电力大数据是大数据理念、技术和方法在电力行业的实践。电力大数据涉及到发电、输电、变电、配电、用电、调度各环节，是跨单位、跨专业、跨业务数据分析与挖掘，以及数据可视化。

　　电力大数据由结构化数据和非结构化构成，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，其数量将大大超过结构化数据。电力大数据的特性满足大数据的五个特性，一是数据量大（Volume）、二是处理速度快（Velocity）、三是数据类型多（Variety）、四是价值大（Value）、五是精确性高（Veracity）。

　　电力大数据主要来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，可大致分为三类：一是电网运行和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、用电客户等方面数据；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可采集整个电力系统的运行数据，再对采集的电力大数据进行系统的处理和分析，从而实现对电网的实时监控；进一步地，结合大数据分析与电力系统模型，可以对电网运行进行诊断、优化和预测，为电网安全、可靠、经济、高效地运行提供保障。

　　云计算、大数据分析等信息新技术必将激活电力大数据中蕴含的价值，也必将释放电力大数据的市场潜力。根据GTMResearch的研究分析，到2020年，全世界电力大数据管理系统市场将达到38亿美元的规模，电力大数据的采集、管理、分析与服务行业将迎来前所未有的发展机遇。

　　大数据和互联网的关系

　　随着博客、社交网络、以及云计算、物联网等技术的兴起，互联网上数据信息正以前所未有的速度增长和累积。互联网用户的互动，企业和政府的信息发布，物联网传感器感应的实时信息每时每刻都在产生大量的结构化和非结构化数据，这些数据分散在整个互联网网络体系内，体量极其巨大。这些数据中蕴含了对经济，科技，教育等等领域非常宝贵的信息。这就是互联网大数据兴起的根源和背景。

　　与此同时，深度学习为代表的机器学习算法在互联网领域的广泛使用，使得互联网大数据开始与人工智能进行更为深入的结合，这其中就包括在大数据和人工智能领域领先的世界级公司，如百度，谷歌，微软等。2011年谷歌开始将“深度学习”运用在自己的大数据处理上，互联网大数据与人工智能的结合为互联网大脑的智慧和意识产生奠定了基础。

　　大数据助力电网信息化

　　智能电网建设离不开电网工程建设的信息化，而在电网工程建设的信息化中，洛斯达具有行业领先优势。

　　“经过多年积累，洛斯达在对电网工程的信息化成果总结完善和深化应用过程中，逐步构建了以特高压工程为核心的电网工程大数据平台。”阎平介绍说，“通过积累工程过程中产生的各类大数据，建设了大数据平台，服务于电网工程全生命周期，为工程咨询评审、设计、施工、运行等工作提供信息服务。”

　　据了解，在电网规划工作中，洛斯达可以提供涵盖经济、社会、环境、技术等方面的数据作为支撑。在多个电网工程的前期专题研究与可研评审中提供了大量能源资源、电力资源、前期专题、历史工程等十多大类、几十小类的规划大数据，实现对工程各阶段咨询评审业务的有效支撑。

　　在设计阶段，可提供天、空、地一体化的全三维数字化作业方式，实现各专业协同工作，极大降低实地勘测工作量，有效缩短工期，大幅提升设计院工作效率和质量。

　　在施工过程中，能够进行施工全程监控，更加有效地控制施工质量、安全及进度，实时掌控施工现场情况。在电网运营过程中，能融合电网资源、公共资源以及电网规划、前期、设计、施工、运检、调度、营销等企业核心业务数据，全面真实再现实体大电网及其运营态势，通过数据挖掘与价值提取，推动“一次数据”向“二次数据”转化，实现数据增值，支撑电网管理层科学决策。

　　当今世界新一轮科技和创业革命正在蓬勃兴起，数据是基础性资源，也是重要的生产力，大数据与云计算、互联网等新技术相结合，正迅速并日益深刻地改变人们的生产生活方式，从某种程度上说，谁拥有了大数据谁就拥有了未来。洛斯达公司将继续利用大数据技术构建“能源大数据中心”和“工程大数据中心”两个核心平台，为建设能源智库提供信息支撑。

　　大数据和工业4.0相依相存

　　大数据产业的逐渐成熟，使其成为工业4.0的标配技术之一。在制造业领域，很多机器都安装了一个或或多个微处理器采集生产数据。这些无处不在的传感器和微处理器，形成了极为庞大的数据来源，常规的数据库技术己难以完成捕捉、存储、管理和分析这种大规模的数据集合。而利用大数据技术，则能清晰而有逻辑地对这些数据进行有目的的分析。其给制造业带来的益处包括优化生产与管理流程、降低成本、提高运营效率、实现精准营销等等。大数据技术可以帮助制造业企业掌握并预测以客户为中心的市场状况和变化趋势，并根据数据洞察形成最佳的行动方案和建议。

　　事实上，对制造业企业而言，大数据技术的战略意义不仅在于掌握庞大的数据信息，更在于对数据的“加工能力”——对大量的数据进行专业化的处理，使之转化成为对企业有用的信息。制造业企业如果能够在工业环境中建立起大数据平台，提高工厂对不同设备收集的海量信息进行梳理的能力，提高企业信息系统的计算能力和数据消化能力，实现对企业的产品数据、运营数据、销售数据、客户数据的实时而有针对性的分析，并用其指导下一轮的研发、生产、销售和服务。这将会使得企业能够在低成本运营的同时，有效实现按需生产，从而在实现绿色生产的同时，提高企业的经营效率。——这是真正的可持续发展。

　　电力大数据的三种商业应用模式

　　对接智能电网优化需求响应

　　也就是通过将能源生产、消费数据与内部智能设备、客户信息、电力运行等数据结合，充分挖掘客户行为特征，提高能源需求预测准确性，发现电力消费规律，提升企业运营效率效益。

　　对于电网企业来说，这个模式能够提高企业经营决策中所需数据的广度与深度，增强对企业经营发展趋势的洞察力和前瞻性，有效支撑决策管理。

　　能源数据综合服务平台

　　该模式通过建设一个分析与应用平台，集成能源供给、消费、相关技术的各类数据，为包括政府、企业、学校、居民等不同类型参与方提供大数据分析和信息服务。该模式中，电网企业具有资金、技术、数据资源等方面优势，具备成为综合服务平台提供方的条件。

　　支撑智能化节能产品研发

　　该模式主要将能源大数据、信息通讯与工业制造技术结合，通过对能源供给、消费、移动终端等不同数据源的数据进行综合分析，设计开发出节能环保产品，为用户提供付费低、能效高的能源使用与生活方式。

　　以智能家居产品为例，该模式既可为居民用户提供节能降费服务以及快捷便利的用户体验，也可对能源企业尤其是电力企业改善用户侧需求管理、减少发电装机等方面发挥作用。正在美国走向普及的智能电表也是一例，它具有电量结算功能，在整个电网范围内标识售电商和用户，可通过更换芯片更换售电商。该模式中，电网企业不一定具备产品研发优势，但可利用电力数据采集与分析方面的优势，既可通过与设备制造商合作改进用户需求侧管理，也可通过共同参与研发并在产品销售中获取收益。

　　什么是智能电网大数据

　　中国电科院认为，智能电网是以物理电网为基础，将现代先进的传感测量技术、通讯技术、信息技术、计算机技术和控制技术与物理电网高度集成而形成的新型电网。它涵盖发电、输电、变电、配电、用电和调度等各个环节，对电力市场中各利益方的需求和功能进行协调。

　　随着智能电网的快速发展，智能电表的大规模部署和传感监测技术的广泛应用，电力工业产生了大量结构多样、来源复杂的数据，根据数据来源的不同，可以将智能电网大数据分为电网内部数据和电网外部数据。这些数据之间并非彼此孤立，而是相互关联、相互影响，存在着比较复杂的关系。大数据是实现智能电网“智能化”的重要工具。

　　智能电网大数据带来的挑战：如何利用如此众多且复杂的数据？如何面对缺失和无效的数据？如何将数据整合集成进入大数据平台？如何将数据成果转换为业务应用？

　　智能电网大数据带来的机遇：转变视角，以大数据的视角，重新对数据的进行认知；建立机制，有机会重新设计数据产生和利用的流程；搭建平台，固化数据生产、加工、利用的流程；创新应用，用新的服务模式转变原有的应用体系。

　　配电网可靠性关键因素分析

　　特殊时期配电负荷风险预警

　　用电量趋势分析预测

  　电力地图

　　电力大数据技术包括哪些？

　　电力大数据技术满足电力数据飞速增长，满足各专业工作需要，满足提高电力工业发展需要，服务经济发展需要。电力大数据技术包括：高性能计算、数据挖掘、统计分析、数据可视化等。

　　1）高性能计算

　　通过Hadoop分布式计算技术采用MAP-REDUCE模型建立分布式计算集群或者YonghongZ-Suite等高性能工具，对电力大数据进行分布式计算和处理。

　　2）数据挖掘技术

　　数据挖掘技术是通过分析大量数据，从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示3个步骤。数据准备是从相关的数据源中选取所需的数据并整合成用于数据挖掘的数据集；规律寻找是用某种方法将数据集所含的规律找出来；规律表示是尽可能以用户可理解的方式（如可视化）将找出的规律表示出来。

　　数据挖掘的任务有关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析等等。

　　3）统计分析

　　统计分析，常指对收集到的有关数据资料进行整理归类并进行解释的过程。统计分析可分为描述统计和推断统计。

　　1、描述统计

　　描述统计是将研究中所得的数据加以整理、归类、简化或绘制成图表，以此描述和归纳数据的特征及变量之间的关系的一种最基本的统计方法。描述统计主要涉及数据的集中趋势、离散程度和相关强度，最常用的指标有平均数、标准差、相关系数等。

　　2、推断统计

　　推断统计指用概率形式来决断数据之间是否存在某种关系及用样本统计值来推测总体特征的一种重要的统计方法。推断统计包括总体参数估计和假设检验，最常用的方法有Z检验、T检验、卡方检验等

　　4）数据可视化技术

　　数据可视化数据可视化主要旨在借助于图形化手段，清晰有效地传达与沟通信息，便于相关者对数据的理解和认识。数据可视化与信息图形、信息可视化、科学可视化以及统计图形密切相关。

　　总结一下，从未来看，智能电网的实现的确需要大数据做支撑，但在我国电网环境下，这将还是一个漫长的过程。当前说大数据，更多是噱头，吸引眼球和忽悠项目罢了。大部分省级公司的数据更多应该还是结构化运营数据，顶多T级了。