证更新好的数据库信息能够被保存在云储存系统中，这样才能保证数据准确。在计算相关数据的时候，要依据业务逻辑进行，同时将计算出来的数据填写在云存储系统中，然后相关系统自动会从云存储系统中筛选出符合客户需求的数据并使用于客户。另外，有一些与档案相关的数据需要进行计算，所以，云存储系统会将这些档案数据的计算结果自动同步在数据库中，以满足客户的使用需求。
结语：
随着信息时代的到来，网络在人们生活中发挥着越来越重要的作用，这就意味着数据处理量在不断加大，这对电网管理提出了更高的挑战。那么如何促进大数据电力信息发展，提高数据信息的处理速度已经成为亟待解决的问题。电力大数据分析技术能够提高电力企业的综合发展水平，促进电网的规范化、快速化发展，有助于促进企业的长远发展。
参考文献：
[1]彭小圣，邓迪元，程时杰，文劲宇，李朝晖，牛林.面向智能电网应用的电力大数据关键技术[J/OL].中国电机工程学报，2015（03）.
[2]吴凯峰，刘万涛，李彦虎，苏伊鹏，肖政，裴旭斌，虎嵩林.基于云计算的电力大数据分析技术与应用[J].中国电力，2015，02：111-116+127.
[3]黄庆键，欧周，林佳亮.关于空间电力负荷预测方法综述与展望[J].自动化应用，2017（02）：79-81.
论文作者:秦潞斌
论文发表刊物:《电力设备》2018年第31期
论文发表时间:2019/5/6
标签：数据论文; 电力论文; 大数论文; 电网论文; 系统论文; 企业论文; 数据库论文; 《电力设备》2018年第31期论文;