基于大數(shù)據(jù)分析技術(shù)的電力運(yùn)營(yíng)數(shù)據(jù)管理

皮霄林

為進(jìn)一步提升電力部門的服務(wù)水平，加快電力部門的信息化建設(shè)，是當(dāng)前電力部門建設(shè)的重點(diǎn)。本文首先對(duì)大數(shù)據(jù)分析進(jìn)行簡(jiǎn)單的概述，并就大數(shù)據(jù)分析的基礎(chǔ)技術(shù)進(jìn)行介紹，最后以電力運(yùn)營(yíng)中常見(jiàn)的電力負(fù)荷預(yù)測(cè)為例，提出一種電力負(fù)荷預(yù)測(cè)方法，以此通過(guò)上述的論述，為當(dāng)前電力部門的有效運(yùn)營(yíng)提供參考。

【關(guān)鍵詞】大數(shù)據(jù)分析 電力運(yùn)行 數(shù)據(jù)分析 負(fù)荷預(yù)測(cè) 關(guān)聯(lián)技術(shù)

隨著智能電網(wǎng)的發(fā)展，以及電網(wǎng)設(shè)施的改造，基于計(jì)算機(jī)技術(shù)的各類信息管理系統(tǒng)的應(yīng)用，使得電力企業(yè)積累了海量的數(shù)據(jù)。對(duì)此，在這些海量數(shù)據(jù)面前，如何加強(qiáng)對(duì)這些數(shù)據(jù)的分析，從而通過(guò)分析結(jié)果為電力部門服務(wù)，是當(dāng)前思考的重點(diǎn)。當(dāng)前我國(guó)電力企業(yè)在運(yùn)營(yíng)數(shù)據(jù)方面大致可以分為三類：一類是電網(wǎng)運(yùn)行和設(shè)備監(jiān)測(cè)數(shù)據(jù)，即電力企業(yè)生產(chǎn)數(shù)據(jù)；一類是電力企業(yè)營(yíng)銷數(shù)據(jù)，如交易電價(jià)、售電量、用電客戶等方面的數(shù)據(jù)；最后則是電力企業(yè)管理數(shù)據(jù)，如ERP、一體化平臺(tái)、協(xié)同辦公等方面的數(shù)據(jù)。這些數(shù)據(jù)中都包含著電力部門日常運(yùn)營(yíng)的情況，如果能夠及時(shí)對(duì)這些數(shù)據(jù)進(jìn)行挖掘，將給當(dāng)前的電力部門的服務(wù)帶來(lái)較大的提升，并有利于電力企業(yè)的運(yùn)營(yíng)管理。而大數(shù)據(jù)分析作為專門針對(duì)海量數(shù)據(jù)的一種技術(shù)，其在電力數(shù)據(jù)分析中的應(yīng)用，勢(shì)必給電網(wǎng)建設(shè)和云西紅帶來(lái)有益的參考。對(duì)此，本文從大數(shù)據(jù)分析的基本概念入手，結(jié)合其主要的分析工具，就其在數(shù)據(jù)運(yùn)營(yíng)管理中的應(yīng)用進(jìn)行了詳細(xì)的闡述和分析。

1 大數(shù)據(jù)分析

當(dāng)前，針對(duì)大數(shù)據(jù)概念的定義中，在行業(yè)內(nèi)部還沒(méi)有明確的分析和定位。但是很多人認(rèn)為所謂的大數(shù)據(jù)是針對(duì)傳統(tǒng)數(shù)據(jù)而言的，是采用傳統(tǒng)的分析工具不能對(duì)數(shù)據(jù)進(jìn)行分析和處理的。而從廣義的角度來(lái)講，大數(shù)據(jù)則被認(rèn)為是一種可以對(duì)大量數(shù)據(jù)進(jìn)行分析的一種技術(shù)體系。目前，針對(duì)大數(shù)據(jù)的應(yīng)用中，涉及到多個(gè)不同的領(lǐng)域，如金融、醫(yī)療、能源等領(lǐng)域。在這些領(lǐng)域中，通過(guò)對(duì)數(shù)據(jù)的融合、挖掘和分析，進(jìn)而在海量的數(shù)據(jù)分析中找到具有價(jià)值的信息，以此為企業(yè)的運(yùn)營(yíng)和發(fā)展提供輔助決策依據(jù)。而大數(shù)據(jù)分析在電力部門的應(yīng)用中，由于其涉及到電力的多個(gè)環(huán)節(jié)，如發(fā)電、輸電等，但是總結(jié)歸納起來(lái)，針對(duì)電力大數(shù)據(jù)的應(yīng)用主要集中在以下三個(gè)方面：

（1）為電網(wǎng)企業(yè)本身的運(yùn)營(yíng)管理提供決策支撐， 該模式通過(guò)對(duì)各類電力大數(shù)據(jù)進(jìn)行融合、分析，挖掘出用戶的電力消費(fèi)特征，提高電力需求預(yù)測(cè)準(zhǔn)確性，從而提升企業(yè)的運(yùn)營(yíng)效益，此外，該模式通過(guò)利用電力大數(shù)據(jù)為電網(wǎng)企業(yè)經(jīng)營(yíng)決策提供更具廣度和深度的數(shù)據(jù)支撐，增強(qiáng)企業(yè)對(duì)發(fā)展趨勢(shì)的前瞻性；

（2）以電力為中心的能源數(shù)據(jù)綜合服務(wù)平臺(tái)，平臺(tái)的提供方為具有資金、數(shù)據(jù)優(yōu)勢(shì)的電網(wǎng)企業(yè)，通過(guò)綜合分析電力供給、消費(fèi)和相關(guān)技術(shù)數(shù)據(jù)，通過(guò)為參與平臺(tái)的不同類型用戶提供大數(shù)據(jù)分析和信息服務(wù)，給出能源管理方案實(shí)現(xiàn)節(jié)能降低電力消費(fèi)成本等目的；

（3）為智能型節(jié)能新產(chǎn)品的研發(fā)提供支撐， 該模式主要通過(guò)綜合分析能源供應(yīng)、消費(fèi)等數(shù)據(jù)，將電力大數(shù)據(jù)與信息、制造技術(shù)相結(jié)合，研發(fā)制造新型節(jié)能環(huán)保產(chǎn)品，為消費(fèi)者提供低費(fèi)率、高能效的能源消費(fèi)和用電方案。

因此，總結(jié)和歸納當(dāng)前大數(shù)據(jù)技術(shù)在電力中的應(yīng)用，對(duì)理順電力部門大數(shù)據(jù)應(yīng)用具有非常重要的作用。

同時(shí)在電力大數(shù)據(jù)中，其具體的應(yīng)用框架可以用圖1來(lái)表示。

2 大數(shù)據(jù)分析主要技術(shù)

當(dāng)前，隨著大數(shù)據(jù)技術(shù)在電力數(shù)據(jù)分析中的應(yīng)用中，大致可以分為以下幾種技術(shù)：

2.1 統(tǒng)計(jì)分析

統(tǒng)計(jì)分析是電力數(shù)據(jù)分析的一個(gè)常見(jiàn)的技術(shù)，也是最為基礎(chǔ)的技術(shù)。通過(guò)對(duì)數(shù)據(jù)的基礎(chǔ)搜集、整理和分析，可以直觀的得到數(shù)據(jù)的內(nèi)在規(guī)律，并通過(guò)計(jì)算得出可以反映整體數(shù)量特征的統(tǒng)計(jì)信息，以此更好的為電力企業(yè)的運(yùn)營(yíng)提供服務(wù)。

2.2 關(guān)聯(lián)分析

數(shù)據(jù)挖掘最早為人所知實(shí)際上就是對(duì)某超市的銷售數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，因此關(guān)聯(lián)分析在數(shù)據(jù)挖掘領(lǐng)域中具有不可替代的地位。常用的關(guān)聯(lián)分析算法有A-priori關(guān)聯(lián)算法、基于劃分的算法以及FP-growth算法等。近年來(lái)又提出了一些改進(jìn)算法，包括并行關(guān)聯(lián)規(guī)則挖掘、模糊關(guān)聯(lián)規(guī)則挖掘、基于變化時(shí)空的關(guān)聯(lián)規(guī)則挖掘、多層或多維的關(guān)聯(lián)規(guī)則挖掘、基于聚類的關(guān)聯(lián)規(guī)則挖掘等算法。

2.3 聚類分析

聚類是近年來(lái)機(jī)器學(xué)習(xí)研究的熱點(diǎn)之一，研究者已給出了多種類型的聚類算法，如基于譜分析的劃分方法、層次聚類方法、基于密度的聚類方法、基于原型的聚類方法等。適用于不同聚類需求，聚類問(wèn)題也發(fā)展出了多種新模型，如異質(zhì)聚類、子空間聚類、聚類集成、多路聚類、演化聚類等。面向不同類型的數(shù)據(jù)形式，聚類分析也有不同的特點(diǎn)，如時(shí)序數(shù)據(jù)聚類、流體數(shù)據(jù)聚類、圖像分割等。

2.4 分類分析分類算法是解決分類問(wèn)題的方法

分類算法通過(guò)對(duì)已知類別訓(xùn)練集的分析，從中發(fā)現(xiàn)分類規(guī)則，以此預(yù)測(cè)新數(shù)據(jù)的類別。分類算法包括單一分類算法和集成學(xué)習(xí)算法，單一的分類方法包括決策樹(shù)、貝葉斯分類、神經(jīng)網(wǎng)絡(luò)、K-近鄰、支持向量機(jī)等；集成學(xué)習(xí)算法包括Bagging、Boosting等。其中決策樹(shù)是一種常用的分類算法，決策樹(shù)學(xué)習(xí)是一種以實(shí)例為基礎(chǔ)的歸納學(xué)習(xí)算法，它從一組無(wú)次序、無(wú)規(guī)則的實(shí)例中推理出以決策樹(shù)表示的分類規(guī)則。貝葉斯分類算法是一類利用概率統(tǒng)計(jì)知識(shí)進(jìn)行分類的算法，如樸素貝葉斯算法。神經(jīng)網(wǎng)絡(luò)是一種應(yīng)用類似于大腦神經(jīng)突觸聯(lián)接的結(jié)構(gòu)進(jìn)行信息處理的數(shù)學(xué)模型。

2.5 多核學(xué)習(xí)

近年來(lái)，核學(xué)習(xí)方法在數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)領(lǐng)域得到了廣泛的應(yīng)用，也涌現(xiàn)了多種基于核學(xué)習(xí)方法思想的不同算法，如支持向量機(jī)和KPCA等。核學(xué)習(xí)方法的主要思想是將低維空間中的數(shù)據(jù)映射到高維空間，從而在高維空間中進(jìn)行處理和分析。

3 大數(shù)據(jù)技術(shù)在運(yùn)營(yíng)管理中的具體應(yīng)用

為更加直觀的表達(dá)大數(shù)據(jù)技術(shù)在電力部門日常運(yùn)營(yíng)管理中的應(yīng)用，本文以電力市場(chǎng)負(fù)荷需求預(yù)測(cè)為例，就上述大數(shù)據(jù)技術(shù)在電力部門的具體應(yīng)用進(jìn)行研究。而在電力部門服務(wù)的日常運(yùn)營(yíng)中，加強(qiáng)對(duì)電力需求的預(yù)測(cè)，從而為后續(xù)的電力調(diào)度和電網(wǎng)建設(shè)提供參考，是當(dāng)前電力部門提升自身服務(wù)水平的一個(gè)顯著標(biāo)志。本文首先提出電力負(fù)荷預(yù)測(cè)的框架，然后以廣東某電力部門的運(yùn)營(yíng)數(shù)據(jù)作為基礎(chǔ)，對(duì)其數(shù)據(jù)進(jìn)行挖掘分析。

3.1 負(fù)荷預(yù)測(cè)框架搭建

對(duì)電力負(fù)荷的預(yù)測(cè)來(lái)講，首先需要構(gòu)建一個(gè)功能強(qiáng)大的數(shù)據(jù)分析和處理平臺(tái)，這是實(shí)現(xiàn)負(fù)荷預(yù)測(cè)的基礎(chǔ)，也是關(guān)鍵。而通過(guò)上述的分析看出，海量數(shù)據(jù)的分析，電力負(fù)荷的分布較廣，并呈現(xiàn)出典型的地域性的特點(diǎn)。同時(shí)，受到多種因素的影響且作用方式不盡相同，負(fù)荷類型豐富、發(fā)展規(guī)律多元。因此，在對(duì)電力數(shù)據(jù)進(jìn)行挖掘前，需要對(duì)不同的電力負(fù)荷數(shù)據(jù)進(jìn)行分區(qū)，分別挖掘各分區(qū)內(nèi)客戶用電規(guī)律，然后利用適合大數(shù)據(jù)處理的聚類方法，區(qū)分不同的客戶負(fù)荷類型，將變化規(guī)律相似的負(fù)荷劃歸一類，針對(duì)類負(fù)荷結(jié)合分區(qū)內(nèi)經(jīng)濟(jì)、城市規(guī)劃等數(shù)據(jù)進(jìn)行影響因子關(guān)聯(lián)性分析；最后在區(qū)域用電結(jié)構(gòu)分析的基礎(chǔ)上實(shí)現(xiàn)各分類負(fù)荷預(yù)測(cè)模型的有效綜合，其中區(qū)域用電結(jié)構(gòu)分析與預(yù)測(cè)分區(qū)對(duì)應(yīng)，與大區(qū)域的經(jīng)濟(jì)結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)等密切關(guān)聯(lián)。具體負(fù)荷預(yù)測(cè)框架如圖2所示。

3.2 負(fù)荷數(shù)據(jù)聚類

為方便對(duì)數(shù)據(jù)進(jìn)行聚類，在本文中引入K均值聚類算法。該算法的原理是對(duì)給定數(shù)據(jù)集合分類，將數(shù)據(jù)分為K類。然后通過(guò)隸屬度來(lái)表示不同數(shù)據(jù)的相似程度，并使得目標(biāo)函數(shù)達(dá)到最小。

3.4 模型的具體應(yīng)用

結(jié)合上述的模型，以廣東某電力公司2012年～2015的營(yíng)銷數(shù)據(jù)為例，并將該模型與傳統(tǒng)的灰色模型法進(jìn)行比較，從而得到如表1的比較結(jié)果。

4 結(jié)束語(yǔ)

綜上，大數(shù)據(jù)作為當(dāng)前電力信息化的一種重要途徑，可以幫助電力企業(yè)找到最佳的方法，進(jìn)而極大的提高整體的工作效率。而通過(guò)本文給出的示例，可以讓電力企業(yè)營(yíng)銷和建設(shè)部門結(jié)合預(yù)測(cè)的結(jié)果進(jìn)行有針對(duì)性的調(diào)度和電網(wǎng)擴(kuò)建，進(jìn)而保障地區(qū)的電力銷售。

參考文獻(xiàn)

[1]黃慶鍵，歐周，林佳亮.關(guān)于空間電力負(fù)荷預(yù)測(cè)方法綜述與展望[J].自動(dòng)化應(yīng)用，2017（02）：79-81.

[2]陳利芳.面向大數(shù)據(jù)的電力預(yù)測(cè)系統(tǒng)應(yīng)用研究[J].廣東科技，2017，26（02）：89-90+76.

[3]魯宗相，黃瀚，單葆國(guó)，王耀華，杜松懷，黎靜華.高比例可再生能源電力系統(tǒng)結(jié)構(gòu)形態(tài)演化及電力預(yù)測(cè)展望[J].電力系統(tǒng)自動(dòng)化，2017，41（09）：12-18.

[4]李冰潔，陳哲，牛東曉.短期負(fù)荷預(yù)測(cè)中氣象因素的大數(shù)據(jù)分析[J].科技和產(chǎn)業(yè)，2015，15（01）：94-97.

作者單位

廣東電網(wǎng)有限責(zé)任公司珠海供電局 廣東省珠海市 519000