电力大数据博士论文参考

电力大数据博士论文参考

　　随着经济的快速发展,我国的电力工业逐步进入到电力大数据时代。大数据时代的到来为电力行业开辟了新路,电力大数据的发展将重塑电力核心价值和转变电力发展方式。下文是学习啦小编为大家搜集整理的关于电力大数据博士论文参考的内容，欢迎大家阅读参考!

　　电力大数据博士论文参考篇1

　　浅析电力企业应对大数据的策略

　　摘 要：近年来，大数据来势汹汹，对传统数据商业分析模式产生了重大地影响，对电力企业的数据驾驭能力提出了新的挑战与机遇。从人才培养、技术储备、数据驾驭、数据价值挖掘等方面剖析电力企业如何应对大数据的挑战，让电力企业在大数据来临时更加从容地选择适合的技术、方法论、解决方案和发展战略。

　　关键词：大数据 数据 海量 价值

　　1 引言

　　据IDC调研显示，中国的大数据(Big Data)市场未来5年将以51.4%的速度增长，大数据对企业的数据驾驭能力提出了新的挑战，也为企业获得更为深刻、全面的洞察能力提供了前所未有的机遇。浙江省电力公司(以下简称“浙江公司”)信息化建设经过SG-186和SG-ERP工程取得了长足的发展，目前浙江公司建立了以数据中心为载体的数据采集、转换和存储等的业务信息仓库，为公司各级信息消费者提供业务洞察与业务分析。浙江公司数据中心从2005年开始建设，目前已基本实现人力资源、财务管理、物资管理、安全生产、营销管理、项目管理、电网运行、电力交易、计划统计等各业务系统信息(数据)的整合，完成接入20多个信息系统的相关业务数据，存储了海量的业务明细数据和汇总数据，实现省、地、县三级信息的集中和共享。为了深化“两个转变”创建“两个一流”，在加快建设智能电网的背景下，如何在大数据浪潮中继续保持“领头雁”的作用是浙江公司所面临的机遇与挑战。

　　2 现状分析

　　“十二五”期间，国家电网公司初步建成具有信息化、自动化、互动化特征的坚强智能电网。智能电表、智能变电站、电动汽车充换电站、家庭分布式光伏发电并网等一系列智能电网建设项目相继投入运营，体现出电力流、信息流和业务流高度融合的显著特点，信息技术、传感器技术、自动控制技术与电网基础设施有机融合，可获取电网的全景信息。把智能电网中产生的所有数据收集起来，数据突然间增加了许多倍，大量的半结构化和非结构化信息无法管理和存储，大数据增长速度惊人，每年以几何级数速度增长，需要有专业化的解决方案应对大数据挑战。智能电网的实时运营要求快速处理海量数据、实时采集电表数据、在线实时分析决策，传统的数据仓库平台无法支持这些新形势下的需求。

　　目前浙江公司数据中心已建立起一整套的商务智能解决方案技术架构，包括信息交互层、数据仓库层、应用设计层和分析展现层。数据来源主要是ERP系统、营销系统、生产管理系统等各大业务系统，采集、存储和整合的数据基本以结构化海量数据为主，目前存储数据已超过3T;而且数据更新周期基本为按日、按周和按月，辅以少量的实时数据更新;业务洞察分析以被动式信息接受与主动式信息挖掘相结合。数据中心作为公司业务数据的集散中心和智能商务综合分析展现平台无法完全支撑非结构化数据、实时数据和地理信息数据的采集、存储、管理和分析。

　　数据类型多样化和数据高速增长使得当时最具可扩展性的工具也只能疲于应付，传统的高级分析方法已经到达了他们的瓶颈。随着大数据浪潮的加速到来，未来5年将成为大数据的全面发展期，如何在大数据浪潮的洗礼中确保技术架构、分析方法、人才、企业战略以及商业模式能够“逐浪潮头”，将更需要积极主动地选择适合的技术、方法论、解决方案和发展战略等。

　　3 大数据的定义

　　目前业界还未对大数据有一个统一的定义，但是有两个关于大数据的定义很好地诠释了大数据的本质。第一个定义来自Gartner公司的Merv Adrian在2011年第一季度刊登在《Teradata Magazine》上的一篇文章：“大数据超出了常用硬件和软件工具在可接受的时间内为其用户收集、管理和处理数据的能力。”另一个定义来自于麦肯锡全球数据分析研究所(Mckinsey Global Institute)在2011年5月发表的一篇论文：“大数据是指大小超出了典型数据库软件工具收集、存储、管理和分析能力的数据集。”

　　大数据主要包括以下几个特征：

　　(1)大容量：企业数据量大规模增长，单一数据集的规模范围从几十TB到数PB不等。电力数据涵盖发电、输电、变电、配电、用电、调度的各个环节，数据量庞大。随着智能电网建设和物联网的应用，非结构化数据呈现出快速增长的势头，其数据量大大超过结构化数据。

　　(2)多类型：大数据数据类型包括结构化数据、非结构化数据、半结构化数据等。电力企业在电网运行的整个过程中安装了许多传感器、监视器、智能交互终端等设备，每个设备运行都增加了数据的多样性。

　　(3)快速率：能够在刹那间获得复杂的业务分析数据，实时完成业务决策，毫无延迟。智能电网每隔15分钟自动采集智能电表所产生的用电数据，结合实时调度运行数据，在几秒钟之内处理分析海量数据并快速预测电力电量平衡。

　　(4)价值密度低：大数据的数据价值密度低，单条数据可能并无太大的价值，但海量的数据蕴藏着巨大的财富。例如，一段变电站的监控视频长达几个小时，但可能有用的信息只有一两秒钟。

　　4 大数据对电力企业的影响

　　4.1 降低电力企业运营成本

　　以前抄表员每个月就要挨家挨户地抄电表，而智能电表每隔五分钟或十分钟收集一次数据，收集来的这些数据可以用来预测用电量等，从而推断出在未来2～3个月时间里，整个电网大概需要多少电。有了这个预测后，就可以向发电或者供电企业购买一定数量的电。因为电有点像期货一样，如果提前买就会比较便宜，买现货就比较贵。通过这个预测后，可以降低采购成本。

　　4.2 充分挖掘智能电网数据的价值

　　依靠遍布电网的精巧传感器收集数据，然后对气象数据进行分析，找出安装风力涡轮机和整个风电场最佳的地点。利用大数据，以往需要数周的分析工作，现在仅需要不足1小时便可完成，提高工作效率，为风力发电选址提供科学依据。 　　4.3 转变营销方式

　　电力企业目前主要通过峰谷电的定价策略来影响客户的行为，减少高峰时段的用电量。如果通过分析智能电表收集的海量客户用电数据，预测客户的用电习惯，电力企业根据大数据分析制定更加精准的定价程序来影响客户用电量，可以想象更为灵活的定价机制，例如按天分不同用电类型的定价策略。电力企业有能力提供更加人性化的电费通知单，在该电费通知单中将描绘客户在不同时段用电量的趋势，以及向客户提供用电咨询和建议。

　　4.4 更准确的需求预测

　　利用大数据分析，电力企业能更清晰地识别出需求来自于哪些地方、哪些用电类型。还能了解某一类客户在某个时间的用电需求，电力企业可以使用不同的方法来驱动各种行为，使需求更加平稳，并降低异常需求峰值出现的频率。

　　5 电力企业如何应对大数据

　　5.1 人才培养

　　据美国Teradata调查显示，业界对大数据分析类职位的需求在上升，如系统分析师(35%)、程序开发员(32%)和商业分析师(22%)，但符合要求的人才却只有0.41%。大数据来临的时候，电力企业最缺乏的是人才，工作人员面临大数据将是一种挑战，企业需要为员工提供多方面的大数据技术培训和实操体验，确保在大数据来临时，企业员工能够从容胜任。

　　5.2 研究大数据技术

　　在每一次科技变革中，都会出现新的技术和创新的理论，大数据也不例外。在大数据兴起的同时也出现了Hadoop、NoSQL等一些颠覆传统技术观念的新技术，这些新技术的应用将会对电力企业现有的信息化基础架构产生较大的影响。在业界，也涌现出了一批大数据解决方案，例如SAP大数据处理架构、EMC Greenplum、IBM InfoSphere Streams等。每个大数据解决方案都有各自的特点，因此电力企业要了解并研究适合自身的大数据解决方案，研究融合结构化数据库、非结构化数据库、实时数据库和地理信息数据库，研究各数据库之间数据交换和信息共享的交换标准，为企业各种应用提供统一的、一致的数据视图。电力企业既要保护现有的信息化投资，又要能满足企业的大数据业务需求，才能在大数据到来之时做出正确的选择。

　　5.3 重视企业的数据资产，持续开展数据综合治理

　　淘宝网已经形成了比较完整的大数据生态链，可从庞大的数据中挖掘人们的消费方式、消费习惯、地域差异、年龄差别等信息，可利用这些有价值的数据进行精准的营销，将会创造巨大的财富。数据是企业的最大价值来源，目前电力企业数据量激增，数据类型也存在多样性，数据散落在不同的系统中，哪些数据是可用的、可信的，如何管理好企业的数据资产，如何从海量的数据中获得有价值的数据，成为电力企业持续开展数据综合治理的重中之重，也成为企业管理者在大数据时代分析决策的基础。

　　5.4 驾驭数据，注重挖掘数据价值

　　新浪微博Page是基于数据分析的最新大数据应用。它是一个聚合了用户兴趣爱好社交关系数据的综合展示页面，无论是话题、图书、音乐、餐饮美食等内容都能在微博上生成专属的Page页面，让网友可以很方便的查看到有价值的微博内容。数据的核心是发现价值，驾驭数据的核心是分析。企业的数据容量不是越大越好，大数据的数据价值密度低，如何驾驭大数据，如何在海量数据中挖掘有价值的信息是重中之重。智能电网将给电力企业产生爆炸式的数据增长，获得并存储这些数据固然重要，但是电力企业更应专注于数据中隐藏的价值，通过应用大数据技术分析，充分挖掘数据的核心价值，让数据分析影响和反哺企业业务流程，创造出更多的业务提升机会。

　　5.5 将大数据融入企业数据整体方案

　　单一的数据在单一的环境下并不能产生多大的价值，将来自不同数据源的数据经过转换、整合，彼此增强，将大数据和传统数据融合形成企业级统一的数据视图，将会产生新的业务洞察力。可以想象，在未来电力企业将家庭的平均年龄、学历水平、生活习惯、住宅类型等信息与电能消耗的数据融合分析，这将会使从智能电表上读取的数据更有用、更有意义。因此，需要将大数据融入企业的数据整体方案中，这样才能让数据产生最大的价值。

　　参考文献：

　　[1] (美)Bill Franks.驾驭大数据[M].黄海，车皓阳，王悦.译.北京：人民邮电出版社，2013.

　　电力大数据博士论文参考篇2

　　浅析电力窗口部门大数据资料的应用

　　摘 要：大数据战略为我国“十三五十四大战略”之一。为了配合国家的战略产业调整，电力部门则需要将大数据管理同本部门的特点及需求进行对接。作为电力部门的服务窗口，其公共服务性质决定其同社会的直接接触，可以藉由其他大数据资料更好的为客户服务，另外，经过过滤整合的电力服务大数据，也可其他行业部门提供相应帮助，满足我国“实施国家大数据战略，推进数据资源开放共享”。的战略需要。基于此思路，根据国家电网公司运营的业务特点及实际应用需要，本研究提出了大数据资料对电力窗口部门服务质量及方案进行指导及整合的方法，为进一步的深入工作，开展相关研究。

　　关键词：电网 大数据 窗口服务 产业融合

　　大数据技术的出现及发展，为现今社会的各行各业提出了机遇与挑战。随着信息产业化工程的升级，大数据信息已经伸到到现代社会的各个领域，而在此过程中，各个领域，如商业、石油，以及生物等数据密集型行业都致力于挖掘各自领域的数据，以提高自身的行业竞争力。在此过程中，电力系统本身的行业特点决定了其对大数据的深度依赖。就目前的研究而言，电力系统的大数据多集中于电网的运行、后台维护、配电系统的架构等方面。而对于同其他各个行业的结合严重不足。纵观电力窗口部门，其对接电力系统，是整个电力部门风貌的展现及延伸。除了一般的礼仪性质的服务提升外，需要加强电力窗口服务的内核。而大数据的自身特点决定了对服务数据的提升。本文基于对电企内部的运行特点，提出了其大数据同其他社会大数据对接的方案，现介绍如下。

　　1 电力窗口部门大数据的特点

　　作为社会化的服务窗口，电力窗口大数据的来源广泛，关系复杂。特别是在同配电数据整合对接后，其结构更加多样。而且传输量巨大。上述特点决定了其在二次处理过程中，如何同其他社会化数据相结合极为困难。表面上，不同地区的电力窗口部门数据仅仅为配电额的结算，但是一旦结合后台的配电数据，地区的消费数据，进一步的同城市交通如电动汽车、电动车的运行，则会直接产生大量的综合社会数据。从此角度出发，电力窗口的大数据，对接其他行业的大数据，虽然有着良好的挖掘潜力，但是不同种类、不同个体的数据源具有的差异化的复杂产生方式，如何保证其经过一次处理后，满足进一步大数据的二次处理的需要，以获得满意的分析结果，是当今电力窗口部门数据处理的难点。因此，有必要寻求适应电网数据特征的大数据应用技术。

　　2 电力窗口部门大数据应用的关键技术及方法

　　2.1 过程信息的储存及处理

　　鉴于电网数据的测量点多，运行方式变化快的特点，为了实现电力窗口同电网的有效对接，并在第一时间内对该数据进行处理，则首先要对现有的电网处理数据进行提升，应用测量数据关联分析与清洗修正技术针对电网内部的数据进行过滤及分析，保证在同其他源数据对接过程中的效率。此外，对于外源的数据库，在对接之前亦需要对其数据逻辑进行初步的分析及过滤，以保证其后期同窗口大数据的有效对接。以分布式数据处理系统及云计算技术对上述数据进行处理，可支撑本体系在未来实际应用中的需要。

　　2.2 电力窗口数据对智能电网的支持

　　智能电网内，除一般性质的配电数据，电力窗口的大数据对于整个电网的规划和运行亦有十分重要的积极意义。由于电力窗口部门面对社会人群，表面上仅针对其客户家庭内部用电的情况。但是，该用电数据可以直接对接配电的大数据，并直接为公司内部提供第一手的用电资料。电力窗口部门的数据采集，可以为电网提供更高精度、更细粒度的结果，并在此之上，进一步的预测地区用电的实际情况。为电网调节提供实际依据。

　　2.3 电力窗口数据对社会服务大数据的支持

　　由于电力窗口数据的上游采集自电网的配电情况，下游采集自社会用电量。其本身为沟通上下游数据的桥梁。通过对于自身窗口数据的分析，可以获知的确用电量的情况，并配合对社会发展的相关数据的挖掘，可预测宏观电量的变化。相比之而言，窗口大数据所获得的精度更高，且同其他资源的契合度更高。因此，可以实现对电网局部用电量的精细化预测。根据电力窗口数据所获得的数据，进行深度挖掘后，进行建模处理，并根据社会数据，如工商、管理、交通等部门的整合预测数据，对该模型持续不断的修正，最终实现相应的用电预测，该数据可以反哺社会数据，为公共部门提供精细化的用电数据。而该用电数据可为公共事务的决策及管理提供重要的支撑资料。

　　2.4 电力窗口数据对商业大数据的支持

　　现代商业需要整合不同地域的大数据以实现广告投放及网点的建设，要针对不同的人群的特点，其适用的商业形式也大有不同。而以电力窗口的大数据可以反推各个地区的客群特点，为公司的决策提供支持。另一方面，以该数据配合其他公用服务的大数据，可以更加精准的对地区商业预判，最终满足地区商业发展的需要，增加地区繁荣。

　　3 结论

　　与传统的大数据管理不同，电力窗口的大数据作为智能电网的一种延伸，并非电网数据的单一补充，而是进一步的挖掘，可以以此为基础，从数据中获得更大的价值。通过对电力窗口部门数据的应用可以有效提升智能电网的运行效率，并提升电力部门的社会服务水平。

　　参考文献

　　[1]廖建新.大数据技术的应用现状与展望[J].电信科学，2015，31(7)：1-12.

　　[2]Greene，C.S.，et al.，Big Data Bioinformatics. Journal of Cellular Physiology，2014，229(12)：1896-1900.

　　[3]刘燕.对电力营业窗口如何做好优质服务的探讨[J].中小企业管理与科技，2011(30)：68-68.

　　[4]胡晓东.略谈富锦电力窗口人员的服务礼仪[J].城市建设理论研究：电子版，2013(35)：1-2.

　　[5]马发勇.电力调度SCADA系统中历史数据压缩及存储策略[J].电网技术，2014， 38(4)：1109-1114.