电力大数据资料电力大数据资料.doc

电力大数据 背景： 中国电机工程学会电力信息化专委会拟编制发布《中国电力大数据发展白皮书（2013），重点提出重塑电力核心价值和转变电力发展方式是电力大数据发展的两条核心主线；并重新定义了电力大数据的特征，即 3V和 3E： 3V指体量大（Volume）、类型多（Variety）和速度快（Velocity） 3E指数据即能量（Energy） 、数据即交互（Exchange）、数据即感知（Empathy）此白皮书将成为大数据行业应用的范式和标杆，推动电力行业大数据“双轨”并行，加速发展。 国家电网就在北京亦庄、上海、陕西建立了三个大数据中心，其中北京亦庄大数据中心已安装超过 10200 个传感器，每个月可节约的能耗价值大概为 30 万元。 海盐供电局与国网信通公司建立的智能电力大数据实验室。实验室基于已有的数据基础开展了同业对标指标分析及数字可视化展示、用户用电行为分析、配网设备负载分析等项目的研究实践，成功实现了快速地问题发现，有效地决策支持，精准地服务用户，成为了业界的范例。 国网电科院瑞中数据致力于自主研发契合电网业务场景、处理电网海量数据的高科技产品，解决电网运营中的数据难题，保障电网运营安全。面对电网大数据实时存储需求，瑞中自主知识产权的旗舰级产品“海迅实时数据库管理系统” ，是进行海量实时/历史信息处理的专业平台，可广泛应用于电力、石油化工、钢铁冶金、水情水利、智能交通、环境监测、气象监测、金融电信等工业自动化及现代服务业领域，同时能够作为新兴物联网应用的海量信息处理平台。面对电网大数据综合计算难题，瑞中自主研发了旗舰级产品“海迅电力云计算平台 V1.0，适用于多类超大规模异构数据类型高效存储和分析的一体化基础性支撑平台，解决了电网运营过程中海量数据规模（PB 级）异构数据（时间序列型数据、 结构化数据、半结构化数据、 非结构化数据）存储、计算、综合分析难题。 经济效益、技术、安全、社会四个方面分析 经济效益方面： 机遇： （1）建立可预测性设备维护模型，更好地对设备进行生命周期分析，提高设备的使用效率。 （2）可利用电力生产MIS系统，结合地理信息GIS系统中分散的、大量的数据，以及外部环境数据等，综合考虑不同地区生产力水平、能源分布、地形优势，结合气候特征等因素，运用数据挖掘技术，从数据资源中提炼升华出支持电网规划建设布局的决策信息，实现资源优化配置。 （3）有效的用电量需求预测，合理准确设计用电需求侧管理和有序用电手段，提高电力资源利用率；进行客户细分，针对不同客户实行有针对性的营销和服务策略；深入分析造成电费回收困难和欠费风险因素，建立客户信用等级模型，发现客户异常用电行为，防止偷电、窃电行为。 电力大数据体系的建设 可以最大限度地发挥数据的价值，大力提升生产集约化和管理现代化水平，提高智能电网的信息化水平； 通过数据的高速处理和及时响应，进一步增强智能电网操作控制的自动化能力；借助高吞吐、大并发的处理能力，进一步提升用电服务的互动化水平，提供更优质的服务。 挑战：数据体量大、类型多、价值密度低，如何最大限度的挖掘数据的价值，符合经济效益原则地使用大数据。 技术方面： 优势： 国际国内主流大数据技术，主要包括以开源 Hadoop 及 HBase 系列软件为基 础的相关技术， 包括分布式计算框架 （MapReduce）、分布式文件系统 （HDFS） 、 分布式数据库（HBase）、云计算、数据挖掘等。 云计算核心技术包括分布式文件系统(distributed file system，DFS)和 MapReduce 技术，存储量大、廉价、可靠性高，用于调度自动化系统的后台，智能电网数据中心(营销、管理和设备状态监测) 并行数据库：关系数据库(如 Oracle 等)主要存储结构化数据，提供便捷的数据查询分析能力、按照严格规则快速处理事务(transaction)的能力、多用户并发访问能力以及数据安全性的保证。 劣势： 云计算可以满足智能电网监控软件运行的可靠性和可扩展性，但实时性、一致性、数据隐私和安全等方面的要求难以满足。 并行数据库数据存储容量有限、关系模型束缚对海量数据的快速访问能力、缺乏对非结构化数据的处理能力、扩展性差。 机遇： 良好的外部环境和政策支持 其产产业的技术研发带来的经验（特别是互联网技术） 大数据传输及存储技术、实时数据处理技术、异构多数据源处理技术（异构信息的整合、各类电网数据的高效管理）、大数据可视化化分析技术的研究，如：建立类似 IEC 61850或 IEC 61970 的信息互操作模型，基于HANA内存数据库的智能电表。 挑战： （1）如何将数据组织成合理的同质结构，是大数据存储处理中的一个重要问题 （2）智能