京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据是电网创新变革的重要驱动力
大数据和电力领域专家围绕电网发展趋势,大数据技术、理论与方法,大数据在电力领域的应用现状与展望等方面分享实践经验与研究成果,共推电力大数据研究与实践。
大数据是工业社会的“石油”资源,谁掌握了数据,谁就掌握了主动权。2015年8月,国务院印发《促进大数据发展行动纲要》,党的十八届五中全会又明确提出实施“国家大数据战略”,强调能源领域的大数据信息资源建设。2017年政府工作报告提出,深入推进“互联网+”行动和国家大数据战略。近年来,国家电网公司按照党中央、国务院的大数据发展战略要求,积极开展大数据应用创新实践,发挥电力大数据快捷、细化、客观的优势,为公司创新发展提供信息支撑。
把握能源发展方向 以数据驱动电网大变革
“数据驱动的大数据方法作为一种辅助性手段,将在智能电网的发展中发挥越来越重要的支撑作用。”中国科学院院士周孝信在《关于未来电力系统发展趋势和研究方向的思考》主题演讲中阐述了当前能源电力系统面临的挑战并给出了答案。
中国工程院院士薛禹胜在《科学研究范式的协同是大数据思维不可或缺的组分》主题演讲中指出,大数据时代,不仅要知道是不是相关,更需要研究背后的因果关系。“如果统计分析与因果分析融为一体,紧密结合具体领域问题,相信大数据在以因果关系主导的电力系统领域中,会产生更积极的影响。”
中国工程院院士、中国电科院院长郭剑波指出:“智能电网大数据是电力系统及相关领域数据的有机融合,是一系列对数据处理与利用的理论、方法与技术,是一种对规律的全新认识论和价值萃取思想。利用智能电网大数据支撑能源系统的广泛互联、高度智能、开放互动和可持续发展,将是未来电网的发展与提升方向。”
“大数据的核心是数据驱动,其基本机理是通过数据透视事物的本质,挖掘事物背后存在的关联关系和找寻事物的潜在规律。大数据不只是以统计为手段发现事物的统计规律,而是采用多维度、多源数据融合,综合运用关联分析去发掘事物的混沌规律。大数据可以独立于物理模型,利用数学规律揭示事物本质。”中国电科院副院长王继业在大会专题报告《中国电科院大数据应用实践》中给出了对大数据的新理解和新认识,并指出,面对未来电网在新能源广泛接入、大电网互联和市场放开环境下运行特征的开放性、不确定性和普遍关联性,大数据能够以全量数据反映系统特征,提供全景式全过程的研究视角。
促进创新成果转化 汇聚大数据应用发展新动能
智能电网大数据的应用将实现割裂的数据资源向有效的数据资产转化,支撑更全面的分析、更准确的预测及更具价值的决策支持。中国电科院于2014年正式启动电力大数据研究工作,通过集中多专业优势力量开展大数据联合攻关,经过近三年的努力,在智能电网大数据关键技术研究、统一平台研发和多领域应用开发等多方面取得了一定成果。
通过研究实践,中国电科院梳理出大数据技术框架,涉及数据采集、数据存储、数据处理、数据分析、数据可视化、数据管理、数据服务和数据安全等环节,形成一套开展大数据工作需要研究内容的全集,指导工作开展。自主研发建成了与国际主流大数据技术同步的大数据平台,在数据、计算力和算法等核心能力上具有业内领先优势,并已支撑中国电科院多个研究所开展应用开发。在数据融合关键技术方面形成了基于统一数据模型的整体应用架构;在数据分析挖掘方面,形成了全流程的综合电力大数据分析挖掘能力。
目前,中国电科院已开展了25项大数据应用研究工作。在电网规划运行方面,形成了以数据驱动的大电网安全防御、新一代调控大数据系统及应用研发、面向城网规划的城市电力地图为代表的一系列应用成果;在资产运维管理方面,形成配电设备运行效率和供电能力分析、台区重过载预警和风险评估及继电保护设备分析与状态评价等典型应用;在用户和社会服务方面,形成电力数据资产标签化、售电量预测及新能源政策评价和宏观经济分析等特色应用成果。并且基于不同专业开展大数据工作的特点,总结梳理出大数据在电力行业应用的五大阶段:数据的抽取与整合、数据的基本特征分析、数据的深度分析、数据的业务建模和数据模型的固化实现,这五个阶段针对不同的场景解决问题。
中国电科院自主研发的城市电力地图通过将电网业务数据与地理信息数据相结合,跨领域融合电网拓扑、电网运行、设备生产运维、用户用电信息以及地理、气象、经济、人文社会等电力系统内外部数据,将各类信息和分析结果在地图上直观地展示出来,实现了负荷典型发展模式分析、可靠性影响因素分析和基于车辆轨迹挖掘的充电需求分析等应用。
配网运行效率和供电能力分析的目标是通过大数据技术找到影响配电设备运行效率和供电能力的主要因素。中国电科院在国网运监中心的组织下,选取近5年投运和已运行10年以上两组设备,分析其供电裕度的占比及分布,发现某些区域存在着一些“年轻”设备供电裕度不足,有些区域部分设备一些“老”设备仍有较大供电裕度的现象。该项研究应用成果能够为未来规划和投资提供指导。
台区重过载预警与风险评估应用汇聚了PMS系统、国网GIS系统、配网自动化系统、用电信息采集系统、营销管理系统、应急抢修管理平台等六大业务系统,包含设备台账、改造记录等共3亿多条数据。2016年年初,该应用在国网山东电力上线试运行,预测的准确率和命中率分别在70%和90%,为春节保供电等提供了重要支撑。
此外,利用大数据平台及其上层数据资产标签管理工具,中国电科院还融合某地300多万用户用电营销数据、地理信息和商业数据,快速的存储、处理与融合,结合自主研发的自适应聚类等多种算法,建立了一套从原始数据提取用电特征标签,构建360度用户画像的完整技术体系,为后续开展用户用电数据分析提供基础。
在应用场景介绍中,记者看到每项应用都有量化的表征,对比经验方法,都有了精准可视的结果。如在国网安质部隐患排查数据分析中,分析结果一目了然,对线树矛盾隐患,以往凭经验对树木生长情况判断,而通过融合气象等因素数据,就可以对线树矛盾发生概率进行量化。
这些研究成果把大数据和电网应用结合,能够为电网各专业和省公司的大数据应用提供经验和技术基础,在寻求良好的应用场景、目标和数据价值实现等方面发挥重要作用。
国网信通部副主任魏晓菁表示,公司启动并实施了信息通信新技术推动智能电网和一强三优现代公司的创新发展行动计划,组织编制了大数据应用的指导意见,开展了大数据应用建设,鼓励专业单位开展个性化的创新应用。中国电科院近几年来在大数据方面开展了积极的探索和实践,充分发挥了科研院所的创新能力,走在了公司前列。
据国网运监中心副主任汪峰介绍,国网运监中心负责运营数据资产的统一管理,逐步探索形成了用数据开展监测、用监测管理数据的管理思路,大力推动数据应用各项工作,努力使数据得到充分的发挥。
未来,中国电科院将发挥多专业技术创新优势,进一步全面推进大数据建设,建立一朵云、一平台、一颗星、多中心、多应用运行模式,依托中国电科院大数据平台建设数据应用中心和卫星资源中心,基于数据为国家电网公司与政府社会提供智能化服务。
加强数据资产管理 使智能电网价值形态跃升
“数据即资产。”大数据为电力行业带来了新的发展机遇,同时也提出了新的挑战。据外媒发布的研究报告显示,到2025年,全球电网资产管理和状态监测解决方案市场规模将从2016年的26亿美元增长至65亿美元。为此,必须通过良好的大数据管理,切实提高电力生产、营销及电网运维等方面的管理水平。
与会专家们认为,需要把数据从资产发展成一种商品,让数据像商品一样进行流通,才能产生新的价值。数据资产化以后,数据流动的速度影响数据的价值。数据资产管理的基本原理就是管理资产的方法加上数据的特征,通过数据资产盘点、数据资产评估和数据资产运营三步对数据资产进行管理,其核心就是解决好数据的“存、管、用”问题。
如仅从体量特征和技术范畴来讲,电力大数据是大数据在电力行业的聚焦和子集。但是,电力大数据不仅仅是技术进步,更是涉及整个电力系统在大数据时代发展理念、管理体制和技术路线等方面的重大变革,管理好数据资产将实现智能电网在大数据时代下价值形态的跃升。
电力大数据将向什么方向发展?面对众多复杂和不确定性的变化和互动与主动的需求,电网需要快速提升实时感知、高速通信、快速响应的能力,建立起一套智能化体系来应对冲击和挑战,电网不再是传统的物理能源输送网络,而是逐步呈现出物理与信息的融合特性,让电网同时具备计算、通信、控制、协同和自治的能力,未来智能电网的主要特征是信息物理融合。
“中国电科院将继续加快大数据能力培育、依托各专业所在应用领域的创新实践,围绕国家电网公司的业务支撑定位,全面支撑公司安全生产、运营发展与客户服务。在未来的研究中,将努力形成在大数据应用上的鲜明特色,成为对电网的主要技术支撑手段,培育大数据在电网创新中的驱动力。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20