京公网安备 11010802034615号
经营许可证编号:京B2-20210330
能源电力行业应主动适应和引领大数据变革
所谓引入大数据,是指建立面向大数据的生产与组织管理模式,这是每个行业的必然趋势。能源电力行业的信息化发展水平较高,有资本密集优势,是大数据应用的先行部门,应当主动适应和引领大数据变革。”中国人民大学环境政策与环境规划研究所副所长傅毅明在近日举办的企业协创平台建设与行业知识大数据应用研讨会上对记者表示。
大数据可在电改中“一展身手”
“大数据作为重要的生产要素,是能源电力行业发展转型的重要支撑。”傅毅明在接受记者采访时表示,一方面大数据能促进能源电力行业管理变革,提高能源资源配置效率,比如能耗(电力)在线监控系统的建设对于节能减排具有重要贡献。
另一方面是可以提高国民经济的监控能力,将能源电力系统的运行作为反映国民经济运行安全与效率的晴雨表。
据了解,电网的业务数据大致分为三类:一是像发电量、电压稳定性等方面的电力企业生产数据;二是像交易电价、售电量等方面的电力企业运营数据;三是如一体化平台、协同办公等电力企业管理数据。业界认为,如果能充分利用这些基于电网实际的数据,对其进行深入分析,便可以提供大量的高附加值服务。
记者在采访中发现,多位专家有着相似的想法,即当前我国已开启新一轮的电改,一系列配套文件正在逐步出台,然而这些政策是否有利于智能电网的发展,在政策的试行阶段开展分析和检验,大数据是非常有效的手段。
据中国电力企业联合会科技开发服务中心相关负责人透露,目前,中电联正在积极落实电改“9号文”及配套措施的要求,研究建立电力行业信用信息应用大数据中心,采集电力企业信息(含售电企业),同时进行动态管理,从不同维度采集数据,这就需要从不同方面加强数据交换和共享,实现政府、行业、企业协作,实现电力企业信用信息及时公示,将其逐步纳入全国统一信用大数据中心。
“我们提出要形成覆盖全行业及其上下游信用链的征信系统,建立守信激励和失信惩戒机制,进一步提高电力行业诚信意识和信用水平,通过建设与全国统一的征信系统对接的电力行业信用管理与服务平台,为行业和社会监督、信用评价与信用采信提供便捷的途径。”这位负责人说。
能源电力的“大数据问题”仍待突破
无疑,大数据为能源电力的发展带来了新机遇。但专家提醒,要想顺利搭上“大数据”这班列车,业界至少还需要跨过几道门槛。
中电联相关负责人认为,目前社会各界获取电力相关信息的方式主要有国家发展改革委、国家统计局、国家能源局等部委网站、门户网站、主流纸媒、各类论坛会议以及相关咨询研究机构等,尚缺乏一个全面、权威的支撑科学决策的电力行业大数据中心。中电联有必要联合相关互联网企业协同建立电力行业大数据中心。
同方知网产业集团能源事业部总经理闵艳丽告诉记者,从电力企业知识管理的角度来讲,以往以文献信息为主的知识主要来源于数据库资源、互联网情报资源以及企业内部档案资源,但这些知识从数据量的角度来讲,尚达不到大数据拍字节量级。但这并不意味着电力企业无法开展大数据知识管理。
据科学家估算,人类大脑容量预计在1.25太字节。这意味着,一个拥有800名员工的企业,其隐性知识存有量就能达到1拍字节(1024太字节),即“大数据”量级。另外,从数据挖掘与揭示的角度来讲,大数据在电力行业信息服务领域的应用还包括挖掘文献背后的概念语义关系。据闵艳丽介绍,以往查询“智能电网”,通过网络一站式检索,能够找到大量与之相关的学术文献,更深一步的信息服务仅仅是按作者、机构、基金、来源、时间等对文献进行排序。如果运用大数据可视化技术,我们可以从更多维度来深度揭示文献背后的隐性关系,比如通过发文量统计与揭示,找到最近3年“智能电网”的总体研究趋势,再比如通过关键词在上述文献中的出现次数,可分析出近3年的研究热点。
关于大数据应用方面,傅毅明说:“能源电力作为企业重要的成本支出项,是企业管理的重要内容。由于大数据的基础投入较大,在大中型工业企业的应用较好,中小企业的应用方面相对薄弱。比如建筑用能方面,大型公共建筑应用较多,一般公共建筑和居民建筑应用较少,主要原因是单个大数据平台的基础建设成本较高,可以通过建立大数据公共服务平台的方式降低成本,提高服务水平。交通用能方面,大量货运企业都是‘小、散、乱’的组织形态,大数据应用和节能减排方面的能力不足,需要重点关注。”有关能源电力行业应如何与大数据更好地结合发展的问题,傅毅明认为,一是要强化能源电力行业内部的大数据资源建设,培育专业的大数据服务商,发挥能源电力行业在“互联网+”和大数据应用的先行引领作用。二是要加强能源电力行业大数据资源与国民经济其他行业大数据资源的交换共享,打造能源经济运行大数据监控平台,为各级政府、行业部门、企业和公众等服务。另外,本着顶层设计与试点示范相结合的原则,还需要有一个路线图和组织分工网络。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在MySQL数据库运维与开发实践中,经常出现一种典型现象:数据库实际存储的数据量很小,数据表条数少、文件体积低,但服务器整体 ...
2026-09-11 很多数据分析师能熟练计算均值、标准差,但当被问到“总体和样本有什么区别”“参数和统计量有什么关系”“数据级别的高低如 ...
2026-09-11CDA数据分析师 出品 作者:李诗怡 定义: 将同一时间段内因具备相同属性或共同经历的用户划分为群体,分析其留存与生命周期价值 ...
2026-09-11在零售、商超、餐饮、线下门店等实体商业运营中,客流与销售额是衡量门店经营状态的两大核心指标。销售额是门店经营的最终结果, ...
2026-09-10在数据可视化体系中,柱形图是最基础、应用最广泛的图表类型,其中**累计柱形图(堆积柱状图)**是兼顾整体总量与内部结构的核心 ...
2026-09-10 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-09-10在Python Pandas数据分析中,DataFrame是承载结构化数据的核心载体,数据清洗、数据修正、条件赋值、字段更新等实操场景,都离不 ...
2026-09-09 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-09-09卡方检验(Chi-Square Test)是统计学中针对分类数据的经典显著性检验方法,核心用于判断两个离散分类变量是否相互独立、数据实 ...
2026-09-09CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02