大數據技術在水力發電行業應用初探

羅 戎，劉廣宇

（雅礱江流域水電開發公司，四川 成都610051）

0 前言

維克托·邁爾·舍恩伯格曾在《大數據時代：生活、工作、思維的大變革》一書中前瞻性地指出，大數據帶來的信息風暴正在變革我們的生活、工作和思維，大數據開啟了一次重大的時代轉型。2013年3月中國電機工程學會信息化專委會發布《中國電力大數據發展白皮書》，將2013年定為“中國大數據元年”，掀起了電力大數據的研究熱潮。大數據及云計算時代的到來將為傳統電力行業的發展注入新的活力，傳統電力行業即將發生革命性的變化。

作為雅礱江全流域水電資源開發的唯一主體，雅礱江流域水電開發公司的公司愿景是“創建梯級開發最完整、經營管理最高效、綜合效益最顯著的水電企業，打造享譽中外的雅礱江水電品牌”；公司的戰略理念是“4階段”戰略；目前公司已經成功完成第2階段目標正在為實現第3階段目標奮斗。雅礱江公司飛速發展離不開信息技術的有力支撐，公司信息化第3版規劃于2010年正式發布，確定了公司信息化“EHDC152工程”（一體化平臺，五大應用系統，兩大支撐體系）的總體目標。通過5年時間的建設，公司圍繞該目標先后建成了OA系統、電力生產管理系統、財務管理系統、人資管理系統和工程管理系統5大應用系統；并開展了信息系統統一身份認證及相關建設項目，并實施單點登錄、企業門戶和流程中心；同時，實施了全面預算管理系統、決策支持系統、電力生產文檔管理系統、檔案管理系統等其他應用系統。

隨著公司第3階段建設的推進，雅礱江下游5個電站群的投產，中上游電站群建設的順利推進，大量的生產實時數據以及工程建設過程數據集聚到各個電站的數據中心，雅礱江公司未來信息化的使命和目標是：未來3～5年的時間內，在保證信息化建設與公司戰略目標高度一致的前提下，基于現有的信息化成果，以“五個更”（更有效的精細管理、更高效的作業處理、更全面的信息掌控、更充分的資源利用、更科學的輔助決策）為基礎，以“兩個延伸”（深化應用向業務前端延伸，圍繞經營目標向管控延伸）為手段，把應用系統、信息架構、基礎設施、IT治理4方面能力提升到一個新的高度，使得信息化成為公司的核心能力之一，推動公司管控水平的提升和業務運營管理的持續優化，助力公司達到國際一流水平，支撐公司流域化、集團化、科學化發展。為此，在2014年啟動的雅礱江公司信息化第4版的規劃中把數據應用定為本階段信息化建設的要點，它包括兩個方面的內容：如何科學的規劃好數據應用？如何有效對數據進行管理？本文將從這兩個方面進行講述。

1 數據規劃

數據是發電行業的重要信息資產，電廠是我國建立層次化數據平臺較晚的行業。雅礱江公司在前期信息化建設成果的基礎上，加強了對數據資產的清理和規劃，在管理上成立了專門的數據管理流程和相關責任管理部門，有相應的規章制度，以及貫徹業務和IT的工作流程等，技術上具備了相對成熟的數據架構、數據標準，正在建設數據質量管理和數據管理工具，在此基礎上將逐步形成管理駕駛艙、自動化統一報表等一系列數據應用。針對不同維度、不同應用的數據需要建立統一的數據標準和數據結構來進行管理，其中數據標準是數據管理的基礎、數據結構是數據管理的骨架，兩者相輔相成。因此在數據規劃方面包含：數據標準的建立；數據結構規劃兩個部分。

1.1 數據標準的建立

基礎編碼的標準化是流域化管理的基礎，雅礱江公司從信息化規劃第3版開始就高度重視信息化基礎編碼標準的建立工作，項目啟動后項目組組織了大量的人力分別從工程、生產設備、物資、財務、組織機構等多個維度建立企業級標準的編碼體系，形成流域化統一管理的基礎體系，填補了流域工程管理、電力生產管理的空缺，保證了系統集成的穩定性；從源頭上保障“業務財務一體化”的實現。

這些年的信息化建設及基礎數據標準的建立過程中，在參考電力行業標準、其他水電企業成功標準的基礎上，結合雅礱江公司多年信息化建設沉淀下來的一些技術標準、數據命名規范、基礎編碼標準等，逐步形成了雅礱江流域工程建設、電力生產、企業管理等領域的基礎數據編碼規范，使得企業信息化建設得以順利實施。

1.2 數據結構規劃

由于目前雅礱江流域開發進入到第3階段，下游的電站群已經順利投產，中上游電站正處于建設中，針對不同的實物對象在不同的信息系統中存在不同的管理屬性，為了更好地管理雅礱江流域信息數據為公司的發展服務，必須建立流域管理完整的數據結構來對所有數據進行統一的管理，因此，2014年啟動的公司數據中心建設項目對未來數據架構進行了設計，提出了建設SSC數據架構體系統籌兼顧雅礱江流域生產和建設等各個方面對數據統一管理的需要。

SSC 是 指：SSC是 構 筑 物（Structure）、系 統（System）和設備（Component）的通稱（簡稱 SSC）。它是對雅礱江全流域核心基礎對象的統稱，是雅礱江水電業務活動過程中最基礎的業務對象。并以此為基礎設計雅礱江流域雅礱江數據中心數據倉庫（以下簡稱DW）邏輯數據模型。

數據中心項目的目標是整合統一雅礱江全企業范圍內積累的數據資產，并對消費使用數據的系統提供數據應用的支持。整體模型以雅礱江公司整個企業的各個業務領域為視角，對各業務活動中的管理要素進行梳理、分析與設計。目前數據中心整合的應用系統范圍包括：生產管理、工程管理、財務管理、人力資源管理等以及為滿足雅礱江數字化平臺數據需求接入的各類專業系統，包括：大壩安全監測、施工質量實時監控、生產數據實時交換平臺以及錦西電廠實時監測數據等，并根據雅礱江數字化平臺的需要，對于暫時沒有業務源系統支撐的數據內容，提供模型的頂層設計支持。

雅礱江企業數據模型是在流域基礎數據模型的基礎上，擴展到全企業業務范圍的數據模型，因此在企業模型的整體框架中，流域基礎模型（SSC）是其核心，現有應用系統的管理對象是紐帶，連接核心對象與外圍業務數據信息（圖1）。

圖1 SSC數據架構的應用目標

雅礱江企業數據模型層級框架主要表達：

（1）企業數據模型的層次關系；

（2）SSC在企業模型中的地位；

（3）SSC對象構造及其與外圍管理對象的關系。

企業模型框架層次擴展路徑為：SSC-＞現有源數據各管理結構-＞企業模型各業務主題數據；其層次上共分為3層（圖2、圖3）：

第1層：Tier-1，SSC層級結構；

圖2 企業模型框架層次

第2層：Tier-2，現有各管理對象的層次結構；

第3層：Tier-3，企業模型各業務主題數據。

2 數據管理

為了更好地管理好數據，2015年雅礱江公司開始實施數據中心試點項目，雅礱江企業級數據中心定位為“基于混合架構的大數據中心”（圖4～6），并分解為以下4個方面：

（1）企業數據中心是雅礱江公司全流域、全業務、全層級的數據整合和共享中心

企業級數據中心應實現對公司結構化數據、非結構化數據、實時數據、流域空間地理數據、工程三維模型數據等5類數據的采集、傳輸、存儲、整合以及共享。

圖3 企業模型主題劃分

考慮到5大類數據的數據類型、數據量、數據時效性要求、數據應用要求等特性的不同，分別采用不同的技術手段來實現其存儲與整合。其中結構化數據采用傳統數據倉庫技術實現，其余4類數據采用新興的分布式計算和存儲技術實現

（2）企業數據中心是雅礱江公司未來數據深化應用的基礎

企業級數據中心是雅礱江公司未來數據深化應用的數據基礎，基于流域基礎數據模型進行數據整合，同時將各種軟件技術、產品和標準進行有機地結合，實現系統間的數據集成和應用集成。例如：為雅礱江流域三維可視化信息集成展示與會商平臺、6大決策支持信息系統（包括水電工程建設、水電站運行、梯級水庫風險調度、環保水保、征地移民、公共安全）提供數據并支持其應用。

（3）企業數據中心是雅礱江公司信息綜合展現與分析的基礎

本次數據中心建設，將針對性的選取工程和生產業務領域進行試點展示。數據中心將為未來的運營監控中心等系統的建設打下基礎,提供全面、及時、準確、規范的數據，支持其數據展示、分析和后續再加工。

（4）企業數據中心是雅礱江公司企業級數據管理中心

建立數據資源管理工具，提升公司在數據質量、數據模型、數據標準、元數據等方面的管理水平，支持公司數據管控制度的落地執行。建立數據接入、整合和訪問規范，保證公司核心數據和重要數據的正確性、一致性和完整性，促進信息化向融合、共享、協同的轉變。

圖4 采用混合架構實現5大類數據的整合與共享

圖5 混合架構支撐多種業務需求

圖6 數據中心功能架構圖

目前該項目除主要是把已建成的信息系統數據接入外，選擇了通過集控中心數據交換平臺把錦屏電廠生產實時數據、在建的兩河口大壩質量監控實時數據、大壩中心下游電站群大壩監控數據的接入，目前共接入的數據量如下：

（1）結構化數據：現有結構化數據來源系統主要包括生產管理系統、工程管理系統、工程信息系統管理局系統、人力資源管理系統、財務管理和大壩安全信息管理系統，以及包括擬建的公共安全、環保水保、梯級水調、征地移民等系統，現有系統結構化數據可統計的數據量約為50 GB；

（2）非結構化數據：現有非結構化數據來源系統主要包括生產管理系統、生產文檔管理系統、工程文檔管理系統、EBS、OA系統、企業內網、檔案管理系統，非結構化數據量總計約為600 GB；此外，數據中心還將存儲來自其他新建系統的地理空間信息數據和工程三維模型信息數據，此類數據主要為非結構化數據，初步估算數據量為1 TB；

（3）實時數據：實時數據來源于集控中心實時數據交換平臺和新建的錦西電廠實時數據交換平臺，根據目前測算，僅僅接入的錦西電廠的實時數據量大約為每年2 TB。

3 結束語

按照雅礱江公司的總體規劃，數據中心的整體建設分成3步走的原則：①總體規劃；②管好數據；③用好數據。目前試點的內容只是接入了已投產的錦西電站的實時數據，下游投產的5個電站群的實時數據目前正在接入中。

從目前來看，后續數據的深度應用還取決于幾個條件：

（1）數據質量

數據的深度應用取決于所采集數據的質量，目前來看我們的數據存在的問題是水電行業缺乏相關標準：

1）設備編碼標準，火電目前KKS編碼是作為行業強制標準執行，無論是設計單位還是制造廠商都能夠很規范地使用KKS編碼作為設備的基礎編碼，而KKS編碼在水電行業目前還只是參考標準，很多設計院和生產單位對于KKS編碼的掌握和運用還不熟悉，這為進行生產實時數據映射和管理帶來一定難度，也為數據的深度分析帶來麻煩。

2）監控系統標準：由于各個監控系統廠商各自為政，采用一些非標準的數據結構和通信結構加大了數據整合的難度。目前各個控制系統廠商的數據各自為政，在當初設備采購的時候沒有統一的國家或行業標準作為參考，因此，也未能夠與各個廠商達成一致意見，現在需要整合分析的時候才發現數據不能夠統一管理和分析，不像火電企業在DCS、SIS、PLC等等控制系統都已經有國家標準，在招標的時候就可以要求控制系統廠商按照標準執行，為后續數據分析使用打好基礎。

3）前期我們也調研了一些水電企業，在信息化的建設前期由于對于數據理解不深入，還存在一些信息煙囪，這樣數據各自獨立缺乏整合，后期要進行數據關聯性分析時缺乏數據整合，也很難深入應用。

4）大數據分析中關鍵的技術是采用深度學習技術，利用已有的歷史數據來進行數學模型的自學習，優化分析所用的數學模型。但是從目前很多電廠來看對歷史數據的存儲沒有引起足夠的重視，使得很多歷史數據丟失，目前存儲技術的飛速發展已經使得存儲設備成本很低，完全可以把重要的歷史數據存起來為以后的深度分析所利用。

因此，建議協會應該牽頭組織大家來逐步完成相關標準的制訂、頒布和使用，至少應該是成為行業標準，這是一項利國利民的政策，需要行業協會出面來組織。

（2）數學模型

對于后期數據的深度使用而言，需要研究結合不同業務場景的數據模型，這需要和一些研究機構合作共同完成，現在已經有一些水電站開始做這些方面的探索，雅礱江公司也在做一些探索的研究，比如：流域梯級優化調度、狀態檢修、中長期雨量預測分析等等，也許不久就會有一些初步的應用推出，這需要時間來驗證。

（3）計算能力

有了數據和模型，還需要利用機器學習的原理，把大量的歷史數據導入到模型當中，進行模型的優化學習，這個過程涉及到大量數據的運算問題，沒有很高的運算能力很難解決此難題。隨著公有云計算的出現，大家在需要高速計算的時候可以在公有云平臺上租用計算能力來解決計算的問題，最終的結果所產生的經濟效益，會大大超過租用公有云平臺的費用。

目前，中國大數據的深度應用已經在很多領域展開，比如：電商營銷的精準推送、金融領域的信用分析、安防領域的人臉識別技術等等應用已經開展的非常成功了，在不遠的將來大數據的深度應用也會很好的為流域水力發電生產保駕護航！