摘要：电力系统分为发电、输电、变电、配电四个部分，电力系统运行过程中的实时性与动态性使其必然会产生大量数据，积极利用好这些数据可以给电力企业发展带来极大的便利，能够有效提升电力管理效率，增加电力企业经营效益。电力运营监控中心的总目标是电力企业的整体效率及效益，即基于五位一体的管理要素，通过关键流程环节的电力数据监测，及时发现跨业务、跨部门流程中的衔接短板，有效优化业务流程，增强部门协同性，促进电力企业综合管理体系高效运转。因而，电力企业要积极培训相关电力运营监测员，要求其积极展开对电力运营监测系统平台的学习，促进电力企业对数据的利用，从而为供电部门的供电服务工作提供支持。
关键词：大数据技术；电力运营；数据管理
1大数据分析
目前，在大数据的定义上，还没有明确的分析和定位。但是很多人认为所谓的大数据是指传统数据，不能用传统的分析工具来分析和处理数据。从大的角度来看，大数据被认为是一种能够分析大量数据的技术系统。目前，对于大数据的应用，涉及到金融、医疗、能源等多个领域。在这些领域中，通过数据的融合、挖掘和分析，进而在海量数据分析中寻找有价值的信息，为企业的运营和发展提供依据。大数据分析在电力行业的应用，由于涉及到电力、输电、输电等多个环节，但总结起来，大数据的应用主要集中在以下三个方面：
（1）为电网企业自身的经营管理提供决策支持。该模型通过对各种电力大数据的集成和分析，挖掘出用户的功耗特征，提高了电力需求预测的准确性，从而提高了企业的运行效率。此外，该模型还可用于电网企业利用大功率数据。企业决策提供了更广泛、更深入的数据支持，增强了企业发展趋势的预见性。
（2）基于能源的能源数据集成服务平台。该平台由具有资本和数据优势的电网企业提供。通过对供电、消费及相关技术数据的综合分析，为参与该平台的各类用户提供了大量的数据分析和信息服务，并给出了能源管理方案。其目的是节约能源，降低用电成本。
（3）提供智能节能新产品的研究和开发的支持。该模型结合了能源供应和消费数据，结合大量的数据信息和制造技术，并开发出新的节能环保产品，为消费者提供低利率、高能源效率的能源消费和电力消费。
因此，总结和归纳大数据技术在电力行业中的应用，对于电力行业大数据应用的优化起着非常重要的作用。
2大数据时代电力运营监控系统的数据处理
2.1 监控数据的类型
2.1.1 基础型数据
电力运营监控系统中的基础数据是指在系统运行过程中形成的基础数据信息，其主要内容有电流大小、电能大小以及电流稳定性等。
2.1.2 电力企业的运营数据
运营数据是指电力企业的生产过程中形成的数据信息，其中包括电力销售量、电量交易价格以及用电数据等。电力企业通过对这些数据的分析处理，可以发现电力系统运行过程中需要着重关注的问题。
2.1.3 电力企业管理数据
管理数据主要是指ERP、协同办公等数据，这些数据通常只能在特定的条件下同步与共享，通过对这些数据的分析处理可以在一定程度上方便各部门供电服务工作的有序开展。
2.2 对于监测异动数据的处理
在电力系统运行时，异常情况的产生会进一步形成异常数据，所以必须要及时对异常数据进行处理，这样有利于提升电力企业供电服务以及电力管理的工作效率，对发现的问题及时采取措施解决。电力系统出现数据异常通常表现在以下几个方面：①业务方面的异动。业务方面出现的异动一般是指在电力业务方面，部分电力数据出现异常的变化，进而产生问题；②接口方面的异动。在数据传输时，如果发现数据接口产生异常，接口就会发生异动；③数据质量方面的异动。按照配置规则，对数据接入及时并且准确地进行校验，针对校验结果，形成的异动信息。
2.3 电力企业一体化整合集成平台
在“十九大”提出的“推动信息化与工业化深度融合”的背景下，各个电力企业都积极融入大数据时代，积极通过信息化手段来提升电力企业的核心业务模式。电力系统信息化与智能电网建设是相辅相成的，电网信息化在大数据时代的背景下已经逐渐显现出顽强的生命力与发展潜力许多电力企业通过建立集团统一的信息化生产管理平台，在信息化的基础上，逐步将大数据处理统一应用于集团层面，建立了完备的统一生产系统与多业务平台。这种生产系统与多业务平台从本质上来说均属于大数据时代背景下的数据集成分析处理平台。从系统架构层面看，无论是涉及数据存储的数据架构，还是涉及数据分析处理的技术和应用架构以及上层业务架构，均与大数据的抽取与集成、分析、解释技术密切相关。因而，大数据时代的电力企业信息化建设需要分别从上述角度进行深入考虑，使大数据集成和分析平台高效、易用并且可扩展。
3大数据技术在运营管理中的具体应用
为更加直观的表达大数据技术在电力部门日常运营管理中的应用，本文以电力市场负荷需求预测为例，就上述大数据技术在电力部门的具体应用进行研究。而在电力部门服务的日常运营中，加强对电力需求的预测，从而为后续的电力调度和电网建设提供参考，是当前电力部门提升自身服务水平的一个显着标志。本文首先提出电力负荷预测的框架，然后以广东某电力部门的运营数据作为基础，对其数据进行挖掘分析。
3.1负荷预测框架搭建
对电力负荷的预测来讲，首先需要构建一个功能强大的数据分析和处理平台，这是实现负荷预测的基础，也是关键。而通过上述的分析看出，海量数据的分析，电力负荷的分布较广，并呈现出典型的地域性的特点。同时，受到多种因素的影响且作用方式不尽相同，负荷类型丰富、发展规律多元。因此，在对电力数据进行挖掘前，需要对不同的电力负荷数据进行分区，分别挖掘各分区内客户用电规律，然后利用适合大数据处理的聚类方法，区分不同的客户负荷类型，将变化规律相似的负荷划归一类，针对类负荷结合分区内经济、城市规划等数据进行影响因子关联性分析；最后在区域用电结构分析的基础上实现各分类负荷预测模型的有效综合，其中区域用电结构分析与预测分区对应，与大区域的经济结构、产业结构等密切关联。
3.2负荷数据聚类
为方便对数据进行聚类，在本文中引入K均值聚类算法。该算法的原理是对给定数据集合分类，将数据分为K类。然后通过隶属度来表示不同数据的相似程度，并使得目标函数达到最小。
3.4模型的具体应用
结合上述的模型，以广东某电力公司2012年～2015的营销数据为例，并将该模型与传统的灰色模型法进行比较，从而得到如表1的比较结果。
表1 电量预测结果
结论
对大数据进行分析、总结以及处理可以得出准确及时的信息，这对于电力系统运行来说具有非常重要的作用。所以，在大数据时代背景下，电力运营监控部门要增强对电力系统数据的分析、总结、处理以及应用，对于不同类型的电力自动化系统，这些数据分析内容可以对怎样实现电力自动化数据提供针对性的指导，这样有助于大数据时代电力系统数据处理以及应用的快速发展。
参考文献：
[1]吴佳艺.大数据背景下谈电力运营监控数据处理技术[J].低碳世界，2017（17）：235-236.
[2]李小兰，田小蕾，倪志坚，等.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.
[3]聂爱民.浅谈大数据在供电企业运营监控中的应用[J].今日科苑，2015（12）：65-66.
[4]肖杰.刍议大数据背景下电力运营监控数据处理技术[J].大科技，2017（26）：51-52.
论文作者:耿建,王蕾,李艳,李温
论文发表刊物:《电力设备》2018年第6期
论文发表时间:2018/7/9
标签：数据论文; 电力论文; 负荷论文; 电力企业论文; 技术论文; 电力系统论文; 数据处理论文; 《电力设备》2018年第6期论文;