国外研究电力系统大数据的时间

A. 电力系统发展史

电力系统发展简况：

在电能应用的初期，电力通常是经过小容量发电机单独向灯塔、轮船、车间等供电。这已经可以把其看作是一种简单的住户式供电系统。直到白炽灯发明后，才出现了中心电站式供电系统，如1882年T.A.托马斯·阿尔瓦·爱迪生在纽约主持建造的珍珠街电站。

它装有6台发电机（总容量约670千瓦），用110伏电压供1300盏电灯照明。19世纪90年代，三相交流供电系统研制成功，并很快取代了直流输电，成为电力系统大发展的里程碑。

20世纪以后，人们普遍认识到扩大电力系统的规模可以在能源开发、工业布局、负荷调整、系统安全与经济运行等方面带来明显的社会经济效益。于是，电力系统的规模迅速增长。

世界上覆盖面积最大的电力系统是前苏联的统一电力系统。它东西横越7000千米，南北纵贯3000千米，覆盖了约1000万平方千米的土地。

中华人民共和国的电力系统从50年代开始迅速发展。到1991年底，电力系统装机容量为14600万千瓦，年发电量为6750亿千瓦时，均居世界第四位。

输电线路以220千伏、330千伏和500千伏为网络骨干，形成4个装机容量超过1500万千瓦的大区电力系统和9个超过百万千瓦的省电力系统，大区之间的联网工作也已开始。此外，1989年，台湾建立了装机容量为1659万千瓦的电力系统。

B. 中国大数据的提出的时间和背景是什么发展情况和现状分别是什么样的

大数据在中国的发展相对比较年轻。2012年，中国政府在美国提出《大数据研究和发展计划内》并且批复了“十容二五国家政务信息化建设工程规划”，总投资额估计在几百亿，专门有人口、法人、空间、宏观经济和文化等五大资源库的五大建设工程。我国的开放、共享和智能的大数据的时代才真正大面积的开始
发展和现状是：（一）市场规模快速增长，供给结构初步形成 市场规模快速增长。十二五以来，我国大数据产业从无到有，全国各地发展大数据积极性较高，行业应用得到快速推广，市场规模增速明显。易观国际数据显示，2011-2014年，我国大数据市场规模分别为37.4亿元、47.3亿元、59亿元和75.7亿元，年平均复合增长约为27%。易观国际同时预测，2015、2016年我国大数据市场规模将保持约30%的增长速度，在十二五末市场规模接近100亿元。

C. 你认为大数据在电力行业的应用前景有哪些，为什么

通过使用智能电表等智能终端设备可采集整个电力系统的运行数据，再对采集的电力大数据进行系统的处理和分析，从而实现对电网的实时监控；进一步地，结合大数据分析与电力系统模型，可以对电网运行进行诊断、优化和预测，为电网安全、可靠、经济、高效地运行提供保障。云计算、大数据分析等信息新技术必将激活电力大数据中蕴含的价值，也必将释放电力大数据的市场潜力。根据GTM Research的研究分析，到2020年，全世界电力大数据管理系统市场将达到38亿美元的规模，电力大数据的采集、管理、分析与服务行业将迎来前所未有的发展机遇。

D. 电力大数据的电力大数据技术

电力大数据技术满足电力数据飞速增长，满足各专业工作需要，满足提高电力工业发展需要，服务经济发展需要。电力大数据技术包括：高性能计算、数据挖掘、统计分析、数据可视化等。 数据挖掘技术是通过分析大量数据，从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示3个步骤。数据准备是从相关的数据源中选取所需的数据并整合成用于数据挖掘的数据集；规律寻找是用某种方法将数据集所含的规律找出来；规律表示是尽可能以用户可理解的方式（如可视化）将找出的规律表示出来。
数据挖掘的任务有关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析等等。 统计分析，常指对收集到的有关数据资料进行整理归类并进行解释的过程。 统计分析可分为描述统计和推断统计。
1、描述统计
描述统计是将研究中所得的数据加以整理、归类、简化或绘制成图表，以此描述和归纳数据的特征及变量之间的关系的一种最基本的统计方法。描述统计主要涉及数据的集中趋势、离散程度和相关强度，最常用的指标有平均数、标准差、相关系数等。
2、推断统计
推断统计指用概率形式来决断数据之间是否存在某种关系及用样本统计值来推测总体特征的一种重要的统计方法。推断统计包括总体参数估计和假设检验，最常用的方法有Z检验、T检验、卡方检验等 2012年7月10日，信通公司成功举办大数据开启智能电网新时代研讨会。本次研讨会作为公司大数据战略推进重要一环，总结公司大数据战略实施以来的重点工作，加深理解大数据对电力信息通信事业的意义，促进大数据生态环境建设，并展望公司及大数据未来发展方向。本次研讨会特别邀请了中国宽带资本基金董事长田溯宁博士、《证析》作者郑毅先生、浙江海盐供电局徐光年主任做专题演讲。
研讨会的成功举办，使大家进一步了解了大数据、信息通信技术在智能电网发展、未来科技发展的重要意义，同与会各位专家的交流也使大家开阔了视野、增长了知识。本次研讨会也标志了电力大数据战略将进入攻坚实战阶段，与会人员纷纷表示，要牢牢把握住电力信息通信引领智能电网飞速发展的宝贵机遇，以昂扬的斗志面对新的挑战！ 2012电力行业信息化年会于2012年11月3-4日在北京举行。年会由中国电机工程学会电力信息化专业委员会、国网信息通信有限公司联合主办，南瑞集团国电通公司承办。国家电监会信息中心、国家电网公司信息化工作部、中国南方电网公司信息中心、中国电力建设集团公司信息中心、中国能源建设集团有限公司科技信息部以及各发电集团公司、各省电网公司信息部门等为会议的支持单位。
本次年会主题为“大数据与宽带中国”。“大数据”将给电力企业带来新一轮商业模式转变和价值创新，宽带中国战略更为电力信息化发展提速。来自国家电力监管委员会、国家电网公司、国网信息通信有限公司、辅业集团公司、发电集团公司、网省公司等单位的30多位专家和代表将围绕主题在年会上发言或演讲。

E. 大数据在电力行业的应用前景有哪些

作者：知乎用户
链接：https://www.hu.com/question/23241126/answer/24036849
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

作为曾经搞过几个电力相关项目的人，就自己粗浅的理解，很写实的回答一下吧，也希望专家指正：
1、国内电网行业相对封闭，很多国外的新技术和新思想并不适用于国内，根本没施展的基础和环境；
2、但国内电网行业技术上并不算落后，对国外相关技术的研究其实也都有及时跟踪和深入理解，只可惜，如1所述，确实没啥空间。
3、要玩大数据的前提是首先要有大数据，以前电网建设重点都集中在生产环节，配用电环节关注较少，而生产环节，起码目前，还谈不上大数据，相关的数据挖掘倒是一直都需要，也一直都在用。用电信息采集系统（用户能见到的就是智能电表）等的大面积推广，意味着与用户交互最多的配用电环节开始得到重视。
4、配用电环节要做到智能化，确实需要基于海量用户用电特征数据分析，进而实现台区的负荷预测、用电调度、有序用电等等。但遗憾的是，理念归理念、技术归技术、现实归现实，虽然智能配用电这一块理论上都设计的很好，但现实中还有很多问题。
5、以用电信息采集系统为例，其实是一个收集用户用电行为特征最好的前端设施，这里需要分钟级的数据采集频率，目前一般是15分钟。即一个小时采集4次。但由于用户住宅区的分布杂乱无章，要想采用重新布线的有线方式传输数据显然投资过大，PLC又慢又很不稳定。无线的话，GPRS目前使用较多，不过呢，大量用户数据都走GPRS，且不说费用，数据拥塞是避免不了的，受环境影响，干扰和屏蔽也较多。这样一来，后台收集数据经常会出现延迟和丢包情况，因此很多数据根本无法全部有效采集。也就不存在完整的海量数据一说，那么又到哪里去分析呢？
6、国内确实建设了一些完整的智能电网小区试点，用户家里也可以用智能插座，这种环境下用户数据可以得到有效收集，如果用户量较大，必然会产生大数据，相对也就需要大数据技术来处理和分析，从而进一步提高电网智能服务水平。但这种整体的改造要用到目前现有电力系统中，显然不现实，成本过高，电老大再有钱，也不可能去干这种事。
7、从电力的后台系统来说，涉及到了大量的各种业务系统，但这些系统多年的建设过程中因为缺乏顶层设计，所以大多自成体系，数据很难互通共享并提供上层应用服务，因此即便这些数据真的也是海量大数据，但要实现整体的分析挖掘，难度依然十分巨大。
8、风电、太阳能、包括微网的分布式能源接入，其实跟前端用户用电行为是密切相关的，由于目前还没有低成本高效率的储能系统，因此怎么分配这些能源，怎样与现有配电网很好的结合也会是十分麻烦的问题，要知道风电和太阳能等都是不确定性能源，对现网冲击还是很大的。这确实也需要数据分析技术的支持，譬如对风电准确的预测等。这些技术都很早就有人在研究，谈不上大数据。除非是大电网环境下，整体都构建成分布式能源，这时候可能才算得上是大数据吧。
8、总结一下，从未来看，智能电网的实现的确需要大数据做支撑，但在我国电网环境下，这将还是一个漫长的过程。当前说大数据，更多是噱头，吸引眼球和忽悠项目罢了。大部分省级公司的数据更多应该还是结构化运营数据，顶多T级了。

F. 电力企业如何做好数据治理

从技术实施角度看，数据治理包含“理”“采”“存”“管”“用”这五个步骤，即业务和数据资源梳理、数据采集清洗、数据库设计和存储、数据管理、数据使用。

数据资源梳理：数据治理的第一个步骤是从业务的视角厘清组织的数据资源环境和数据资源清单，包含组织机构、业务事项、信息系统，以及以数据库、网页、文件和 API 接口形式存在的数据项资源，本步骤的输出物为分门别类的数据资源清单。

数据采集清洗：通过可视化的 ETL 工具（例如阿里的 DataX，Pentaho Data Integration）将数据从来源端经过抽取 (extract)、转换 (transform)、加载 (load) 至目的端的过程，目的是将散落和零乱的数据集中存储起来。

基础库主题库建设：一般情况下，可以将数据分为基础数据、业务主题数据和分析数据。基础数据一般指的是核心实体数据，或称主数据，例如智慧城市中的人口、法人、地理信息、信用、电子证照等数据。主题数据一般指的是某个业务主题数据，例如市场监督管理局的食品监管、质量监督检查、企业综合监管等数据。而分析数据指的是基于业务主题数据综合分析而得的分析结果数据，例如市场监督管理局的企业综合评价、产业区域分布、高危企业分布等。那么基础库和主题库的建设就是在对业务理解的基础上，基于易存储、易管理、易使用的原则抽像数据存储结构，说白了，就是基于一定的原则设计数据库表结构，然后再根据数据资源清单设计数据采集清洗流程，将整洁干净的数据存储到数据库或数据仓库中。

元数据管理：元数据管理是对基础库和主题库中的数据项属性的管理，同时，将数据项的业务含义与数据项进行了关联，便于业务人员也能够理解数据库中的数据字段含义，并且，元数据是后面提到的自动化数据共享、数据交换和商业智能（BI）的基础。需要注意的是，元数据管理一般是对基础库和主题库中（即核心数据资产）的数据项属性的管理，而数据资源清单是对各类数据来源的数据项的管理。

血缘追踪：数据被业务场景使用时，发现数据错误，数据治理团队需要快速定位数据来源，修复数据错误。那么数据治理团队需要知道业务团队的数据来自于哪个核心库，核心库的数据又来自于哪个数据源头。我们的实践是在元数据和数据资源清单之间建立关联关系，且业务团队使用的数据项由元数据组合配置而来，这样，就建立了数据使用场景与数据源头之间的血缘关系。 数据资源目录：数据资源目录一般应用于数据共享的场景，例如政府部门之间的数据共享，数据资源目录是基于业务场景和行业规范而创建，同时依托于元数据和基础库主题而实现自动化的数据申请和使用。

质量管理：数据价值的成功发掘必须依托于高质量的数据，唯有准确、完整、一致的数据才有使用价值。因此，需要从多维度来分析数据的质量，例如：偏移量、非空检查、值域检查、规范性检查、重复性检查、关联关系检查、离群值检查、波动检查等等。需要注意的是，优秀的数据质量模型的设计必须依赖于对业务的深刻理解，在技术上也推荐使用大数据相关技术来保障检测性能和降低对业务系统的性能影响，例如 Hadoop，MapRece，HBase 等。

商业智能（BI）：数据治理的目的是使用，对于一个大型的数据仓库来说，数据使用的场景和需求是多变的，那么可以使用 BI 类的产品快速获取需要的数据，并分析形成报表，像派可数据就属于专业的BI厂商。

数据共享交换：数据共享包括组织内部和组织之间的数据共享，共享方式也分为库表、文件和 API 接口三种共享方式，库表共享比较直接粗暴，文件共享方式通过 ETL 工具做一个反向的数据交换也就可以实现。我们比较推荐的是 API 接口共享方式，在这种方式下，能够让中心数据仓库保留数据所有权，把数据使用权通过 API 接口的形式进行了转移。API 接口共享可以使用 API 网关实现，常见的功能是自动化的接口生成、申请审核、限流、限并发、多用户隔离、调用统计、调用审计、黑白名单、调用监控、质量监控等等。

G. 国家电网大数据应用 增强企业核心竞争力

国家电网大数据应用 增强企业核心竞争力

从构想到实践，从论证到试点，国家电网公司大数据应用已经驶向快车道。

在国家电网公司2014年工作会议上，公司党组明确提出，要强化数据分析，提升数据应用水平和商业价值。去年年底，国家电网公司在总结以往研究经验的基础上，正式启动了企业级大数据平台的设计研发和试点建设工作。经过近一年时间的试点实践，目前，大数据已经广泛应用于电网运行、经营管理以及优质服务三大领域，并取得显著成效。

大数据作为重要的战略资源已经在全球范围达成共识。2011年，一些国际组织便发布报告看好大数据；2012年开始，英国、法国、美国等国家相继启动了大数据发展规划。国内，以大数据为主导的信息化浪潮来势凶猛。去年3月，大数据被写入政府工作报告；今年8月，国务院印发《促进大数据发展行动纲要》，特别强调通过大数据的发展，提升创业创新活力和社会治理水平；今年10月，十八届五中全会提出，实施国家大数据战略。如今，在城市建设、金融、电子商务、公共服务等领域，大数据的应用随处可见，并正在改变着各行各业。一个大数据的时代已然来临。

机会在敲门

抓住了机遇，等于成功了一半。对于大数据而言，也是如此。

近年来，移动互联网异军突起，加快了信息化向经济社会各个领域的延伸，形成了独特的产业竞争优势。中国信息通信研究院近期发布的《2015年中国大数据发展调查报告》预测，今年中国大数据市场规模将达到115.9亿元，增速达38%；预计2016年至2018年中国大数据市场规模还将维持40%左右的高速增长。

在前不久结束的云栖大会上，阿里巴巴集团董事局主席马云说，在未来，计算能力将会成为一种生产能力，而数据将会成为最大的生产资料，会成为像水、电、石油一样的公共资源。马云认为，人类已进入DT（大数据）时代，数据取代了石油成为最核心的资源。

国家电网公司信息通信部主任王继业认为，不可否认，大数据会逐步为人类创造更多的价值，而对于电网企业来说，研究和应用大数据是提质增效和推动电网发展方式、公司发展方式转变的迫切要求。

公司“三集五大”体系和坚强智能电网建设，积累了体量大、类型多、价值高、速度快等典型大数据特征的运营数据，具备了推广大数据应用的基础条件。

来自国网智能电网研究院的数据显示，截至去年年底，公司管理结构化数据49.75TB，非结构化数据213TB，营销基础数据130TB，用电信息采集数据达43TB，且公司信息化数据平均每天以10TB的速度增长。

“公司的生产管理和营销系统已达到几百PB级数据规模，开展大数据关键技术的研究、验证和应用，构建新型电网企业运营体系，有助于增强价值创造力和核心竞争力。”国网江苏省电力公司副总工程师王海林强调说。

国网江苏电力作为公司大数据应用的试点单位之一，在今年夏天便尝到了大数据的“甜头”。

国网江苏电力以用户信息采集数据为样本，开展负荷预测工作。王海林说：“今年4月份，我们用大数据预测8月6日将迎来今年最大负荷值8440万千瓦，实际上在8月5日出现了最高负荷值8480万千瓦，预测准确率99.53%。”

作为国网公司大数据研究和实施的主要牵头部门的负责人，王继业对这样一个预测结果感到格外高兴。“预测之初我们心里也是有疑问的，毕竟没有经验可以借鉴，但最后结果这么精准，证明我们具备和掌握了大数据在负荷预测方面的理论基础以及数据分析挖掘的能力。”

同样，国网客户服务中心也感受到了大数据的威力。目前，客服中心日均处理话务请求量35万余件。为进一步提高人工服务接通率，减少客户的等待时间，客服中心依托大数据技术，建立了“实时话务展现及预测”“基于故障事件用户感知度的主动服务”等场景应用，工作效率显著提升。例如，通过应用实时话务展现及预测场景，人工服务接通率提升了8%左右，服务效率和效果进一步得到优化。

大数据的优势不仅仅体现在服务公司内部，在支持新能源接入、提高新能源发电功率和电力负荷预测的精度、提升新能源协调控制水平和综合能源服务能力等方面也大有作为。

王继业认为，大数据是智能电网的核心，而智能电网又是全球能源互联网发展的重要组成部分。随着大数据深入应用，将促使公司的决策从“业务驱动”转变为“数据驱动”，进一步提升管理的效率和效益，同时，充分利用这些基于电网的数据，深入分析后将挖掘许多高附加值的服务，有利于电网安全检测与控制，客户用电行为分析与客户细分，电力企业精细化运营管理等，提升公司管理效益、经济效益以及社会效益。

“不论从外部环境而言还是企业自身发展需要，大数据不是用不用的问题，而是顺势潮流，必须要用。”王继业感慨道。他说，自己从事电力通信行业20多年，行业变化如此之大，今天和过去已经不可同日而语。“数据表面看是信息，但提炼分析后就能找出相关联的规律，再借助各种工具分析规律就变成了决策。大数据的内容很丰富，可以利用的领域很多，它是一个巨大的市场，抓住了大数据就意味着占据了大市场。”

准备好了吗

纵观全球大势，大数据浪潮席卷而来。作为世界上最伟大的科技成果之一，大数据已经成为推进产业变革和重塑产业竞争力的重要力量。顺势而为、乘势而上，无疑是大数据时代下最核心的命题。

国网公司的大数据具有量大、分布广、类型多等特点，背后反映的是电网运行方式、电力生产方式以及客户消费习惯等信息，这些珍贵的数据如果能挖掘分析好也就释放了大数据真正的价值。例如，用大数据分析新增用电客户数量与地区经济发展之间的关系；从电力消费情况看宏观经济趋势等。

中国电力科学研究院技术战略研究中心高级工程师邓春宇认为，大数据好比是一个金矿，但是，想挖出金子也并非易事，“做大数据是非常考验智慧的”。

数据存储无疑是挖掘大数据“金矿”的一个重要内容。存储是大数据的核心，特别是大数据时代对应用需求复杂，对存储的要求也更高。事实上，随着智能电网建设深入，信息采集点越来越多，在一些配电和数据中心的采集点达到百万甚至千万级。目前这些数据大多采用关系型数据库进行存储，随着智能化的不断提升，对数据库处理能力、存储空间、查询能力等方面的要求会更高。与此同时，随着公司信息化建设不断深入，业务系统产生的数据量呈爆发式增长，部分业务系统面临存储升级成本较高、系统响应速度较慢等问题。

针对这些问题，一方面公司对业务系统数据现状进行详细分析，针对数量庞大的历史数据，基于大数据平台开展历史数据归档，不断提升系统访问效率，节约系统存储成本；另一方面，针对业务系统架构进行分析，在可能引起系统访问瓶颈的地方引入大数据技术加以解决。

安全性则是挖掘电网大数据价值的另一个不容忽视的方面。电网的大数据由于涉及众多电力用户的隐私，且地域覆盖范围极广，安全问题较为突出。王继业表示，公司的大数据将按照分级管理的原则，同步规划、同步设计、同步投入运行，并根据数据的重要性以及共享程度，确定哪些是可以开放的，哪些是需要逻辑强隔离使用，从而保证在云基础上数据系统的安全性。

此外，国网能源研究院管理咨询研究所高级研究员孙艺新认为，在安全保障的情况下，利用好大数据还要以电力能源价值链延伸为主线，实现业务价值链向电网外部延伸。一方面，在电力供给、需求、客户负荷特征等数据分析基础上，注重对用户的数据挖掘与价值发现。利用大数据技术，在需求侧管理、家庭能源管理、节能服务、智能家居、95598客户服务等业务中拉近公司与用户的距离，挖掘用户行为的特点；另一方面，由支撑内部管理转向提供外部服务，将数据资产作为一项产品或服务进行变现。

王继业认为，大数据应用有需要继续深化的方面，包括怎样实现内部与内部、内部与外部之间的数据融合，减少壁垒；如何建立一支具备信息化、电力、数据分析能力的复合型人才队伍等。作为一项新生事物，大数据处于不同的发展阶段研究思考的内容也不同。“只有发现问题才有助于解决问题，引导我们走向正确的路径。”

经过反复研究探索和试点，目前，公司大数据的价值正逐渐凸显。例如，公司采用大数据技术，对线损、电量等经营指标进行在线监测和分析。目前，已在部分省（自治区、直辖市）公司进行应用。另外，在今年春节前后30天时间，公司对部分省（自治区、直辖市）公司、333个地市公司共2.75亿用电客户、145亿条用电信息等数据，应用大数据分析方法，分别从用电类别、电网负荷、优质服务等角度，对春节用电情况进行了分析，形成11余万条分析结果。“通过大数据整合人口、经济、用电等数据，可以准确反应区域经济发展和用电客户的消费习惯，将极大地丰富电力增值服务内容。”孙艺新表示。

大幕已经开启

“目前，公司大数据研究和试点工作已经取得阶段性成果，但这并不意味着公司大数据的研究应用画上了圆满的句号，相反，大数据正处于进行时，未来我们要做的工作还有很多。”王继业强调。

9月14日，公司发布信息通信新技术推动智能电网和“一强三优”现代公司创新发展行动计划，强调要加快构建各专业共享的企业级大数据平台，积极开展大数据应用场景设计，用好大数据，充分发挥数据价值。

立足公司的发展战略，未来公司大数据的运用前景光明。“当前，中央提出实施国家大数据战略，公司又正处于构建全球能源互联网的新征程中，信息化的任务繁重。利用好大数据，挖掘大数据的价值，推进大数据在公司系统的广泛应用，是构建全球能源互联网的重要保证。”王继业说。

目前，公司已经建成了覆盖总部和省公司统一的大数据平台。随着国网山东、上海、江苏、浙江、安徽、福建、四川电力和客服中心等试点单位的企业级大数据平台上线试运行。电网业务数据在总量和种类上都已初具规模，接下来的关键就是要做好大数据的各项分析。

当前，电网业务数据大致分为三类：一是电力企业生产数据，如发电量、电压稳定性等方面的数据；二是电力企业运营数据，如交易电价、售电量、用电客户等方面的数据；三是电力企业管理数据，如ERP、一体化平台、协同办公等方面的数据。

随着信息化建设推进以及新能源发展，下阶段各专业会涌现更多大数据应用需求，包括公司大数据和其他行业数据的关联性、与经济社会发展之间的关系等。公司具备非常好的从数据运维角度实现更大程度信息、知识发现的条件和基础，从而实现立足数据提供运维服务，创造数据增值价值，进一步推动电网发展方式和公司发展方式转变，为公司构建全球能源互联网，推动实施国家大数据战略，提供更有力、更长远的支撑。

以上是小编为大家分享的关于国家电网大数据应用 增强企业核心竞争力的相关内容，更多信息可以关注环球青藤分享更多干货

H. 浅析电力行业如何拥抱大数据

浅析电力行业如何拥抱大数据

未来社会发展将会是大数据的时代，数据的意义已经不仅仅是记录，而是一种能源，一种潜力巨大、影响深远的能源。2015年8月19日，国务院常务会议通过了《关于促进大数据发展的行动纲要》，特别强调通过大数据的发展，提升创业创新活力和社会治理水平。大数据正在改变着各行各业，同样，大数据在电力行业也得到广泛的应用。
电力行业如何拥抱大数据 打破数据壁垒
近年来，在电力领域大数据已经得到了广泛关注，国内的一些专业机构和高校开展了电力大数据理论和技术研究，我国电力行业也在积极开展大数据研究的应用开发，电网企业、发电企业在电力系统各专业领域开展大数据应用实践，国家电网公司启动了多项智能电网大数据应用研究项目。
智能电网是解决能源安全和环境污染问题的根本途径，是电力系统的必然发展方向;全球能源互联网则是智能电网的高级阶段，“互联网+智慧能源”进一步丰富了智能电网的内涵;这些新概念均与大数据密切相关，大数据为智能电网的发展和运营提供了全景性视角和综合性分析方法。就物理性质而言，智能电网是能源电力系统与信息通信系统的高度融合;就其规划发展和运营而言，智能电网离不开人的参与，且受到社会环境的影响，所以智能电网也可被看作是一个由内、外部数据构成的大数据系统。内部数据由智能电网本身的系统产生，外部数据包括可反映经济、社会、政策、气候、用户特征、地理环境等影响电网规划和运行的数据。在智能电网的发展过程中，大数据必将发挥越来越重要的作用。
但是从目前来看，电力行业数据在可获取的颗粒程度，数据获取的及时性、完整性、一致性等方面的表现均不尽如人意，数据源的唯一性、及时性和准确性急需提升，部分数据尚需手动输入，采集效率和准确度还有所欠缺，行业中企业缺乏完整的数据管控策略、组织以及管控流程。电力行业缺乏行业层面的数据模型定义与主数据管理，各单位数据口径不一致。行业中存在较为严重的数据壁垒，业务链条间也尚未实现充分的数据共享，数据重复存储的现象较为突出。
业内称电力行业拥抱大数据，急需推动电力企业间的数据开放共享，建设电力行业统一的元数据和主数据管理平台，建立统一的电力数据模型和行业级电力数据中心，开发电力数据分析挖掘的模型库和规则库，挖掘电力大数据价值，面向行业内外提供内容增值服务。
协调发展智慧电力、智能电网和智慧城市。电力大数据是智慧城市的基石，紧密围绕智能电力系统的发展开展电力大数据的应用实践。以重塑电力核心价值、转变电力发展方式为主线，未来必将实现智能电网与互联网的深度融合：将与城市的电、热、气、水和交通系统实现交互，把电能与供热、供水、供气以及交通系统进行互联互通，形成城市互联网，通过城市互联网技术来进行整合，比如给家庭、社区、工业园区、企事业单位、医院、学校提供一揽子能源解决方案，解决它的水、电、气、油甚至包括污水处理、垃圾处理、暖气供应、冷气供应，整个能源资源的成套解决方案，是人性化、智能化甚至量身定制的解决方案。
案例分析：电力行业如何拥抱大数据
以电力大数据的先行者——AutoGrid为例
1、正确姿势
AutoGrid的核心为其能源数据云平台——EnergyDataPlatform(EDP)，创造了电力系统全面的、动态的图景。
类似于高级搜索引擎或天气预报算法，AutoGrid的能源数据平台挖掘电网产生的结构化和非结构化数据的财富，进行数据集成，并建立其使用模式，建立定价和消费之间的相关性，并分析数以万计的变量之间的相互关系。通过该能源数据平台EDP，公共事业单位可以提前预测数周，或只是分，秒的电量消耗。大型工业电力用户可以优化他们的生产计划和作业，以避开用电高峰。同时，电力供应商可使用该能源数据平台EDP来决定可再生资源，如太阳能，风能的并网，最大限度地减少这些能源间歇性对电网的影响。
DROMS(，需求响应优化及管理系统)为AutoGrid的需求响应管理工具。DROMS从已存在的AMI系统、有线网关、建筑管理系统以及数据采集与监控(SCADA)系统获得实时数据，结合配电系统的物理特性，基于机器智能，分析产生对单一负载的精确预测，在需求响应要求产生之前介入，迅速生成针对某一需求响应的应对策略。除此之外，对甩负荷要求及价格信号亦能有及时准确的反应。
2、优化需求管理
当需求侧管理日益成为电力运营的一个重要部分时，电力大数据的应用也变得日益重要。通过电力大数据的采集、分析及应用，可以帮助电网各端匹配电力供应和需求，降低电网各端的成本。
AutoGrid的客户覆盖发电端、输电端、配电端、用户，可以帮助电网各端匹配电力供应和需求，降低电网各端的成本。AutoGrid的能源数据云平台EDP，收集并处理其客户接入智能电网的智能电表、建筑管理系统、电压调节器和温控器等设备的数据，面向其用电客户提供DROMS，获取能量消耗情况，预测用电量，结合电价信息实现需求侧响应，生成需求侧管理项目的分析报告，提升客户全生命周期的价值收益;面向电网运营者提供DROMS，可提供需求响应应对策略，预测发电情况和电网动态负荷，预测电网运行故障，改善客户平均停电时间和系统运营时间，从而实现电网优化调度，减少非技术性损失，降低运营成本。
来自于ARPA-E项目的支持，AutoGrid还开发了一套软件来监测电力在电网中的流动，帮助公用事业公司更好地满足实时电力需求。在需求高峰期，公共事业公司可以让精打细算的消费者知道他们在能源领域是如何花费的或要求具有环保意识的消费者主动减少自己的能源消耗。从而公共事业公司可以更好地快速有效地管理对电网的需求和供给的波动。
由于在需求响应的突出表现，AutoGrid被美国NavigantResearch列为2014年度需求响应领军企业。
3、建立能耗图景
基于EDP和DROMS，AutoGrid可以为客户提供一个大规模的、动态的、不间断的、供能范围内的整体能耗图景。利用该能耗图景，公共事业公司可以可以实时“看”到本地区的能耗，以更好的进行电力控制。当数据不断被累积，AutoGrid就能提供秒前、分钟前甚至周前的用电预测，可以帮助电力企业客户实现不影响舒适度和生产率情况下的优化排产计划。因此，AutoGrid提供的不仅是能量消耗动态图，它提供的还是需求侧响应的应对方案。

以上是小编为大家分享的关于浅析电力行业如何拥抱大数据的相关内容，更多信息可以关注环球青藤分享更多干货

I. 电力大数据包括哪一些

为曾经搞过几个电力相关项目的人，就自己粗浅的理解，要玩大数据的前提是首先要有回大数据，以前电答网建设重点都集中在生产环节，配用电环节关注较少，而生产环节，起码目前，还谈不上大数据，相关的数据挖掘倒是一直都需要，也一直都在用。用电信息采集系统（用户能见到的就是智能电表）等的大面积推广，意味着与用户交互最多的配用电环节开始得到重视。从未来看，智能电网的实现的确需要大数据做支撑，但在我国电网环境下，这将还是一个漫长的过程，可能类似智慧售电网的建立会是一个好的开始。

J. 为什么电力系统的研究大部分集中在了中国，在国外少有研究

为什么这么说?有统计数据么