公司電話:0851-28769985
客服電話:400-7796789
電子郵箱:zyydkj888@qq.com
公司地址:遵義市匯川區(遵義市匯川區匯川大道V穀億易通大廈18樓)
  行業動態

電力大數據概念應用以及發展全解析
查看:370  發稿日期:2018/8/10 11:21:33

電力大數據概念

電力是大數據理念、技術和方法在電力行業的實踐。電力大數據涉及到發電、輸電、變電、配電、用電、調度各環節,是跨單位、跨專業、跨業務數據分析與挖掘,以及數據可視化。電力大數據由結構化數據和非結構化構成,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,其數量將大大超過結構化數據。電力大數據的特性滿足大數據的五個特性,一是數據量大(Volume)、二是處理速度快(Velocity)、三是數據類型多(Variety)、四是價值大(Value)、五是精確性高(Veracity)。

電力大數據應用

電力大數據的應用一方麵是與宏觀經濟、人民生活、社會保障、道路交通等信息融合,促進經濟社會發展;另一方麵,是電力行業或企業內部,跨專業、跨單位、跨部門的數據融合,提升行業、企業管理水平和經濟效益。

電力大數據演進

電力大數據對電力數據進行分析挖掘,得到信息,然後將信息轉化為知識,最後通過可視化展現與表達,與人們進行分享。

電力大數據技術

電力大數據技術滿足電力數據飛速增長,滿足各專業工作需要,滿足提高電力工業發展需要,服務經濟發展需要。電力大數據技術包括:高性能計算、數據挖掘、統計分析、數據可視化等。

1)高性能計算

通過Hadoop分布式計算技術采用MAP-REDUCE模型建立分布式計算集群或者Yonghong Z-Suite等高性能工具,對電力大數據進行分布式計算和處理。

2)數據挖掘技術

數據挖掘技術是通過分析大量數據,從大量數據中尋找其規律的技術,主要有數據準備、規律尋找和規律表示3個步驟。數據準備是從相關的數據源中選取所需的數據並整合成用於數據挖掘的數據集;規律尋找是用某種方法將數據集所含的規律找出來;規律表示是盡可能以用戶可理解的方式(如可視化)將找出的規律表示出來。數據挖掘的任務有關聯分析、聚類分析、分類分析、異常分析、特異群組分析和演變分析等等。

3)統計分析

統計分析,常指對收集到的有關數據資料進行整理歸類並進行解釋的過程。 統計分析可分為描述統計和推斷統計。

1、描述統計描述統計是將研究中所得的數據加以整理、歸類、簡化或繪製成圖表,以此描述和歸納數據的特征及變量之間的關係的一種最基本的統計方法。描述統計主要涉及數據的集中趨勢、離散程度和相關強度,最常用的指標有平均數、標準差、相關係數等。

2、推斷統計推斷統計指用概率形式來決斷數據之間是否存在某種關係及用樣本統計值來推測總體特征的一種重要的統計方法。推斷統計包括總體參數估計和假設檢驗,最常用的方法有Z檢驗、T檢驗、卡方檢驗等。

4)數據可視化技術

數據可視化數據可視化主要旨在借助於圖形化手段,清晰有效地傳達與溝通信息,便於相關者對數據的理解和認識。數據可視化與信息圖形、信息可視化、科學可視化以及統計圖形密切相關。

電力行業如何應用大數據

大數據不是ICT行業的專利。目前,金融、廣電等傳統行業都在積極借助大數據的力量,幫助企業實現轉型。在電力行業,大數據已經被視作企業戰略層麵的重要議題:國家電網就在北京亦莊、上海、陝西建立了三個大數據中心,其中北京亦莊大數據中心已安裝超過10200個傳感器,每個月可節約的能耗價值大概為30萬元。那麽,電力行業如何應用大數據?在電力行業麵臨的挑戰中,電信業能找到哪些共性,電信業又有怎樣的機遇?電力行業的應用策略中有哪些值得電信業借鑒?請關注本版報道。

大數據在公共管理、零售、互聯網、電信、金融等眾多行業快速推廣,市場規模迅速擴大,2012年國內大數據市場規模已達4.5億元。IDC預測,2016年中國大數據市場規模將達6.17億美元,而全球規模將達238億美元。大數據已經滲透到當今的每個行業,成為重要的生產因素。人們對於海量數據的挖掘和運用,預示著新一波生產率增長和消費者盈餘浪潮的到來。大數據超過了傳統數據庫係統的處理能力,為了獲得數據中的價值,必須選擇新的方式進行處理。電力大數據是大數據理念、技術和方法在電力行業的實踐,是大數據應用的重點領域之一。

對內:優化管理模式

電力行業數據量大、類型多、價值高,對於電力企業盈利與控製水平的提升有很高的價值。有電網專家分析稱,每當數據利用率調高10%,便可使電網提高20%~49%的利潤。和電信行業一樣,電力行業對大數據的使用也分為內部應用和外部應用。

內部應用指運用大數據優化電力企業管理模式,提升電力企業經營管理水平,主要包括以下幾個方麵:

——支持基建決策

大數據技術有助於電力企業基礎設施選址、建設的決策。例如丹麥風電公司VESTAS計劃將全球天氣係統數據與公司發電機數據結合,利用氣溫、氣壓、空氣濕度、空氣沉澱物、風向、風速等數據以及公司曆史數據,通過使用超級計算機及大數據模型解決方案,來支持其風力發電機的選址,以充分利用風速、風力、氣流等因素達到最大發電量,並減少能源成本。此外,VESTAS還將添加全球森林砍伐追蹤圖、衛星圖像、地理數據以及月相與潮汐數據,以便更好地支持基礎建設的決策。

——升級客戶分析

一方麵,通過使用電力企業龐大的曆史銷量數據,進行用戶用電行為分析和用戶市場細分,使管理者能有針對性地優化營銷組織,改善服務模式。另一方麵,通過與外界數據的交換,挖掘用戶用電與電價、天氣、交通等因素所隱藏的關聯關係,完善用戶用電需求預測模型,進而為各級決策者提供多維、直觀、全麵、深入的預測數據,主動把握市場動態。


大數據在電力行業的應用前景有哪些?

問題:本人目前電氣工程在校研究生一枚,對電力行業將來的發展前景很感興趣。我覺得這裏的大數據不僅指用戶用電量的數據,還應該包括電網運行狀態的數據和發電機組的數據,例如繼保,變電站運行,電廠側還可以有汽機,鍋爐。對這些數據進行分析有意義嗎?目前大數據在電力行業有哪些應用?最近智能電網炒的很火,智能電網的建設需要大數據的支持嗎?新能源呢?例如風電場,太陽能,可以利用大數據提高其發電效率嗎?

一下問了好多問題,希望有高手能予以解惑

回答(一)

作為曾經搞過幾個電力相關項目的人,就自己粗淺的理解,很寫實的回答一下吧,也希望專家指正:

1、國內電網行業相對封閉,很多國外的新技術和新思想並不適用於國內,根本沒施展的基礎和環境;

2、但國內電網行業技術上並不算落後,對國外相關技術的研究其實也都有及時跟蹤和深入理解,隻可惜,如1所述,確實沒啥空間。

3、要玩大數據的前提是首先要有大數據,以前電網建設重點都集中在生產環節,配用電環節關注較少,而生產環節,起碼目前,還談不上大數據,相關的數據挖掘倒是一直都需要,也一直都在用。用電信息采集係統(用戶能見到的就是智能電表)等的大麵積推廣,意味著與用戶交互最多的配用電環節開始得到重視。

4、配用電環節要做到智能化,確實需要基於海量用戶用電特征數據分析,進而實現台區的負荷預測、用電調度、有序用電等等。但遺憾的是,理念歸理念、技術歸技術、現實歸現實,雖然智能配用電這一塊理論上都設計的很好,但現實中還有很多問題。

5、以用電信息采集係統為例,其實是一個收集用戶用電行為特征最好的前端設施,這裏需要分鍾級的數據采集頻率,目前一般是15分鍾。即一個小時采集4次。但由於用戶住宅區的分布雜亂無章,要想采用重新布線的有線方式傳輸數據顯然投資過大,PLC又慢又很不穩定。無線的話,GPRS目前使用較多,不過呢,大量用戶數據都走GPRS,且不說費用,數據擁塞是避免不了的,受環境影響,幹擾和屏蔽也較多。這樣一來,後台收集數據經常會出現延遲和丟包情況,因此很多數據根本無法全部有效采集。也就不存在完整的海量數據一說,那麽又到哪裏去分析呢?

6、國內確實建設了一些完整的智能電網小區試點,用戶家裏也可以用智能插座,這種環境下用戶數據可以得到有效收集,如果用戶量較大,必然會產生大數據,相對也就需要大數據技術來處理和分析,從而進一步提高電網智能服務水平。但這種整體的改造要用到目前現有電力係統中,顯然不現實,成本過高,電老大再有錢,也不可能去幹這種事。

7、從電力的後台係統來說,涉及到了大量的各種業務係統,但這些係統多年的建設過程中因為缺乏頂層設計,所以大多自成體係,數據很難互通共享並提供上層應用服務,因此即便這些數據真的也是海量大數據,但要實現整體的分析挖掘,難度依然十分巨大。

8、風電、太陽能、包括微網的分布式能源接入,其實跟前端用戶用電行為是密切相關的,由於目前還沒有低成本高效率的儲能係統,因此怎麽分配這些能源,怎樣與現有配電網很好的結合也會是十分麻煩的問題,要知道風電和太陽能等都是不確定性能源,對現網衝擊還是很大的。這確實也需要數據分析技術的支持,譬如對風電準確的預測等。這些技術都很早就有人在研究,談不上大數據。除非是大電網環境下,整體都構建成分布式能源,這時候可能才算得上是大數據吧。

9、總結一下,從未來看,智能電網的實現的確需要大數據做支撐,但在我國電網環境下,這將還是一個漫長的過程。當前說大數據,更多是噱頭,吸引眼球和忽悠項目罷了。大部分省級公司的數據更多應該還是結構化運營數據,頂多T級了。以上回答著作權歸作者所有。商業轉載請聯係作者獲得授權,非商業轉載請注明出處。作者:Mr AMGer

大數據時代:電力行業如何掘金

一、大數據頂層設計出台

國務院總理李克強8月19日主持召開國務院常務會議,通過《關於促進大數據發展的行動綱要》(下稱《綱要》),這意味著大數據頂層設計出台,國家大數據戰略成形,大數據產業有望成為新經濟的重要引擎。

從流量到數據,是對整個互聯網經濟的重新定義和洗牌,兩種思維分別是兩代互聯網經濟的代表。

大數據時代:電力行業如何掘金

流量時代,互聯網撬動的GDP約為3萬億元;而在經曆了第一代互聯網時期的爆發式增長後,BAT等互聯網巨頭的流量規模已經形成,變現方式的單一將導致流量變成一種相對廉價資源;數據思維時代,企業將從單純追求“量”向追求“質”轉變,大數據能夠幫助企業從有限的流量中挖掘更大的價值;據推算,大數據有望撬動的GDP至少在萬億元量級,可比肩流量經濟。

從應用層麵來說,互聯網金融、智能安防、智能醫療等各領域都已加入對於大數據的采集和分析。BAT等互聯網龍頭更是大數據經濟的積極推進者,馬雲將數據比作互聯網時代的石油,大數據從某種程度上已成為互聯網經濟的生產要素之一,並加速了線上線下的融合。

目前,所有傳統行業都在積極借助大數據的力量,幫助企業實現轉型。在電力行業,大數據已經被提升企業戰略層麵。大數據時代為電力行業帶來了新的發展機遇,同時也提出了新的挑戰。必須通過良好的大數據管理,切實提高電力生產、營銷及電網運維等方麵的管理水平。

二、電力行業數據量大、類型多、價值高

如僅從體量特征和技術範疇來講,電力大數據是大數據在電力行業的聚焦和子集。但是,電力大數據不僅僅是技術進步,更是涉及整個電力係統在大數據時代發展理念、管理體製和技術路線等方麵的重大變革,是下一代智能化電力係統在大數據時代下價值形態的躍升。

電力大數據的特征可以概括為3“V”、3“E”。其中3“V”分別是體量大(Volume)、類型多(Variety)和速度快(Velocity),3“E”分別是數據即能量(Energy)、數據即交互(Exchange)、數據即共情(Empathy)。

重塑電力核心價值和轉變電力發展方式是電力大數據的兩條核心主線。電力大數據通過對市場個性化需求和企業自身良性發展的挖掘,驅動電力企業從“以電力生產為中心”向“以客戶為中心”轉變。

電力大數據通過對電力係統生產運行方式的優化、對間歇式可再生能源的消納以及對全社會節能減排觀念的引導,能夠推動中國電力工業由高耗能、高排放、低效率的粗放發展方式向低耗能、低排放、高效率的綠色發展方式轉變。

此外,電力大數據的有效應用可以麵向行業內外提供大量的高附加值的內容增值服務。對於電力企業盈利與控製水平的提升有很高的價值。有電網專家分析稱,每當數據利用率調高10%,便可使電網提高20%~49%的利潤。

目前,電力行業數據在可獲取的顆粒程度,數據獲取的及時性、完整性、一致性等方麵的表現均不盡如人意,數據源的唯一性、及時性和準確性急需提升,部分數據尚需手動輸入,采集效率和準確度還有所欠缺,行業中企業缺乏完整的數據管控策略、組織以及管控流程。

電力行業缺乏行業層麵的數據模型定義與主數據管理,各單位數據口徑不一致。行業中存在較為嚴重的數據壁壘,業務鏈條間也尚未實現充分的數據共享,數據重複存儲的現象較為突出。

如何用正確姿勢擁抱電力大數據

2005年的威爾瑪颶風造成62人遇難,損失達到近3000萬美元

颶風與能源行業關係密切?沒跟你開玩笑。

在美國,四分之一的海上石油生產、三分之一的天然氣加工、五分之二的煉油設施都位於得州、路易斯安那州、密西西比海岸,而它們都處於颶風的必經之路上。颶風引起的蝴蝶效應波及之大,不僅衝擊了當地的能源基礎設施,更給電網安全帶來了諸多隱患,如果亚游可以隨時了解氣象數據的變化,一方麵能提高能源供給設施的效率,同時也能利用這些數據進行能源消費模式分析,幫助客戶優化服務、改變路徑、預測發電量,豈不一舉多得?

如今,IBM的Deep Thunder氣象預測服務軟件早已在為美國政府服務了,而能源供應鏈上的信息貫通又何止是氣象數據,僅IBM就已投資 160億美元進行了30次數據分析的相關收購,並在電力產 業提出電網轉型、提高發電效率及顧客運營轉型等倡議,支持能源大數據處理。專注風機13年的GE,通過每秒分析上萬個數據點,融合能量儲存和先進的預測算 法,開發出能靈活操控120米長葉片的2.5-120型風機,將數據傳遞給鄰近的風機、服務技術人員和顧客,直接把效率拉高了25%!

在能源互聯網時代,無論是傳統電力、油氣公司還是科技、新能源企業,都在琢磨著向能源大數據投懷送抱,那麽問題來了,怎樣的擁抱姿勢才正確?

【概念】當能源遇上大數據

如果說在互聯網誕生時,有人號稱“在網上沒人知道你是一條狗”,那麽在大數據時代,亚游不但知道是不是一條狗,而且知道是公還是母、愛吃什麽糧、什麽時候睡……因為數據已經滲透到每一個行業和業務領域,不再隻是生產過程中產生的信息和資料,而是成為重要的生產因素。

所謂“三分技術,七分數據,得數據者得天下”,亚游無疑已進入一個數據為王的時代。由此延伸出來的能源大數據理念,就是將電力、石油、燃氣等能源領域數 據以及人口、地理、氣象等其他領域數據,進行綜合采集、處理、分析與應用的相關技術與思想,它不僅是大數據技術在能源領域的深入應用,也是能源生產、消費 及相關技術革命與大數據理念的深度融合,將加速推進能源產業發展及商業模式創新。

【商業模式】能源大數據的三種應用

目前,能源大數據理念尚處於逐步發展過程中,在當下,亚游不妨先把視野放諸國外,尋覓一些他山之石,看看漸成模式的“國外的月亮”。

參考國網能源研究院的相關資料,國外能源大數據的應用模式大致可歸為三類:

應用之一:對接智能電網優化需求響應

也就是通過將能源生產、消費數據與內部智能設備、客戶信息、電力運行等數據結合,充分挖掘客戶行為特征,提高能源需求預測準確性,發現電力消費規律,提升企業運營效率效益。

對於電網企業來說,這個模式能夠提高企業經營決策中所需數據的廣度與深度,增強對企業經營發展趨勢的洞察力和前瞻性,有效支撐決策管理。

案例插播:AutoGrid幫助橫跨美國的電力係統尋求需求方優化方案

在美國,對需求極為敏感的市場和電力係統項目並不需要實時檢驗,但當需求方管理日益成為全球電力運營的一個重要部分時,大數據應用也變得日益重要。而大數據公司AutoGrid的價值就在於此,可以幫助電網各端匹配電力供應和需求,降低電網各端的成本。

AutoGrid收集並處理其客戶接入智能電網的 智能儀表等設備的數據,麵向其客戶或合作方提供需求響應優化及管理係統,實現實時資源預測、資源優化、自動需求響應、客戶通知引擎和事後分析等功能。對於 發電企業的客戶來說,AutoGrid可以預測發電情況和電網負荷,實現優化調度;對用電企業的客戶而言,可以預測用電量,結合電價信息,進行需求響應。

應用之二:能源數據綜合服務平台

該模式通過建設一個分析與應用平台,集成能源供給、消費、相關技術的各類數據,為包括政府、企業、學校、居民等不同類型參與方提供大數據分析和信息服務。該模式中,電網企業具有資金、技術、數據資源等方麵優勢,具備成為綜合服務平台提供方的條件。

案例插播:美國得克薩斯州奧斯丁市實施的以電力為核心的智慧城市項目

該項目以智能電網設備為基礎,采集了包括智能家電、電動汽車、太陽能光伏等類型詳細用電數據以及燃氣、供水數據,形成一個能源數據的綜合服務平台。

 上一條:大數據如何運用到電力係統中?這裏有八個案例
 下一條:全方位理解電力行業大數據


QQ在線客服浮動代碼