大数据分析技术在电力运营数据管理中的应用

2019-12-06向景霞

智能城市 2019年22期

关键词：数据管理电力企业电网

向景霞

（国网湖南省电力有限公司湘西供电分公司，湖南湘西 416000）

智能电网的迅猛发展，各类电网设施越来越先进，计算机信息技术的合理运用，使得电力企业积累大量数据信息，为了保证电力数据信息得到高效利用，做好电力运营数据信息管理工作特别重要。鉴于此，本文重点研究电力运营数据管理当中大数据分析技术的核心运用。

1 电力营销数据管理当中运用大数据分析技术的现实意义

在电力营销数据管理工作之中，通过应用大数据分析技术，具有以下重要意义：

首先，为电力企业的运营管理提供良好的数据支撑，大数据分析技术的有效应用，可以更好地挖掘出具有良好应用价值的电力数据，并将此类电力数据进行融合，经过相关人员的认真分析后，结合用户的电力消费特点，准确预测电力需求，进而保证电力企业的运营管理水平得到明显提高[1]。

其次，构建完善的电力能源数据服务平台，为电力企业的壮大发展打下良好基础。例如，在某大型电力企业当中，相关人员通过利用大数据分析技术，将电力供给数据、消费数据信息进行合理分析，并为用户提供针对性的信息服务，不断降低企业的经营管理成本。

最后，为节能型产品的研发提供良好支撑，大数据分析技术的有效运用，可以帮助电力企业工作人员进一步了解能源供应情况，并将用户的消费数据进行汇总分析，保证电力数据信息更加准确，从而为消费者提供更加完善的用电方案。

2 大数据分析技术在电力运营数据管理当中的具体运用与注意事项

2.1 大数据分析核心技术

2.1.1 关联分析技术

数据挖掘，早期应用在超市销售数据信息分析工作之中，所以，在大数据挖掘领域中，做好关联分析工作特别重要。A-priori关联算法、FP-growth算法应用较多，最近几年来，出现了很多的新型算法，A-priori关联算法、FP-growth也得到有效改进。

2.1.2 统计分析技术

在数据管理分析工作当中，统计分析技术较为常见，此项技术属于基础分析技术之一。相关人员通过收集并整理电力数据信息，能够更加直观地找到数据信息之间内在联系，经过精确的计算之后，确定最终的统计数据新信息，从而为电力企业的运营管理提供优质服务[2]。

电力大数据具有体量大的特点，将大数据分析技术应用到电力信息管理工作之中，可显著提升智能电网建设水平，推动我国电力行业的可持续发展。电力数据的类型比较多，为了保证大数据分析技术得到良好运用，要求相关部门根据电力数据信息的特点，做好分类工作，提高电力数据处理速率，保证电力数据得到高效处理。

2.1.3 聚类分析技术

最近几年中，聚类分析技术应用领域不断扩大，研究人员结合现有的聚类分析算法，研发出更多新型的聚类分析算法，例如，基于数据信息分析的划分方法与聚类分析方法等。为了更好地满足数据信息聚类分析需求，相关人员要妥善解决聚类问题，可以根据不同类型的数据信息，采用合理的数据聚类分析技术。

2.2 大数据分析技术应用要点

在电力企业运营管理工作之中，通过应用大数据分析技术，不仅可以保证各项电力数据信息得到高效利用，而且显著提高电力企业运营管理质量。例如，在电力企业的数据管理部门的当中，为了更好地满足电力预测需求，管理人员可以运用大数据分析技术，为决策部门提供良好的数据支持，保证电力调度更加科学，促进电网系统的稳定运行。

2.2.1 科学构建负荷预测框架

为了保证电力负荷预测更加合理，相关管理人员可从以下几方面入手：

第一，利用大数据分析技术，构建完善的数据分析与处理的平台，该平台的良好构建，可显著提高电力负荷预测的准确性。

第二，加强数据分析，将大量数据信息上传到数据分析处理平台中，并结合电力负荷分布情况，找到影响电力负荷稳定增长的因素，并进行科学处理[3]。

对于电力企业中的相关管理人员来讲，在挖掘电力数据信息之前，要将不同区域的电力负荷数据进行分类，找到不同用电地区用户的用电规律，并运用大数据分析中的聚类分析方法，确定用户负荷类型，开展关联性分析，在区域用电结构的基础之上，准确预测用户的用电负荷。

数据分析与处理的平台在运行的过程当中，相关人员还要构建数据库服务器与ETL服务器，电力数据库服务器和ETL服务器要求见表1与表2。

表1 电力数据库服务器要求

表2 ETL服务器要求

电力系统当中的ETL，其逻辑流程可以分解为两阶段，从源表逐渐到ODS层，再从ODS层逐渐过渡到DW层。上述两个阶段要认真遵守串行顺序，前面的阶段数据加载完毕后，方可开始后面数据的加载，结合电力数据的传输流程得知，相关人员需要对煤层ETL程序进行架构设计，并制定完善的系统运行计划，此计划主要包括以下内容，具体见表3。

表3 ETL系统架构调度表

2.2.2 负荷数据聚类分析

通过对电力数据信息进行聚类分析，可以保证电力数据信息更加准确，电力企业中的相关人员可以采用K均值聚类分析方法进行分析，此方法的应用原理比较简单，针对给定的数据信息进行分类，总共分成K类，并对各项数据信息进行细化分析，进一步提高电力负荷预测的合理性[4]。

由于数字化时代的到来，电力系统在稳定运行的同时，会生成大量的数据信息，要想进一步提升电力系统的运行效率，要求电力企业中的有关工作人员，针对各项电力数据信息进行科学分析。而大数据分析技术的良好运用，有效降低电力数据分析难度，减少错误电力数据信息的出现。

为了更好地提升电力系统工作效率，可以适当降低系统的延时性，增强电力系统可靠性。如果电力数据在短时间内急剧增多，会对电力信息数据工作产生一定影响，因此，相关人员需要合理运用大数据分析技术，在保证电力系统安全、稳定运行的基础上，提高智能电网的建设水平。通过对电力负荷数据进行聚类分析，可以显著提高电力运营管理效率，比如，在某大型电力企业之中，针对电力负荷数据实施聚类分析前后，该企业的电力运营管理效果得到显著提高，具体数据见表4。

表4 对电力负荷数据实施聚类分析前后电力运营管理效率分析 /%

2.3 发展趋势

在智能电网建设过程当中，通过科学应用电力大数据分析技术，例如可视化技术与空间信息流技术等，可以显著提升智能电网的安全性。比如，在智能电网运行管理工作之中，相关管理人员利用大数据分析技术，可以实时查看电力数据流，使得电力数据处理效率得到显著提升。未来，大数据分析技术将会朝着智能化方向发展，电网调度和电力数据分析等工作效率得到明显提升[5]。

由于智能电网的快速发展，电网设施改造水平不断提升，在电力企业的内部，积累大量的数据信息，为了保证这些数据信息得到高效统计，要求相关部门适当加大研发力度，为电力企业的快速发展提供先进的技术支持。现阶段，我国电力企业运营数据信息主要分为三种类型，分别是电力网络运行和设备监测数据信息、电力营销数据信息、电力管理数据信息等等。大数据分析技术的科学运用，可以显著提升电力企业的服务水平，保证电力企业运营管理质量得到提高，减少电力数据信息资源的浪费。

大数据分析技术的良好运用，可以帮助电力企业制定出更加完善的运营管理决策，更好的挖掘出用户消费特征，并结合用户的电力需求，为其提供针对性的服务方案，保证电力企业的运营水平得到明显提高。结合电力中心能源数据服务平台运行特点，电力企业可优化其内部的管理结构，为用户提供实时性数据信息，有效降低能源的损耗。