论文部分内容阅读
摘要：文章简单讲述了大数据的含义，以及对电力企业带来的挑战，进而分析在大数据视角下，数据挖掘技术在电力企业的应用。
关键词：大数据；电力企业；数据挖掘技术
1 引言
供電企业每天都会在电力系统内产生大量的电力使用、使用反馈、电力运营等方面的数据，而发电企业则每天都会产生大量的能源使用、发电机运行等方面的数据。这些数据汇总起来就成为电力大数据，大数据概念的提出和应用对电力企业发展提出了挑战。在大数据视角下，如何利用数据挖掘技术从电力大数据中发掘出数据的潜在价值，为电力企业进行决策提供理论依据，实现数据挖掘技术的应用，是促进电力企业进一步发展的关键。
2大数据的含义
随着信息技术的发展和变革，大数据一词越来越多地被提及，直接造就了大数据时代的到来，使人们获取信息、提取信息、统计信息并分析信息的方式有了极大的改变。大数据是指从社交网络、电子商务网站、网页访问记录等多个来源，以多种形式收集到的庞大的信息资产，数据量级逐渐从TB跃升到EB乃至ZB。大数据有四个特点：大量、高速、多样以及价值。国外大数据研究的先河之作《大数据时代》中就指出了大数据带来的思维、商业以及管理上的巨大变革。从传统的数据库时代到大数据时代，数据的处理方式发生了极大的变化，数据处理如果仅依靠工程处理则远远及不上数据收集的速度，因此需要一种全新的数据思维应对大数据时代，即以数据处理为核心的思维方式。
3大数据视角下电力企业面临挑战
基于智能电网的出现，电力企业运行的生产、运营、销售和管理等各个方面都产生了大量的数据，汇集成电力大数据。在发电侧，包括发电厂设备运营故障检测、运营状态等的数据；在配电侧，包括输变电设备监测、电压监测等的数据；在用电侧，包括电价信息、电力用户信息、电动汽车充放电监测信息等的数据。这些数据的处理为电力企业带来挑战。
3.1数据收集和存储
电力大数据时代，电力数据不单单来源于电力企业内部的历史数据，还来源于实际生活中，电力运行时产生的实时的数据和来自互联网等的数据，收集这些数据要附上不同的来源，剔除无用信息，还要尽可能收集更多不同数据来源、结构化程度不同的数据，并与历史数据进行对照，验证收集到的数据的真实性和可靠性，如何按照一定标准对这些巨量的数据进行分类存储和处理，以便于及时分析和研究，提取有效的信息，对电力企业来说是一项挑战。
3.2数据结构
当前大部分数据结构形式呈现非结构化和半结构化数据大幅增长，占比达到所有数据的80%左右；而且当前大多数的数据都是以数据流的方式存在的，数据价值的体现与时间之间有着明显的相关性，也就是说为了实现数据的应用价值，需要实时处理数据，否则过期数据就会毫无用处。但当前计算机只能对有结构或类结构的数据进行处理，对非结构化和半结构化数据的处理效率不足，因此影响了电力企业对数据的实时应用。
3.3数据关系
由于数据网络化的关系，使电力大数据之间的关系非常复杂，而这些数据一般都是孤立的数据点，反映出的数据网络比较片面。如何将数据集成，使其反应出完整的数据网络，是电力企业遇到的挑战之一。以发电厂为例，发电量数据单独映射出的是电厂发电的量，但其实际上是与电压数据、用电数据、线损数据等相互关联的。另外，电力大数据的处理还要将发电、输电、配电等方面的数据进行融合，形成统一的电力信息系统。
4电力大数据视角下的数据挖掘技术的应用分析
从电力大数据中发掘出数据的潜在价值，是目前电力企业进行决策的基础，价值的可靠性、及时性和准确性，将会影响决策的正确与否。因此数据挖掘技术的应用会在电力企业降低成本、开拓市场、安全运行等方面发挥巨大作用。数据挖掘技术是对海量的电力大数据进行建模，然后选择合适的数理模型对大数据进行综合、整理和分析，从而找出对企业发展有益的信息的技术。以云计算为例，云计算为电力大数据的存储和访问提供了平台，而如何在这个平台上挖掘出大数据的潜在价值，分析数据中蕴含的企业发展需要的信息，是未来云计算发展的方向，也因此数据挖掘技术将成为大数据技术的核心。
4.1数据存储
数据挖掘技术的基础是有大量的数据，因此要有高效、高质的数据存储方法。对电力企业来说，为了保证数据存储的质量，需要建立独立的数据管理部门，专门处理数据信息。而且因为数据量较大，数据挖掘技术的应用是一个信息自我发现的过程，如果目标不明确，就需要有多个数据选择渠道，进而进行价值挖掘。在此过程中应用的数据挖掘技术主要是对数据库中的信息进行过滤处理，将有价值的信息挖掘出来，为电力企业发展提供有效资料。
4.2智能电网运行
在大数据时代下，由于大数据数量巨大而且不好处理，很多需要实时反馈的信息来不及处理就没有了价值，这造成了很大的信息浪费。比如电网运行监控因为受到信息技术的制约，在实际运营管理过程中不能实时的反馈电网运行信息，也就不能及时发现问题，导致问题扩大或严重，给电网运行带来一定麻烦。而数据挖掘技术的应用可以使电网运营及监控系统数据化、系统化，加快数据处理和分析的速度，从而加强对电网的控制。但需要注意的是在进行数据挖掘技术的应用时，要对大数据环境进行优化和调整，保证从中提取的信息的高质量、稳定性和实用性。因此电力企业需要利用数据挖掘技术建立融合发电、供电、用电信息，以信息通信系统为中枢的信息集成平台，做到对数据的系统化、高效化和精确化处理，深入挖掘数据信息，使用户掌握实时用电信息、在线互动数据等，从而提高智能电网的建设和运营质量。
4.3建立以数据挖掘技术为核心的信息系统
电力企业要依靠数据挖掘技术，建立以服务为中心的面向社会群体、网民、电力企业的企业信息系统管理模式。比如一些电力企业开展网上办电、充电费、业务咨询等服务项目，并对由此产生的信息加以分析和利用，获得经济收益。另外，以自组织动态监测为核心，建立能够有效预警并良好处理用电高峰期的技术监测模型，与信息系统挂钩，加强对电网运行的实时监测，这有助于推动电力企业的发展，为人们提供更好的电力服务。
4.4客户关系管理
随着电力用户逐渐成为电力企业竞争的核心，客户关系管理也广泛应用到电力企业管理中。不同地区、不同用户对电力的需求不同，只有能够及时将需求不同的用户进行分类的电力企业才能获得竞争优势。因此电力企业可利用数据挖掘技术，挖掘有用户信息和用电信息组成的数据库，以此对用户信息进行进一步分解和分类，将具有类似电力需求的客户归类到一起。这样有助于电力企业寻找最具潜力的用户，针对不同的消费者群体提供个性化服务，以便于更好地满足用户的用电需求，提高用户的忠诚度和满意度。
5结语
在大数据视角下，电力企业要做的不仅仅是收集和掌握电力运营数据，更重要的是利用数据挖掘技术从中挖掘出有利用价值的信息，为提高电力企业运行效率，提供更优质的电力服务等奠定基础。
参考文献：
[1]舒永芳.大数据时代下数据挖掘技术在电力企业中的应用研究[J].低碳世界，2016，（08）：102.
[2]盧建昌，樊围国.大数据时代下数据挖掘技术在电力企业中的应用[J].广东电力，2014，27（9）：88-94.
关键词：大数据；电力企业；数据挖掘技术
1 引言
供電企业每天都会在电力系统内产生大量的电力使用、使用反馈、电力运营等方面的数据，而发电企业则每天都会产生大量的能源使用、发电机运行等方面的数据。这些数据汇总起来就成为电力大数据，大数据概念的提出和应用对电力企业发展提出了挑战。在大数据视角下，如何利用数据挖掘技术从电力大数据中发掘出数据的潜在价值，为电力企业进行决策提供理论依据，实现数据挖掘技术的应用，是促进电力企业进一步发展的关键。
2大数据的含义
随着信息技术的发展和变革，大数据一词越来越多地被提及，直接造就了大数据时代的到来，使人们获取信息、提取信息、统计信息并分析信息的方式有了极大的改变。大数据是指从社交网络、电子商务网站、网页访问记录等多个来源，以多种形式收集到的庞大的信息资产，数据量级逐渐从TB跃升到EB乃至ZB。大数据有四个特点：大量、高速、多样以及价值。国外大数据研究的先河之作《大数据时代》中就指出了大数据带来的思维、商业以及管理上的巨大变革。从传统的数据库时代到大数据时代，数据的处理方式发生了极大的变化，数据处理如果仅依靠工程处理则远远及不上数据收集的速度，因此需要一种全新的数据思维应对大数据时代，即以数据处理为核心的思维方式。
3大数据视角下电力企业面临挑战
基于智能电网的出现，电力企业运行的生产、运营、销售和管理等各个方面都产生了大量的数据，汇集成电力大数据。在发电侧，包括发电厂设备运营故障检测、运营状态等的数据；在配电侧，包括输变电设备监测、电压监测等的数据；在用电侧，包括电价信息、电力用户信息、电动汽车充放电监测信息等的数据。这些数据的处理为电力企业带来挑战。
3.1数据收集和存储
电力大数据时代，电力数据不单单来源于电力企业内部的历史数据，还来源于实际生活中，电力运行时产生的实时的数据和来自互联网等的数据，收集这些数据要附上不同的来源，剔除无用信息，还要尽可能收集更多不同数据来源、结构化程度不同的数据，并与历史数据进行对照，验证收集到的数据的真实性和可靠性，如何按照一定标准对这些巨量的数据进行分类存储和处理，以便于及时分析和研究，提取有效的信息，对电力企业来说是一项挑战。
3.2数据结构
当前大部分数据结构形式呈现非结构化和半结构化数据大幅增长，占比达到所有数据的80%左右；而且当前大多数的数据都是以数据流的方式存在的，数据价值的体现与时间之间有着明显的相关性，也就是说为了实现数据的应用价值，需要实时处理数据，否则过期数据就会毫无用处。但当前计算机只能对有结构或类结构的数据进行处理，对非结构化和半结构化数据的处理效率不足，因此影响了电力企业对数据的实时应用。
3.3数据关系
由于数据网络化的关系，使电力大数据之间的关系非常复杂，而这些数据一般都是孤立的数据点，反映出的数据网络比较片面。如何将数据集成，使其反应出完整的数据网络，是电力企业遇到的挑战之一。以发电厂为例，发电量数据单独映射出的是电厂发电的量，但其实际上是与电压数据、用电数据、线损数据等相互关联的。另外，电力大数据的处理还要将发电、输电、配电等方面的数据进行融合，形成统一的电力信息系统。
4电力大数据视角下的数据挖掘技术的应用分析
从电力大数据中发掘出数据的潜在价值，是目前电力企业进行决策的基础，价值的可靠性、及时性和准确性，将会影响决策的正确与否。因此数据挖掘技术的应用会在电力企业降低成本、开拓市场、安全运行等方面发挥巨大作用。数据挖掘技术是对海量的电力大数据进行建模，然后选择合适的数理模型对大数据进行综合、整理和分析，从而找出对企业发展有益的信息的技术。以云计算为例，云计算为电力大数据的存储和访问提供了平台，而如何在这个平台上挖掘出大数据的潜在价值，分析数据中蕴含的企业发展需要的信息，是未来云计算发展的方向，也因此数据挖掘技术将成为大数据技术的核心。
4.1数据存储
数据挖掘技术的基础是有大量的数据，因此要有高效、高质的数据存储方法。对电力企业来说，为了保证数据存储的质量，需要建立独立的数据管理部门，专门处理数据信息。而且因为数据量较大，数据挖掘技术的应用是一个信息自我发现的过程，如果目标不明确，就需要有多个数据选择渠道，进而进行价值挖掘。在此过程中应用的数据挖掘技术主要是对数据库中的信息进行过滤处理，将有价值的信息挖掘出来，为电力企业发展提供有效资料。
4.2智能电网运行
在大数据时代下，由于大数据数量巨大而且不好处理，很多需要实时反馈的信息来不及处理就没有了价值，这造成了很大的信息浪费。比如电网运行监控因为受到信息技术的制约，在实际运营管理过程中不能实时的反馈电网运行信息，也就不能及时发现问题，导致问题扩大或严重，给电网运行带来一定麻烦。而数据挖掘技术的应用可以使电网运营及监控系统数据化、系统化，加快数据处理和分析的速度，从而加强对电网的控制。但需要注意的是在进行数据挖掘技术的应用时，要对大数据环境进行优化和调整，保证从中提取的信息的高质量、稳定性和实用性。因此电力企业需要利用数据挖掘技术建立融合发电、供电、用电信息，以信息通信系统为中枢的信息集成平台，做到对数据的系统化、高效化和精确化处理，深入挖掘数据信息，使用户掌握实时用电信息、在线互动数据等，从而提高智能电网的建设和运营质量。
4.3建立以数据挖掘技术为核心的信息系统
电力企业要依靠数据挖掘技术，建立以服务为中心的面向社会群体、网民、电力企业的企业信息系统管理模式。比如一些电力企业开展网上办电、充电费、业务咨询等服务项目，并对由此产生的信息加以分析和利用，获得经济收益。另外，以自组织动态监测为核心，建立能够有效预警并良好处理用电高峰期的技术监测模型，与信息系统挂钩，加强对电网运行的实时监测，这有助于推动电力企业的发展，为人们提供更好的电力服务。
4.4客户关系管理
随着电力用户逐渐成为电力企业竞争的核心，客户关系管理也广泛应用到电力企业管理中。不同地区、不同用户对电力的需求不同，只有能够及时将需求不同的用户进行分类的电力企业才能获得竞争优势。因此电力企业可利用数据挖掘技术，挖掘有用户信息和用电信息组成的数据库，以此对用户信息进行进一步分解和分类，将具有类似电力需求的客户归类到一起。这样有助于电力企业寻找最具潜力的用户，针对不同的消费者群体提供个性化服务，以便于更好地满足用户的用电需求，提高用户的忠诚度和满意度。
5结语
在大数据视角下，电力企业要做的不仅仅是收集和掌握电力运营数据，更重要的是利用数据挖掘技术从中挖掘出有利用价值的信息，为提高电力企业运行效率，提供更优质的电力服务等奠定基础。
参考文献：
[1]舒永芳.大数据时代下数据挖掘技术在电力企业中的应用研究[J].低碳世界，2016，（08）：102.
[2]盧建昌，樊围国.大数据时代下数据挖掘技术在电力企业中的应用[J].广东电力，2014，27（9）：88-94.