电力生产中大数据应用的探讨

蔡国保

摘 要：通过电力生产过程中电力生产数据的特点，针对在建设大数据库信息方面的具体分析，对大数据分析在电力行业中的作用和前景进行了简要描述，希望能给大家在大数据分析领域提供一些不一样的思路和方法，并希望这篇文章可以在以后大数据时代的应用中为大家提供参考。

关键词：生产数据;大数据;数据采集;数据分析

中图分类号：TP311.1             文献标识码：A                文章编号：2095-1302（2015）09-00-02

0  引  言

大数据分析在各行各业都已是特别响亮的词语。主要是因为它的产生让很多看似凌乱不堪的信息，可以通过某种专业分析产生可观的价值，并能够源源不断的从中发现新的价值。那么，如何应用和深挖其中的潜在价值，现在也是百花齐放，各有所见。本文就大数据分析在电力行业的应用做一粗浅的探讨。

大数据一词最早出现在互联网行业，“大数据”一度成为互联网信息技术行业的流行词汇。它的主要功能是从庞大的终端用户的资料库中，通过专业的分析软件，提取出有价值的信息，以更好地挖掘潜在的商业价值。然而经过发展，人们发现这种技术不仅仅局限于互联网行业，如果能够更好的利用，将在各行各业的专业领域都有更大的发展和作用。随着计算机技术在电力行业的普遍推广和应用，信息量也是成倍数增加，如何在电力行业中挖掘大数据的巨大作用，我个人有一些想法。

1  数据采集方法

首先，从字面理解，大数据当然是数据量的庞大性，数据量越大它的潜藏信息就越多，潜在价值就越大。当然，所谓的大不止是单一的大，应该是多样的大，多元化的大。如何才能挖掘更全面的数据量资源呢？单从发电企业来看，随着分散控制系统（简称DCS）技术在电力行业的全面应用，我们对电力生产过程实时监控变得更加不可缺少，不怕监控的多，就怕监控的少，从而导致达不到电力行业高效节能环保的生产要求。因此通过DCS技术我们就能获得许多庞大的实时数据和历史数据。从生产过程来看，DCS技术只实现了生产介质（及水、煤、风、汽等）和动力设备的数据采集和监控，而对整个监控设备自身的参数性能（包括精度、寿命、故障率等）缺少全面的数据采集和分析，这往往也会给电力生产带来诸多安全隐患。而现场总线控制系统能够弥补DCS的不足，能够实现全厂在线仪表的实时监控，如能实现全面推广将对电力生产有很大帮助。同时生产管理方面也有好多数据可挖掘，比如资料管理、事故报告分析等，如果都能实现数据化管理将是很好的数据资源。

以上所说只属于终端数据库，对一个发电集团而言，他下面有好多大大小小的子发电企业，把所有子发电企业的数据全部进行数据上传管理，如图1所示，那在集团层面上将是一个很大的数据中心。

其二，数据采集不能盲目，要有针对性。因为行业生产毕竟有相对的局限性，不同于互联网的开放性，所以在数据采集过程中应该对一些生产过程外的数据进行分类采集，因为这些数据都需要人为录入，不能自动采集，本文称之为被动性数据，此类数据应该通过集体公司指定标准化的数据录入系统，同时各个发电公司应该根据集团的要求，建立自己的数据库系统，分专业、分部门的进行数据上传至数据库。比如对每年的停机次数建立数据库，录入详细的分析过程，然后将数据上传至集团数据库，以备上层大数据软件分析整个集团的生产状态，并给出指导性的优化方案。

其三，发电集团应建立一个专业的大数据管理和服务机构，组织技术专家通过对现有的数据分析，并通过专家的经验对电力生产提出指导性优化方案。总的说来，大数据分析带给我们的是一个现有和曾经的数据分析统计结果，真正要做好完善电力生产，还必须依靠经验丰富的专业人员有针对性的提出优化解决方案。这样才能真正指导生产建设。例如我们现有的主机保护问题，由于建设期间和生产期间的不同要求，对主机保护采取了不同的保护策略，但是这些策略的提出现在还是建立在个人经验的基础上，有的人遇到了问题，他就觉得某种策略不可靠，带有很大的随机性。如果通过数据上传，把集团中每个生产单位的故障问题都录入集团数据库，经过长期积累，一定能产生一个量化直观的分析结果。比如对同一控制策略，可以通过数据统计分析，在集团的发电企业中，同一控制策略在集团投产机组中的可靠性，如果可靠性非常高那就应该在集团发电企业中推广，否则就需要优化。这样就能更好地服务于电力生产，如果能够突破集团的封闭，汇聚成行业数据库，大家在行业内进行数据共享，那么整个电力行业的生产服务将会有很大质量的提高。

其四，大数据的产生必将带来大数据安全维护工作。在大量数据汇聚的过程中，信息量快速膨胀，他的维护和可靠运行就日益重要。同时信息量越大系统的安全风险就会更高。因此应该建立一套可靠的严格的安全保障体系，让他不能出现任何漏洞，否则将是不可估量的损失。

总体说来，大数据的信息架构如图1所示。数据库应该建立分层级结构，发电公司为数据库的信息来源终端，同时也是最低一层的数据库系统，通过逐级信息汇总，数据量将会逐级增大，同时带来的分析计算的复杂性将成倍数增加，越到上层的行业数据库越将会是一个非常庞大的数据存储系统。

图1  大数据的信息架构

2  数据分析的意义

全面的数据采集后，通过专业性的分析软件和专家会诊，将会发挥最大的优势来指导电力行业的最优化生产。它具体表现在以下3个方面。

（1）指导新建机组采用可靠的控制策略。

机组运行的可靠性分析，可通过搜集集团公司中各发电公司历年的事故报告，对机组的保护策略进行逐条统计分析，做出量化设想保护策略的可靠性，从而指导新建或投产机组采用最优的控制策略以提高生产的可靠性。降低机组的非正常停机率，最大限度地调高机组的安全使用率。

（2）对运行机组进行实时事故预判。

机组的事故预判分析，可通过对生产系统的实时监控，全面分析运行机组主要设备的使用寿命时间，在寿命末期提前预警以指导生产单位提早更换，降低机组的非正常停机率。同时通过对现场仪表参数的数据分析，提早计算出监控仪表的工作状态，比如精度降低、零位飘逸，提前告知检修人员，及时更换。

（3）优化集团事物，提高生产的经济性和可靠性。

通过集团数据库，可对全集团现有发电设备的可靠性、经济性进行统计分析，找出最优的设备配型，从而指导生产机组的优化运行。同时通过集团数据分析，计算出机组的最佳运行状态，以指导各生产单位用可靠经济的策略进行生产。

3  结  语

大数据分析的应用，不仅仅是以上所列的几种，通过不同的算法，能够在人员管理、资源配置等各个方面达到优化。从而为电力生产的安全、环保、经济运行做出巨大贡献。大数据前景是无限的，有待人于们不断的挖掘。然而各行各业应有针对性的细化方案，各行各业有其自身的独立性和确定性，不同于互联网行业终端的无序性和随机性。所以在大数据建设方面，我们应该区别对待。从而使各行各业都能够在大数据时代，享受到大数据带给我们的便利。

参考文献

[1]杨正洪.智慧城市 大数据、物联网和云计算之应用[M].北京：清华大学出版社，2014.

[2] Douglas Alger.大数据云计算时代数据中心经典案例赏析[M].曾少宁，于佳，译.北京：人民邮电出版社，2014.

[3]徐子沛.数据之巅 大数据革命，历史、现实与未来[M] .北京：中信出版社，2014.

[4]张国歌，谢岩，薛继梅，等.大数据对电力企业的影响[J]. 信息与电脑，2015（2）：80-81.

[5]李泊溪.大数据与生产力[J].经济研究参考，2014（10）：14-20.