大数据挖掘技术在电力行业的价值体现

      随着电网规模的不断扩大，分布式电源、储能电站、微电网、电动汽车充电桩、新型交互式用能等设备大规模接入配电网，电网运行管理模式由传统向智能化转变，电力需求侧用能服务展现多元化、复杂化特点。加之用户参与的互动深度不断增加，对电网的安全性、可靠运行依赖程度不断提高，鉴于目前测量设备覆盖率不足、设施设备标准化程度不高，现有的监测管控手段和资源配置能力不足，无法满足现实要求。因此，需要通过物联网、人工智能、大数据计算等多种技术，来实现海量数据的深度挖掘分析，体现数据应用和更高的增值服务。

      一般意义上说，所谓的“大数据”，是指那些不在传统数据库系统处理能力范围之内的数据。一般特征体现为：体量大、多样性、时效性、准确性、大价值。当前，大数据技术在电力行业主要涉及到电力生产、运营和智能电网等较多领域。为了研究出适应电力数据维护和运作的高效方式，达到电力信息系统的运作能向数据系统积极靠拢且并驾齐驱的效果，需要不断挖掘数据处理的内在实质。基于电力行业数据量的突增、数据类型多样性及数据时效性要求高等特点，我们不断地研发和挖掘大数据，并且使大数据在电力行业起到最有效、最广泛的应用。

      数据挖掘：指从数据集合中自动抽取隐藏在数据中有用信息的非平凡过程,这些信息的表现形式为:规则、概念、规律及模式等。它可帮助决策者分析历史数据及当前数据,并从中发现隐藏的关系和模式,进而预测未来可能发生的行为。

      电力基础数据源于电力生产和电能使用的发电、输电、变电、配电、用电和调度各个环节，大致分为三类：一是电网运行和现场设备检测或监测数据;二是电力企业营销数据，如交易电价、售电量、用电客户等用户侧数据;三是电力企业管理数据。通过使用智能电表等智能终端设备采集系统运行数据及状态信息，再对数据进行系统处理和分析，从而实现对电网的实时监控；进一步结合大数据分析与电力负荷模型对电网运行进行故障诊断、用能优化、负荷预测和事故预演，为电网的安全、可靠、经济、高效运行提供有效保障。

目前，电力大数据分析应用场景主要体现在以下方面：

      1）通过采集大量的电网基础数据，深度挖掘及计算分析，更准确的掌握用电负荷的分布和用电行为、变化规律，实现对中、长期负荷的精准预测。

      2）利用机器学习、人工智能、边缘计算、模式识别等多维度的预测新技术，对接入系统的新能源负荷的出力与风速、光照、温度等气象因素进行关联性分析，可以更准确地对新能源的发电能力进行预测和管理，为电网企业的调度、运行、运维管理提供科学的决策。

      3）有效提升设备状态检修管理能力。通过大数据平台，可进行全系统设备状态感知。预判设备缺陷、检修、运行工况、气象条件等因素对设备状态的影响，评估设备运行的风险水平，利用并行计算等技术实现检修策略优化，指导状态检修的深入开展。

      4）提升业务相关性分析能力。利用边缘计算、可视化和并行计算等技术，实现全方位、在线监测、多维度计算分析，通过聚类和模式识别技术，解决跨业务的相关性分析、数据因子分析、数据诊断、故障源辨识等。

      5）提升用户服务效率。对客服录音进行实时监管，利用模式识别、机器学习等技术，对热点问题的服务资源进行优化分配，提升交互水平。

      大数据分析技术为电力行业带来诸多机遇与挑战，一方面，如何挖掘及提升大数据更深层次的资源水平，必将激活电力大数据中蕴含的高效价值。另一方面，电力大数据由于涉及到众多电力用户的隐私，对信息安全也提出了更高的要求，安全防护手段及关键防护措施需要进一步加强。