基于大数据分析技术的电力运营数据管理

基于大数据分析技术的电力运营数据管理

作者：陈超

来源：《环球市场》2019年第28期

摘要：信息时代已然来临，加快电力部门的信息化建设是提升电力部门的服务水平的关键之所在，是当前电力部门建设的重点。大数据中蕴含着海量信息，具有极大价值。在电力运营中得当使用天数据将会产生意想不到的结果。本文首先对大数据分析进行简单的概述，然后在并大数据分析的基础上分析其对电力运营的数据管理。 关键词：大数据;分析;电力运营

随着技术的高速发展，互联网使用的普及性，各类信息管理都会用到计算机技术，很多企业都积累了大量的数据。这些数据中往往蕴藏着非常多的具有商业价值的信息。因此，在面多如此庞杂的海量信息时，如何从中准确快速的提取有用信息井对这些信息进行整合分析，在分析结果的基础上，为电力企业发展提供服务，是当前电力企业必须要面对的一个问题，是当前思考的重点。

目前我国电力企业的运营数据大致可以分为以下三类：一类是电网运行和监测产生的数据;一类是电力营销产生的数据，比如交易价格、价格变动趋势、电量使用情况、电力客户等信息;最后一类是电力企业管理数据，如管理体系、管理构架、电力工作人员情况等数据。这些数据大致囊括了電力部门日常运营、企业发展状况、企业甚至行业走向等情况，如果能够及时对这些数据进行挖掘分析然后转化使用，必将给电力企业带来远大的前景，而且有利于电力企业的可持续性发展。大数据分析是一项专门针对海量数据进行挖掘分析的技术，其在电力企业中的应用，必将给电力企业带来有益的参考和新的发展思路。 一、大数据分析

实际上到目前为止，大数据仍然没有明确的定义在行业中也没有明确的定位。大数据是针对传统数据而产生的，与传统数据具有明显区别的数据，大数据不论是从量上还是从采集处理方式上都与传统数据有明显不同。大数据是一种可以对海量数据进行实时分析并能准确推送的一种技术。实际上，目前已经有非常多的行业将大数据使用在其日常工作中，比如金融、医疗、互联网等行业。我们确可以从这些前人的经验中看出大数据对于一个企业甚至是一个行业都发展都是举足轻重的。在企业中针对海量大数据进行挖机，从海量信息中提取有用信息然后进行分析、整合和转化以此为企业的运营和发展提供决策性依据，由于电力运营涉及到多个环节，因而大数据在电力部门中的应用是普遍而常见的。针对电力大数据的应用主要在以下三个方面：

龙源期刊网 http://www.qikan.com.cn

第一，是电力企业运营决策的依据，这种大数据运用主要是对大数据进行挖掘、分析。然后确定不同用电客户的特征，然后再针对不同类型的消费群体进行精确定位和推送对其有用的信息，以精准定位，为电力运营提供理论上的依据，从而提升企业的运营效益，并且在一定程度上可以提高用户用电的体验感和参与度。该模式利用电力系统中的大数据为电力企业经营决策提供更全方位的数据支撑，使企业对未来的发展方向更具前瞻性和全局观。

第二，以电力运营为中心的综合服务平台，平台使更多的企业和人员可以参与进来，调动了有关人员的积极性。并且平台是由具有资金和数据优势的电力企业搭建的，企业能够全面了解平台运营状况。而且平台通过综合分析，整合相关信息，能够不同消费者提供精准信息。对于消费群体在平台上所反映的问题也能够第一时间发现并及时提供解决方案。在很大程度上能够节约企业在电力管理上的成本。

第三，是研发新产品的支撑，通过对大数据的综合分析，确定能源供应、消费群体、消费状况等数据，将这些数据与其他信息和技术相结合，研发出更多产品，为消费者提供产业链产品并为消费者提供一条龙的服务。 二、大数据分析的主要技术

随着大数据在电力企业中的应用中，大致可以将大数据分析技术分为以下几类： （一）统计技术

统计分析是一种传统的分析方法，在日常生活中也是特别常见的一种分析技术。统计技术首先是要对数据进行收集，然后再对其进行整理和分析。统计技术虽然是基础的技术但是其在企业中的作用是不可估量的，很多时候在对收集到的数据进行统计分析之后便可大致了解到所要了解的内容的大致情况以及对未来发展态势的简单预测。但是统计技术目前面临着工作量庞大的问题而且随着数据的增对工作量也在不断增加。 （二）关联分析

虽然统计分析是数据分析中基础的分析方式，但是最早为人所知的数据分析方式不是统计分析而是关联分析，这足以印证关联分析在数据分析中的重要性。关联分析在数据分析领域中是不可替代的。A-priori关联算法、基于划分算法、FP-growth算法是目前常用的关联分析算法。关联分析可以更大范围的分析数据，精准确定看似无关的行业、企业之间的关联，并且高效、准确的发掘潜在信息，为电力企业发掘潜在客户和潜在商机。 （三）聚类分析

龙源期刊网 http://www.qikan.com.cn

聚类分析是一种较新的分析方式，它提出并使用的时间不算长，但它在企业大数据分析中的作用确是不可忽视的。目前市场上已经有多种类型的聚类算法，针对不同的分析目的、不同的分析对象所采用的分析方法一般也是不同的。聚类分析方法可以有体系、有规律的展现企业的发展状况和所调研的问题的所呈现的变化规律等。 （四）分类分析

分类分析也是目前常用的一种数据分析方式，分类分析是将海量数据按照不同规律、不同需求进行分类，然后再有针对性的进行分析。通过分析从中发现事物发展规律，以此预测未来的走向趋势。分类算法包括简单分类算法和复杂学习算法，简单分析方法使用简单便捷，能够快速获得结果但是存在结果不准确等问题。分类分析通常还会伴随着模型或者图表一同产生，这样能够更能直观的展现所调研问题的走向和发展趋势。 （五）多核学习

上述的大数据分析方法都是单一的分析方式，随着科技的发展，时代的进步。单一分析方式在很大程度上已经不能满足企业在日常生产中的实际需求了。企业更多需求的是综合的、多核的分析方式。这也是未来大数据分析方法的发展方向。 三、在数据运营管理中的应用 （一）电力负荷预测框架的搭建

对电力负荷的预测来讲，首先并且重要的是需要搭建一个数据分析和处理的平台，并且这个平台要具有强大的计算能力，这是实现电力预测的基础。通过前文我们可以知道，受海量数据，电力负荷分布极广并且呈现地域式变化等因素的影响，电力负荷的类型也是多种多样的。因此，对电力大数据进行分析必须要对不同的电力负荷数据进行分类别挖掘、分析，根据不同的客户负荷类型，综合分析。在整体数据的基础上实现对不同类型的电力负荷预测模型的搭建。

（二）负荷数据聚类

大数据是一个庞杂的数据系统，纵使是像前文所述的将其进行了分类整理，但是我们可以预见的是分类后的数据量仍然是非常庞大的。所以为了简化工作很有必要引入数据聚类算法。数据聚类算法是对给定数据进行集合分类，化繁为简对聚合后的数据进行分析整理即可。然后通过彼此之间的隶属度来表示不同数据的相似程度。通过计算使得目标函数达到最小以达成企业利用最大化的目标。 四、结束语

龙源期刊网 http://www.qikan.com.cn

综上，大数据作为当前很多企业的制胜法宝，在企业中发挥的作用越来越大。电力运营数据管理中使用大数据的企业还凤毛麟角，但是我们不应该就此否认大数据在其中的作用，反而更应该看到其潜藏的巨大价值，并积极加以使用以创造更高价值。笔者希望通过本文能够对电力企业营销和建设部门有所帮助。 参考文献：

[1]黄庆键，欧周，林佳亮.关于空问电力负荷预测方法综述与展望[J].自动化应用，2017（02）：79-81.

[2]陈利芳.面向大数据的电力预测系统应用研究[J].广东科技，2017，26（02）：89-90+76. [3]鲁宗相，黄瀚，单葆国，王耀华，杜松怀，黎静华.高比例可再生能源电力系统结构形态演化及电力预测展望[J].电力系统自动化，2017，41（09）：12-18.

[4]李冰洁，陈哲，牛东晓.短期负荷预测中气象因素的大数据分析[J].科技和产业，2015，15（01）：94-97.