大數據VS電力的有效碰撞

文 | 本刊記者 邢帆

大數據VS電力的有效碰撞

文 | 本刊記者 邢帆

通訊、計算機、自動化等技術在電網中的廣泛深入應用和與傳統電力技術的有機融合，極大地提升了電網的智能化水平，隨著各種新技術的進一步發展、應用和與物理電網高度集成，“智能電網”應運而生。2016年8月，國務院公布了《“十三五”國家科技創新規劃》，規劃提到了9大重點工程，包括種業自主創新、煤炭清潔高效利用、智能電網、天地一體化信息網絡、大數據、智能制造和機器人、重點新材料研發及應用、京津冀環境綜合治理和健康保障。其中，智能電網等能源行業與技術的融合頗引人注意。同時，有研究表明，電力大數據市場潛力巨大，預計到2019年全球市場空間將達到55億美元，年復合增長率25%。結合近年來電力行業的發展，大數據在電力行業中的應用已成趨勢。

大數據讓“智能電網”更智能

近幾年，“智能電網”已成為電力行業的高頻關鍵詞，各電力企業都加快了信息化建設的步伐。國家電網通過“SG186”和“SG-ERP”工程的實施，初步建成了一體化的信息系統，但隨著電力業務數據的不斷暴增，未來智能電網在信息采集、海量存儲、實時監測和智能分析方面會有更高的要求。

智能電網要求覆蓋到全部用戶，采集全部用電信息，全面控制電費，實時監管線損消耗等，除此之外，電力企業還需要結合客戶需求，開發出個性化的電力消費產品和服務產品，這些都離不開數據的支撐。

與其他行業相比，電力行業的數據來源非常廣，不僅涉及到電網本身業務運營和經營管理的數據，還涉及到從電壓、電流、信號處理等各種傳感器采集過來的IOT數據，另外還有大量與分布式電源、居民用戶相關的外部數據，若這些數據得不到有效整合，數據質量得不到提升，電力企業信息共享和智能決策等工作的開展將會受到制約，大數據治理作為解決數據問題的關鍵措施，逐漸成為電力企業關注的焦點。

內蒙古企業一位電力企業負責人表示，在內蒙古，大數據已滲入每一個行業和業務職能領域，企業正在以電力能源為切入點，探索與大數據產業融合發展的可能性。技術專家則表示：“數據的價值不在于數據的大小而在于數據的分析通過對能源行業信息數據的整合、清洗，利用大數據的分析技術，探索出大數據所潛在的價值，為能源企業的經營決策提供更可靠的依據，讓智能電網更智能。”

采集、管理與服務的三重奏

電能在目前還沒有實現大規模存儲。但通過大數據技術，可實現電力系統調度從傳統的發電調度到負荷調度的升級。通過分析用電大數據，掌握各種類型用戶、各個區域用戶的用電特征，并實現根據電網調度需要對部分用電負荷的集中控制，就可以減少電網的各種備用成本，相應地也能降低用戶的用電成本。而要實現以上種種愿景，則需要搭建一個平臺，可以將大數據分析的眾多技術應用于經營決策、科技研發、生產營銷等領域，進而使企業從中挖掘出大量數據資源。

而說到電力行業的大數據治理，就不得不先了解SG-CIM（公共信息模型）模型，SG-CIM是電力行業中一個最具影響力的模型，為電力系統的建模和信息交互建立了統一的規范。

SG-CIM模型讓電力系統之間的數據交換變得有標準可依，從SG-CIM模型入手開展電力行業的大數據治理建設，成為一條可用途徑。按照模型電力行業的大數據治理，可以從采集、管理、服務化三個階段入手。

自動采集各類數據資產信息。理想情況下，電力企業的數據模型都應該是參考著SG-CIM模型來設計的，但是因為缺少統一的管理工具，電力企業無法知道SG-CIM模型的實際落地情況，也不清楚數據在哪里，數據之前的關系和數據的流向，數據治理無從著手。要想管理好數據，首先需要獲取到企業的全部數據信息，實現業務元數據、技術元數據、SG-CIM模型元數據的全面采集和存儲，在摸清數據現狀的情況下才能有效開展數據資產管理相關建設。

在電力系統數據量成倍增長、數據種類紛繁復雜的情況下，與人工錄入數據相比，自動化采集的優勢也變得更加突出。要想統一管理所有信息資產，還依靠人工錄入的方式肯定是行不通的，企業需要通過相應的數據管理工具，實現對資產信息的自動獲取。目前實現自動采集的一種方式是根據不同的數據源，開發出不同的采集適配器，多采用直連的方式來實現不同種類數據的自動化采集，包括自動數據信息采集、自動服務信息采集與自動業務信息采集等。

在實現了業務元數據、技術元數據、SG-CIM模型元數據的全面采集之后，電力企業就能對這些數據資產進行管理了，電力企業在管理企業數據資產的時候，可以從三個方面著手：業務元數據和技術元數據的對應，數據資產的全面梳理、數據質量的管理。

梳理數據信息，對應業務元數據與技術元數據。電力系統通用信息模型SG-CIM涵蓋了電力企業所有業務模型，但是如果不建立業務模型與實際物理模型的映射管理，就無法建立業務與技術之間的連接，業務人員很難直接獲取和使用數據。

充分釋放數據業務價值的前提是讓業務人員能夠自助找到并獲得數據，因此建立業務模型與物理模型之間的連接，讓業務人員能夠通過業務模型就能直接獲取數據，就變得非常重要。目前大部分企業還是依靠人工梳理的方式來對應業務模型與物理模型，需要業務人員來填寫各種各樣的數據項，增加業務部門負擔的同時，也很難保證時效性。自動完成業務模型與物理模型的對應，將能大大減少業務人員的工作量，同時還能提升技術與業務關聯的準確度，通過此種方式快速消除業務與技術之間的鴻溝。

數據治理的服務化。單純對數據進行管理并不是大數據治理的最終目標，大數據治理的本質應該是讓業務人員更方便地獲取到數據，為其提供技術手段，從而向數據要效益，提升業務能力，達到業務創新。將數據治理服務化，能從三個方面直接提升業務和技術人員的效率，實現業務的創新：提供自助數據查詢服務，能夠讓業務人員和技術人員直接通過業務語義就找到相應的數據；提供自助獲取數據服務，形成數據的通道，幫助業務人員直接獲取找到的數據；提供自助數據分析服務，讓業務系統開發人員能夠以業務化的語義分析來分析獲得的數據，比如自助設計報表等。

浙江電力的大數據治理就是按照采集、管理、服務化這三個階段來建設的。通過自動化獲得浙江電力所有的元數據，將業務模型與物理模型自動對應，實現了業務模型與物理模型有效管理并嚴格控制了數據質量，并將數據治理能力服務化。通過大數據治理項目的建設，充分釋放了業務人員的潛能，讓業務人員能夠自動、自助地獲取高質量數據的同時還能對數據進行自助分析，大大提升了業務人員的數據分析能力，讓智能電網的每一個業務人員都轉變成真正的數據分析師。

解決數據質量問題

在電力企業復雜的大數據環境中，數據質量會成為突出的問題，電采數據是否能夠準確獲得，IOT設備數據是否能夠精確回傳，各個系統的數據是否都是準確的都會對大數據分析與應用的效果產生影響。

所以，電力企業在大數據采集與數據資產管理之后，還必須要解決數據質量的各種問題。對于電力企業來說，提升數據質量可以遵循以下3個基本原則：

在數據的全生命周期中控制數據質量，尤其是在系統需求分析與設計階段，要嚴格控制數據模型，使其滿足規范和要求。

梳理數據質量檢核規則，并形成業務化的檢核規則庫，來對電力企業大數據進行數據質量檢查。

建立數據質量考核機制，用自動化打分的方法提高各個部門對數據質量的重視程度，推進數據質量問題的解決。

大數據為涵蓋能源生產、存儲、傳輸、轉換和消費的整個能源鏈條提供著有效支撐。能源互聯網將把能源行業從以能源生產為中心轉變為以用戶為中心的模式，用戶既是能源消費者，又是能源生產者。在能源大數據采集分析診斷技術、智能電網需求響應、分布式能源微網、能效管理、大規模儲能等方面都會得到發展。為實現智能電網，未來的電力企業需要打好堅實的數據基礎。而大數據治理將在整個大數據平臺中起到中樞神經作用，通過大數據治理，將數據資產管理起來，提供一整套大數據服務能力，幫助企業快速發揮大數據中的潛在價值。