电力大数据的来源特点及应用介绍

碳道小编 · 2020-03-12 06:03 · 阅读量 · 2340

摘要:从发展趋势来看,未来大数据平台应具备云+大数据的超融合架构,实现实时性数据处理、事务型在线数据处理、机器学习的数据处理能力,同时,加强数据安全管理,最终实现更加智能、安全的大数据存储与分析。

随着智能电网和信息化建设,电力行业积累了海量数据,这些数据在数据量、多样性、速度和价值方面具有大数据的特征。电力行业已进入大数据时代。电力大数据是通过传感器、智能设备、视频监控设备、音频通信设备、移动终端等各种数据采集渠道,收集到的海量结构化、半结构化、非结构化的业务数据集合。

电力大数据是电力公司的新型资产,能够促进电力公司的业务管理向更精细、更高效的方向发展。大数据技术将推动信息技术平台的升级与改造,包括提升数据存储和及时处理的能力;补充对非结构化数据分析与利用的能力;增强对海量数据资源的价值挖掘能力。

电力大数据在应用过程中存在着对行业内外能源数据、天气数据等多类型数据的大量关联分析需求。通过与行业外数据的交互融合,以及在此基础上全方位的挖掘和分析,将会使电力大数据发挥出更大价值。

电力大数据的来源特点及应用介绍

电力大数据从哪儿来?

电力大数据主要来源于发电、输电、变电、配电、用电和调度等各环节,可大致分为三类。

电网运行、设备检测或监测数据。主要包含在能量管理系统、配网管理系统、广域量测管理系统、生产管理系统、电网调度管理系统、故障管理系统、图像监控系统等。

电力企业营销数据,如交易电价、售电量、用电客户等数据。主要包含在营销业务系统、95598客户服务系统、电能量计量系统、用电信息采集系统等。

电力企业管理数据。主要包含在协同办公系统、企业资源计划系统(ERP)等。

电力大数据的特点

数据体量大

以江苏省用电数据为例,江苏省有4000多万电力客户,对居民客户每小时采集一次数据,每次数据项十多个,一天仅居民用电数据就几十亿项。

数据类型多

各类结构化、半结构化数据以及非结构化数据类型多。以非结构化数据为例,包括各变电站大量的视频监控设备产生的视频数据、客服与客户沟通留下的语音数据、无人机巡检产生的图片数据、办公系统流转过程中的各种类型电子文件等。

价值密度低

电网生产领域的检测监测数据、电网运行数据,所采集的绝大部分都是正常数据,价值比较大的却是极少量的异常数据,异常数据是状态检修的最重要依据。

处理速度快

以电网运行控制领域为例,要求在几分之一秒内对大量数据进行分析,以支持控制决策。

电力大数据应用

电力大数据应用涉及电网企业各业务方向,典型应用场景包括规划、建设、运行、检修、营销、运监、企管、服务等8大类。在规划方面:通过应用用电大数据,提高中长期负荷预测的准确度,指导电网规划。在运行方面:通过应用用电大数据,提高短期和日前负荷预测的准确度,指导调度计划的制定;通过应用电网运行大数据,优化电网运行方式;通过应用新能源发电大数据,提高新能源发电预测水平,提升电网消纳新能源发电的能力。在营销方面:应用用电大数据,刻画电力客户用电行为特征,优化客户管理策略。在服务方面:应用用电大数据,为政府部门提供产业转移、产业发展、房屋空置率等社会经济指标;应用客服大数据,对热点问题的资源进行优化配置。

在新冠肺炎疫情防控过程中,为精准服务疫情防控和复工复产,国网浙江省电力有限公司根据电力客户历史用电量、当日用电量等数据,在国内首创“企业复工电力指数”,动态监测、直观反映当前企业复工复产情况。

2月14日,国家电网有限公司要求所属各省(自治区、直辖市)电力公司充分应用电力客户用电数据,支撑地方政府有序组织企业复工,并监测复工复产情况。电力公司结合本地区实际以及不同行业用电特性,研究制定不同行业的“复工电力指数”,精准支撑政府部门对不同行业,特别是防疫重点企业和涉及民生等重要行业的复工复产要求。

围绕大数据平台技术,近日,本报记者对国网客户服务中心大数据服务部杨菁博士进行了专访。

《亮报》:一般来说,大数据平台应具备哪些要求?未来,大数据平台有哪些发展趋势?

杨菁:大数据平台,顾名思义,主要是处理大量(至少TB级)数据的平台,核心要求是4种能力。一是海量数据接入能力。应建立一套标准化、规范化的数据规范,以及灵活、可扩展的技术体系,以适应体量大、多源异构的海量数据接入需求。二是数据存储能力。平台应选择合适的存储形式,对应于不同类型、不同用途的数据库媒介的存储和查询能力。三是数据查询能力。平台应为客户提供即时、高效的数据查询服务,为客户节省时间、提升效率。四是数据计算能力。平台要充分体现数据价值,就需对数据进行进一步的加工、分析和挖掘,要支持离线批处理、实时计算、机器学习、多维度分析和全文检索等应用场景。

从发展趋势来看,未来大数据平台应具备云+大数据的超融合架构,实现实时性数据处理、事务型在线数据处理、机器学习的数据处理能力,同时,加强数据安全管理,最终实现更加智能、安全的大数据存储与分析。
来源:亮报

热门评论
会员专享