中国电力大数据发展白皮书.pdf

《中国电力大数据发展白皮书.pdf》由会员分享，可在线阅读，更多相关《中国电力大数据发展白皮书.pdf（31页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 中国中国电力大数据发展白皮书电力大数据发展白皮书 （20132013 年年）中国电机工程学会信息化专委会 二零一三年三月|中国电力大数据发展白皮书 I 目 录 1.引言.1 2.迎接电力大数据时代.5 2.1.电力大数据源起.5 2.2.电力大数据内涵.7 2.3.电力大数据特征.9 3.展望电力大数据时代.13 3.1.电力大数据价值分析.13 3.2.电力大数据应用前景.15 3.3.电力大数据发展挑战.17 4.迈向电力大数据时代.20 4.1.电力大数据关键技术.20 4.2.电力大数据发展策略.22 5.结束语.27 II 图表目录 图表 1 全球数据量预测.1 图表 2 中国电力

2、装机容量预测.2 图表 3 大数据的发展历程.3 图表 4 传统数据与大数据的区别及联系.6 图表 5 传统电力价值链与新兴电力价值链.8 图表 6 电力大数据的“3V3E”.10 图表 7 表计数量与采集频率决定的数据量变化.10 图表 8 大数据的行业价值.13 图表 9 数据使用率提升 10%对行业人均产出的平均提升幅度.14 图表 10 数据质量提升 10%对行业 ROE 的中位数提升幅度.15 图表 11 大数据技术成熟周期.22 图表 12 电力工业在国民经济中的发展变化趋势.24 图表 13 电力大数据助力智慧城市.26|中国电力大数据发展白皮书 1 1.引言 随着数字信息化时代

3、的迅猛发展，信息量也呈爆炸性增长态势。在人类充分享受信息化带来的资讯、方便和快捷时，也使得全球的数字信息资源正进入到一个前所未有的快速增长期。据 IDC 统计，2011年全球数据量已达到 1.8ZB，相当于全世界人均产生 200GB 以上的数据，并且还将以每年 50%的速度继续增长。在这汹涌来袭的数据浪潮下，社会各个领域也将开始其数据化进程。无论学术界、商界还是政府，都将不可避免的进入“大数据时代”。作为全球第二大经济体的基础能源支撑体系，中国电力工业概莫能外。图表 1 全球数据量预测 今天，中国电力工业面临着能源枯竭和温室气体排放的双重挑战，传统的投资拉动增长的发展方式已经面临质疑。从衡量中

4、国电力工业发展的重要指标装机容量来看，虽然其绝对数字始终在增0.81.21.87.935051015202530354020092010201120152020全球数据量来源：赛迪顾问，2012-5单位：ZB|中国电力大数据发展白皮书 2 长，但其增幅已经大大放缓。一方面，电力工业近年来快速增长透支的产能需要时间消化；另一方面，新的发展需求和规则也在要求新的发展模式。这对中国的电力工业发展提出了新的问题，我们能否有新的能源载体和新的契机来寻求新的电力工业价值的增长？挑战重重，但机遇也前所未有。图表 2 中国电力装机容量预测 当前信息通信技术（ICT）对中国电力工业的价值贡献正处于量变到质变的关

5、键节点，而变化的本质就是电力信息通信与电力生产以及企业经营管理的深度融合，其最终表现形式必将是电力数据的爆发性增长。中国的电力工业经过几十年来的高速发展，随着下一代智能化电力系统建设的全面展开，中国的电力系统已经成为了世界上最大规模关系国计民生的专业物联网，甚至在某种程度上，这张遍及生产经营各环节的生产关系网，构筑起了中国最大规模的“云计算”平台，3391935662419165080060257713297925387407962191437001878000.00%5.00%10.00%15.00%20.00%25.00%0200004000060000800001000001200001

6、4000016000018000020000020022003200420052006200720082009201020152020装机容量年增长率单位：万（Kwh）来源：中国电机工程学会，2013-1|中国电力大数据发展白皮书 3 为从时间和空间等多个维度进行大范围的能源资源调配奠定了基础。对于电力行业而言，电力大数据将贯穿未来电力工业生产及管理等各个环节，起到独特而巨大的作用，是中国电力工业在打造下一代电力工业系统过程中有效应对资源有限、环境压力等问题，实现厚积厚发、绿色可持续性发展的关键。在这样的背景下，中国电机工程学会信息化专委会1组织召开了以“大数据与宽带中国”为主题的“2012

7、电力行业信息化年会”以及多次电力大数据专题研讨会，共同研讨中国电力大数据的未来。图表 3 大数据的发展历程 2013 年将是“中国大数据元年”，信息化专委会以此为契机发布中国电力大数据发展白皮书，希望借此能够推动整个行业对电力 1中国电机工程学会电力信息化专业委员会成立于 1977 年，在学会指导下，开展电力企业信息化，电力企业资源规划 ERP，网络与信息安全技术，电力企业资产管理 EAM，地理信息系统 GIS，电力市场商务信息技术和网络运行管理等方面的技术创新和交流。技术研发概念推广解决方案推广商业模式尝试生态环境完善；行业应用案例增多；用户认可程度增加；基于大数据应用业务的创新加快；数据资

8、产化进程加快。大数据解决方案成熟；大数据应用渗透社会各行业；数据驱动决策；信息社会智能化程度大幅提升。来源：赛迪顾问，2012-5|中国电力大数据发展白皮书 4 大数据价值理念的认可，以期在中国电力行业尽快地生根发芽、产生价值。中国社会的发展正经历从传统的投资驱动逐步向价值驱动，粗放型发展模式向集约化经营的演进和转变。在这种大趋势下，中国电力工业也将面临传统的动力经济的转型，大数据时代下的中国电力工业也必将顺应能源变革的历史潮流，走出一条科学发展的康庄大道。|中国电力大数据发展白皮书 5 2.迎接电力大数据时代 2.1.电力大数据源起 随着信息通信技术的不断进步，数字化、信息化已经渗透进我们生

9、活中的各个角落。据 IDC 编制的年度数字宇宙研究报告从混沌中提取价值表明，世界已进入了“数字摩尔时期”，全球数据量大约每两年翻一番。从人类出现文明到 2003 年，人类总共产生了 5EB（百亿亿字节）数据，而这仅是当前人类社会两天的数据量。我们正处于数据世界一个重要历史爆发期的边缘，数据是资产是财富的观念业已深入人心，大数据应用已是大势所趋，“大数据时代”已然到来。电力行业中数据量的增长也呈现出相似的态势。近几年，电力行业信息化也得到了长足的发展，我国电力企业信息化起源于 20 世纪60 年代，从初始电力生产自动化到 80 年代以财务电算化为代表的管理信息化建设，再到近年大规模的企业信息化建

10、设，特别伴随着下一代智能化电网的全面建设，以物联网和云计算为代表的新一代 IT 技数据是最有价值的资产数据是企业的命脉，数据可用性至关重要数据永恒不变，是企业始终存在的资产操作系统可以更换进化应用提供商可以出现和消亡服务器走向虚拟化和大众化数据|中国电力大数据发展白皮书 6 术在电力行业中的广泛应用，电力数据资源开始急剧增长并形成了一定的规模。从长远来看，作为中国经济社会发展的“晴雨表”，电力数据以其与经济发展紧密而广泛的联系，将会呈现出无以伦比的正外部性，对我国经济社会发展以至人类社会进步也将形成更为强大的推动力。图表 4 传统数据与大数据的区别及联系 知其然，也要知其所以然。推动中国电力大

11、数据事业的发展，首先要能够正确认识何为电力大数据。目前大数据在业内尚无形成统一的定义，引用麦肯锡全球研究院（McKinsey Global Institute，简写为 MGI）在大数据：下一个创新、竞争和生产力的前沿报告中的描述，即：大数据是指无法在一定时间内用传统数据库软件工具对其内容进行抓取、管理和处理的数据集合。相对于大数据的技术定义，电力大数据则是一个更为广义的概念，并没有一个严格的标准限定多大规模的数据集合才是电力大数数据量速度多样性价值GBTB数据量稳定，增长不快结构化数据统计和报表TBPB以上持续实时产生数据，年增长量在60%以上结构化数据，半结构化数据，多维数据，音视频数据挖掘

12、和预测性分析传统数据大数据来源：麦肯锡全球研究院（McKinsey Global Institute）|中国电力大数据发展白皮书 7 据。作为重要的基础设施信息，电力大数据的变化态势从某种程度上决定了整个国民经济的发展走向。如将电力数据单独割裂来看，则电力数据的大价值无从体现。传统的 BI（商业智能，Business Intelligence）分析关注于单个领域或主题的数据，这造成了各类数据之间强烈的断层。而大数据分析则是一种总体视角的改变，是一种综合关联性分析，发现具有潜在联系之间的相关性。注重相关性和关联性，并不仅仅囿于行业内的因果关系，这也是电力大数据应用与传统数据仓库和 BI 技术的关

13、键区别之一。2.2.电力大数据内涵 电力大数据是能源变革中电力工业技术革新的必然过程，而不是简单的技术范畴。电力大数据不仅仅是技术进步，更是涉及整个电力系统在大数据时代下发展理念、管理体制和技术路线等方面的重大变革，是下一代智能化电力系统在大数据时代下价值形态的跃升。重塑电力核心价值和转变电力发展方式是电力大数据的两条核心主线。重塑电力重塑电力核心价值：核心价值：中国电力工业长期秉承“以计划为驱动、以电力生产为中心”的价值观念，重视企业价值和客户价值的实现，却在一定程度上忽视了社会效益，缺乏双向互动，导致电力供需的单方向传递，使得社会资源对电力工业的反馈促进很难实现，这是电力企业在社会主义市场

14、经济条件下提升核心竞争力的最大挑战。|中国电力大数据发展白皮书 8 大数据的核心价值之一就是个性化的商业未来，是对人的终极关怀。电力大数据通过对市场个性化需求和企业自身良性发展的挖掘和满足，重塑中国电力工业核心价值，驱动电力企业从“以人为本”的高度重新审视自己的核心价值，由“以电力生产为中心”向“以客户为中心”转变，并将其最终落脚在“如何更好地服务于全社会”这一根本任务上。图表 5 传统电力价值链与新兴电力价值链 转变电力发展方式：转变电力发展方式：人类社会经过工业革命两百多年来的迅猛发展，能源和资源的快速消耗以及全球气候变化已经上升为影响全人类发展的首要问题。传统投资驱动、经验驱动的快速粗放

15、型发展模式，已面临越来越大的社会问题，亟待转型。来源：中国电机工程学会，2013-1发电与交易输电配电能源服务（零售）电气设备发电与交易输电配电能源服务（零售）电气设备用户用户分布式资源信息化服务平台信息服务信息设备电力流信息流传统电力价值链新兴电力价值链|中国电力大数据发展白皮书 9 电力大数据通过对电力系统生产运行方式的优化、对间歇式可再生能源的消纳以及对全社会节能减排观念的引导，能够推动中国电力工业由高耗能、高排放、低效率的粗放发展方式向低耗能、低排放、高效率的绿色发展方式转变。2.3.电力大数据特征 电力大数据的特征可以概括为 3“V”3“E”。其中 3“V”分别是体量大（Volume

16、）、类型多（Variety）和速度快（Velocity），3“E”分别是数据即能量（Energy）、数据即交互（Exchange）、数据即共情（Empathy）。如仅从体量特征和技术范畴来讲，电力大数据是大数据在电力行业的聚焦和子集。但电力大数据更重要的是其广义的范畴，其超越大数据普适概念中的泛在性，有着其他行业数据所无法比拟的丰富的内涵。让数据创造价值公司积累高质量和有价值的数据，形成数据资产企业内部提升获取数据的能力和效率在管理决策中致力于数据价值的发现与客户和合作伙伴在数据运营基础之上分享数据价值构建海量数据计算系统，提供生产级数据应用|中国电力大数据发展白皮书 10 图表 6 电力大数

17、据的“3V3E”体量体量大大（VolumeVolume）:体量大是电力大数据的重要特征。随着电力企业信息化快速建设和智能电力系统的全面建成，电力数据的增长速度将远远超出电力企业的预期。从发电侧为例，电力生产自动化控制程度的提高，对诸如压力、流量和温度等指标的监测精度，频度和准确度更高，对海量数据采集处理提出了更高的要求。就用电侧而言，一次采集频度的提升就会带来数据体量的“指数级”变化。图表 7 表计数量与采集频率决定的数据量变化 类型多类型多（VarietyVariety）:电力大数据涉及多种类型的数据，包括结构化数据、半结构化数据和非结构化数据。随着电力行业中视频应用的电力大数据VARIET

18、Y类型多VELOCITY速度快EMPATHY共情EXCHANGE交互ENERGY能量VOLUME容量大来源：中国电机工程学会，2013-1表计数量采集频率15分钟采集频率1分钟采集频率1秒钟10,00032.61GB489.0GB114.6TB100,000326.1GB4.8TB1.1PB1,000,0003.18TB47.7TB11.2PB来源：中国电机工程学会，2013-1|中国电力大数据发展白皮书 11 不断增多，音视频等非结构化数据在电力数据中的占比进一步加大。此外，电力大数据应用过程中还存在着对行业内外能源数据、天气数据等多类型数据的大量关联分析需求，而这些都直接导致了电力数据类型

19、的增加，从而极大地增加了电力大数据的复杂度。速度快速度快（VelocityVelocity）:主要指对电力数据采集、处理、分析的速度。鉴于电力系统中业务对处理时限的要求较高，以“1 秒”为目标的实时处理是电力大数据的重要特征，这也是电力大数据与传统的事后处理型的商业智能、数据挖掘间的最大区别。数据即能量（数据即能量（EnergyEnergy）:电力大数据具有无磨损、无消耗、无污染、易传输的特性，并可在使用过程中不断精炼而增值，可以在保障电力用户利益的前提下，在电力系统各个环节的低耗能、可持续发展方面发挥独特而巨大的作用。通过节约能量来提供能量，具有与生俱来的绿色性。电力大数据应用的过程，即是电

20、力数据能量释放的过程，从某种意义上来讲，通过电力大数据分析达到节能的目的，就是对能源基础设施的最大投资。数据即交互（数据即交互（ExchangeExchange）:电力大数据以其与国民经济社会广泛而紧密的联系，具有无可伦比的正外部性。其价值不只局限在电力工业内部，更能体现在整个国民经济运行、社会进步以及各行各业创新发展等方方面面，而其发挥更大价值的前提和关键是电力数据同行业外数据的交互融合，以及在此基础上全方位的挖掘、分析和展现。这|中国电力大数据发展白皮书 12 也能够有效地改善当前电力行业“重发轻供不管用”的行业短板，真正体现出“反馈经济”所带来的价值增长。数据即共情（数据即共情（EmEm

21、pathypathy）:企业的根本目的在于创造客户，创造需求。电力大数据天然联系千家万户、厂矿企业，推动中国电力工业由“以电力生产为中心”向“以客户为中心”转变，这其中的本质就是对电力用户的终极关怀，通过对电力用户需求的充分挖掘和满足，建立情感联系，为广大电力用户提供更加优质、安全、可靠的电力服务。在电力行业价值最大化的贡献过程中，中国的电力工业也找到了常变常新的动力源泉，共情方能共赢。|中国电力大数据发展白皮书 13 3.展望电力大数据时代 3.1.电力大数据价值分析 麦肯锡研究报告大数据：创新、竞争和生产力的下一个前沿领域中指出，大数据的应用具有显著的财务价值，而作为天然联系千家万户厂矿企

22、业的中国电力工业，其所产生的电力大数据价值尤为宝贵。电力数据以其同用电客户的紧密耦合可以实现对用户 360 度的精确定位，电力数据以其同国民经济的紧密耦合可以实现对区域经济走势的准确还原，电力数据以其同电力生产的紧密耦合可以实现对电力设施设计、生产阶段的反馈指导。总之，电力大数据的有效应用可以面向行业内外提供大量的高附加值的内容增值服务。图表 8 大数据的行业价值 来源：麦肯锡全球研究院美国医疗服务业每年价值3000亿美元约0.7个百分点的年生产率增长欧洲公共管理部门每年价值2500亿美元约0.5个百分点的年生产率增长全球个人定位数据服务提供商每年营收将增加1000亿美元给终端用户提供每年70

23、00亿美元的价值美国零售业可能产生60%以上的净利润增长0.5-1个百分点的年生产率增长制造业产品研发和装配成本最高降低50%运营资本最高将降低7个百分点|中国电力大数据发展白皮书 14 根据美国德克萨斯大学针对数据有效性的一项研究表明，企业通过提升对自身数据的使用率和数据质量，能够显著提高企业的经营表现。根据研究提供的数据，如果企业数据使用率提升 10%，电力行业中企业人均产出将能够提升 18%左右。而数据质量的提升，将会对企业产生更为显著的影响。根据德州研究提供的数据，如果企业数据质量提升 10%，电力行业受益最为明显，净资产收益率2（ROE）提升幅度为 218%。图表 9 数据使用率提升

24、 10%对行业人均产出的平均提升幅度 2ROE 即净资产收益率(Rate of Return on Common Stockholders Equity)的英文简称，净资产收益率又称股东权益收益率，是净利润与股东权益的百分比。该指标反映股东权益的收益水平，指标值越高，说明投资带来的收益越高。49%39%21%20%20%20%19%18%18%17%0%10%20%30%40%50%60%零售咨询服务航空业食品加工建筑钢铁汽车行业 出版行业 公共事业电信业人均产出来源：Measuring the Business Impacts of Effective Data|中国电力大数据发展白皮书 1

25、5 图表 10 数据质量提升 10%对行业 ROE 的中位数提升幅度 大数据技术能够为中国电力工业带来显著的财务价值，在企业内部的应用也将极大的提高电力企业的运营效率和营收能力。除此之外，由于电力能源基础设施的泛在性，其“天然联系千家万户”的能源特质，将使电力大数据的理念得到了全社会的广泛认可。由此带来的规模化效应，电力工业的发展，加速传统能源设施行业的快速转型之外，整个国家经济中国社会的可持续发展都将起到积极而特殊的作用、绿色发展的方法、路线和政策。3.2.电力大数据应用前景 电力工业作为国家基础性能源设施，为国民经济发展提供动力支撑，与社会发展和人民生活息息相关，是国民经济健康稳定持续快速

26、发展的重要条件。电力大数据的爆炸性增长并不是简单的数据增多的问题，而是全新的思维定式改变的问题。积极应用大数据技术，推动218%212%210%200%168%154%142%106%105%96%0%50%100%150%200%250%公用事业航空业电信业石油石化零售商业银行钢铁批发贸易保险业信贷机构来源：Measuring the Business Impacts of Effective Data|中国电力大数据发展白皮书 16 中国电力大数据事业发展，重塑电力“以人为本”的核心价值，重构电力“绿色和谐”的发展方式，对真正实现中国电力工业更安全、更经济、更绿色和更和谐的发展具有极大的现

27、实意义。电力生产销售的“实时性”，使得电力行业不得不靠基础设施的过度建设来满足电力供应的冗余性和稳定性。这种过度建设带来的发展方式是机械的，也是不经济的。在中国电力需求日益攀升的今天，经济性的可持续发展理念必然是电力行业无法回避的问题。电力行业对大数据的需求，其迫切性将大大超越其它基础能源行业。首先，在电力生产环节，风光储等新能源的大量接入，打破了传统相对“静态”的电力生产，使得电力生产的计量和管理变得日趋复杂。其次，电能的不可储存性，使得电力工业面临极其复杂的安全形势。电能的“光传输”特性，瞬间的电网失衡会造成无法挽回的损失。再依靠“人工+设备+经验判断”的半自动生产经营方式，电力系统的生产

28、经营人员将承面临着无法承受之重；最后，在电力经营环节，随着下一代电力系统的逐步演进，高度灵活的数据驱动的电力供应链将逐步取代传统的静止的电力供应链。这种灵活性来自于电力系统管理者们对电力设施真正运行状态的洞察力。通过获取质量更好、粒度更细的数据，才能真正提升电力行业对当前电力供应链的“能见度”，电力生产供需管理才能变得更为有效电力的经营管理者可以通过这些信息记录，了解电力基础设施的历史、可靠性和成本，来整体优化电网，进而完成高度准确和精确的预测需求；电力的消费者可以通过对|中国电力大数据发展白皮书 17 功耗的实时了解，有意识地调整自己的用电方式，这能够带来显著的能源节约。3.3.电力大数据发

29、展挑战 下一代智能电力系统将产生大量的数据。但是电力行业在进化的过程中面临的问题并不是简单的数据量的问题，它是整个行业面临重发电环节输电环节变电环节薄弱点能源结构以火电为主可再生能源并网有待加强可持续性发展思路有待加强电源结构需进一步优化调整线路运行维护与装备管理较为粗放线路巡检、评估诊断和辅助决策的技术手段和模型不够完善线路运行态势、气象与环境监测面不够变电自动化系统信息共享程度有待提高，效能综合利用还有提升空间设备智能化巡检模式有待改进，加快计划检修向智能化状态检修的过渡一次装备的智能化水平有待提高大数据应用前景进一步深化推广风电和太阳能等新能源发电功率预测和运行智能控制技术提升新能源接入

30、和分布式储能的能力促进大规模风电和光伏等可再生能源的科学合理利用减少能量损失，优化发电侧运行效率，解决能源利用率低的问题开展分析评估诊断与决策技术研究，实现输电侧态势评估的实时化和智能化结合外部数据，开展输电侧设施智能防灾研究，实现线路问题元器件的快速恢复，提高输电侧的自愈能力提升变电站的智能化管理水平，通过全网、全区域实时信息共享和分析实现变电侧的实时控制和智能调节，实现变电设备信息和运行维护策略与电力调度的智慧互动来源：中国电机工程学会，2013-1配电环节用电环节调度环节薄弱点在基于配网自动化的智能配电方面建设已经开展，在横向集成方面工作开展迅速，但智能化程度尚待进一步提高配电网能量流、

31、信息流和业务流的双向互动和高度整合有待加强用电环节已基本实现营销信息化，初步完成横向集成和纵向贯通，但数据共享机制尚未完全建立企业同外部的信息集成共享和交互机制尚待进一步加强电网调度技术水平，如电网在线安全分析、控制手段需要进一步完善提高对大容量风光储等新能源、间歇性电源的预测和调控能力有待加强大数据应用前景实现对用户负荷和用电情况的深入了解，提高对客户用电需求和负荷模式的认知水平优化配网规划和供电计划，提高配网监测、保护和控制水平，提高事故的响应程度优化配网运行管理水平，提升供电可靠率建立面向经营与管理的科学营销决策支持平台，实现市场运营、营销及客户服务、设备全寿命周期管理等各类主题的分析及

32、预测，提高营销服务的综合分析预测能力实现客户用电管理优化、用能实时分析和预测等高级应用，提供用电增值服务建设以数据驱动的智能调度体系，实现运行信息全景化、数据传输网络化、安全评估动态化、调度决策精细化、运行控制自动化、机网协调最优化提升调度驾驭电网能力、资源优化配置能力、科学决策管理能力和灵活高效调控能力来源：中国电机工程学会，2013-1|中国电力大数据发展白皮书 18 塑的机遇和挑战，即如何从海量的数据中识别可用的数据，评估潜在的价值，进而促进整个行业的转型发展。挑战挑战 1 1：数据质量较低，数据管控能力不强。：数据质量较低，数据管控能力不强。大数据时代中，数据质量的高低、数据管控能力的

33、强弱直接影响了数据分析的准确性和实时性。目前，电力行业数据在可获取的颗粒程度，数据获取的及时性、完整性、一致性等方面的表现均不尽人意，数据源的唯一性、及时性和准确性急需提升，部分数据尚需手动输入，采集效率和准确度还有所欠缺，行业中企业缺乏完整的数据管控策略、组织以及管控流程。挑战挑战 2 2：数据共享不畅，数据集成程度不够。：数据共享不畅，数据集成程度不够。大数据技术的本质是从关联复杂的数据中挖掘知识，提升数据价值，单一业务、类型的数据即使体量再大，缺乏共享集成，其价值就会大打折扣。目前电力行业缺乏行业层面的数据模型定义与主数据管理，各单位数据口径不一致。行业中存在较为严重的数据壁垒，业务链条

34、间也尚未实现充分的数据共享，数据重复存储且不一致的现象较为突出。挑战挑战 3 3：防御能力不足，信息安全面临挑战。：防御能力不足，信息安全面临挑战。电力大数据由于涉及到众多电力用户的隐私，对信息安全也提出了更高的要求。电力企业地域覆盖范围极广，各单位防护体系建设不平衡，信息安全水平不一致，特别偏远地区单位防护体系尚未全面建立，安全性有待提高。行业中企业的安全防护手段和关键防护措施也需要进一步加强，从目前的被动防御向多层次、主动防御转变。|中国电力大数据发展白皮书 19 挑战挑战 4 4：承载能力不足，基础设施亟待完善。：承载能力不足，基础设施亟待完善。电力数据储存时间要求以及海量电力数据的爆发

35、式增长对 IT 基础设施提出了更高的要求。目前电力企业虽大多已建成一体化企业级信息集成平台，能够满足日常业务的处理要求，但其信息网络传输能力、数据存储能力、数据处理能力、数据交换能力、数据展现能力以及数据互动能力都无法满足电力大数据的要求，尚需进一步加强。挑战挑战 5 5：相关人才欠缺，专业人员供应不足。：相关人才欠缺，专业人员供应不足。大数据是一个崭新的事业，电力大数据的发展需要新型的专业技术人员，例如大数据处理系统管理员、大数据处理平台开发人员、数据分析员和数据科学家等。而当前行业内外此类技术人员的缺乏将会成为影响电力大数据发展的一个重要因素。|中国电力大数据发展白皮书 20 4.迈向电力

36、大数据时代 4.1.电力大数据关键技术 基于大数据产业链的定义，电力大数据的关键技术既包括数据分析技术等核心技术，也包括数据管理、数据处理、数据可视化等重要技术。数据分析技术：数据分析技术：包括数据挖掘、机器学习等人工智能技术，具体是指电网安全在线分析、间歇性电源发电预测、设施线路运行状态分析等技术。由于电力系统安全稳定运行的重要性以及电力发输变配用的瞬时性，相比其他行业，电力大数据对分析结果的精度要求更高。数据管理技术：数据管理技术：包括关系型和非关系型数据库技术、数据融合和集成技术、数据抽取技术、数据清洗和过滤技术，具体是指电力数据ETL（Extract，Transfer 和 Load，即

37、提取，转换和装载）、电力数据统一公共模型等技术。电力数据质量本身不高，准确性、及时性均有所欠缺，也对数据管理技术提出了更高的要求。数据处理技术：数据处理技术：包括分布式计算技术、内存计算技术、流处理技术。具体是指电力云、电力数据中心软硬件资源虚拟化等技术。近几年电力数据的海量增长使得电力企业需要通过新型数据处理技术来更有效的利用软硬件资源，在降低 IT 投入、维护成本和物理能耗的同时，为电力大数据的发展提供更为稳定、强大的数据处理能力。|中国电力大数据发展白皮书 21 数据展现技术：数据展现技术：包括可视化技术、历史流展示技术、空间信息流展示技术等。具体是指电网状态实时监视、互动屏幕与互动地图

38、、变电站三维展示与虚拟现实等技术。电力数据种类繁杂，电力相关指标复杂，加以未来的电力用户双向互动需求，需要大力发展数据展现技术，提高电力数据的直观性和可视性，从而提升电力数据的可利用价值。图表 11 是大数据技术的炒作周期。Gartner 公司发布了 2012 年大数据技术炒作周期报告，将各类大数据技术的技术成熟度划分为 5个阶段：技术触发期、过热期、幻灭期、复苏期和生产力成熟期，另以不同颜色的符号标示不同技术达到生产力成熟期所需的年限。这 5个阶段分别定义如下：1、技术触发期：产生之初，被业界和媒体广泛关注，曝光率直线上升；2、过热期：概念炒作达到顶峰，媒体对新技术产生了大量不切实际的期望；

39、3、幻灭期：泡沫破灭，媒体态度骤变，从原先的新技术支持者变为声讨者，概念逐渐被人淡忘；4、复苏期：虽然该技术已经很少被曝光，但并未在业内完全消失，不少企业在慢慢推动该技术走向成熟，技术本身的优势和局限性已经被业内人士逐渐了解；|中国电力大数据发展白皮书 22 5、生产力成熟期：已经达到成熟的新技术找到了市场定位，虽然不像先期媒体期望的那样具有颠覆性，但却实实在在地改变着人们的生活。图表 11 大数据技术成熟周期 当然，大数据技术是一系列技术的集合。在电力大数据事业推进的过程中，电力企业可以借鉴图表中所示不同大数据技术的成熟程度以及成熟时间，并结合自身实际需求，合理开展电力大数据实践，使大数据在

40、电力行业中真正落地。4.2.电力大数据发展策略 电力大数据的发展更多是一种整体行业意识的提高，从前期的大量实践来看，此类应用是多种现有成熟技术的综合，解决的是优化问题。大数据的业务需求已经有了大量积淀，已经趋于明确，“技术上Information ValuationIn-Memory AnalyticsText AnalyticsHigh-PerformanceMessage InfrastructurePredictive Modeling SolutionsInternet of ThingsSearch-Based Data Discovery ToolsVideo SearchData

41、 ScientistDynamic Data MaskingInformation Capability FrameworkClaims AnalyticsContent AnalyticsContext-Enriched ServicesLogical Data WarehousesnoSQL Database Management Systems Social Network AnalyticsDetection and Analysis TechnologiesAdvanced FraudHybrid Cloud ComputingOpen SCADAComplex-Event Proc

42、essingSocial AnalyticsCloud-Based Grid ComputingCloud Collaboration ServicesCloud Parallel ProcessingGeographic Information Systems for Mapping，Visualization and AnalyticsDatabase Platform as a Service(dbPaaS)In-Memory Database Management SystemsActivity StreamsIT Service Root Cause Analysis ToolsOp

43、en Government DataTelematicsIn-Memory Data GridsWeb Experience AnalyticsMapReduce and AlernativesDatabase Software as a Service(dbSaaS)Intelligent Electronic DevicesSupply Chain AnalyticsSocial Media MonitorsSpeech RecognitionsWeb Analytics时间技术预期截至2012年7月技术成熟期的到来时间（图例）小于2年2到5年之间5到10年之间超过10年即将淘汰技术触发期

44、过热期幻灭期复苏期生产力成熟期Semantic WebCloudComputingSalesAnalyticsSocialContent来源：Gartner公司|中国电力大数据发展白皮书 23 的一小步，便可带来思维理念的一大步”。业内专家针对大数据的中国前景已经有了大量讨论，对大数据的发展规划业已初步共识，如：构建大数据研究平台，即国家顶层规划、整合创新资源，实施“专项计划”，突破关键技术；构建大数据良性生态环境，制订支持政策，形成行业联盟，制订行业标准；构建大数据产业链，促进创新链与产业链的有效嫁接。电力系统作为中国社会的基础能源设施，行业理念的提升和创新带来的效果，经过社会的反馈和发酵，

45、其倍增效应将极大地推动中国社会整体的跨越式发展。4.4.2 2.1.1 规划先行、加快示范规划先行、加快示范 设定长期的电力大数据应用策略，积极开展前期研究，结合电力业务性质以及发展需求，从数据规模以及增长情况、多样化程度、以及数据分析的需求等方面出发，全方位论证电力大数据的发展方向和道路，制定中长期电力大数据发展规划，设立切合实际的目标和优先级、明确的预算和期限。在规划的基础上，面向电力生产、用户用电、企业运营等数据量大的领域，结合实际情况，找准最易实施、最易出效果、需求最迫切的环节，引导行业厂商参与，关注电力工业共性需求和特点，快速开展电力大数据实践应用，从简单分析到深入分析，到实现智能挖

46、掘，循序渐进，逐步深入。4.4.2 2.2.2 数据治理、行业共享数据治理、行业共享|中国电力大数据发展白皮书 24 建立电力数据管控体制，定义完整的电力数据管控流程和电力数据责任体系，对电力数据进行从数据获取到数据加工，到数据分发再到数据使用的数据全生命周期管理。在提升电力数据管控能力的基础上，开展数据治理和数据质量评估，有效提升电力数据的及时性、准确性和完整性。图表 12 电力工业在国民经济中的发展变化趋势 打破电力行业中企业之间、业务之间数据壁垒，推动电力企业间的数据开放共享，建设电力行业统一的元数据和主数据管理平台，建立统一电力数据模型和行业级电力数据中心，开发电力数据分析挖掘的模型库

47、和规则库，挖掘电力大数据价值，面向行业内外提供内容增值服务。4.4.2 2.3.3 人才培养、生态建设人才培养、生态建设 来源：中国电机工程学会，2013-1|中国电力大数据发展白皮书 25 结合电力大数据发展需求，行业内统筹考虑、统一规划，开展专业人才特别是电力数据科学家的培养工作。积极推动电力大数据技能认证工作，推进电力企业的分析竞争型企业文化建设，为大数据人才提供发展空间，为电力大数据发展提供坚实的人力资源保障。以中国电机工程学会信息化专委会为依托，积极引导行业厂商参与，建立电力行业大数据专家库、电力大数据青年论坛等组织，通过研讨会、论坛、技术交流等不拘一格的形式和方式，推动企业间的电力

48、大数据的合作与交流，取长补短，形成合力，同时避免重复劳动。4.4.2 2.4.4 智慧电力、智慧城市智慧电力、智慧城市 电力大数据是智慧城市的基石，紧密围绕智能电力系统的发展开展电力大数据的应用实践。以重塑电力核心价值、转变电力发展方式为主线，在宏观层面重建以人为本的核心价值，在中观层面重建以科学发展为根本的核心能力，在微观层面重建以客户需求为导向的业务流程，实现电力工业更安全、更经济、更绿色和更和谐的发展。|中国电力大数据发展白皮书 26 图表 13 电力大数据助力智慧城市 作为覆盖城市和乡村、具备同步传输能源与信息的最大人造网络，智能电力系统天然成为未来智慧城市建设的基础和核心，以电力光纤

49、到户和电力通信网为依托，进一步拓展电力大数据实践，构建家庭用电自动化和能效管理、小区的一体化信息平台、智慧城市的能效管理平台和智慧城市一体化信息服务平台，将智慧从电网带到小区再带到城市，最终实现电力发展方式和城市发展方式的共同转变。来源：中国电机工程学会，2013-1|中国电力大数据发展白皮书 27 5.结束语 随着近年来“两化融合”工作的整体推进，各电力企业的信息化建设已度过快速成长期，初具规模。信息化系统建设的数据积累已经得到企业的普遍重视，信息化价值的提升关键期也悄然而至，建设成果究竟是“厚积薄发”还是“厚积厚发”，电力大数据可谓个中关键。未来的智能电力系统不仅承载电力流，也将承载着信息

50、流和业务流，“三流合一”的智能电力系统的价值也将随之跃升，而这种跃升显然具有大数据的时代特征。当网络中传输不只是电能，更重要的还有数据，我们电力人也需要积极主动的去探索如何来科学合理的释放数据能量，以推动传统电力工业的升级，以适应未来经济社会的发展需要。电力大数据的价值已经相当庞大，但如果实现进一步延伸，将电力大数据与人们生产生活数据，与政府企业等多行业数据相结合，将产生更多更大的价值增值潜力，实现数据价值在电力系统外部的流动和发展。在这样的背景下，电力信息化专委会编制发布本白皮书。本次白皮书的编纂过程，充分听取了行业内外专家的意见。自2012 年 11 月电力行业信息化年会讨论以来，专委会秘