简介:摘要: 95598电力服务热线是国家电网公司面向电力客户的主要服务窗口,是客户反映电力诉求、评价服务质量的重要途径,同时也是支撑电网企业更好地提供电力服务的重要信息来源。当下,数据作为一种资源已越来越受到政府与企业的广泛关注和重视,而数据分析技术更是在很多领域得到了有效实践并取得了可喜成果。针对 95598电力服务领域,利用数据分析技术开展数据的内在关联与预测分析,有助于发现供电公司在 95598业务管理过程中存在服务盲区、投诉风险点以及造成客户不满意的因素,为持续深化 95598服务管理、提升供电服务品质提供有价值的数据服务与支撑。
简介:摘要:随着能源大数据建设的不断推进,电力系统中运行的采集终端数量大幅剧增。通过采集到的海量用电数据,快速挖掘出有价值的信息,指导企业发展并服务社会民生,显得尤为迫切。文章介绍了通过分布式架构的用电信息采集系统采集用电数据,建立大数据云平台,利用大数据算法模型,对转供电污染企业进行监测分析,实现大气污染防治的重要举措,并在能源、智慧用能等新的领域对电力能源大数据应用的研究进行了展望,对未来电力能源大数据的深化应用有重要的指导意义。 关键词:能源大数据;大数据云平台;污染企业防治;转供电 1 大数据云平台 在“加快推进能源大数据”的背景下,以智能电网为代表的电力技术不断与以云计算、大数据为代表的信息技术融合,改变着电力企业的生产经营方式。作为电网用电侧信息获取及用电控制重要途径的用电信息采集系统,产生的大数据日益增加并且在智能电力发展中发挥着重要作用。应当积极应用大数据,对电力市场、电网及用户用电状态进行全面而深入的分析,并生成相应的调研报告,从而真实反映电力市场变化、电网运行状态及用户需求。在大数据时代,需要建立大数据云平台,更好的支撑分析预测。 云平台的建设使得大数据在智能电力建设中得到了丰富的应用。电力数据来源各异,包含控制、计量、监测等不同类型、不同时空尺度,实现海量数据统一分析及深度挖掘,是其首要建设目标。电力数据服务对象不同,打破数据壁垒,实现不同业务贯通是其第二阶段建设目标。最终将电力数据应用于各行各业,推广不同行业广泛参与的商业模式是其最终建设目标。本文将详细介绍采集大数据在大气污染防治中转供电污染企业监测分析方面的重要应用。 2 污染企业防治之转供电分析 基于环保与电力大数据共享,在大气污染治理和空气质量预测方面已取得良好成效。但部分企业为逃避监控,采取转供电的方式进行生产,为治理大气污染工作带来了困难。因此需借助大数据和人工智能技术开展转供电污染企业分析。以电采系统为依托,实现电力与环保大数据共享,支撑大气污染治理在全国属于首创。 2.1 系统总体架构设计 转供电污染企业监测 系统自底向上可分为数 据层、应用层和展现层 3 部分 。 2.2 转供电污染企业配对模型 基于电力大数据建立管控企业与周边企业的配对档案模型。管控企业范围取之于环保厅下发的企业名单。依托营销数据共享平台,根据管控企业与用户的对应关系输出管控企业对应的用户信息及用户所在线路等相关信息。以电网拓扑结构为基础,采用以下建档模型实现档案的建立。 以线路为单元分析。将线路下的管控企业与非管控企业建立关联关系,此关系为多对多关系。此分析针对于高压用户首次匹配。 以所辖供电单位分析。将未匹配到的管控用户与未匹配的非管控企业通过单位。此分析基于未匹配的高压用户。 以台区为单元分析。将台区作为最小分析单元,适用于台区下的低压非居民用户建档。 2.3 转供电污染企业电量分析 小时级电量分析 曲线特征提取:转供电企业小时级电量曲线连续多个时间点斜率为 0。 公式: K = (Q2-Q1)/(T2-T1) ① 备注: T1、 T2分别为相邻的两个时刻; Q1为 T1时刻电量, Q2为 T2时刻电量 每日电量分析 曲线特征提取 :周边转供电企业当日电量比正常情况用电电量有突增变化。 公式: K = (Q - A) / A ② 备注: Q为企业用户日电量; A为企业用户非管控期间日均用电量。 样本日电量分析 曲线特征提取 :管控期间内,管控的转供电企业比正常用电减少的电量与周边非管控企业比正常用电增加的电量大体一致。 公式[4] : ③ ④ ⑤ 备注:③式样本 n=3, x为企业用户当日用电量, 为企业用户非管控期间日均用电量。 ④式样本 n=3, x、 y分别为管控企业与周边非管控企业日电量, E(X)、 E(Y)为企业正常日均用电量。 ⑤式是对平均差量化公式,其中 X、 Y分别代 表管控企业与周边企业的平均差。 综合以上三个曲线特征,我们将同时满足曲线条件的定位为疑似转供电企业。疑似等级分为 A、 B、 C、 D四个等级,根据疑似等级有选择性的派发闭环管理工单,各单位工作人员根据现场实际核查情况进行工单反馈,实现闭环工单管理模式。 2.4 转供电污染企业防治应用 基于用电信息采集系统数据,精准开展转供电污染企业监测。建立省、市、县三级监控中心,对重点污染企业用户,实行 24小时在线监控,加大对钢铁、建材、化工、有色冶金等高污染行业监管力度,从而为有效提升空气质量指数。 通过线上分析,线下核查,线上分析线下相结合模式对大数据分析模型进行验证及调优。在环保治理模式上,美国是转移,欧洲是循环,日本是控制,而中国发展到现在,并不能走被世界上其他国家诟病的转移之路,因此当今中国应该把控制污染源作为环保治理思路。促进能源结构和产业结构调整,用环境来优化产业,促进产业的发展。 3 展望 电力大数据带来丰富的应用场景。特别是科技飞速发展的今天,大数据、人工智能等技术已经取得了突飞猛进的发展,电力大数据可以为用户提供更加科学合理的用电指导策略和更加智慧便捷的用电新生活。在社会层面上,电力大数据建设必然对通信业、互联网等周边产业形成带动,促进上下游产业协调发展,有助于各方共同建立起互惠共赢的能源互联网生态圈;在经济层面上,电力大数据在降低社会整体用能成本的同时,还可以为相关企业开辟新的盈利渠道;在环境层面上,电力大数据建设可以实现电力系统的源、网、荷、储各个环节的协调和运转,保证清洁能源顺利消纳,降低碳及其他污染物的排放。 4 结束语 本文通过研究采集大数据在大气污染防治中转供电污染企业监测分析方面的应用,创新性地提出了基于采集系统,建立大数据云平台,实现转供电污染企业监测,助力蓝天保卫战。通过展望我们发现能源电力大数据拥有具有巨大应用潜力,未来还将继续升级。 参考文献 李永莱 . 聚焦“三型两网、世界一流” 推动省级电网企业高质量发展 [J]. 国家电网 , 2019(4). Li Yonglai. Focusing on "three types and two networks, world-class" to promote high-quality development of provincial grid enterprises [J]. State Grid, 2019 (4) 李荣华 , 石玉东 , 叶军 , et al. 守正创新担当作为推进世界一流能源互联网企业建设 [J]. 国家电网 , 2019(2):50-55. Li ronghua, Shi Yudong, ye Jun, et al. Shouzheng innovation as a world-class energy Internet enterprise construction [J]. State Grid, 2019 (2): 50-55 周步祥 , 刘欣宇 . 基于网络图形的配电网拓扑分析方法及应用 [J]. 电力系统自动化 , 2003, 27(16):67-70. Zhou bxiang, Liu Xinyu. Topological analysis method and application of distribution network based on network graph [J]. Power system automation, 2003, 27 (16): 67-70 孙宏斌杨洪礼 . 概率论与数理统计 [M]. 2013. Yang Hongli. Probability theory and mathematical statistics [M]. 2013
简介:摘要:随着互联网信息技术的飞速发展,大数据是高科技时代的产物。大数据技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理。时至今日,大数据已经渗透到我们工作、生活等各个领域,电力企业也不例外,推动我国实现由工业化社会向信息化社会的过渡。电力企业在市场经济发展环境下,竞争压力日趋加大,要想实现长远、健康发展,创新电力市场营销管理策略是重要突破口。并且我们必须承认我国电力企业营销管理存在着较大的问题,这就有必要就电力企业的创新营销管理手段做出探究。大数据环境为我国的电力企业发展提供了机遇,也提出了新的挑战,电力企业在大数据环境下对营销管理进行创新更是工作的重中之重。
简介:摘要:随着经济和信息技术的快速发展,数据中心经过前几年的疯狂建设,其问题开始逐渐浮现,首当其冲的是其耗能问题。从 2018年开始,国家及各地市出台了相关政策来规范数据中心的建设和运营。相关政策的出台,使得绿色节能的数据中心建设成为热点话题。数据中心的能耗主要由三部分组成,一是 IT设备的能耗,二是暖通设备的能耗,三是电源设备的能耗。这三部分中, IT设备的能耗占数据中心总能耗最多,约为 50%,其次是暖通设备的能耗,占 30%~ 40%,而电源设备的能耗约占 10%,因此目前大多数的节能技术研究均聚集于暖通系统。然而,供配电系统是数据中心的重要支撑基础,供配电系统的节能研究同等重要。
简介:摘要:电网企业由于大数据平台已接入多个业务系统数据,借助数据资产的监控可以全方位提升数据管理技术支撑能力,数据资产运营管控系统的开发,有利于完善大数据运营体系,有效进行数据云平台的运维监控。