電力大數據博士論文參考

電力大數據博士論文參考

　　隨著經濟的快速發展,我國的電力工業逐步進入到電力大數據時代。大數據時代的到來為電力行業開辟了新路,電力大數據的發展將重塑電力核心價值和轉變電力發展方式。下文是學習啦小編為大家搜集整理的關于電力大數據博士論文參考的內容，歡迎大家閱讀參考!

　　電力大數據博士論文參考篇1

　　淺析電力企業應對大數據的策略

　　摘 要：近年來，大數據來勢洶洶，對傳統數據商業分析模式產生了重大地影響，對電力企業的數據駕馭能力提出了新的挑戰與機遇。從人才培養、技術儲備、數據駕馭、數據價值挖掘等方面剖析電力企業如何應對大數據的挑戰，讓電力企業在大數據來臨時更加從容地選擇適合的技術、方法論、解決方案和發展戰略。

　　關鍵詞：大數據 數據 海量 價值

　　1 引言

　　據IDC調研顯示，中國的大數據(Big Data)市場未來5年將以51.4%的速度增長，大數據對企業的數據駕馭能力提出了新的挑戰，也為企業獲得更為深刻、全面的洞察能力提供了前所未有的機遇。浙江省電力公司(以下簡稱“浙江公司”)信息化建設經過SG-186和SG-ERP工程取得了長足的發展，目前浙江公司建立了以數據中心為載體的數據采集、轉換和存儲等的業務信息倉庫，為公司各級信息消費者提供業務洞察與業務分析。浙江公司數據中心從2005年開始建設，目前已基本實現人力資源、財務管理、物資管理、安全生產、營銷管理、項目管理、電網運行、電力交易、計劃統計等各業務系統信息(數據)的整合，完成接入20多個信息系統的相關業務數據，存儲了海量的業務明細數據和匯總數據，實現省、地、縣三級信息的集中和共享。為了深化“兩個轉變”創建“兩個一流”，在加快建設智能電網的背景下，如何在大數據浪潮中繼續保持“領頭雁”的作用是浙江公司所面臨的機遇與挑戰。

　　2 現狀分析

　　“十二五”期間，國家電網公司初步建成具有信息化、自動化、互動化特征的堅強智能電網。智能電表、智能變電站、電動汽車充換電站、家庭分布式光伏發電并網等一系列智能電網建設項目相繼投入運營，體現出電力流、信息流和業務流高度融合的顯著特點，信息技術、傳感器技術、自動控制技術與電網基礎設施有機融合，可獲取電網的全景信息。把智能電網中產生的所有數據收集起來，數據突然間增加了許多倍，大量的半結構化和非結構化信息無法管理和存儲，大數據增長速度驚人，每年以幾何級數速度增長，需要有專業化的解決方案應對大數據挑戰。智能電網的實時運營要求快速處理海量數據、實時采集電表數據、在線實時分析決策，傳統的數據倉庫平臺無法支持這些新形勢下的需求。

　　目前浙江公司數據中心已建立起一整套的商務智能解決方案技術架構，包括信息交互層、數據倉庫層、應用設計層和分析展現層。數據來源主要是ERP系統、營銷系統、生產管理系統等各大業務系統，采集、存儲和整合的數據基本以結構化海量數據為主，目前存儲數據已超過3T;而且數據更新周期基本為按日、按周和按月，輔以少量的實時數據更新;業務洞察分析以被動式信息接受與主動式信息挖掘相結合。數據中心作為公司業務數據的集散中心和智能商務綜合分析展現平臺無法完全支撐非結構化數據、實時數據和地理信息數據的采集、存儲、管理和分析。

　　數據類型多樣化和數據高速增長使得當時最具可擴展性的工具也只能疲于應付，傳統的高級分析方法已經到達了他們的瓶頸。隨著大數據浪潮的加速到來，未來5年將成為大數據的全面發展期，如何在大數據浪潮的洗禮中確保技術架構、分析方法、人才、企業戰略以及商業模式能夠“逐浪潮頭”，將更需要積極主動地選擇適合的技術、方法論、解決方案和發展戰略等。

　　3 大數據的定義

　　目前業界還未對大數據有一個統一的定義，但是有兩個關于大數據的定義很好地詮釋了大數據的本質。第一個定義來自Gartner公司的Merv Adrian在2011年第一季度刊登在《Teradata Magazine》上的一篇文章：“大數據超出了常用硬件和軟件工具在可接受的時間內為其用戶收集、管理和處理數據的能力。”另一個定義來自于麥肯錫全球數據分析研究所(Mckinsey Global Institute)在2011年5月發表的一篇論文：“大數據是指大小超出了典型數據庫軟件工具收集、存儲、管理和分析能力的數據集。”

　　大數據主要包括以下幾個特征：

　　(1)大容量：企業數據量大規模增長，單一數據集的規模范圍從幾十TB到數PB不等。電力數據涵蓋發電、輸電、變電、配電、用電、調度的各個環節，數據量龐大。隨著智能電網建設和物聯網的應用，非結構化數據呈現出快速增長的勢頭，其數據量大大超過結構化數據。

　　(2)多類型：大數據數據類型包括結構化數據、非結構化數據、半結構化數據等。電力企業在電網運行的整個過程中安裝了許多傳感器、監視器、智能交互終端等設備，每個設備運行都增加了數據的多樣性。

　　(3)快速率：能夠在剎那間獲得復雜的業務分析數據，實時完成業務決策，毫無延遲。智能電網每隔15分鐘自動采集智能電表所產生的用電數據，結合實時調度運行數據，在幾秒鐘之內處理分析海量數據并快速預測電力電量平衡。

　　(4)價值密度低：大數據的數據價值密度低，單條數據可能并無太大的價值，但海量的數據蘊藏著巨大的財富。例如，一段變電站的監控視頻長達幾個小時，但可能有用的信息只有一兩秒鐘。

　　4 大數據對電力企業的影響

　　4.1 降低電力企業運營成本

　　以前抄表員每個月就要挨家挨戶地抄電表，而智能電表每隔五分鐘或十分鐘收集一次數據，收集來的這些數據可以用來預測用電量等，從而推斷出在未來2～3個月時間里，整個電網大概需要多少電。有了這個預測后，就可以向發電或者供電企業購買一定數量的電。因為電有點像期貨一樣，如果提前買就會比較便宜，買現貨就比較貴。通過這個預測后，可以降低采購成本。

　　4.2 充分挖掘智能電網數據的價值

　　依靠遍布電網的精巧傳感器收集數據，然后對氣象數據進行分析，找出安裝風力渦輪機和整個風電場最佳的地點。利用大數據，以往需要數周的分析工作，現在僅需要不足1小時便可完成，提高工作效率，為風力發電選址提供科學依據。 　　4.3 轉變營銷方式

　　電力企業目前主要通過峰谷電的定價策略來影響客戶的行為，減少高峰時段的用電量。如果通過分析智能電表收集的海量客戶用電數據，預測客戶的用電習慣，電力企業根據大數據分析制定更加精準的定價程序來影響客戶用電量，可以想象更為靈活的定價機制，例如按天分不同用電類型的定價策略。電力企業有能力提供更加人性化的電費通知單，在該電費通知單中將描繪客戶在不同時段用電量的趨勢，以及向客戶提供用電咨詢和建議。

　　4.4 更準確的需求預測

　　利用大數據分析，電力企業能更清晰地識別出需求來自于哪些地方、哪些用電類型。還能了解某一類客戶在某個時間的用電需求，電力企業可以使用不同的方法來驅動各種行為，使需求更加平穩，并降低異常需求峰值出現的頻率。

　　5 電力企業如何應對大數據

　　5.1 人才培養

　　據美國Teradata調查顯示，業界對大數據分析類職位的需求在上升，如系統分析師(35%)、程序開發員(32%)和商業分析師(22%)，但符合要求的人才卻只有0.41%。大數據來臨的時候，電力企業最缺乏的是人才，工作人員面臨大數據將是一種挑戰，企業需要為員工提供多方面的大數據技術培訓和實操體驗，確保在大數據來臨時，企業員工能夠從容勝任。

　　5.2 研究大數據技術

　　在每一次科技變革中，都會出現新的技術和創新的理論，大數據也不例外。在大數據興起的同時也出現了Hadoop、NoSQL等一些顛覆傳統技術觀念的新技術，這些新技術的應用將會對電力企業現有的信息化基礎架構產生較大的影響。在業界，也涌現出了一批大數據解決方案，例如SAP大數據處理架構、EMC Greenplum、IBM InfoSphere Streams等。每個大數據解決方案都有各自的特點，因此電力企業要了解并研究適合自身的大數據解決方案，研究融合結構化數據庫、非結構化數據庫、實時數據庫和地理信息數據庫，研究各數據庫之間數據交換和信息共享的交換標準，為企業各種應用提供統一的、一致的數據視圖。電力企業既要保護現有的信息化投資，又要能滿足企業的大數據業務需求，才能在大數據到來之時做出正確的選擇。

　　5.3 重視企業的數據資產，持續開展數據綜合治理

　　淘寶網已經形成了比較完整的大數據生態鏈，可從龐大的數據中挖掘人們的消費方式、消費習慣、地域差異、年齡差別等信息，可利用這些有價值的數據進行精準的營銷，將會創造巨大的財富。數據是企業的最大價值來源，目前電力企業數據量激增，數據類型也存在多樣性，數據散落在不同的系統中，哪些數據是可用的、可信的，如何管理好企業的數據資產，如何從海量的數據中獲得有價值的數據，成為電力企業持續開展數據綜合治理的重中之重，也成為企業管理者在大數據時代分析決策的基礎。

　　5.4 駕馭數據，注重挖掘數據價值

　　新浪微博Page是基于數據分析的最新大數據應用。它是一個聚合了用戶興趣愛好社交關系數據的綜合展示頁面，無論是話題、圖書、音樂、餐飲美食等內容都能在微博上生成專屬的Page頁面，讓網友可以很方便的查看到有價值的微博內容。數據的核心是發現價值，駕馭數據的核心是分析。企業的數據容量不是越大越好，大數據的數據價值密度低，如何駕馭大數據，如何在海量數據中挖掘有價值的信息是重中之重。智能電網將給電力企業產生爆炸式的數據增長，獲得并存儲這些數據固然重要，但是電力企業更應專注于數據中隱藏的價值，通過應用大數據技術分析，充分挖掘數據的核心價值，讓數據分析影響和反哺企業業務流程，創造出更多的業務提升機會。

　　5.5 將大數據融入企業數據整體方案

　　單一的數據在單一的環境下并不能產生多大的價值，將來自不同數據源的數據經過轉換、整合，彼此增強，將大數據和傳統數據融合形成企業級統一的數據視圖，將會產生新的業務洞察力?？梢韵胂?，在未來電力企業將家庭的平均年齡、學歷水平、生活習慣、住宅類型等信息與電能消耗的數據融合分析，這將會使從智能電表上讀取的數據更有用、更有意義。因此，需要將大數據融入企業的數據整體方案中，這樣才能讓數據產生最大的價值。

　　參考文獻：

　　[1] (美)Bill Franks.駕馭大數據[M].黃海，車皓陽，王悅.譯.北京：人民郵電出版社，2013.

　　電力大數據博士論文參考篇2

　　淺析電力窗口部門大數據資料的應用

　　摘 要：大數據戰略為我國“十三五十四大戰略”之一。為了配合國家的戰略產業調整，電力部門則需要將大數據管理同本部門的特點及需求進行對接。作為電力部門的服務窗口，其公共服務性質決定其同社會的直接接觸，可以藉由其他大數據資料更好的為客戶服務，另外，經過過濾整合的電力服務大數據，也可其他行業部門提供相應幫助，滿足我國“實施國家大數據戰略，推進數據資源開放共享”。的戰略需要?；诖怂悸?，根據國家電網公司運營的業務特點及實際應用需要，本研究提出了大數據資料對電力窗口部門服務質量及方案進行指導及整合的方法，為進一步的深入工作，開展相關研究。

　　關鍵詞：電網 大數據 窗口服務 產業融合

　　大數據技術的出現及發展，為現今社會的各行各業提出了機遇與挑戰。隨著信息產業化工程的升級，大數據信息已經伸到到現代社會的各個領域，而在此過程中，各個領域，如商業、石油，以及生物等數據密集型行業都致力于挖掘各自領域的數據，以提高自身的行業競爭力。在此過程中，電力系統本身的行業特點決定了其對大數據的深度依賴。就目前的研究而言，電力系統的大數據多集中于電網的運行、后臺維護、配電系統的架構等方面。而對于同其他各個行業的結合嚴重不足。縱觀電力窗口部門，其對接電力系統，是整個電力部門風貌的展現及延伸。除了一般的禮儀性質的服務提升外，需要加強電力窗口服務的內核。而大數據的自身特點決定了對服務數據的提升。本文基于對電企內部的運行特點，提出了其大數據同其他社會大數據對接的方案，現介紹如下。

　　1 電力窗口部門大數據的特點

　　作為社會化的服務窗口，電力窗口大數據的來源廣泛，關系復雜。特別是在同配電數據整合對接后，其結構更加多樣。而且傳輸量巨大。上述特點決定了其在二次處理過程中，如何同其他社會化數據相結合極為困難。表面上，不同地區的電力窗口部門數據僅僅為配電額的結算，但是一旦結合后臺的配電數據，地區的消費數據，進一步的同城市交通如電動汽車、電動車的運行，則會直接產生大量的綜合社會數據。從此角度出發，電力窗口的大數據，對接其他行業的大數據，雖然有著良好的挖掘潛力，但是不同種類、不同個體的數據源具有的差異化的復雜產生方式，如何保證其經過一次處理后，滿足進一步大數據的二次處理的需要，以獲得滿意的分析結果，是當今電力窗口部門數據處理的難點。因此，有必要尋求適應電網數據特征的大數據應用技術。

　　2 電力窗口部門大數據應用的關鍵技術及方法

　　2.1 過程信息的儲存及處理

　　鑒于電網數據的測量點多，運行方式變化快的特點，為了實現電力窗口同電網的有效對接，并在第一時間內對該數據進行處理，則首先要對現有的電網處理數據進行提升，應用測量數據關聯分析與清洗修正技術針對電網內部的數據進行過濾及分析，保證在同其他源數據對接過程中的效率。此外，對于外源的數據庫，在對接之前亦需要對其數據邏輯進行初步的分析及過濾，以保證其后期同窗口大數據的有效對接。以分布式數據處理系統及云計算技術對上述數據進行處理，可支撐本體系在未來實際應用中的需要。

　　2.2 電力窗口數據對智能電網的支持

　　智能電網內，除一般性質的配電數據，電力窗口的大數據對于整個電網的規劃和運行亦有十分重要的積極意義。由于電力窗口部門面對社會人群，表面上僅針對其客戶家庭內部用電的情況。但是，該用電數據可以直接對接配電的大數據，并直接為公司內部提供第一手的用電資料。電力窗口部門的數據采集，可以為電網提供更高精度、更細粒度的結果，并在此之上，進一步的預測地區用電的實際情況。為電網調節提供實際依據。

　　2.3 電力窗口數據對社會服務大數據的支持

　　由于電力窗口數據的上游采集自電網的配電情況，下游采集自社會用電量。其本身為溝通上下游數據的橋梁。通過對于自身窗口數據的分析，可以獲知的確用電量的情況，并配合對社會發展的相關數據的挖掘，可預測宏觀電量的變化。相比之而言，窗口大數據所獲得的精度更高，且同其他資源的契合度更高。因此，可以實現對電網局部用電量的精細化預測。根據電力窗口數據所獲得的數據，進行深度挖掘后，進行建模處理，并根據社會數據，如工商、管理、交通等部門的整合預測數據，對該模型持續不斷的修正，最終實現相應的用電預測，該數據可以反哺社會數據，為公共部門提供精細化的用電數據。而該用電數據可為公共事務的決策及管理提供重要的支撐資料。

　　2.4 電力窗口數據對商業大數據的支持

　　現代商業需要整合不同地域的大數據以實現廣告投放及網點的建設，要針對不同的人群的特點，其適用的商業形式也大有不同。而以電力窗口的大數據可以反推各個地區的客群特點，為公司的決策提供支持。另一方面，以該數據配合其他公用服務的大數據，可以更加精準的對地區商業預判，最終滿足地區商業發展的需要，增加地區繁榮。

　　3 結論

　　與傳統的大數據管理不同，電力窗口的大數據作為智能電網的一種延伸，并非電網數據的單一補充，而是進一步的挖掘，可以以此為基礎，從數據中獲得更大的價值。通過對電力窗口部門數據的應用可以有效提升智能電網的運行效率，并提升電力部門的社會服務水平。

　　參考文獻

　　[1]廖建新.大數據技術的應用現狀與展望[J].電信科學，2015，31(7)：1-12.

　　[2]Greene，C.S.，et al.，Big Data Bioinformatics. Journal of Cellular Physiology，2014，229(12)：1896-1900.

　　[3]劉燕.對電力營業窗口如何做好優質服務的探討[J].中小企業管理與科技，2011(30)：68-68.

　　[4]胡曉東.略談富錦電力窗口人員的服務禮儀[J].城市建設理論研究：電子版，2013(35)：1-2.

　　[5]馬發勇.電力調度SCADA系統中歷史數據壓縮及存儲策略[J].電網技術，2014， 38(4)：1109-1114.