配電網與大數據

① 億信華辰電力大數據解決方案優勢，詳細點哦

電網大數據一體化平台拓展覆蓋電網規劃等全部規劃領域，貫穿各層級，打通各環節，建設涵蓋規劃信息庫、輸電網規劃、配電網規劃、電網發展診斷、輸電網成果管理和配電網成果管理六大塊業務需求的全業務數據中心，全面支撐電網規劃設計業務。

平台建設藉助i@Report快速搭建數據採集平台，並通過億信DF完成各個業務系統數據的整合清洗，再結合億信BI實現大規劃、大建設成果的集中展示，快速完成數據採集-->數據處理-->數據應用的一整套流程。

i@Report完成歷史數據補錄以及新數據採集
平台藉助i@Report設計明細數據補錄表單，管理員根據採集需求在線完成表單自定義，按照省市縣各級單位進行補錄任務下發。各級單位在數據填報過程中，平台通過i@report全面的數據審核和審批流程，實現對其填報數據的精確管理和規劃，從採集的源頭保障了數據的質量，審批通過的數據即可上報入庫，上級可一鍵進行數據匯總，大幅度提高數據質量及工作效率。
EsDataFactory完成數據歸集，構建數據中心
為了建立統一的數據模型，將來源於不同業務系統中的數據規范化，保證數據一致性、准確性和可用性，平台按照分析應用主題，依託EsDataFactory多元化可視化建模、完整的數據處理流程等功能特性，對多源數據進行ETL進行整合、清洗及周期調度設計，最終完成面向於分析主題的數據中心的建設。
億信BI完成綜合數據查詢、數據分析
基於EsDataFactory構建好的數據中心，平台藉助億信BI完成規劃業務數據不同主題的綜合查詢與分析展現。

總體分析
通過利用平台集成融合的多源數據，實現對各級電網全景掃描，按照市縣、電壓等級、評估指標進行「三維」立體診斷分析與預警，全面診斷分析電網薄弱環節，精準定位，有針對性地提出解決措施，提升電網投資精準度。
電網規模
展示了包括配變、線路、開關設備等各類規模數據，可全面洞察電網規模情況。
供電質量
展示了包括供電可靠性、電能損耗、電壓質量等指標，電壓合格率等有閥值設定，低於閥值預警顯示。
電網結構
展示包括線路聯絡情況、供電半徑分布、架空網（電纜網）結構等指標，可查看各類結構條數佔比等。
裝備水平
展示包括設備運行年限、導線截面分布、架空線路導線界面分布等指標，監控各類裝備運行健康狀況，發現風險，及時更換。
供電能力
展示重過載線路佔比、重過載配變佔比等指標數據，以及線路和配變負載率分布，預警將出現的重過載情況，輔助做出應對措施。
決策支持
基於「監測預警-診斷分析-問題治理-項目儲備庫-建設成效」的電網診斷與問題治理全過程工作流程。

② 目前「新基建」七大領域的發展現狀與前景是什麼樣子

新型基礎設施建設概念提出

2018年年底的中央經濟工作會議提出「加快5G商用步伐，加強人工智慧、工業互聯網、物聯網等新型基礎設施建設」，新基建的概念由此產生，並被列入2019年政府工作報告;2019年兩會期間提出除了傳統基建外，新型基建將承擔更為重要的角色;2019年7月中央政治局會議提出要加快推進新型基礎設施建設;2020是全面建成小康社會和「十三五」規劃收官之年，原本處於經濟結構轉型和貿易戰壓力下的中國經濟又遭受新型冠狀病毒疫情的沖擊，新基建作為重要的逆周期調節手段，在多次會議匯中被頻繁提及。

③ 專欄 | 電力大數據應用模式與前景分析

本期，C君非常榮幸地邀請到了國家電網能源研究所的孫藝新老師。能源行業作為國民經濟與社會發展的基礎，不可避免地正在受到大數據的深刻影響。在下文中，孫藝新老師結合案例，系統分析了國外幾種電力大數據應用案例，並分析了未來的應用前景，可供讀者參考借鑒。

本文原載於《中國電力企業管理》，轉載請聯系作者獲得授權。

大數據對打通業務壁壘、發現商業價值具有重要支撐作用，已為互聯網、金融等擁有海量數據的企業在市場開拓、產品研發、客戶服務等方面發揮了重要作用。電力大數據則是從能源領域為人們重新開啟了認識世界、改造世界的大門。

電力大數據
人類從遠古進化到現代，能源的每一次進步都帶來了生產力的巨大飛躍。如今，能源革命與信息技術革命發生交匯，智能電網、新能源的快速發展與移動終端、物聯網、雲計算的迅速普及，將為各個產業帶來巨大的商業價值。電力大數據不僅是大數據技術在電力行業的深入應用，也是電力生產、消費及相關技術革命與大數據理念的深度融合，將加速推進電力及能源產業發展及商業模式創新。

從商業模式創新來看，電力大數據的內涵包括以下三個方面：一是打破電力發、輸、配、售不同階段的數據壁壘，數據范圍涵蓋電力生產運營全過程；二是注重電力領域綜合分析預測，對不同類型能源消耗、用電行為特徵、電力供需形勢、用電企業經營趨勢等問題進行綜合預判，能夠顯著提高電力生產消費預測的准確性與及時性；三是注重能源領域商業模式創新，充分挖掘能源數據價值，從信息服務、數據分析等方面為智慧城市、智能電網、智能家居等領域提供新的盈利模式。

電力大數據拓寬了電力行業乃至能源產業的廣度與深度，給傳統企業帶來機遇與挑戰。一方面，電力大數據能夠對電力供給側、需求側進行有機整合與「跨界」應用，為創新商業模式與管理模式提供了機遇；另一方面，電力大數據使傳統電力行業的邊界變得模糊，使其自然壟斷地位與路徑依賴優勢受到不同程度的顛覆與挑戰。

國外電力大數據應用模式
目前，電力大數據理念尚處於逐步發展過程。從國外主要實踐案例來看，已初步形成了三類應用模式。

以電力為中心的能源數據綜合服務平台

該模式通過建立一個分析與應用平台，集成能源供給、消費、相關技術的各類數據，為包括政府、企業、學校、居民等不同類型參與方提供大數據分析和信息服務。該模式中，電網企業具有資金、技術、數據資源等方面優勢，具備成為綜合服務平台提供方的條件。

典型案例是美國德克薩斯州奧斯丁市實施的以電力為核心的智慧城市項目（見圖1）。該項目以智能電網設備為基礎，採集了包括智能家電、電動汽車、太陽能光伏等類型詳細用電數據以及燃氣、供水數據，形成一個能源數據的綜合服務平台。

圖1奧斯丁智慧城市項目商業模式示意圖
該項目已在節能環保、新技術推廣、研發測試等方面發揮了重要的平台服務支撐作用。一是在消費者能源管理方面，為居民能源消費、住宅節能、交通出行等提供優化建議，促進節能環保。例如，識別環保住宅的能耗降低比例可達27%；對居民太陽能電池板安裝朝向進行優化，可使發電量增加49%等。二是為企業提供電動汽車、智能家電等產品開發與技術測試服務。例如，將電力數據與汽車里程、分時電價、油價數據結合，可提供電動汽車性能分析、充電站布局優化，並根據用戶習慣確定最佳充電時間等服務。

為智能化節能產品研發提供支撐
該模式主要將電力大數據、信息通信與工業製造技術結合，通過對能源供給、消費、移動終端等不同數據源的數據進行綜合分析，設計開發出節能環保產品，為用戶提供付費低、能效高的能源使用與生活方式方案。以智能家居產品為例，該模式既可為居民用戶提供節能降費服務以及快捷便利的用戶體驗，也可對能源企業尤其是電力企業改善用戶側需求管理、減少發電裝機等發揮作用。該模式中，電網企業不一定具備產品研發優勢，但利用電力數據採集與分析方面的優勢，既可通過與設備製造商合作改進用戶需求側管理，也可通過共同參與研發並在產品銷售中獲取收益。

該模式的典型案例是美國NEST公司研發的智能恆溫器產品的商業模式（見圖2）。該產品可以通過記錄用戶的室內溫度數據、智能識別用戶習慣，並將室溫調整到最舒適狀態。

圖2NEST產品商業模式示意圖
產品製造商、電力企業、用戶三方形成共贏：作為產品製造商的NEST公司免費獲得合作企業提供的部分電力數據，藉此完善預測演算法，並通過多種方式（恆溫器設備、互聯網、分析報告）展示分析結果；電力企業在智能恆溫器支持下，改進需求側管理，節約發電裝機與調峰成本；用戶使用產品自動控制房間溫度，並節省用電費用。據報道，售價250美元的NEST恆溫器每年可在電費和供熱開支方面為家庭節省173美元，一年時間已節省了2.25億千瓦時的能量，相當於2900萬美元費用。

面向企業內部的管理決策支撐
電力大數據對能源企業自身同樣具有重要價值。通過將能源生產、消費數據與內部智能設備、客戶信息、電力運行等數據結合，可充分挖掘客戶行為特徵，提高能源需求預測准確性，發現電力消費規律，提升企業運營效率效益。對於電網企業，該模式能夠提高企業經營決策中所需數據的廣度與深度，增強對企業經營發展趨勢的洞察力和前瞻性，有效支撐決策管理。

該模式的典型案例是法國電力公司智能電表大數據應用（見圖3）。法國電力在籌建大數據研究團隊初期，選擇用戶負荷曲線為突破口，將電網運行數據與氣象、電力消費數據、用電合同信息等進行實時分析，以更為准確地預測電力需求側變化，並識別不同客戶群的特點，通過優化需求側管理，改進投資管理與設備檢修管理，提升運營效率效益。其中通過優化需求側管理，使電網日負荷率提高至85%左右，相當於減少發電容量1900萬千瓦。

圖3 法國電力大數據支撐內部決策應用示意圖
電力大數據應用前景
未來電力大數據的應用前景主要是在已有模式的基礎上，進一步發揮「粘合劑」與「助推劑」作用，推動能源產業探索建立具有「平台」特徵的完整能源生態系統。「粘合劑」主要是指對其他企業的吸引力以及形成平台模式後的協同效應，「助推劑」主要是指對能源產業生產、消費革命以及企業發展轉型的推動作用。

參照電商領域中的阿里集團，該公司成立以來逐漸形成了「數據」與「平台」良性發展的商業模式，收入主要來源於向賣家提供的互聯網營銷服務和從交易額中抽取的傭金。一方面，阿里通過淘寶、支付寶、余額寶等產品構建了完整的商業生態系統，吸引用戶參與到平台中，並採集整理用戶大數據；另一方面，阿里通過用戶大數據的分析與挖掘，在電子商務、金融、交通、娛樂等不同領域中建立競爭優勢，不斷鞏固壯大其商業生態系統。2013年，阿里集團的中國零售平台交易額達2480億美元，營業收入493億元，利潤率高達45%。

電力大數據下的能源生態系統將為能源企業及相關產業提供一個數據採集、整理、分析、應用、共享、交易等為一體的平台，為參與方提供信息咨詢、節能環保、產品研發、管理支撐等服務，為消費者提供節能降費服務及相關產品。可應用的領域包括智慧城市、智能電網、新能源、電動汽車。智能樓宇、智能家電、智能家居、移動終端等一系列相關產業。

電力企業在以電力大數據為基礎的生態系統中占據主導地位，具有十分重要的作用。一方面，新一輪電力市場改革下，電力企業可以擺脫傳統的盈利模式，通過挖掘大數據資源增強企業競爭力；另一方面，電力企業通過吸引社會資本及不同主體的參與，共建互利合作的商業環境，發揮電力大數據在智慧城市、智能家居中的重要支撐作用，提升相關企業的科技創新與可持續發展能力。

積極布局推進電力大數據應用
電力大數據對電力工業優化內外部資源、發展智能電網與構建全球能源互聯網具有重要支撐作用，對電網企業創新商業模式、主導建立能源生態系統具有重要意義。電網企業需持續關注其發展動態，積極謀劃布局。未來智能電網採集的數據將全面覆蓋從主幹網到配電網、區域用戶和大用戶微網，乃至家庭小用戶區域網。在此背景下，傳統數據存儲、計算能力將產生瓶頸，必須運用大數據的採集、處理技術對當前SCADA系統、數據中心、分析預測系統進行全面升級與改造。

一是開展大數據應用的頂層設計工作。在企業集團層面建立大數據應用的組織協調機構，研究能源領域大數據與公司、電網發展的協同關系，並對其盈利模式、應用領域、合作機制及分工等全局性問題開展專項研究，在未來競爭領域中占據主動。

二是做好信息與技術儲備工作。探索建立穩定、可靠的公司內外部數據獲取渠道，以及數據共享機制；超前研究制定適用於大數據環境的技術處理方案，提升信息系統處理能力。

三是積極培育人才隊伍，開展前期應用試點工作。在電網、產業、科研單位中組建大數據研發攻關團隊，在安全、生產、經營等業務中開展應用試點探索。

④ 怎樣應用大數據分析讓配電網更高效，更安全

想要做好數據分析，先要多讀點書

數據分析方面個人推薦書目：
1、《統計與真理——怎樣運用偶然性》
2、Google Analytic經典分析
3、統計學：從數據到結論（吳喜之）第二版
4、統計數據標准化方法
補充幾本書：
1、統計學的世界
2、民生數據的真相
3、統計陷阱
希望幫到你

⑤ 怎樣應用大數據分析讓配電網更高效，更

聚類分析指將物理或抽象對象的集合分組成為由類似的對象組成的多個類的分析過程。聚類是將數據分類到不同的類或者簇這樣的一個過程，所以同一個簇中的對象有很大的相似性，而不同簇間的對象有很大的相異性。聚類分析是一種探索性的分析，在分類的過程中，人們不必事先給出一個分類的標准，聚類分析能夠從樣本數據出發，自動進行分類。聚類分析所使用方法的不同，常常會得到不同的結論。不同研究者對於同一組數據進行聚類分析，所得到的聚類數未必一致。

⑥ 互聯網最尖端的競爭集中在大數據

互聯網最尖端的競爭集中在大數據
2015中關村大數據日的峰會上，中國科學院院士張平文舉了一個有趣例子：前一陣，他有家人甲狀腺不適，院士有天晚上查了甲狀腺知識，第二天就收到微信好友申請，有專治甲狀腺的醫生想加他為好友，院士感概說，「沒有人懷疑我們就生活在大數據時代，」
2015年以來，從「大眾創業、萬眾創新」，一直到「互聯網+」以及大數據發展行動綱要，國家利好政策不斷，行業領軍者開拓創新，中國大數據產業群正快速形成，大數據在交通、工業、社交等領域的應用也日新月異。大數據，正在開啟一個認知的新時代，這是一座新的商業寶藏，也正醞釀著一場全新的較量。
「最尖端的競爭」
過去3年，打車應用真正改變了大眾出行，滴滴快的CEO程維在大數據日峰會分享說，「中國80%的計程車司機通過滴滴連接在一起，又順勢推出了滴滴專車、快車、順風車、巴士等系列新業務，希望將有相同出行需求的人連接在一起，實現任何人在任何時間、任何地點在3分鍾內叫到一輛車。」
美好的願景完全依賴於大數據的支持。直到現在，程維依然清晰地記得一宗「事故」：2013年有一次北京大雨，CBD國貿地區用戶打不到車，滴滴技術團隊梳理訂單後發現，絕大多數的訂單根本發不出去，「我們最初德爾大數據演算法是將一個訂單發給附近1-3公里的司機，在訂單非常多的時候，司機信道變成稀缺資源，就無法接到更多的訂單。」
程維很快發現，當一個城市日均訂單超過1萬單後，原始的大數據演算法即成為瓶頸，於是，滴滴將建設中國最好的大數據團隊當成公司戰略，為實現用戶和司機的快速匹配，迄今後台已經多個版本的大數據結構和演算法。
大數據在交通的應用，並不限於打車。構建了完整大數據產業平台的北京久其軟體公司，曾為江蘇省提供智能化交通統計監測系統，將所有江蘇省內高速出入口的視頻以及海運、河運、港口等所有的音視頻的數據全部納入體系，進行實時監控。久其軟體副總裁錢暉分享說，「在江蘇省內，如果你的車被偷或者號牌模糊，系統在一秒鍾之內就能實現號牌識別。」
錢暉表示，智慧交通系統積累的數據，服務范圍不限於交通，比如經濟學有所謂「克強指數」（即以工業用電量新增、鐵路貨運量新增和銀行中長期貸款新增的數據，評判GDP的增長），利用智能系統可以監測高速公路出入口大貨車的運量，分析實體經濟狀況，用於經濟決策。
提供便利的同時，大數據交通雲的難度和復雜度，也遠超過一般人的想像。以江蘇省的智能交通系統為例，實現數據實時入庫、動態更新以及查詢，數據量非常大，每年要更新12億條以上的信息量。
程維認為，交通大數據能力的構建，其復雜程度甚至超過搜索，他將其總結為三大特點：實時性，每過1分鍾交通情況以及車的位置都會發生變化；雙向互動，需求方用戶和供給方司機相互影響，除了滿足用戶，系統要根據司機喜好推薦最好的訂單；集群擾動，比如，100個人或10000人搜索，結果不會有什麼區別，但是10個人還是200人一起叫車，運算結果完全不同，「滴滴代表的交通雲，涉及深度學習、人工智慧等技術前沿，令雲平台更智能、更高效，這是公司最重要的事情。」
「互聯網的競爭，已從早期的產品競爭、營銷競爭、資本競爭，實實在在進入雲端、大數據端的競爭，」程維表示，「全球大的互聯網出行領域，最尖端的競爭就集中在大數據領域。」
占據技術制高點的背後，是頂尖人才的爭奪。滴滴的全球競爭對手，幾乎早於他們動手前的半年，就開始收羅全球頂尖大學的大數據研究人員，從主任、專家到一線工作人員，幾乎一網打盡，甚至有公司專門派一支隊伍在MIT實驗室旁蹲守兩個月，「先從副主任挖起，再找主任，一個帶一個把30多個實驗室的人徹底挖空。」
關鍵在頂層設計
6年前即深耕工業大數據，美林數據總裁王璐深有感觸，「大數據對整個工業帶來的沖擊是太大太大了」，而美林只專注兩件事：工業大數據中心的建設以及對數據的分析、挖掘、高維可視化。「『兩化融合』核心是什麼？我們認為是數據的管理，只有在工業4.0時代，才實現了『兩化』的強連接，代表工業化和信息化高度嵌入到一個整體系統。」
在王璐看來，大數據時代，就是會用數據說話、決策、管理、創新，如今，整體氛圍和思維方式的條件已具備，核心在於大數據技術的挑戰，其中，首要的挑戰在於組織的頂層設計，「美林幫助很多企業進行頂層設計，兩化融合和大數據融合的戰略需要復雜組織系統的設計，尤其是數據管理的長效機制，其中，流程和組織最直接的挑戰，就是尋找一批懂業務、懂數據還懂分析的人才隊伍。」
國家電網信通部主任王繼業在峰會分享了其基於頂層設計、布實施後的運營實踐。在大數據方面，國家電網首先規劃建立了企業級大數據平台，通過大數據平台實現數據的採集、傳輸以及存儲和處理；在大數據平台之上建立決策支持類、實施採集類、在線監測類、計算分析類等大數據業務應用，其中分成10大場景，在不同單位進行相應試點工作。
以電力負荷預測為例，國家電網組織了江蘇電力、山東電力兩家地區公司，利用大數據技術，基於電力負荷用戶檔案數據，結合氣侯、氣溫變化等數據，建立用電數據分析模型，實現用電負荷特性分析並且預測未來用點負荷曲線。
比如，江蘇電力就構建了數百個分析模型，在2015年4月對於全省的電力用電高峰進行了預測，其判斷用電高峰出現在8月6號，預測最高電量為8481萬千瓦時，結果，真正出現時間是8月5號，僅僅差一天，而實際發生的最高值為8440萬千瓦時，誤差率非常之低。
王繼業表示，基於頂層設計、有序推進，大數據帶來的威力十分之大，國家電網也嘗到了甜頭，「通過前期試點，負荷預測准確率提高到99.5%，最高負荷發生時間偏差1天，峰谷差率下降了5%；對配電網搶修精益化大數據預測，實時監測、故障預測、搶修達標率析，設備故障預測准確率提升40%，搶修達標率達到15%，搶修時長縮短30分鍾。」
事實上，不只工業領域，響應整個社會大數據化，凝聚共識，全力推動大數據產業創新發展，形成政府、社會、市場共同推動、聯合治理的發展格局，一樣需要頂層設計；而商業公司內部的許多數據，若能在一套規則清晰的制度下進行共享，完全可以應用到宏觀經濟和社會管理，實現數據價值的最大化。
龍信數據董事長李鈺就認為，應用是衡量數據價值唯一標准，龍信即將發布的是中關村企業大數據平台，可記錄北京市百萬家企業每天的動態的經營和稅收情況，可以洞悉全國5千萬市場主體與宏觀經濟內在關系，有百億的節點在秒級可以進行運算，有深度學習能力，是未來企業數據的智慧大腦，這對於宏觀經濟決策一樣極具價值。
LinkedIn全球副總裁Michael Korcuska在峰會分享了過去3年的領英（LinkedIn）數據積累，也有非常有趣的洞察：基於中國強勁的經濟增長，越來越多的人才從全球來到中國，其核心技能主要是經濟學、統計分析、化學、社交媒體等領域，而部分離開中國的人士，其所擅長的是城市規劃、海洋、導航、水庫管理以及傳統中醫等。Michael Korcuska建議，利用領英的職位資料庫，政府可以做兩件事：為稀缺人才提供激勵機制，與大學合作培養針對性的人才。
峰會最後，寬頻資本董事長田溯寧以獨有的歷史視角，對於大數據應用的前景進行了展望。他認為，人類歷史上曾有地理大發現的時代，發現新大陸改變了人類的時空觀念，開啟了工業革命，而現在，人類社會正邁入「一個數據大發現的時代」，將開啟無限的新機會。

⑦ 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。

⑧ 運用大數據技術甄別設備異常的目的及意義

運用大數據技術甄別設備異常的目的及意義如下：
科學有效的評估配電網設備的健康狀態、採用新型的帶電測試設備進行檢測。能夠減少故障和預試的停電時間、從而獲得重大的經濟效益。數據技術及互聯網產業的不斷發展，推動了數字廣告的高速增長，與此同時虛假流量、網路水軍及背後的網路黑灰產業鏈也愈發猖獗，嚴重損害了用戶、平台、品牌等各方利益。

⑨ 大數據在電力行業的應用前景有哪些

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。