大數據技術在電網運營管理中的應用研究

趙瑩 代飛

摘 要 電網運營管理中涉及多源、異構、海量、多類型的數據，將電網運營數據轉換為知識是智能電網發展的必然趨勢。本文從數據來源和數據特點兩個方面分析了電網運營管理中的數據，結合電網運營管理的實際需求，從6個方面，分析了大數據技術在電網運營管理領域的潛在應用場景，將為電網運行管理的分析和決策提供數據支撐。

【關鍵詞】電網運營管理 大數據 智能電網 海量數據

1 引言

智能電網的理念是通過獲取更多電能信息，來優化電的生產、傳輸、調度、分配以及消費。未來智能電網將承載電力流、信息流、業務流，在傳輸能源的同時實現數據的采集、深度挖掘和分析，最終實現清潔發電、高效輸電、動態配電、合理用電的智慧電力的目標。在本質上，智能電網是大數據在電力上的應用。

隨著堅強智能電網的建設，電力行業產生了一大批面向電力各個領域的信息采集與管理系統，包括：用電信息采集系統、營銷系統、電網運營管理系統等。這些系統構成了電力大數據的來源，使得電力行業已邁入了大數據時代。面對數據量的迅速增長、數據類型的多樣化和數據時效性不斷提高，電力行業不僅需要關注如何采集、存儲和檢索數據，更需要考慮如何分析和利用這些數據并提供有價值的信息，為企業管理和戰略決策提供數據支撐。

在此背景下，本文著重討論大數據技術在電網運營管理中的應用研究。

2 電網運營管理中的大數據

2.1 數據來源

電網運營管理中的數據主要可以分為以下四類：

2.1.1 基礎數據

描述電力設備固有屬性及相關參數的數據。

2.1.2 運營數據

描述交易電價、售電量、用電量及客戶信息等方面的數據。

2.1.3 管理數據

描述協同辦公、ERP、一體化平臺等方面的管理數據。

2.1.4 外部數據

這些數據存在于電力系統之外，包括氣象、人口、地理、國民經濟、法律法規等方面的數據信息。

2.2 數據特點

（1）數據量大：據估算，電力行業的生產、運行、管理等方面數據已達到20PB，這個數字相當于1000個中國國家圖書館的數據量。

（2）實時性：數據采集監控系統SCADA（Supervisory Control And Data Acquisition）通常都是按秒為單位對數據進行采集。

（3）數據類型以結構化數據為主，兼有半結構化數據和非結構化數據。結構化數據主要存儲在數據庫中；半結構化數據和非結構化數據大多出現在日志文件、視頻文件和音頻文件中。

（4）數據類型多。運營管理的大數據中涉及多種類型的數據，例如：用電量、售電量、95598工單數據、報表數據、音頻數據、視頻數據等。

3 電網運營管理中的大數據應用場景

3.1 客戶用電行為分析

電力企業的客戶有著多元化需求，如何通過對客戶的行為分析，準確了解客戶的差異化與個性化需求，進而制定差異化服務策略，對智能電網的建設具有重要意義。通過對客戶用電量和負荷、用電政策、用戶基礎信息、用戶投訴、用戶繳費、用戶報裝等數據分析和挖掘，全面了解用戶的用戶行為、報裝行為、繳費行為、投訴行為，準確掌握用戶的用電特點與潛在需求，快速制定滿足用戶個性化需求的服務，從而有效提升用戶的用電體驗與用電滿意度。

3.2 用戶信用度分析

電力客戶巨額欠費使得電力公司每年都需要投入大量人力和物力進行電費催繳工作。如何準確掌握電力客戶的信用狀態，對有欠費跡象或即將出現欠費的電力客戶事先及時采取措施，就能大大減少電力公司的經營風險和經濟損失。通過對客戶的用電量、滯后次數、滯后金額、滯后時長、欠費次數、欠費金額、欠費時長、違章和竊電等數據進行分析和挖掘，聚類用戶的信用種類，設計能準確區分不同信用狀況的客戶信用評價模型，從而使得對電力客戶的信用評價更具有客觀性和科學性。

3.3 用電量預測

用電量預測是指在滿足一定精度要求下，通過建立過去電量與未來電量間的關系，以估算未來某時刻的電量數值。對電量進行準確預測，可以保證人民生活和生產有序，有效降低電力企業的運行成本，保證電網高效運行，提高社會和經濟消息。電量預測的核心假設是用電量是關于時間的周期性函數，但影響電量的因數較多，如職業、地區、政策、經濟、氣候等，這些隱私中有確定性的，也有隨機性的。這些不確定性的隱私在一定程度上無疑加大了電量預測的難度。

3.4 客戶意圖分析

隨著電力體制改革的逐步深化，電力銷售市場競爭加劇，迫切需要供電企業迅速改變傳統的思維方式和工作模式，進一步增強市場化服務意識，創新商業化服務模式，提升定制化、個性化服務水平，贏得客戶的信任，確保市場份額。及時準確了解客戶意圖，并快速應對，是提升客戶滿意度、市場競爭力、市場占有率的必要手段。95598系統記錄了海量的結構化和非結構化數據。目前針對系統中的結構化數據，相關業務部門常態開展了統計分析，但僅限于時間、區域等維度，精細化程度不夠；對95598系統的工單文本數據只是單純地進行了存儲，未加以利用。對95598系統各類工單的文本信息進行分析和挖掘，可以實現更加精準的根因分析，及時了解客戶意圖，進而提供更人性更個性化的服務、更好地指導和提升客服人員工作質量，具有很高的價值。

3.5 電力設備狀態評估

電力設備評估的結果可用于電網設備規劃設計、物資采購、退役報廢等資產生命周期環節的各項管理工作，以及故障預測、故障判斷以及故障處理等環節。因此，電力設備評估可為電力設備的穩定、安全運行提供重要的技術保障。通過定期（以天為單位）對電力設備的運行記錄數據、巡視記錄參數、帶電檢測參數、在線監測冊數、檢修試驗參數、缺陷/故障參數、溫度、風力、降水等多元多維度的數據進行分析和挖掘，得到不同設備在不同的操作模式下正常運行的各種參數指標值，并對基于各種故障與缺陷狀態的各種數據進行關聯分析，構建設備中監測參與設備土工監控狀態之間的對應關系。

3.6 停電影響分析

停電事故發生后盡快恢復供電，減小因供電中斷對用戶造成的危害，對造成停電事故產生的影響進行分析，并根據分析結果實施恰當的現場處理方案就顯得尤為重要。通過對調度信息、用電信息采集洗洗腦、GIS信息、95598信息、配電信息進行分析和挖掘，從停電范圍、停電用戶、停電時間和停電損失四個方面，建立停電影響評價指標體系，準確快速地計算得到停電影響，為電網公司了解和確定停電嚴重程度，采取合適的處理措施防止停電影響擴大化，具有重要的意義。

4 結束

隨著電網信息化水平的不斷提高，電網企業的各類信息采集系統與管理系統中積累了大量的電力大數據。針對電網運營管理中的數據，本文從數據來源和數據特點，分析了電網運營管理中的產生的數據，并結合實際需求，從客戶用電行為分析、用戶信用度分析、用電量預測、客戶意圖分析和電力設備狀態評估等5個方面，分析了大數據技術在電網運營管理中的應用場景。

（通訊作者：代飛）

參考文獻

[1]孫柏林.“大數據”技術及其在電力行業中的應用[J].電氣時代，2013（08）：18-23.

[2]趙云山，劉煥煥.大數據技術在電力行業的應用研究[J].電信科學，2014，30（01）：57-62.

[3]林嘉暉.基于數據挖掘的電網用戶行為分析系統的設計與實現[D].中山大學，2013.

[4]羅書葵.電費回收困難的成因與對策[J]. 華北電業，1998（07）：18-20.

[5]王成山，楊軍.灰色系統理論在城市年用電量預測中的應用--不同預測方法的分析比較[J].電網技術，1999，23（02）：15-18.

[6]原春亮.國網烏魯木齊供電公司客戶投訴管理研究[D].北京：華北電力大學，2016.

[7]宮宇，呂金壯.大數據挖掘分析在電力設備狀態評估中的應用[J].南方電網技術，2014，8（06）：74-77.

[8]周孝信，鄭健超，沈國榮等.從美加東北部電網大面積停電事故中吸取教訓[J].電網技術，2003，27（09）：1.

作者簡介

趙瑩（1983-），女，云南省昆明市人。高級工程師，從事電力調度自動化與信息化研究工作。

代飛（1982-），男，四川省樂山市人。博士。副教授，從事大數據和業務過程管理的研究。

作者單位

1.云南電網電力調度中心 云南省昆明市 650000

2.西南林業大學大數據與智能工程學院 云南省昆明市 650224