《电力大数据》提升企业价值的电力大数据

2018-05-25 14:34:04 大云网　点击量：评论 (0)

大数据不光可以在一定程度上引发电网的技术变革，也可以在优化企业管理、创新企业业务模式等方面发挥巨大的作用，从而提升企业的价值。

4.5实现部门间的业务数据共享，促进业务融合

电网公司目前各业务部门各自实行部门职能，各部门间数据没有融合共享。如生产系统主要维护设备缺陷及其历史记录，物资系统主要维护供应商管理及其评价考核，但在生产过程中的发现设备缺陷未能直接反映到设备的供座商，需要通过供应商履约服务评价和社会材料运行情况的综合统计分析，将设备在生产运行当中产生的缺陷追溯到供应商的缺陷，才能形成闭环的缺陷管理。

电网中长期负荷预测与用电量分析

中长期负荷预测是电力调度部门制定电源、电网规划方案的基本依据，其数据源涵盖气候、历史用电量、政策等方面，这些数据分别存放在不同的机构部门中。考虑将这些部门数据与电力调度部门数据共享，一方面有利于中长期负荷预测数据查找的工作冗余;另一方面中长期负荷预测的结果也为其他部门制定方案、政策提供了参考依据。

1.现状和需求

电网中长期负荷预测主要根据自然条件与社会影响等诸多因素，在满足一定准确度要求的条件下，确定未来某特定时刻的负荷数据，其中负荷是指电力需求量(功率)或用电量。影响负荷预测准确度的原因是多方面的，建立理想的模型及处理随机因素仍然是负荷预测的主要问题，具体可分为以下三个方面：

1)预测模型的质量。负荷预测模型的建模与预测依据的是历史数据资料所包含的信息，因此历史数据所包含信息的有效性和程度决定了预测水平的高低。

2)未来的不确定性。各个用户的用电行为在未来都具有一定程度的不确定性。

3)信息的不完整性。由于大量用户的用电行为与影响因素(如气象因素)之间的关系在历史数据中是没有记载的，信息的缺失和不完整是无法避免的，这些因素致使负荷预测很难做到没有误差。

2.应用场景

利用分布式存储和数据采集、网页抓取技术，获取用电信息采集数据、外部行政规划数据、行业标准划分数据、季节天气等数据;采用大数据批处理技术，获取区域用电分析、全社会用电统计分析、单位GDP(工业增加值)电耗统计分析、产业集聚区用电分析、工业企业开工分析、城镇居民生活用电特性分析等。

利用数据挖掘技术，根据各产业负荷/居民负荷影响因素的影响因子，构建一个综合的负荷影响因素分析模型，并考虑到影响因素的不确定性，进行模型误差分析，识别出产业负荷主要影响因素及模型误差来源。

根据用电信息采集数据、行业用电信息和产能信息等数据，统计分析行业的负荷用电信息，获取行业用电特征和单位规模用电量，结合政府用地规划数据和原有地理信息数据，预测地区用电负荷。

3.预期价值