電力生產中大數據應用的探討

蔡國保

摘 要：通過電力生產過程中電力生產數據的特點，針對在建設大數據庫信息方面的具體分析，對大數據分析在電力行業中的作用和前景進行了簡要描述，希望能給大家在大數據分析領域提供一些不一樣的思路和方法，并希望這篇文章可以在以后大數據時代的應用中為大家提供參考。

關鍵詞：生產數據;大數據;數據采集;數據分析

中圖分類號：TP311.1 ? ? ? ? ? ? 文獻標識碼：A ? ? ? ? ? ? ? ?文章編號：2095-1302（2015）09-00-02

0 ?引 ?言

大數據分析在各行各業都已是特別響亮的詞語。主要是因為它的產生讓很多看似凌亂不堪的信息，可以通過某種專業分析產生可觀的價值，并能夠源源不斷的從中發現新的價值。那么，如何應用和深挖其中的潛在價值，現在也是百花齊放，各有所見。本文就大數據分析在電力行業的應用做一粗淺的探討。

大數據一詞最早出現在互聯網行業，“大數據”一度成為互聯網信息技術行業的流行詞匯。它的主要功能是從龐大的終端用戶的資料庫中，通過專業的分析軟件，提取出有價值的信息，以更好地挖掘潛在的商業價值。然而經過發展，人們發現這種技術不僅僅局限于互聯網行業，如果能夠更好的利用，將在各行各業的專業領域都有更大的發展和作用。隨著計算機技術在電力行業的普遍推廣和應用，信息量也是成倍數增加，如何在電力行業中挖掘大數據的巨大作用，我個人有一些想法。

1 ?數據采集方法

首先，從字面理解，大數據當然是數據量的龐大性，數據量越大它的潛藏信息就越多，潛在價值就越大。當然，所謂的大不止是單一的大，應該是多樣的大，多元化的大。如何才能挖掘更全面的數據量資源呢？單從發電企業來看，隨著分散控制系統（簡稱DCS）技術在電力行業的全面應用，我們對電力生產過程實時監控變得更加不可缺少，不怕監控的多，就怕監控的少，從而導致達不到電力行業高效節能環保的生產要求。因此通過DCS技術我們就能獲得許多龐大的實時數據和歷史數據。從生產過程來看，DCS技術只實現了生產介質（及水、煤、風、汽等）和動力設備的數據采集和監控，而對整個監控設備自身的參數性能（包括精度、壽命、故障率等）缺少全面的數據采集和分析，這往往也會給電力生產帶來諸多安全隱患。而現場總線控制系統能夠彌補DCS的不足，能夠實現全廠在線儀表的實時監控，如能實現全面推廣將對電力生產有很大幫助。同時生產管理方面也有好多數據可挖掘，比如資料管理、事故報告分析等，如果都能實現數據化管理將是很好的數據資源。

以上所說只屬于終端數據庫，對一個發電集團而言，他下面有好多大大小小的子發電企業，把所有子發電企業的數據全部進行數據上傳管理，如圖1所示，那在集團層面上將是一個很大的數據中心。

其二，數據采集不能盲目，要有針對性。因為行業生產畢竟有相對的局限性，不同于互聯網的開放性，所以在數據采集過程中應該對一些生產過程外的數據進行分類采集，因為這些數據都需要人為錄入，不能自動采集，本文稱之為被動性數據，此類數據應該通過集體公司指定標準化的數據錄入系統，同時各個發電公司應該根據集團的要求，建立自己的數據庫系統，分專業、分部門的進行數據上傳至數據庫。比如對每年的停機次數建立數據庫，錄入詳細的分析過程，然后將數據上傳至集團數據庫，以備上層大數據軟件分析整個集團的生產狀態，并給出指導性的優化方案。

其三，發電集團應建立一個專業的大數據管理和服務機構，組織技術專家通過對現有的數據分析，并通過專家的經驗對電力生產提出指導性優化方案?？偟恼f來，大數據分析帶給我們的是一個現有和曾經的數據分析統計結果，真正要做好完善電力生產，還必須依靠經驗豐富的專業人員有針對性的提出優化解決方案。這樣才能真正指導生產建設。例如我們現有的主機保護問題，由于建設期間和生產期間的不同要求，對主機保護采取了不同的保護策略，但是這些策略的提出現在還是建立在個人經驗的基礎上，有的人遇到了問題，他就覺得某種策略不可靠，帶有很大的隨機性。如果通過數據上傳，把集團中每個生產單位的故障問題都錄入集團數據庫，經過長期積累，一定能產生一個量化直觀的分析結果。比如對同一控制策略，可以通過數據統計分析，在集團的發電企業中，同一控制策略在集團投產機組中的可靠性，如果可靠性非常高那就應該在集團發電企業中推廣，否則就需要優化。這樣就能更好地服務于電力生產，如果能夠突破集團的封閉，匯聚成行業數據庫，大家在行業內進行數據共享，那么整個電力行業的生產服務將會有很大質量的提高。

其四，大數據的產生必將帶來大數據安全維護工作。在大量數據匯聚的過程中，信息量快速膨脹，他的維護和可靠運行就日益重要。同時信息量越大系統的安全風險就會更高。因此應該建立一套可靠的嚴格的安全保障體系，讓他不能出現任何漏洞，否則將是不可估量的損失。

總體說來，大數據的信息架構如圖1所示。數據庫應該建立分層級結構，發電公司為數據庫的信息來源終端，同時也是最低一層的數據庫系統，通過逐級信息匯總，數據量將會逐級增大，同時帶來的分析計算的復雜性將成倍數增加，越到上層的行業數據庫越將會是一個非常龐大的數據存儲系統。

圖1 ?大數據的信息架構

2 ?數據分析的意義

全面的數據采集后，通過專業性的分析軟件和專家會診，將會發揮最大的優勢來指導電力行業的最優化生產。它具體表現在以下3個方面。

（1）指導新建機組采用可靠的控制策略。

機組運行的可靠性分析，可通過搜集集團公司中各發電公司歷年的事故報告，對機組的保護策略進行逐條統計分析，做出量化設想保護策略的可靠性，從而指導新建或投產機組采用最優的控制策略以提高生產的可靠性。降低機組的非正常停機率，最大限度地調高機組的安全使用率。

（2）對運行機組進行實時事故預判。

機組的事故預判分析，可通過對生產系統的實時監控，全面分析運行機組主要設備的使用壽命時間，在壽命末期提前預警以指導生產單位提早更換，降低機組的非正常停機率。同時通過對現場儀表參數的數據分析，提早計算出監控儀表的工作狀態，比如精度降低、零位飄逸，提前告知檢修人員，及時更換。

（3）優化集團事物，提高生產的經濟性和可靠性。

通過集團數據庫，可對全集團現有發電設備的可靠性、經濟性進行統計分析，找出最優的設備配型，從而指導生產機組的優化運行。同時通過集團數據分析，計算出機組的最佳運行狀態，以指導各生產單位用可靠經濟的策略進行生產。

3 ?結 ?語

大數據分析的應用，不僅僅是以上所列的幾種，通過不同的算法，能夠在人員管理、資源配置等各個方面達到優化。從而為電力生產的安全、環保、經濟運行做出巨大貢獻。大數據前景是無限的，有待人于們不斷的挖掘。然而各行各業應有針對性的細化方案，各行各業有其自身的獨立性和確定性，不同于互聯網行業終端的無序性和隨機性。所以在大數據建設方面，我們應該區別對待。從而使各行各業都能夠在大數據時代，享受到大數據帶給我們的便利。

參考文獻

[1]楊正洪.智慧城市 大數據、物聯網和云計算之應用[M].北京：清華大學出版社，2014.

[2] Douglas Alger.大數據云計算時代數據中心經典案例賞析[M].曾少寧，于佳，譯.北京：人民郵電出版社，2014.

[3]徐子沛.數據之巔 大數據革命，歷史、現實與未來[M] .北京：中信出版社，2014.

[4]張國歌，謝巖，薛繼梅，等.大數據對電力企業的影響[J]. 信息與電腦，2015（2）：80-81.

[5]李泊溪.大數據與生產力[J].經濟研究參考，2014（10）：14-20.