電力大數據增值服務在智慧地塊能效評估中的應用

戚穎 如天一 朱琳 倪宏 劉正建

摘? 要：國家正加快推進“數字中國”建設，為挖掘電力數據價值，并結合外部數據，開展數據應用分析，打造數據共享服務，研究數據價值變現，拓展商業模式以促進業務創新，建立“國土效能評價智慧網格系統”。利用電力數據分析地塊能效，為政府部門掌握城鎮地塊的空間經濟活力、影響力提供科學的區域規劃決策支持，實現面向政府的數據運營服務，支撐政府科學監管、提高社會治理能力、服務智慧城市建設。

關鍵詞：電力數據? 數據增值服務? 智慧地塊? 科學監管

中圖分類號：TP311.13? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A文章編號：1672-3791（2021）04（a）-0038-03

Application of Electric Power Big Data Value-added Services in Energy Efficiency Assessment of Smart land

QI Ying? RU Tianyi? ZHU Lin? NI Hong? LIU Zhengjian

（Aostar Information Technologies CO.， Ltd.， Chengdu， Sichuan Province， 610041? China）

Abstract： The state is accelerating the construction of "Digital China"， in order to tap the value of electricity data， and combine external data， carry out data application analysis， create data sharing services， study the realization of data value， expand business models to promote business innovation， and establish a "wisdom of national land effectiveness evaluation grid system". Use power data to analyze the energy efficiency of plots， provide scientific regional planning decision support for government departments to grasp the spatial economic vitality and influence of urban plots， realize government-oriented data operation services， support government scientific supervision， improve social governance capabilities， and serve wisdom urban construction.

Key Words： Electricity data; Data value-added services; Smart land; Scientific supervision

國土規劃利用效率評價困難，無法及時了解地區經濟發展的現狀，對地區做出準確規劃。而電力公司智能電表在線采集上傳的電量反映了不同類別客戶生產生活用電情況，數據準確、實時性強、數據量巨大，結合成都市地塊網格數據，基于圖形化數據解析、大數據平臺等技術，通過關聯用電量，完成對網格地塊的用電數據匯集分析，可以及時識別城鎮商業、居民、工業低效地塊網格，完成對成都城鎮低效用地的空間畫像。四川省電力公司深入貫通“12333”發展戰略，充分運用內外部數據，開展數據應用分析，深入挖掘電力大數據的“富礦”，釋放數據價值，打造“國土效能評價智慧網格系統”，借助電力數據孿生的強大感知，支撐全省城市用地能效評估和國土規劃。

1? 國土效能評價智慧網格系統建立需求

（1）實現規劃地塊數據解析，通過規劃院提供的地塊信息開展坐標解析工作，并與GIS系統坐標信息進行數據關聯，獲取地塊變壓器、計量箱等設備臺賬信息。（2）實現規劃地塊的居民、工業、商業的用電分析，利用獲取的設備信息與營銷數據進行數據關聯，完成地塊計量點、用戶、電量等電網數據梳理、歸集，基于業務規則、數據邏輯規則，進行數據整合，借助全業務的大數據平臺構建算法模型，形成業務寬表[1]。（3）建立數據應用服務通道，定期提供數據查詢功能，基于全業務中心數據應用管理規范，進行數據接口設計和配置，形成API接口供需求調用，最終完成對外數據應用數通道構建工作，按時向規劃院提供電量數據[2]。

2? 數據挖掘分析

2.1 數據需求及質量

（1）規劃院：地塊初始坐標信息、地塊面積信息。（2）GIS系統：地塊解析后GIS坐標信息、變壓器設備信息。（3）營銷SG186系統：變壓器設備信息、計量點信息、用戶檔案信息。（4）用電信息采集系統。

2.2 數據處理

（1）電網GIS空間信息服務平臺數據集成。全業務統一數據中心貼源層SG-RDB數據庫通過OGG實現表的數據接入工作，包括歷史數據和增量數據，數據接入頻度為T+1的方式，該部分數據主要為規劃院建設項目提供數據從坐標體系轉換成設備信息的支撐，通過地理空間數據解析程序實現獲取設備ID信息。（2）營銷業務應用系統數據集成。全業務統一數據中心貼源層SG-RDB數據庫通過OGG實現表的數據接入工作，包括歷史數據和增量數據，數據接入頻度為T+1的方式，該部分數據主要為規劃院建設項目提供地塊范圍內用戶檔案信息、電量信息。（3）用采信息采集系統數據集成。全業務統一數據中心通過海量平臺采用kafka數據抽取技術將表的數據接入工作，包括歷史數據和增量數據，該部分數據主要為規劃院建設項目提供地塊范圍內用戶日電量信息。

2.3 模型構建

2.3.1 算法選擇

（1）識別能效低的城鎮地塊：能效指數=（5年用電量平均增長率）×50%+（某地塊單位面積平均用電量占比單位面積平均用電量）×50%。（2）識別能效低工業企業：5年用電量平均增長率低于15%。（3）識別住宅空置率：居民用電量連續3月為0，視為空置，此類用戶占小區比例超過20%即為危險[3]。

在該次設計中采用歸一算法中的離差標準化（Min-max normalization）[4]，研究人員的目的是通過對數據的每一個維度的值進行重新調節（這些維度可能是相互獨立的），使得最終的數據向量落在[0，1]或[-1，1]的區間內（根據數據情況而定）。這對后續的處理十分重要，因為很多默認參數（如PCA-白化中的epsilon）都假定數據已被縮放到合理區間。例如，在處理自然圖像時，我們獲得的像素值在[0，255]區間中，常用的處理是將這些像素值除以255，將特征向量映射到[0，1]之間，收斂后進行加權平均得到地塊能效系。這種算法是對原始數據的線性變換，使結果落到[0，1]區間，轉換函數如下：

（1）

式（1）中，max為樣本數據的最大值;min為樣本數據的最小值。

這種歸一化方法比較適用在數值比較集中的情況。但是，如果max和min不穩定，很容易使得歸一化結果不穩定，使得后續使用效果也不穩定，實際使用中可以用經驗常量值來替代max和min。而且當有新數據加入時，可能導致max和min的變化，需要重新定義。在不涉及距離度量、協方差計算、數據不符合正太分布的時候，可以使用第一種方法或其他歸一化方法。比如圖像處理中，將RGB圖像轉換為灰度圖像后將其值限定在[0，255]的范圍[5]。

經過歸一化處理后采用綜合加權平均算法，地塊能效系數模型可判斷指定地塊的能效高低，地塊能效系范圍為0-1，該系數越接近于0表示地塊能效越低。地塊能效系數是基于多個影響因子（電量同比降低率、5年電量平均增長率、單位面積用電量比值），使用綜合加權平均法得到，具體公式如下：

（2）

式（2）中，0≤w≤1且w越趨于0表示越低效。

2.3.2 樣本選擇

選擇成都市新都區XX個地塊開展數據樣本驗證工作，共涉及電力坐標數據XX項、設備信息數據XX項、用戶檔案數據XX項、電量明細數據XX項、電量匯總數據XX項，以此作為智慧地塊能效評估基礎樣本數據開展樣本驗證。

2.3.3 參數設置

根據算法模型定義，參數包括α、β和γ，α代表XX權重，β代表XX權重、γ代表權重，基于樣本驗證結果結合地塊實際現狀，綜合設置α為XX、β為XX、γ為XX時較為合理，更能合理評估地塊能效系數。

2.3.4 模型驗證調優

根據業務應用和模型需求，接入業務樣本數據，進行數據預處理，形成訓練數據集以開展模型訓練。通過模型訓練，歸納整理模型訓練結果完成業務驗證，揭示訓練階段中數據的相關性，找出數據中潛在的規律進一步解釋模型，找出有價值的特性并采用誤差分析等多種方法評估模型的質量，根據評估結果調整模型參數，優化完善分析模型，實現分析模型迭代[6]。

3? 模型應用

3.1 整體分析

（1）地塊數量分析。計算地塊的能效系數，將地塊能效系數小于30的稱為低效地塊;地塊能效系數大于等于30，小于60的稱為低效地塊;地塊能效系數大于60的稱為高效地塊。分析低效、中效以及高效的地塊數量，展示地塊能效情況。（2）地塊能效系數趨勢。每隔5天取一個地塊能效系數值，展示近1年地塊能效系數變化趨勢，總體分析地塊能效系數動態。（3）總用電量及增長率。展示近3年地塊總用電量及其增長率，掌握分析地塊的用電量變化趨勢。總用戶數及增長率：展示近3年地塊總用戶數及其增長率，掌握分析地塊的用戶數變化趨勢。（4）總工業商業居民用電量對比。展示工業、商業、居民近3年的用電量，對比分析工業、商業和居民的用電量變化。（5）總業商業居民用戶數對比。展示工業、商業、居民近3年的用電量，對比分析工業、商業和居民的用電量變化。

3.2 工業分析

（1）工業地塊指標。展示當前工業地塊能效系數、工業用戶電價和工業用戶貢獻率。地塊能效系數趨勢：每隔5天取一個地塊能效系數值，展示近1年地塊能效系數變化趨勢，總體分析工業地塊能效系數動態。（2）工業用戶行業構成。展示業用戶涉及的行業類型及各行業近3年的用電量，對比分析各行業用電量，洞察行業用電。（3）工業用戶數及增長率。展示工業用戶近3年的用戶數，對比分析工業用電量變化。（4）工業用電量及增長率。展示工業用戶近3年的用電量，對比分析工業用電量變化。

3.3 商業分析

（1）商業地塊指標。展示當前商業地塊能效系數、商業用戶電價和商業用戶貢獻率。（2）地塊能效系數趨勢。每隔5天取一個地塊能效系數值，展示近1年地塊能效系數變化趨勢，總體分析商業地塊能效系數動態。（3）商業用戶行業構成。展示商業用戶涉及的行業類型及各行業近3年的用電量，對比分析各行業用電量，洞察行業用電。（4）商業用戶數及增長率。展示商業用戶近3年的用戶數，對比分析工業用電量變化。（5）商業用電量及增長率。展示商業用戶近3年的用電量，對比分析工業用電量變化。

3.4 居民分析

（1）居民地塊指標。展示當前居民地塊能效系數、居民用戶電價和居民用戶貢獻率。（2）地塊能效系數趨勢。每隔5天取一個地塊能效系數值，展示近1年地塊能效系數變化趨勢，總體分析居民地塊能效系數動態。（3）居民用戶生活用電分析。展示居民醫、教、文、體、衛及養老機構的近3年用電量，對比分析醫、教、文、體、衛及養老機構用電量差異以及近3年用電量變化趨勢。（4）居民用戶數及增長率。展示商業用戶近3年的用戶數，對比分析工業用電量變化。（5）居民用電量及增長率。展示商業用戶近3年的用電量，對比分析工業用電量變化。（6）居民住宅空置率。展示近3年居民住宅的空置率，分析居民住宅空置率變化趨勢。

4? 結語

“國土效能評價智慧網格系統”創新開展電力與規劃院數據融合與疊加，實現跨專業、跨行業數據的高效在線計算、智能分析和深度挖掘，利用圖形化解析與大數據分析工具，運用相關性分析大數據算法構建電力大數據應用分析模型，輸出數據分析成果，優化展示方式，最終形成數據增值變現服務。系統地建立實現資源結合，與資源的合理使用，充分發揮企業資源的效益，開拓新的合作業務和市場，實現數據增值，推動電力數據價值變現，優化企業發展曲線。且基于公司全業務統一數據中心，充分利用規劃院地塊信息數據和公司海量電力數據開展電力服務應用分析，面向政府、社會、合作伙伴的數據分析服務，利用電力數據分析地塊能效，為政府部門掌握城鎮地塊的空間經濟活力、影響力提供科學的區域規劃決策支持，實現面向政府的數據運營服務，支撐政府科學監管、提高社會治理能力、服務智慧城市建設。

參考文獻

[1] 唐夢琪.智慧城市規劃中大數據技術的應用分析[J].江西建材，2020（9）：240-241.

[2] 李志勇，郭一通.大數據背景下電力行業數據應用研究[J].自動化技術與應用，2018，37（9）：160-162.

[3] 楊橋橋，田權，周小娜.基于電力大數據的住宅空置情況分析[J].信息系統工程，2018（9）：20.

[4] 程俊文，李慧娟，曹志強.基于K-means算法和用電信息采集系統的防竊電研究[J].供用電，2019，36（1）：75-80.

[5] 季知祥，鄧春宇.面向電力大數據應用的專業化分析技術研究[J].供用電，2017，34（6）：32-37.

[6] 陳艷，宋英華.新型配電物聯網后臺系統架構設計與關鍵技術研究[J].供用電，2020，37（2）：41-46，53.