（国网山西省电力公司山西太原）
摘要：随着经济和信息技术的快速发展，数字已经成为企业运营的基本要素，是企业发展的重要驱动。近期，国家电网公司提出建设数字化企业的思路，数字化企业的特点是，运营全面感知、业务敏捷运行、资源按需配置、供应链整合联动、管理扁平透明，这是一项创新性工作，也是一项长远性工作。大数据作为一个很好的视角和工具，从其拥有的数据规模、数据活性和企业运用、解释数据的能力即可判断公司的核心竞争力。通过电力系统大数据与运营监测分析、同业对标及卓越绩效管理与评价的有效结合，从管理、运营和战略方向等方面提出了大数据能为电力企业提升核心竞争力提供可靠价值。
关键词：大数据；架构；应用
引言
电力行业是国民经济以及国家发展战略的重要支撑行业，随着信息技术与电网建设的快速融合与发展，电力大数据已经成为电力行业未来发展的核心。文章从电力企业大数据的需求、处理及应用角度出发，基于计划预算、电网运营、核心资源、关键流程、专题监测等实际开展业务的全流程进行技术和理论研究。以横向协同业务应用构建为突破，构建业务应用与技术统筹机制，建成“数据干净透明，模型规范统一，分析灵活智能”的全业务统一数据流程，以数据需求为导向，以数据深度挖掘、分析、筛选为手段，实现“全业务协同，全流程贯通，全数据共享”。通过全面解析电力企业大数据体系架构，强化全业务数据汇聚与整合，深化总体架构管控，为打造世界一流能源互联网企业提供可靠的技术支撑。
1电力大数据
所谓电力大数据，是以智能电网为出发点，其运行期间涉及各个环节的数据信息，如发电环节、电能输送环节、电能管理环节，无论是智能表信息，还是传感器信息，均能被电力大数据统一管理。由于电力大数据操作程序较繁琐，工作难度较大，但它又是影响企业决策、企业行为的重要依据，只有高效利用数据，才能发挥大数据应用价值。其特点主要表现为：体量大、类型多。智能电网应用的过程中，上述云计算以及电力大数据三者间存在互相影响、互相作用的关系，三者协作配合构建良好的云计算环境，这对电力大数据技术高效应用有推动作用。云计算大数据应用的过程中，电力系统功能会不断优化，同时，电网运行模式会相应创新，相关工作者应用数据系统时需要做好信息获取、数据整理等工作，这有利于引导电力系统向现代化、信息化方向发展，这也符合电力企业未来发展趋势。从中能够看出，电力企业在云计算环境下经营管理，云计算大数据能够为其提供可靠的技术支持，并且企业还能根据数据环境变化彰显应变优势。
2现状分析
2.1工作人员的自身素质有待于提高
一些电力企业由于规模、资金等原因，所招聘到的工作人员学历、综合素质等都达不到要求的标准，信息技术水平较低，甚至个别人员根本不懂计算机技术，因此无法适应大数据背景下电力自动化系统数据处理分析的需求，在数据处理中，对系统软件运用能力较差，对一些信息处理、数据分析束手无策，很难按时保质保量完成工作任务。还有的工作人员，以年龄大为借口，不注重自身的后续提升，无法跟上时代的步伐，很难胜任自身的工作。一些工作人员无视企业管理制度，自由散漫，工作敷衍了事，经常出现纰漏，甚至造成经济损失。
2.2认识和重视不够
一些电力企业的领导和管理者对大数据缺乏正确的认识，不了解大数据在电力自动化系统数据分析和处理中的重要意义和作用，加之大数据的引入需要企业进行资金投入和相关的专业技术人员，见效不明显，因此，不重视信息化管理和先进技术的引入。个别电力企业为减少成本支出，低价购置低配置的计算机等设备，在使用过程出现故障是难免的，影响数据处理工作的顺利进行，在主观上制约了大数据的引入，不利于电力企业数据管理的创新，影响电力服务。
3电网大数据应用关键技术
3.1拓展项目与大数据
一是创新开展业扩可开放容量信息发布及预警。我们以电网运营监测系统为依托，以盐湖陶村供电所为试点，融合营销、调度、运检业务系统，用大数据分析的方法，对设备运营状况进行分析，通过收集业务部门和试点供电所意见，进行反复验证和修改，制定了下发了设备评价表和可开放容量数据，让数据多跑腿，让客户少跑路，为快速精准接入提供准确的数据支撑。二是探索开展基于电网无功补偿大数据的无功优化降损研究。协同规划、运检、营销、调度专业，通过对电网运营监测系统、SCADA、SG186、量价费损系统、用电采集系统、厂站采集系统等多系统融合，并采用大数据挖掘的方法，研究变电站的运行方式、负荷变化情况、功率流动情况，分析无功补偿进一步优化配置后对电网电能损耗的影响，进一步降低电网损耗，实现公司节能降耗和经济效益的“双赢”。
3.2数据拓扑技术
电网拓扑图是依托实际的物理实体，按电压等级分层绘制；流程网络拓扑图是按照管理层级进行分层绘制，每层内展示的业务管理颗粒度不同，像是在地图中对同一个区域进行比例尺缩放，从而看到不同的细节信息。流程网络第一级为为企业运营目标，第二级为端到端流程，包括“外部到外部”端到端流程，和“内部闭环”管控与支撑类业务端到端流程。第三级为业务阶段，即将端到端流程向下拆解为业务阶段。第四级为业务节点，将业务阶段继续向下拆解为业务节点。第五级对应“五位一体”建设中的专业管理流程，即将业务节点细分到对应岗位的业务活动，是运营监测的最小单元。借鉴国际通用的QQTC模型（Quality，Quantity，Time，Cost），从质量、规模、进度、效益、合规五个维度，给“1+4”流程网络匹配相应指标，形成五级指标网络。
3.3面向大数据的能效分析与需求响应
电网系统采集了大量的用户侧数据，目前这些数据仅仅用于浅层次的统计计算，很少发掘其深度应用价值。利用大数据技术，通过对用户侧数据进行用户用电分析，从而合理有效地引导电力用户侧负荷资源参与电网的削峰填谷，减轻电网高峰负荷压力，提高电网运行效率和经济性。通过对用户用电信息数据的大数据分析和挖掘，可以对典型行业的负荷特性和典型用能场景下的用能行为进行分析，可以研究用户的用电行为的影响机理和行为特征，构建企业或区域用户画像体系，进一步提高服务质量；通过对海量用能数据的清洗、整合、挖掘和识别，可以对用能数据进行综合能效评估，形成一套有效的能效评估分析系统，全面了解用户用电特性，建立以楼宇为典型符合实例的需求响应模型，形成应对的用电需求响应策略。
结语
综上所述，对于电力大数据专业化分析技术与应用探析要从相应的电力部门的实际工作出发，考虑到先进的科学技术对于电力工作方面的影响和电力企业各项工作的目前的现状进行必要的分析，从而总结出电力大数据专业化分析技术实际应用对于电力部门各项工作的积极作用，促进电力部门各项工作的稳定开展。
参考文献：
[1]孔晓杭.电力大数据专业化分析技术及运用研究[J].华东科技：学术版，2017（12）：258.
[2]万涛，杨德胜，孙飞.电力大数据专业化分析技术研究与应用[J].中国管理信息化，2014（20）：31-33.
［3］张星.电网工程施工存在的安全问题及应对措施［J］.贵州电力技术.2013，16（08）：84－85.
［4］张东霞，苗新，刘丽萍，等．智能电网大数据技术发展研究［J］．中国电机工程学报，2015，35（01）：2－12．