电力大数据与电网相融合 涉及整个能源转换过程

数据整理层在数据挖掘技术中的实现在数据整理过程中，由于数据源数据内容往往交叉，所以需要按照互动性对观测数据进行分类。同时，由于原始数据中有噪声数据、冗余数据及缺失数据等问题，需要对数据进行解析、清洗、重构，并填补缺失数据以提高待挖掘数据的质量。经过分类后数据被大致分为两大类：结构化数据、半结构化与非结构化数据。对于结构化数据，需要对其进行数据过滤，剔除无效数据以提高分析效率；对于半结构化和非结构化数据，需要按照一定的标准处理成机器语言或索引。例如，对电力用户评论、电力系统运行日志资料等数据，就需要转换成加权逻辑或是模糊逻辑，并将不同的词语映射到标准值上，形成企业统一的语言。数据管理层在数据挖掘技术中的实现通过数据整理层，将经过整理和转化的数据存储到电力数据仓库（datawarehouse，DW）中，由于不同的电力数据库储存标准不同，因此需要整合转化后才能储存到数据仓库中，这里就需要对数据仓库进行重新设计。

经过重新设计的数据仓库，可以根据不同的主题设计不同的属性集，从而减少数据处理量；针对不同的主题数据库，可以采取粗糙集的属性归约算法删除数据中的冗余信息，得到精简的数据集；然后将决策树所表示的数据集表示为IF-THEN的分类规则知识，并储存在规则知识库中；如果有新数据样本需要处理，可以按照一定的规则算法进行识别匹配，从而进行综合评价。数据分析层在数据挖掘技术中的实现经过数据管理层处理的数据，可以通过联机分析处理技术(on-lineanalyticalprocessing，OLAP)来支撑复杂的决策分析过程，从而将数据转化成为辅助决策的信息。鉴于电力企业对数据实时性要求很高，可以将电力企业的数据分为实时性数据和非实时性数据进行分类处理。针对非实时性数据，可以考虑基于分布式文件系统(distributedfilesystem，DFS）和MapReduce技术的云计算来进行处理；也可以基于Hadoop，一种DFS和MapReduce的开源实现的云计算平台来进行数据处理。对于实时性数据，如电力负荷数据，一方面电力企业可以通过内存计算技术，将全部数据通过内存运行进行计算，这将是提高计算速度的有效办法；另外，可以在云平台前面设置若干前置机，用于实时接收数据。

数据展示层可视化企业目标通过电力营销决策支持系统（ElectricMarketingDecisionSupportSystem，EMDSS），运用良好的数据可视化设计，借助图形表达数据中的复杂信息，将数据挖掘的成果可视化，并将其运用到电力企业未来的发展规划中。将深度挖掘的数据可视化，可以使员工清楚地认识到电力企业未来的发展方向、评价决策制定的正确与否。结果是否符合实际，是决定整个系统挖掘技术是否成功的标准。展望基于我国的基本国情，电力企业具备非常好的从数据运营角度获取更大程度信息、资源、知识发现的基础。因此，电力企业完全可以立足大数据，以数据挖掘技术为基础，创造数据增值服务。智能电网的发展对于智能的理解，是指能够深刻分析收集到的材料、数据，以获得一个比较系统和全面的知识来解决特定的问题，从而满足商业战略目标的需要。智能面向电力行业，就是指电力行业发电、供电和用电的组织结构更加合理、运行程序更加优良、综合功效更加强大的智慧系统，即所谓的智能电网。智能电网基于数据和能源的同步传输，通过促进能源与信息技术的深度融合，已经逐渐形成了以能源、数据为运行体系支撑下的坚强可靠、友好互动、清洁环保的能源管理网络。

大数据与电网的融合涉及从发电企业到最终用户的整个能源转换过程和电力输送链。由于智能电网的快速发展，信息通信技术正以前所未有的广度、深度与电网生产、企业管理快速融合，信息通信系统俨然已经成为智能电网的“中枢神经系统”，支撑新一代电网生产和管理的快速发展。一个行业的结构越合理，内部摩擦越小，功效越大，系统的智慧程度就越高，每次人与数据的互动就更有机会以更高效和更多产的方式分析汇总，从而更好地支持决策行动。当前，国家电网公司已初步建成了国内领先、国际一流的信息集成平台，随着后续智能电表的逐步普及，电网业务数据将从时效性层面进一步丰富和拓展。通过对拓展到家庭、企业的广泛覆盖的数据采集网络进行深度的数据挖掘，可以进一步实现智能用电管理，使用户掌握实时用电信息、在线互动能耗数据，实现能源高效循环利用，进而为节能减排提供依据。因此，智能电网的发展，将更好地推动数据挖掘技术在电力行业的运用。

基于数据挖掘技术的客户关系管理随着电力企业改革的不断深入发展，客户关系管理（customerrelationshipmanagement，CRM）已经广泛应用到电力企业管理中，电力用户日益成为电力企业竞争的核心。不同的用户对电力的需求是不同的，哪家供电企业如果能够及时运用一定的方法和工具将电力需求不同的客户进行分类，谁就能获得先机，取得竞争优势。对此，电力企业可以通过挖掘由客户信息、用电信息组成的主题仓库，来对电力用户进行进一步了解。

再如，企业竞争情报系统的分析方法需要处理大量的数据，通常都是PB级的。如果通过对这些情报数据进行分析，将具有类似电力需求的客户归在一类，将有助于电力企业寻找最有价值的电力客户。通过向这些客户提供特殊的服务，投放不同的广告，将有助于提高其满意度和忠诚度，从而为电力企业盈利提供保证。

对此，可以将聚类分析运用到CRM中，从而能够针对不同的消费者群体提供更多的个性化服务,以便于更好满足电力客户的需求，为电力企业争取更多的客户。建立以数据挖掘技术为核心的信息系统由于计算机技术、网络技术在处理数据资料上的便捷、高效，电力企业为了适应时代的需求，大多探索建立了信息系统来辅助自己对内外部数据进行系统统计和精确分析，这样使得电力用户资料统计变得相对简单、易于操作。对于现代电力企业，应该逐渐摒弃“以产品为中心（good-domimantlogic）”的传统管理模式，并转变为“以服务为中心(service-dominantlogic)”的面向“社会媒体—网民群体—电力企业”的“企业网络生态系统(enterpriseecocystem)”的新型管理模式。

对此，一些电力企业开展了网上办电、网上业务咨询等服务，并对由此产生的信息进行分析和利用，从中获得收益；中国南方电网有限责任公司也将投资建设一体化信息平台；五大发电企业目前正在重构其信息系统以建立新的管理与运营模式，把建立统一的信息平台作为信息化建设的重点项目。同时，有人还提出了基于传统“目标驱动决策”和现代的“数据驱动决”的技术创新管理双向决策模型，如果将这个模型应用于供电企业中，可以形成以自组织动态监测为核心，能够有效预警并处理用电高峰期的技术监测模型。

对于日趋完善的电力企业信息系统，数据挖掘技术的实施必将取得事半功倍的效果。数据挖掘过程中的能耗问题电力企业在进行用户信息提取、负荷预测、数据库维护过程中，由于面对数据中心存储规模不断扩大的现实，高能耗、高成本已经成为制约大数据时代下数据挖掘过程有效进行的一个瓶颈。据《纽约时报》和麦肯锡公司就能耗问题发表的一篇题为“PowerPollutionandtheInternet”的文章指出，对于Ｇｏｏｇｌｅ来讲，数据中心年耗电量约为３ＭＷ，而这些能耗中，只有６％～１２％被合理利用。对于我国的电力企业来讲，绝大多数电能用于使服务器处于闲置状态，以应对负荷高峰时等情况。因此，对于电力企业来讲，应该从采用新型低功耗硬件以及引入可再生的新能源来构造一个绿色数据库等角度来考虑如何缓解能耗问题，将节约的能源再利用于基于时间序列相似性的电价预测。

新闻来源：SIA大数据，如侵权请联系删除。

延伸阅读：

全球这些牛逼轰轰的公司 竟然因为能源互联网齐聚苏州！

【深度】消纳高占比可再生能源的智能配电网规划关键技术

能源互联网+？七种行业融合前景可期