國外研究電力系統大數據的時間

A. 電力系統發展史

電力系統發展簡況：

在電能應用的初期，電力通常是經過小容量發電機單獨向燈塔、輪船、車間等供電。這已經可以把其看作是一種簡單的住戶式供電系統。直到白熾燈發明後，才出現了中心電站式供電系統，如1882年T.A.托馬斯·阿爾瓦·愛迪生在紐約主持建造的珍珠街電站。

它裝有6台發電機（總容量約670千瓦），用110伏電壓供1300盞電燈照明。19世紀90年代，三相交流供電系統研製成功，並很快取代了直流輸電，成為電力系統大發展的里程碑。

20世紀以後，人們普遍認識到擴大電力系統的規模可以在能源開發、工業布局、負荷調整、系統安全與經濟運行等方面帶來明顯的社會經濟效益。於是，電力系統的規模迅速增長。

世界上覆蓋面積最大的電力系統是前蘇聯的統一電力系統。它東西橫越7000千米，南北縱貫3000千米，覆蓋了約1000萬平方千米的土地。

中華人民共和國的電力系統從50年代開始迅速發展。到1991年底，電力系統裝機容量為14600萬千瓦，年發電量為6750億千瓦時，均居世界第四位。

輸電線路以220千伏、330千伏和500千伏為網路骨幹，形成4個裝機容量超過1500萬千瓦的大區電力系統和9個超過百萬千瓦的省電力系統，大區之間的聯網工作也已開始。此外，1989年，台灣建立了裝機容量為1659萬千瓦的電力系統。

B. 中國大數據的提出的時間和背景是什麼發展情況和現狀分別是什麼樣的

大數據在中國的發展相對比較年輕。2012年，中國政府在美國提出《大數據研究和發展計劃內》並且批復了「十容二五國家政務信息化建設工程規劃」，總投資額估計在幾百億，專門有人口、法人、空間、宏觀經濟和文化等五大資源庫的五大建設工程。我國的開放、共享和智能的大數據的時代才真正大面積的開始
發展和現狀是：（一）市場規模快速增長，供給結構初步形成 市場規模快速增長。十二五以來，我國大數據產業從無到有，全國各地發展大數據積極性較高，行業應用得到快速推廣，市場規模增速明顯。易觀國際數據顯示，2011-2014年，我國大數據市場規模分別為37.4億元、47.3億元、59億元和75.7億元，年平均復合增長約為27%。易觀國際同時預測，2015、2016年我國大數據市場規模將保持約30%的增長速度，在十二五末市場規模接近100億元。

C. 你認為大數據在電力行業的應用前景有哪些，為什麼

通過使用智能電表等智能終端設備可採集整個電力系統的運行數據，再對採集的電力大數據進行系統的處理和分析，從而實現對電網的實時監控；進一步地，結合大數據分析與電力系統模型，可以對電網運行進行診斷、優化和預測，為電網安全、可靠、經濟、高效地運行提供保障。雲計算、大數據分析等信息新技術必將激活電力大數據中蘊含的價值，也必將釋放電力大數據的市場潛力。根據GTM Research的研究分析，到2020年，全世界電力大數據管理系統市場將達到38億美元的規模，電力大數據的採集、管理、分析與服務行業將迎來前所未有的發展機遇。

D. 電力大數據的電力大數據技術

電力大數據技術滿足電力數據飛速增長，滿足各專業工作需要，滿足提高電力工業發展需要，服務經濟發展需要。電力大數據技術包括：高性能計算、數據挖掘、統計分析、數據可視化等。 數據挖掘技術是通過分析大量數據，從大量數據中尋找其規律的技術，主要有數據准備、規律尋找和規律表示3個步驟。數據准備是從相關的數據源中選取所需的數據並整合成用於數據挖掘的數據集；規律尋找是用某種方法將數據集所含的規律找出來；規律表示是盡可能以用戶可理解的方式（如可視化）將找出的規律表示出來。
數據挖掘的任務有關聯分析、聚類分析、分類分析、異常分析、特異群組分析和演變分析等等。 統計分析，常指對收集到的有關數據資料進行整理歸類並進行解釋的過程。 統計分析可分為描述統計和推斷統計。
1、描述統計
描述統計是將研究中所得的數據加以整理、歸類、簡化或繪製成圖表，以此描述和歸納數據的特徵及變數之間的關系的一種最基本的統計方法。描述統計主要涉及數據的集中趨勢、離散程度和相關強度，最常用的指標有平均數、標准差、相關系數等。
2、推斷統計
推斷統計指用概率形式來決斷數據之間是否存在某種關系及用樣本統計值來推測總體特徵的一種重要的統計方法。推斷統計包括總體參數估計和假設檢驗，最常用的方法有Z檢驗、T檢驗、卡方檢驗等 2012年7月10日，信通公司成功舉辦大數據開啟智能電網新時代研討會。本次研討會作為公司大數據戰略推進重要一環，總結公司大數據戰略實施以來的重點工作，加深理解大數據對電力信息通信事業的意義，促進大數據生態環境建設，並展望公司及大數據未來發展方向。本次研討會特別邀請了中國寬頻資本基金董事長田溯寧博士、《證析》作者鄭毅先生、浙江海鹽供電局徐光年主任做專題演講。
研討會的成功舉辦，使大家進一步了解了大數據、信息通信技術在智能電網發展、未來科技發展的重要意義，同與會各位專家的交流也使大家開闊了視野、增長了知識。本次研討會也標志了電力大數據戰略將進入攻堅實戰階段，與會人員紛紛表示，要牢牢把握住電力信息通信引領智能電網飛速發展的寶貴機遇，以昂揚的鬥志面對新的挑戰！ 2012電力行業信息化年會於2012年11月3-4日在北京舉行。年會由中國電機工程學會電力信息化專業委員會、國網信息通信有限公司聯合主辦，南瑞集團國電通公司承辦。國家電監會信息中心、國家電網公司信息化工作部、中國南方電網公司信息中心、中國電力建設集團公司信息中心、中國能源建設集團有限公司科技信息部以及各發電集團公司、各省電網公司信息部門等為會議的支持單位。
本次年會主題為「大數據與寬頻中國」。「大數據」將給電力企業帶來新一輪商業模式轉變和價值創新，寬頻中國戰略更為電力信息化發展提速。來自國家電力監管委員會、國家電網公司、國網信息通信有限公司、輔業集團公司、發電集團公司、網省公司等單位的30多位專家和代表將圍繞主題在年會上發言或演講。

E. 大數據在電力行業的應用前景有哪些

作者：知乎用戶
鏈接：https://www.hu.com/question/23241126/answer/24036849
來源：知乎
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請註明出處。

作為曾經搞過幾個電力相關項目的人，就自己粗淺的理解，很寫實的回答一下吧，也希望專家指正：
1、國內電網行業相對封閉，很多國外的新技術和新思想並不適用於國內，根本沒施展的基礎和環境；
2、但國內電網行業技術上並不算落後，對國外相關技術的研究其實也都有及時跟蹤和深入理解，只可惜，如1所述，確實沒啥空間。
3、要玩大數據的前提是首先要有大數據，以前電網建設重點都集中在生產環節，配用電環節關注較少，而生產環節，起碼目前，還談不上大數據，相關的數據挖掘倒是一直都需要，也一直都在用。用電信息採集系統（用戶能見到的就是智能電表）等的大面積推廣，意味著與用戶交互最多的配用電環節開始得到重視。
4、配用電環節要做到智能化，確實需要基於海量用戶用電特徵數據分析，進而實現台區的負荷預測、用電調度、有序用電等等。但遺憾的是，理念歸理念、技術歸技術、現實歸現實，雖然智能配用電這一塊理論上都設計的很好，但現實中還有很多問題。
5、以用電信息採集系統為例，其實是一個收集用戶用電行為特徵最好的前端設施，這里需要分鍾級的數據採集頻率，目前一般是15分鍾。即一個小時採集4次。但由於用戶住宅區的分布雜亂無章，要想採用重新布線的有線方式傳輸數據顯然投資過大，PLC又慢又很不穩定。無線的話，GPRS目前使用較多，不過呢，大量用戶數據都走GPRS，且不說費用，數據擁塞是避免不了的，受環境影響，干擾和屏蔽也較多。這樣一來，後台收集數據經常會出現延遲和丟包情況，因此很多數據根本無法全部有效採集。也就不存在完整的海量數據一說，那麼又到哪裡去分析呢？
6、國內確實建設了一些完整的智能電網小區試點，用戶家裡也可以用智能插座，這種環境下用戶數據可以得到有效收集，如果用戶量較大，必然會產生大數據，相對也就需要大數據技術來處理和分析，從而進一步提高電網智能服務水平。但這種整體的改造要用到目前現有電力系統中，顯然不現實，成本過高，電老大再有錢，也不可能去干這種事。
7、從電力的後台系統來說，涉及到了大量的各種業務系統，但這些系統多年的建設過程中因為缺乏頂層設計，所以大多自成體系，數據很難互通共享並提供上層應用服務，因此即便這些數據真的也是海量大數據，但要實現整體的分析挖掘，難度依然十分巨大。
8、風電、太陽能、包括微網的分布式能源接入，其實跟前端用戶用電行為是密切相關的，由於目前還沒有低成本高效率的儲能系統，因此怎麼分配這些能源，怎樣與現有配電網很好的結合也會是十分麻煩的問題，要知道風電和太陽能等都是不確定性能源，對現網沖擊還是很大的。這確實也需要數據分析技術的支持，譬如對風電准確的預測等。這些技術都很早就有人在研究，談不上大數據。除非是大電網環境下，整體都構建成分布式能源，這時候可能才算得上是大數據吧。
8、總結一下，從未來看，智能電網的實現的確需要大數據做支撐，但在我國電網環境下，這將還是一個漫長的過程。當前說大數據，更多是噱頭，吸引眼球和忽悠項目罷了。大部分省級公司的數據更多應該還是結構化運營數據，頂多T級了。

F. 電力企業如何做好數據治理

從技術實施角度看，數據治理包含「理」「采」「存」「管」「用」這五個步驟，即業務和數據資源梳理、數據採集清洗、資料庫設計和存儲、數據管理、數據使用。

數據資源梳理：數據治理的第一個步驟是從業務的視角釐清組織的數據資源環境和數據資源清單，包含組織機構、業務事項、信息系統，以及以資料庫、網頁、文件和 API 介面形式存在的數據項資源，本步驟的輸出物為分門別類的數據資源清單。

數據採集清洗：通過可視化的 ETL 工具（例如阿里的 DataX，Pentaho Data Integration）將數據從來源端經過抽取 (extract)、轉換 (transform)、載入 (load) 至目的端的過程，目的是將散落和零亂的數據集中存儲起來。

基礎庫主題庫建設：一般情況下，可以將數據分為基礎數據、業務主題數據和分析數據。基礎數據一般指的是核心實體數據，或稱主數據，例如智慧城市中的人口、法人、地理信息、信用、電子證照等數據。主題數據一般指的是某個業務主題數據，例如市場監督管理局的食品監管、質量監督檢查、企業綜合監管等數據。而分析數據指的是基於業務主題數據綜合分析而得的分析結果數據，例如市場監督管理局的企業綜合評價、產業區域分布、高危企業分布等。那麼基礎庫和主題庫的建設就是在對業務理解的基礎上，基於易存儲、易管理、易使用的原則抽像數據存儲結構，說白了，就是基於一定的原則設計資料庫表結構，然後再根據數據資源清單設計數據採集清洗流程，將整潔干凈的數據存儲到資料庫或數據倉庫中。

元數據管理：元數據管理是對基礎庫和主題庫中的數據項屬性的管理，同時，將數據項的業務含義與數據項進行了關聯，便於業務人員也能夠理解資料庫中的數據欄位含義，並且，元數據是後面提到的自動化數據共享、數據交換和商業智能（BI）的基礎。需要注意的是，元數據管理一般是對基礎庫和主題庫中（即核心數據資產）的數據項屬性的管理，而數據資源清單是對各類數據來源的數據項的管理。

血緣追蹤：數據被業務場景使用時，發現數據錯誤，數據治理團隊需要快速定位數據來源，修復數據錯誤。那麼數據治理團隊需要知道業務團隊的數據來自於哪個核心庫，核心庫的數據又來自於哪個數據源頭。我們的實踐是在元數據和數據資源清單之間建立關聯關系，且業務團隊使用的數據項由元數據組合配置而來，這樣，就建立了數據使用場景與數據源頭之間的血緣關系。 數據資源目錄：數據資源目錄一般應用於數據共享的場景，例如政府部門之間的數據共享，數據資源目錄是基於業務場景和行業規范而創建，同時依託於元數據和基礎庫主題而實現自動化的數據申請和使用。

質量管理：數據價值的成功發掘必須依託於高質量的數據，唯有準確、完整、一致的數據才有使用價值。因此，需要從多維度來分析數據的質量，例如：偏移量、非空檢查、值域檢查、規范性檢查、重復性檢查、關聯關系檢查、離群值檢查、波動檢查等等。需要注意的是，優秀的數據質量模型的設計必須依賴於對業務的深刻理解，在技術上也推薦使用大數據相關技術來保障檢測性能和降低對業務系統的性能影響，例如 Hadoop，MapRece，HBase 等。

商業智能（BI）：數據治理的目的是使用，對於一個大型的數據倉庫來說，數據使用的場景和需求是多變的，那麼可以使用 BI 類的產品快速獲取需要的數據，並分析形成報表，像派可數據就屬於專業的BI廠商。

數據共享交換：數據共享包括組織內部和組織之間的數據共享，共享方式也分為庫表、文件和 API 介面三種共享方式，庫表共享比較直接粗暴，文件共享方式通過 ETL 工具做一個反向的數據交換也就可以實現。我們比較推薦的是 API 介面共享方式，在這種方式下，能夠讓中心數據倉庫保留數據所有權，把數據使用權通過 API 介面的形式進行了轉移。API 介面共享可以使用 API 網關實現，常見的功能是自動化的介面生成、申請審核、限流、限並發、多用戶隔離、調用統計、調用審計、黑白名單、調用監控、質量監控等等。

G. 國家電網大數據應用 增強企業核心競爭力

國家電網大數據應用 增強企業核心競爭力

從構想到實踐，從論證到試點，國家電網公司大數據應用已經駛向快車道。

在國家電網公司2014年工作會議上，公司黨組明確提出，要強化數據分析，提升數據應用水平和商業價值。去年年底，國家電網公司在總結以往研究經驗的基礎上，正式啟動了企業級大數據平台的設計研發和試點建設工作。經過近一年時間的試點實踐，目前，大數據已經廣泛應用於電網運行、經營管理以及優質服務三大領域，並取得顯著成效。

大數據作為重要的戰略資源已經在全球范圍達成共識。2011年，一些國際組織便發布報告看好大數據；2012年開始，英國、法國、美國等國家相繼啟動了大數據發展規劃。國內，以大數據為主導的信息化浪潮來勢兇猛。去年3月，大數據被寫入政府工作報告；今年8月，國務院印發《促進大數據發展行動綱要》，特別強調通過大數據的發展，提升創業創新活力和社會治理水平；今年10月，十八屆五中全會提出，實施國家大數據戰略。如今，在城市建設、金融、電子商務、公共服務等領域，大數據的應用隨處可見，並正在改變著各行各業。一個大數據的時代已然來臨。

機會在敲門

抓住了機遇，等於成功了一半。對於大數據而言，也是如此。

近年來，移動互聯網異軍突起，加快了信息化向經濟社會各個領域的延伸，形成了獨特的產業競爭優勢。中國信息通信研究院近期發布的《2015年中國大數據發展調查報告》預測，今年中國大數據市場規模將達到115.9億元，增速達38%；預計2016年至2018年中國大數據市場規模還將維持40%左右的高速增長。

在前不久結束的雲棲大會上，阿里巴巴集團董事局主席馬雲說，在未來，計算能力將會成為一種生產能力，而數據將會成為最大的生產資料，會成為像水、電、石油一樣的公共資源。馬雲認為，人類已進入DT（大數據）時代，數據取代了石油成為最核心的資源。

國家電網公司信息通信部主任王繼業認為，不可否認，大數據會逐步為人類創造更多的價值，而對於電網企業來說，研究和應用大數據是提質增效和推動電網發展方式、公司發展方式轉變的迫切要求。

公司「三集五大」體系和堅強智能電網建設，積累了體量大、類型多、價值高、速度快等典型大數據特徵的運營數據，具備了推廣大數據應用的基礎條件。

來自國網智能電網研究院的數據顯示，截至去年年底，公司管理結構化數據49.75TB，非結構化數據213TB，營銷基礎數據130TB，用電信息採集數據達43TB，且公司信息化數據平均每天以10TB的速度增長。

「公司的生產管理和營銷系統已達到幾百PB級數據規模，開展大數據關鍵技術的研究、驗證和應用，構建新型電網企業運營體系，有助於增強價值創造力和核心競爭力。」國網江蘇省電力公司副總工程師王海林強調說。

國網江蘇電力作為公司大數據應用的試點單位之一，在今年夏天便嘗到了大數據的「甜頭」。

國網江蘇電力以用戶信息採集數據為樣本，開展負荷預測工作。王海林說：「今年4月份，我們用大數據預測8月6日將迎來今年最大負荷值8440萬千瓦，實際上在8月5日出現了最高負荷值8480萬千瓦，預測准確率99.53%。」

作為國網公司大數據研究和實施的主要牽頭部門的負責人，王繼業對這樣一個預測結果感到格外高興。「預測之初我們心裡也是有疑問的，畢竟沒有經驗可以借鑒，但最後結果這么精準，證明我們具備和掌握了大數據在負荷預測方面的理論基礎以及數據分析挖掘的能力。」

同樣，國網客戶服務中心也感受到了大數據的威力。目前，客服中心日均處理話務請求量35萬余件。為進一步提高人工服務接通率，減少客戶的等待時間，客服中心依託大數據技術，建立了「實時話務展現及預測」「基於故障事件用戶感知度的主動服務」等場景應用，工作效率顯著提升。例如，通過應用實時話務展現及預測場景，人工服務接通率提升了8%左右，服務效率和效果進一步得到優化。

大數據的優勢不僅僅體現在服務公司內部，在支持新能源接入、提高新能源發電功率和電力負荷預測的精度、提升新能源協調控制水平和綜合能源服務能力等方面也大有作為。

王繼業認為，大數據是智能電網的核心，而智能電網又是全球能源互聯網發展的重要組成部分。隨著大數據深入應用，將促使公司的決策從「業務驅動」轉變為「數據驅動」，進一步提升管理的效率和效益，同時，充分利用這些基於電網的數據，深入分析後將挖掘許多高附加值的服務，有利於電網安全檢測與控制，客戶用電行為分析與客戶細分，電力企業精細化運營管理等，提升公司管理效益、經濟效益以及社會效益。

「不論從外部環境而言還是企業自身發展需要，大數據不是用不用的問題，而是順勢潮流，必須要用。」王繼業感慨道。他說，自己從事電力通信行業20多年，行業變化如此之大，今天和過去已經不可同日而語。「數據表面看是信息，但提煉分析後就能找出相關聯的規律，再藉助各種工具分析規律就變成了決策。大數據的內容很豐富，可以利用的領域很多，它是一個巨大的市場，抓住了大數據就意味著占據了大市場。」

准備好了嗎

縱觀全球大勢，大數據浪潮席捲而來。作為世界上最偉大的科技成果之一，大數據已經成為推進產業變革和重塑產業競爭力的重要力量。順勢而為、乘勢而上，無疑是大數據時代下最核心的命題。

國網公司的大數據具有量大、分布廣、類型多等特點，背後反映的是電網運行方式、電力生產方式以及客戶消費習慣等信息，這些珍貴的數據如果能挖掘分析好也就釋放了大數據真正的價值。例如，用大數據分析新增用電客戶數量與地區經濟發展之間的關系；從電力消費情況看宏觀經濟趨勢等。

中國電力科學研究院技術戰略研究中心高級工程師鄧春宇認為，大數據好比是一個金礦，但是，想挖出金子也並非易事，「做大數據是非常考驗智慧的」。

數據存儲無疑是挖掘大數據「金礦」的一個重要內容。存儲是大數據的核心，特別是大數據時代對應用需求復雜，對存儲的要求也更高。事實上，隨著智能電網建設深入，信息採集點越來越多，在一些配電和數據中心的採集點達到百萬甚至千萬級。目前這些數據大多採用關系型資料庫進行存儲，隨著智能化的不斷提升，對資料庫處理能力、存儲空間、查詢能力等方面的要求會更高。與此同時，隨著公司信息化建設不斷深入，業務系統產生的數據量呈爆發式增長，部分業務系統面臨存儲升級成本較高、系統響應速度較慢等問題。

針對這些問題，一方面公司對業務系統數據現狀進行詳細分析，針對數量龐大的歷史數據，基於大數據平台開展歷史數據歸檔，不斷提升系統訪問效率，節約系統存儲成本；另一方面，針對業務系統架構進行分析，在可能引起系統訪問瓶頸的地方引入大數據技術加以解決。

安全性則是挖掘電網大數據價值的另一個不容忽視的方面。電網的大數據由於涉及眾多電力用戶的隱私，且地域覆蓋范圍極廣，安全問題較為突出。王繼業表示，公司的大數據將按照分級管理的原則，同步規劃、同步設計、同步投入運行，並根據數據的重要性以及共享程度，確定哪些是可以開放的，哪些是需要邏輯強隔離使用，從而保證在雲基礎上數據系統的安全性。

此外，國網能源研究院管理咨詢研究所高級研究員孫藝新認為，在安全保障的情況下，利用好大數據還要以電力能源價值鏈延伸為主線，實現業務價值鏈向電網外部延伸。一方面，在電力供給、需求、客戶負荷特徵等數據分析基礎上，注重對用戶的數據挖掘與價值發現。利用大數據技術，在需求側管理、家庭能源管理、節能服務、智能家居、95598客戶服務等業務中拉近公司與用戶的距離，挖掘用戶行為的特點；另一方面，由支撐內部管理轉向提供外部服務，將數據資產作為一項產品或服務進行變現。

王繼業認為，大數據應用有需要繼續深化的方面，包括怎樣實現內部與內部、內部與外部之間的數據融合，減少壁壘；如何建立一支具備信息化、電力、數據分析能力的復合型人才隊伍等。作為一項新生事物，大數據處於不同的發展階段研究思考的內容也不同。「只有發現問題才有助於解決問題，引導我們走向正確的路徑。」

經過反復研究探索和試點，目前，公司大數據的價值正逐漸凸顯。例如，公司採用大數據技術，對線損、電量等經營指標進行在線監測和分析。目前，已在部分省（自治區、直轄市）公司進行應用。另外，在今年春節前後30天時間，公司對部分省（自治區、直轄市）公司、333個地市公司共2.75億用電客戶、145億條用電信息等數據，應用大數據分析方法，分別從用電類別、電網負荷、優質服務等角度，對春節用電情況進行了分析，形成11餘萬條分析結果。「通過大數據整合人口、經濟、用電等數據，可以准確反應區域經濟發展和用電客戶的消費習慣，將極大地豐富電力增值服務內容。」孫藝新表示。

大幕已經開啟

「目前，公司大數據研究和試點工作已經取得階段性成果，但這並不意味著公司大數據的研究應用畫上了圓滿的句號，相反，大數據正處於進行時，未來我們要做的工作還有很多。」王繼業強調。

9月14日，公司發布信息通信新技術推動智能電網和「一強三優」現代公司創新發展行動計劃，強調要加快構建各專業共享的企業級大數據平台，積極開展大數據應用場景設計，用好大數據，充分發揮數據價值。

立足公司的發展戰略，未來公司大數據的運用前景光明。「當前，中央提出實施國家大數據戰略，公司又正處於構建全球能源互聯網的新征程中，信息化的任務繁重。利用好大數據，挖掘大數據的價值，推進大數據在公司系統的廣泛應用，是構建全球能源互聯網的重要保證。」王繼業說。

目前，公司已經建成了覆蓋總部和省公司統一的大數據平台。隨著國網山東、上海、江蘇、浙江、安徽、福建、四川電力和客服中心等試點單位的企業級大數據平台上線試運行。電網業務數據在總量和種類上都已初具規模，接下來的關鍵就是要做好大數據的各項分析。

當前，電網業務數據大致分為三類：一是電力企業生產數據，如發電量、電壓穩定性等方面的數據；二是電力企業運營數據，如交易電價、售電量、用電客戶等方面的數據；三是電力企業管理數據，如ERP、一體化平台、協同辦公等方面的數據。

隨著信息化建設推進以及新能源發展，下階段各專業會涌現更多大數據應用需求，包括公司大數據和其他行業數據的關聯性、與經濟社會發展之間的關系等。公司具備非常好的從數據運維角度實現更大程度信息、知識發現的條件和基礎，從而實現立足數據提供運維服務，創造數據增值價值，進一步推動電網發展方式和公司發展方式轉變，為公司構建全球能源互聯網，推動實施國家大數據戰略，提供更有力、更長遠的支撐。

以上是小編為大家分享的關於國家電網大數據應用 增強企業核心競爭力的相關內容，更多信息可以關注環球青藤分享更多干貨

H. 淺析電力行業如何擁抱大數據

淺析電力行業如何擁抱大數據

未來社會發展將會是大數據的時代，數據的意義已經不僅僅是記錄，而是一種能源，一種潛力巨大、影響深遠的能源。2015年8月19日，國務院常務會議通過了《關於促進大數據發展的行動綱要》，特別強調通過大數據的發展，提升創業創新活力和社會治理水平。大數據正在改變著各行各業，同樣，大數據在電力行業也得到廣泛的應用。
電力行業如何擁抱大數據 打破數據壁壘
近年來，在電力領域大數據已經得到了廣泛關注，國內的一些專業機構和高校開展了電力大數據理論和技術研究，我國電力行業也在積極開展大數據研究的應用開發，電網企業、發電企業在電力系統各專業領域開展大數據應用實踐，國家電網公司啟動了多項智能電網大數據應用研究項目。
智能電網是解決能源安全和環境污染問題的根本途徑，是電力系統的必然發展方向;全球能源互聯網則是智能電網的高級階段，「互聯網+智慧能源」進一步豐富了智能電網的內涵;這些新概念均與大數據密切相關，大數據為智能電網的發展和運營提供了全景性視角和綜合性分析方法。就物理性質而言，智能電網是能源電力系統與信息通信系統的高度融合;就其規劃發展和運營而言，智能電網離不開人的參與，且受到社會環境的影響，所以智能電網也可被看作是一個由內、外部數據構成的大數據系統。內部數據由智能電網本身的系統產生，外部數據包括可反映經濟、社會、政策、氣候、用戶特徵、地理環境等影響電網規劃和運行的數據。在智能電網的發展過程中，大數據必將發揮越來越重要的作用。
但是從目前來看，電力行業數據在可獲取的顆粒程度，數據獲取的及時性、完整性、一致性等方面的表現均不盡如人意，數據源的唯一性、及時性和准確性急需提升，部分數據尚需手動輸入，採集效率和准確度還有所欠缺，行業中企業缺乏完整的數據管控策略、組織以及管控流程。電力行業缺乏行業層面的數據模型定義與主數據管理，各單位數據口徑不一致。行業中存在較為嚴重的數據壁壘，業務鏈條間也尚未實現充分的數據共享，數據重復存儲的現象較為突出。
業內稱電力行業擁抱大數據，急需推動電力企業間的數據開放共享，建設電力行業統一的元數據和主數據管理平台，建立統一的電力數據模型和行業級電力數據中心，開發電力數據分析挖掘的模型庫和規則庫，挖掘電力大數據價值，面向行業內外提供內容增值服務。
協調發展智慧電力、智能電網和智慧城市。電力大數據是智慧城市的基石，緊密圍繞智能電力系統的發展開展電力大數據的應用實踐。以重塑電力核心價值、轉變電力發展方式為主線，未來必將實現智能電網與互聯網的深度融合：將與城市的電、熱、氣、水和交通系統實現交互，把電能與供熱、供水、供氣以及交通系統進行互聯互通，形成城市互聯網，通過城市互聯網技術來進行整合，比如給家庭、社區、工業園區、企事業單位、醫院、學校提供一攬子能源解決方案，解決它的水、電、氣、油甚至包括污水處理、垃圾處理、暖氣供應、冷氣供應，整個能源資源的成套解決方案，是人性化、智能化甚至量身定製的解決方案。
案例分析：電力行業如何擁抱大數據
以電力大數據的先行者——AutoGrid為例
1、正確姿勢
AutoGrid的核心為其能源數據雲平台——EnergyDataPlatform(EDP)，創造了電力系統全面的、動態的圖景。
類似於高級搜索引擎或天氣預報演算法，AutoGrid的能源數據平台挖掘電網產生的結構化和非結構化數據的財富，進行數據集成，並建立其使用模式，建立定價和消費之間的相關性，並分析數以萬計的變數之間的相互關系。通過該能源數據平台EDP，公共事業單位可以提前預測數周，或只是分，秒的電量消耗。大型工業電力用戶可以優化他們的生產計劃和作業，以避開用電高峰。同時，電力供應商可使用該能源數據平台EDP來決定可再生資源，如太陽能，風能的並網，最大限度地減少這些能源間歇性對電網的影響。
DROMS(，需求響應優化及管理系統)為AutoGrid的需求響應管理工具。DROMS從已存在的AMI系統、有線網關、建築管理系統以及數據採集與監控(SCADA)系統獲得實時數據，結合配電系統的物理特性，基於機器智能，分析產生對單一負載的精確預測，在需求響應要求產生之前介入，迅速生成針對某一需求響應的應對策略。除此之外，對甩負荷要求及價格信號亦能有及時准確的反應。
2、優化需求管理
當需求側管理日益成為電力運營的一個重要部分時，電力大數據的應用也變得日益重要。通過電力大數據的採集、分析及應用，可以幫助電網各端匹配電力供應和需求，降低電網各端的成本。
AutoGrid的客戶覆蓋發電端、輸電端、配電端、用戶，可以幫助電網各端匹配電力供應和需求，降低電網各端的成本。AutoGrid的能源數據雲平台EDP，收集並處理其客戶接入智能電網的智能電表、建築管理系統、電壓調節器和溫控器等設備的數據，面向其用電客戶提供DROMS，獲取能量消耗情況，預測用電量，結合電價信息實現需求側響應，生成需求側管理項目的分析報告，提升客戶全生命周期的價值收益;面向電網運營者提供DROMS，可提供需求響應應對策略，預測發電情況和電網動態負荷，預測電網運行故障，改善客戶平均停電時間和系統運營時間，從而實現電網優化調度，減少非技術性損失，降低運營成本。
來自於ARPA-E項目的支持，AutoGrid還開發了一套軟體來監測電力在電網中的流動，幫助公用事業公司更好地滿足實時電力需求。在需求高峰期，公共事業公司可以讓精打細算的消費者知道他們在能源領域是如何花費的或要求具有環保意識的消費者主動減少自己的能源消耗。從而公共事業公司可以更好地快速有效地管理對電網的需求和供給的波動。
由於在需求響應的突出表現，AutoGrid被美國NavigantResearch列為2014年度需求響應領軍企業。
3、建立能耗圖景
基於EDP和DROMS，AutoGrid可以為客戶提供一個大規模的、動態的、不間斷的、供能范圍內的整體能耗圖景。利用該能耗圖景，公共事業公司可以可以實時「看」到本地區的能耗，以更好的進行電力控制。當數據不斷被累積，AutoGrid就能提供秒前、分鍾前甚至周前的用電預測，可以幫助電力企業客戶實現不影響舒適度和生產率情況下的優化排產計劃。因此，AutoGrid提供的不僅是能量消耗動態圖，它提供的還是需求側響應的應對方案。

以上是小編為大家分享的關於淺析電力行業如何擁抱大數據的相關內容，更多信息可以關注環球青藤分享更多干貨

I. 電力大數據包括哪一些

為曾經搞過幾個電力相關項目的人，就自己粗淺的理解，要玩大數據的前提是首先要有回大數據，以前電答網建設重點都集中在生產環節，配用電環節關注較少，而生產環節，起碼目前，還談不上大數據，相關的數據挖掘倒是一直都需要，也一直都在用。用電信息採集系統（用戶能見到的就是智能電表）等的大面積推廣，意味著與用戶交互最多的配用電環節開始得到重視。從未來看，智能電網的實現的確需要大數據做支撐，但在我國電網環境下，這將還是一個漫長的過程，可能類似智慧售電網的建立會是一個好的開始。

J. 為什麼電力系統的研究大部分集中在了中國，在國外少有研究

為什麼這么說?有統計數據么