浅析电力企业运营中大数据监测及实践黄勃

浅析电力企业运营中大数据监测及实践黄勃

黄勃

（镇江供电公司212000）

摘要：近年来，电力企业运营中大数据监测问题得到了业内的广泛关注，研究其相关课题有着重要意义。本文首先对相关内容做了概述，分析了大数据视角下电力企业面临挑战，并结合相关实践经验，分别从多个角度与方面就电力企业运营中大数据监测的应用展开了研究，阐述了个人对此的几点看法与认识，望有助于相关工作的实践。

关键词：电力企业；运营；大数据；监测

1前言

作为电力企业运营中的一项重要方面，对大数据监测的应用占据着极为关键的地位。该项课题的研究，将会更好地提升对大数据监测问题的分析与掌控力度，从而通过合理化的措施与途径，进一步优化电力企业运营工作的最终整体效果。

2大数据技术概述

从现在世界各国对大数据技术的研究应用方面来看，技术水平已经日趋成熟，例如最大化扩展数据库、提高搜索引擎性能、最佳可视化工具、驱动处理技术、智能化商业技术等，这些技术都在日益完善，广泛被用来处理海量的数据，能够大量的挖掘数据信息。当前，传统数据评估技术已满足不了各企业的需求，人们更多的想要时实数据分析，而当前的基础设施、数据结构以及商业模式根本无法保质保量完成这些任务。关于大数据技术，人们重点研究的是工作量化和在原基础上如何更多的处理信息，人们认为在未来工作量化这种新的商业模式中，大数据技术将会成为一种主流技术，从近几年来看，我国关于大数据技术应用的项目还比较少，多数处于测试阶段，但IDC预测，未来几年大数据技术将会在全国范围内广泛应用，对于各行各业来来说，大数据技术既是挑战也是机遇。

3大数据视角下电力企业面临挑战

3.1数据收集和存储

电力大数据时代，电力数据不单单来源于电力企业内部的历史数据，还来源于实际生活中，电力运行时产生的实时的数据和来自互联网等的数据，收集这些数据要附上不同的来源，剔除无用信息，还要尽可能收集更多不同数据来源、结构化程度不同的数据，并与历史数据进行对照，验证收集到的数据的真实性和可靠性，如何按照一定标准对这些巨量的数据进行分类存储和处理，以便于及时分析和研究，提取有效的信息，对电力企业来说是一项挑战。

3.2数据结构

当前大部分数据结构形式呈现非结构化和半结构化数据大幅增长，占比达到所有数据的80%左右；而且当前大多数的数据都是以数据流的方式存在的，数据价值的体现与时间之间有着明显的相关性，也就是说为了实现数据的应用价值，需要实时处理数据，否则过期数据就会毫无用处。但当前计算机只能对有结构或类结构的数据进行处理，对非结构化和半结构化数据的处理效率不足，因此影响了电力企业对数据的实时应用。

3.3数据关系

由于数据网络化的关系，使电力大数据之间的关系非常复杂，而这些数据一般都是孤立的数据点，反映出的数据网络比较片面。如何将数据集成，使其反应出完整的数据网络，是电力企业遇到的挑战之一。以发电厂为例，发电量数据单独映射出的是电厂发电的量，但其实际上是与电压数据、用电数据、线损数据等相互关联的。另外，电力大数据的处理还要将发电、输电、配电等方面的数据进行融合，形成统一的电力信息系统。

4目前的电力企业管理中存在的问题

4.1决策程序方面

我国企业在目前的产权上仍然存在不清晰的情况，并且在制度上的安排，不能给企业的决策者提供一个追求长远利益稳定的预期与重复博弈的规则，这样的情就会决策者的利益与它所进行決策企业在利润上没有了长远的关系，会造成决策者在做决策时产生犹豫不决的状况。

4.2营销理念的方面

随着市场上需求不断的更新换代，市场营销的理念不再是以前计划经济时代时简单的买与卖的关系，“大数据时代”背景下的企业营销理念上的要求是把企业的文化、理念、信誉以及服务进行有机的融合，打包式的将理念推销给客户或是潜在的客户，从而达到将企业上的文化进行快递式的处理，对企业盈利上的目的进行实现。但是，目前的状况是许多的企业依然固执的对陈旧的营销方式进行使用，其实，这样的做法会严重的阻碍企业进一步的发展。

4.3无形资产方面

现代企业之间的竞争能够取得胜利的关键已经不是谁家的设备更加的现代化，或是进行生产的产房越多就越有利于获得更多的利益，更容易胜出。针对于现在的市场形式的特点，其实取胜的关键是领先的知识产权，或是更具有知名度的品牌，还有就是商家的拥有的一个好的声誉等这些不存在形式的无形资产所决定的。

5电力企业运营中大数据监测的应用探讨

5.1在电力系统动态安全评估中的应用

K.R.Niazi等提出了基于人工神经网络和决策树混合方法在电力系统在线安全评估中的应用。电力系统在线动态安全预防中如何应用决策树技术来测试每个发电调度的动态安全性，并且通过发电再分配来提供正确的指导，优化发电容量，节约发电成本。如何使用Kernel回归树方法在线安全评估和监控电力系统，处理频率稳定性问题。如何描述从决策树学习中提取规则，并利用该规则来获得必要的控制措施，将暂态不安全稳定的电力系统保持安全的动态控制技术。

5.2在电力系统负荷预测中的应用

电力负荷预测是电力调度一项非常重要工作，它关系到电厂各机组的运行计划。结合区域电网气象负荷数据库，设计决策树形式的数据挖掘模型，并应用于日负荷预测。以一种运用C4.5和CART算法的基于BP网络加权组合的数据模型，并基于此设计出一种高精度的短期负荷预测系统。运用时间序列模型使用已有的数据序列预测负荷，用自适应决策树对存储在数据库中的用户用电记录、季节、气候等相关属性进行聚类，制定合适的收费表，而且分析出用户与其他属性之间的相关联的一些特点。

5.3在电力系统故障诊断中的应用

电力系统故障诊断是通过利用有关电力系统及其保护装置的信息来识别故障元件位置（区域）、类型和误动作装置，其中故障元件识别是关键问题。将基于事件序列的故障诊断模型用于高压输电线系统故障诊断领域，依据故障事件序列在时空特性上的关联性，用动态规划算法的优化相似性原理挖掘事件之间的关联性和蕴含的知识，将诊断问题的求解转化为寻求与实时故障事件序列模式最相似的，运算操作代价最小的标准故障序列模式，以实现对异常事件序列模式中的畸形事件的纠错，保证故障诊断系统的高容错性。基于粗糙集理论的故障诊断决策约简新算法，从而建立故障综合知识库用于电网故障诊断。论述了用数据挖掘技术对变压器油中各种气体成分进行聚类分析，从而可以再预先不知道变压器故障类型的情况下得出变压器油中各种气体成分含量与故障之间的直接关联，为故障诊断提供依据。

5.4在工程造价方面的应用

工程造价是一个多变量、非线性的复杂过程，利用已建工程的历史造价资料，将数据挖掘与人工神经网络相结合，构建工程造价模型，并运用在电网工程造价预测和预算审查中，可以克服现有人工审查带来的主观性和片面性影响，提高工程造价预测的准确性。

5.5在营销支持方面的应用

基于电力营销的实际数据，从“量（电量）、价（电价）、费（电费）、损（线损）”等方面进行关联规则、聚类挖掘。比如讲用电客户根据其属性特性进行聚类分组，进行信用评价，防范恶意欠费。检测用电异常情况，防着窃电行为发生。

6结束语

综上所述，加强对电力企业运营中大数据监测问题的研究分析，对于其良好实践效果的取得有着十分重要的意义，因此在今后的电力企业运营过程中，应该加强对大数据监测关键环节与重点要素的重视程度，并注重其具体实施措施与方法的科学性。

参考文献：

[1]吴师师.电力营销管理的创新与发展研究[J].中国管理信息化.2017（11）：60-62.

[2]刘迎.新时期背景下分布式光伏企业营销管理的创新研究[J].商场现代化.2017（01）：115-116.

[3]裴玉.如何创新电力企业营销管理的举措分析[J].东方企业文化.2016（21）：88-89.