電力大數(shù)據(jù)增值服務(wù)在智慧地塊能效評估中的應(yīng)用

戚穎 如天一 朱琳 倪宏 劉正建

摘? 要：國家正加快推進(jìn)“數(shù)字中國”建設(shè)，為挖掘電力數(shù)據(jù)價(jià)值，并結(jié)合外部數(shù)據(jù)，開展數(shù)據(jù)應(yīng)用分析，打造數(shù)據(jù)共享服務(wù)，研究數(shù)據(jù)價(jià)值變現(xiàn)，拓展商業(yè)模式以促進(jìn)業(yè)務(wù)創(chuàng)新，建立“國土效能評價(jià)智慧網(wǎng)格系統(tǒng)”。利用電力數(shù)據(jù)分析地塊能效，為政府部門掌握城鎮(zhèn)地塊的空間經(jīng)濟(jì)活力、影響力提供科學(xué)的區(qū)域規(guī)劃決策支持，實(shí)現(xiàn)面向政府的數(shù)據(jù)運(yùn)營服務(wù)，支撐政府科學(xué)監(jiān)管、提高社會(huì)治理能力、服務(wù)智慧城市建設(shè)。

關(guān)鍵詞：電力數(shù)據(jù)? 數(shù)據(jù)增值服務(wù)? 智慧地塊? 科學(xué)監(jiān)管

中圖分類號(hào)：TP311.13? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-3791（2021）04（a）-0038-03

Application of Electric Power Big Data Value-added Services in Energy Efficiency Assessment of Smart land

QI Ying? RU Tianyi? ZHU Lin? NI Hong? LIU Zhengjian

（Aostar Information Technologies CO.， Ltd.， Chengdu， Sichuan Province， 610041? China）

Abstract： The state is accelerating the construction of "Digital China"， in order to tap the value of electricity data， and combine external data， carry out data application analysis， create data sharing services， study the realization of data value， expand business models to promote business innovation， and establish a "wisdom of national land effectiveness evaluation grid system". Use power data to analyze the energy efficiency of plots， provide scientific regional planning decision support for government departments to grasp the spatial economic vitality and influence of urban plots， realize government-oriented data operation services， support government scientific supervision， improve social governance capabilities， and serve wisdom urban construction.

Key Words： Electricity data; Data value-added services; Smart land; Scientific supervision

國土規(guī)劃利用效率評價(jià)困難，無法及時(shí)了解地區(qū)經(jīng)濟(jì)發(fā)展的現(xiàn)狀，對地區(qū)做出準(zhǔn)確規(guī)劃。而電力公司智能電表在線采集上傳的電量反映了不同類別客戶生產(chǎn)生活用電情況，數(shù)據(jù)準(zhǔn)確、實(shí)時(shí)性強(qiáng)、數(shù)據(jù)量巨大，結(jié)合成都市地塊網(wǎng)格數(shù)據(jù)，基于圖形化數(shù)據(jù)解析、大數(shù)據(jù)平臺(tái)等技術(shù)，通過關(guān)聯(lián)用電量，完成對網(wǎng)格地塊的用電數(shù)據(jù)匯集分析，可以及時(shí)識(shí)別城鎮(zhèn)商業(yè)、居民、工業(yè)低效地塊網(wǎng)格，完成對成都城鎮(zhèn)低效用地的空間畫像。四川省電力公司深入貫通“12333”發(fā)展戰(zhàn)略，充分運(yùn)用內(nèi)外部數(shù)據(jù)，開展數(shù)據(jù)應(yīng)用分析，深入挖掘電力大數(shù)據(jù)的“富礦”，釋放數(shù)據(jù)價(jià)值，打造“國土效能評價(jià)智慧網(wǎng)格系統(tǒng)”，借助電力數(shù)據(jù)孿生的強(qiáng)大感知，支撐全省城市用地能效評估和國土規(guī)劃。

1? 國土效能評價(jià)智慧網(wǎng)格系統(tǒng)建立需求

（1）實(shí)現(xiàn)規(guī)劃地塊數(shù)據(jù)解析，通過規(guī)劃院提供的地塊信息開展坐標(biāo)解析工作，并與GIS系統(tǒng)坐標(biāo)信息進(jìn)行數(shù)據(jù)關(guān)聯(lián)，獲取地塊變壓器、計(jì)量箱等設(shè)備臺(tái)賬信息。（2）實(shí)現(xiàn)規(guī)劃地塊的居民、工業(yè)、商業(yè)的用電分析，利用獲取的設(shè)備信息與營銷數(shù)據(jù)進(jìn)行數(shù)據(jù)關(guān)聯(lián)，完成地塊計(jì)量點(diǎn)、用戶、電量等電網(wǎng)數(shù)據(jù)梳理、歸集，基于業(yè)務(wù)規(guī)則、數(shù)據(jù)邏輯規(guī)則，進(jìn)行數(shù)據(jù)整合，借助全業(yè)務(wù)的大數(shù)據(jù)平臺(tái)構(gòu)建算法模型，形成業(yè)務(wù)寬表[1]。（3）建立數(shù)據(jù)應(yīng)用服務(wù)通道，定期提供數(shù)據(jù)查詢功能，基于全業(yè)務(wù)中心數(shù)據(jù)應(yīng)用管理規(guī)范，進(jìn)行數(shù)據(jù)接口設(shè)計(jì)和配置，形成API接口供需求調(diào)用，最終完成對外數(shù)據(jù)應(yīng)用數(shù)通道構(gòu)建工作，按時(shí)向規(guī)劃院提供電量數(shù)據(jù)[2]。

2? 數(shù)據(jù)挖掘分析

2.1 數(shù)據(jù)需求及質(zhì)量

（1）規(guī)劃院：地塊初始坐標(biāo)信息、地塊面積信息。（2）GIS系統(tǒng)：地塊解析后GIS坐標(biāo)信息、變壓器設(shè)備信息。（3）營銷SG186系統(tǒng)：變壓器設(shè)備信息、計(jì)量點(diǎn)信息、用戶檔案信息。（4）用電信息采集系統(tǒng)。

2.2 數(shù)據(jù)處理

（1）電網(wǎng)GIS空間信息服務(wù)平臺(tái)數(shù)據(jù)集成。全業(yè)務(wù)統(tǒng)一數(shù)據(jù)中心貼源層SG-RDB數(shù)據(jù)庫通過OGG實(shí)現(xiàn)表的數(shù)據(jù)接入工作，包括歷史數(shù)據(jù)和增量數(shù)據(jù)，數(shù)據(jù)接入頻度為T+1的方式，該部分?jǐn)?shù)據(jù)主要為規(guī)劃院建設(shè)項(xiàng)目提供數(shù)據(jù)從坐標(biāo)體系轉(zhuǎn)換成設(shè)備信息的支撐，通過地理空間數(shù)據(jù)解析程序?qū)崿F(xiàn)獲取設(shè)備ID信息。（2）營銷業(yè)務(wù)應(yīng)用系統(tǒng)數(shù)據(jù)集成。全業(yè)務(wù)統(tǒng)一數(shù)據(jù)中心貼源層SG-RDB數(shù)據(jù)庫通過OGG實(shí)現(xiàn)表的數(shù)據(jù)接入工作，包括歷史數(shù)據(jù)和增量數(shù)據(jù)，數(shù)據(jù)接入頻度為T+1的方式，該部分?jǐn)?shù)據(jù)主要為規(guī)劃院建設(shè)項(xiàng)目提供地塊范圍內(nèi)用戶檔案信息、電量信息。（3）用采信息采集系統(tǒng)數(shù)據(jù)集成。全業(yè)務(wù)統(tǒng)一數(shù)據(jù)中心通過海量平臺(tái)采用kafka數(shù)據(jù)抽取技術(shù)將表的數(shù)據(jù)接入工作，包括歷史數(shù)據(jù)和增量數(shù)據(jù)，該部分?jǐn)?shù)據(jù)主要為規(guī)劃院建設(shè)項(xiàng)目提供地塊范圍內(nèi)用戶日電量信息。

2.3 模型構(gòu)建

2.3.1 算法選擇

（1）識(shí)別能效低的城鎮(zhèn)地塊：能效指數(shù)=（5年用電量平均增長率）×50%+（某地塊單位面積平均用電量占比單位面積平均用電量）×50%。（2）識(shí)別能效低工業(yè)企業(yè)：5年用電量平均增長率低于15%。（3）識(shí)別住宅空置率：居民用電量連續(xù)3月為0，視為空置，此類用戶占小區(qū)比例超過20%即為危險(xiǎn)[3]。

在該次設(shè)計(jì)中采用歸一算法中的離差標(biāo)準(zhǔn)化（Min-max normalization）[4]，研究人員的目的是通過對數(shù)據(jù)的每一個(gè)維度的值進(jìn)行重新調(diào)節(jié)（這些維度可能是相互獨(dú)立的），使得最終的數(shù)據(jù)向量落在[0，1]或[-1，1]的區(qū)間內(nèi)（根據(jù)數(shù)據(jù)情況而定）。這對后續(xù)的處理十分重要，因?yàn)楹芏嗄J(rèn)參數(shù)（如PCA-白化中的epsilon）都假定數(shù)據(jù)已被縮放到合理區(qū)間。例如，在處理自然圖像時(shí)，我們獲得的像素值在[0，255]區(qū)間中，常用的處理是將這些像素值除以255，將特征向量映射到[0，1]之間，收斂后進(jìn)行加權(quán)平均得到地塊能效系。這種算法是對原始數(shù)據(jù)的線性變換，使結(jié)果落到[0，1]區(qū)間，轉(zhuǎn)換函數(shù)如下：

（1）

式（1）中，max為樣本數(shù)據(jù)的最大值;min為樣本數(shù)據(jù)的最小值。

這種歸一化方法比較適用在數(shù)值比較集中的情況。但是，如果max和min不穩(wěn)定，很容易使得歸一化結(jié)果不穩(wěn)定，使得后續(xù)使用效果也不穩(wěn)定，實(shí)際使用中可以用經(jīng)驗(yàn)常量值來替代max和min。而且當(dāng)有新數(shù)據(jù)加入時(shí)，可能導(dǎo)致max和min的變化，需要重新定義。在不涉及距離度量、協(xié)方差計(jì)算、數(shù)據(jù)不符合正太分布的時(shí)候，可以使用第一種方法或其他歸一化方法。比如圖像處理中，將RGB圖像轉(zhuǎn)換為灰度圖像后將其值限定在[0，255]的范圍[5]。

經(jīng)過歸一化處理后采用綜合加權(quán)平均算法，地塊能效系數(shù)模型可判斷指定地塊的能效高低，地塊能效系范圍為0-1，該系數(shù)越接近于0表示地塊能效越低。地塊能效系數(shù)是基于多個(gè)影響因子（電量同比降低率、5年電量平均增長率、單位面積用電量比值），使用綜合加權(quán)平均法得到，具體公式如下：

（2）

式（2）中，0≤w≤1且w越趨于0表示越低效。

2.3.2 樣本選擇

選擇成都市新都區(qū)XX個(gè)地塊開展數(shù)據(jù)樣本驗(yàn)證工作，共涉及電力坐標(biāo)數(shù)據(jù)XX項(xiàng)、設(shè)備信息數(shù)據(jù)XX項(xiàng)、用戶檔案數(shù)據(jù)XX項(xiàng)、電量明細(xì)數(shù)據(jù)XX項(xiàng)、電量匯總數(shù)據(jù)XX項(xiàng)，以此作為智慧地塊能效評估基礎(chǔ)樣本數(shù)據(jù)開展樣本驗(yàn)證。

2.3.3 參數(shù)設(shè)置

根據(jù)算法模型定義，參數(shù)包括α、β和γ，α代表XX權(quán)重，β代表XX權(quán)重、γ代表權(quán)重，基于樣本驗(yàn)證結(jié)果結(jié)合地塊實(shí)際現(xiàn)狀，綜合設(shè)置α為XX、β為XX、γ為XX時(shí)較為合理，更能合理評估地塊能效系數(shù)。

2.3.4 模型驗(yàn)證調(diào)優(yōu)

根據(jù)業(yè)務(wù)應(yīng)用和模型需求，接入業(yè)務(wù)樣本數(shù)據(jù)，進(jìn)行數(shù)據(jù)預(yù)處理，形成訓(xùn)練數(shù)據(jù)集以開展模型訓(xùn)練。通過模型訓(xùn)練，歸納整理模型訓(xùn)練結(jié)果完成業(yè)務(wù)驗(yàn)證，揭示訓(xùn)練階段中數(shù)據(jù)的相關(guān)性，找出數(shù)據(jù)中潛在的規(guī)律進(jìn)一步解釋模型，找出有價(jià)值的特性并采用誤差分析等多種方法評估模型的質(zhì)量，根據(jù)評估結(jié)果調(diào)整模型參數(shù)，優(yōu)化完善分析模型，實(shí)現(xiàn)分析模型迭代[6]。

3? 模型應(yīng)用

3.1 整體分析

（1）地塊數(shù)量分析。計(jì)算地塊的能效系數(shù)，將地塊能效系數(shù)小于30的稱為低效地塊;地塊能效系數(shù)大于等于30，小于60的稱為低效地塊;地塊能效系數(shù)大于60的稱為高效地塊。分析低效、中效以及高效的地塊數(shù)量，展示地塊能效情況。（2）地塊能效系數(shù)趨勢。每隔5天取一個(gè)地塊能效系數(shù)值，展示近1年地塊能效系數(shù)變化趨勢，總體分析地塊能效系數(shù)動(dòng)態(tài)。（3）總用電量及增長率。展示近3年地塊總用電量及其增長率，掌握分析地塊的用電量變化趨勢?？傆脩魯?shù)及增長率：展示近3年地塊總用戶數(shù)及其增長率，掌握分析地塊的用戶數(shù)變化趨勢。（4）總工業(yè)商業(yè)居民用電量對比。展示工業(yè)、商業(yè)、居民近3年的用電量，對比分析工業(yè)、商業(yè)和居民的用電量變化。（5）總業(yè)商業(yè)居民用戶數(shù)對比。展示工業(yè)、商業(yè)、居民近3年的用電量，對比分析工業(yè)、商業(yè)和居民的用電量變化。

3.2 工業(yè)分析

（1）工業(yè)地塊指標(biāo)。展示當(dāng)前工業(yè)地塊能效系數(shù)、工業(yè)用戶電價(jià)和工業(yè)用戶貢獻(xiàn)率。地塊能效系數(shù)趨勢：每隔5天取一個(gè)地塊能效系數(shù)值，展示近1年地塊能效系數(shù)變化趨勢，總體分析工業(yè)地塊能效系數(shù)動(dòng)態(tài)。（2）工業(yè)用戶行業(yè)構(gòu)成。展示業(yè)用戶涉及的行業(yè)類型及各行業(yè)近3年的用電量，對比分析各行業(yè)用電量，洞察行業(yè)用電。（3）工業(yè)用戶數(shù)及增長率。展示工業(yè)用戶近3年的用戶數(shù)，對比分析工業(yè)用電量變化。（4）工業(yè)用電量及增長率。展示工業(yè)用戶近3年的用電量，對比分析工業(yè)用電量變化。

3.3 商業(yè)分析

（1）商業(yè)地塊指標(biāo)。展示當(dāng)前商業(yè)地塊能效系數(shù)、商業(yè)用戶電價(jià)和商業(yè)用戶貢獻(xiàn)率。（2）地塊能效系數(shù)趨勢。每隔5天取一個(gè)地塊能效系數(shù)值，展示近1年地塊能效系數(shù)變化趨勢，總體分析商業(yè)地塊能效系數(shù)動(dòng)態(tài)。（3）商業(yè)用戶行業(yè)構(gòu)成。展示商業(yè)用戶涉及的行業(yè)類型及各行業(yè)近3年的用電量，對比分析各行業(yè)用電量，洞察行業(yè)用電。（4）商業(yè)用戶數(shù)及增長率。展示商業(yè)用戶近3年的用戶數(shù)，對比分析工業(yè)用電量變化。（5）商業(yè)用電量及增長率。展示商業(yè)用戶近3年的用電量，對比分析工業(yè)用電量變化。

3.4 居民分析

（1）居民地塊指標(biāo)。展示當(dāng)前居民地塊能效系數(shù)、居民用戶電價(jià)和居民用戶貢獻(xiàn)率。（2）地塊能效系數(shù)趨勢。每隔5天取一個(gè)地塊能效系數(shù)值，展示近1年地塊能效系數(shù)變化趨勢，總體分析居民地塊能效系數(shù)動(dòng)態(tài)。（3）居民用戶生活用電分析。展示居民醫(yī)、教、文、體、衛(wèi)及養(yǎng)老機(jī)構(gòu)的近3年用電量，對比分析醫(yī)、教、文、體、衛(wèi)及養(yǎng)老機(jī)構(gòu)用電量差異以及近3年用電量變化趨勢。（4）居民用戶數(shù)及增長率。展示商業(yè)用戶近3年的用戶數(shù)，對比分析工業(yè)用電量變化。（5）居民用電量及增長率。展示商業(yè)用戶近3年的用電量，對比分析工業(yè)用電量變化。（6）居民住宅空置率。展示近3年居民住宅的空置率，分析居民住宅空置率變化趨勢。

4? 結(jié)語

“國土效能評價(jià)智慧網(wǎng)格系統(tǒng)”創(chuàng)新開展電力與規(guī)劃院數(shù)據(jù)融合與疊加，實(shí)現(xiàn)跨專業(yè)、跨行業(yè)數(shù)據(jù)的高效在線計(jì)算、智能分析和深度挖掘，利用圖形化解析與大數(shù)據(jù)分析工具，運(yùn)用相關(guān)性分析大數(shù)據(jù)算法構(gòu)建電力大數(shù)據(jù)應(yīng)用分析模型，輸出數(shù)據(jù)分析成果，優(yōu)化展示方式，最終形成數(shù)據(jù)增值變現(xiàn)服務(wù)。系統(tǒng)地建立實(shí)現(xiàn)資源結(jié)合，與資源的合理使用，充分發(fā)揮企業(yè)資源的效益，開拓新的合作業(yè)務(wù)和市場，實(shí)現(xiàn)數(shù)據(jù)增值，推動(dòng)電力數(shù)據(jù)價(jià)值變現(xiàn)，優(yōu)化企業(yè)發(fā)展曲線。且基于公司全業(yè)務(wù)統(tǒng)一數(shù)據(jù)中心，充分利用規(guī)劃院地塊信息數(shù)據(jù)和公司海量電力數(shù)據(jù)開展電力服務(wù)應(yīng)用分析，面向政府、社會(huì)、合作伙伴的數(shù)據(jù)分析服務(wù)，利用電力數(shù)據(jù)分析地塊能效，為政府部門掌握城鎮(zhèn)地塊的空間經(jīng)濟(jì)活力、影響力提供科學(xué)的區(qū)域規(guī)劃決策支持，實(shí)現(xiàn)面向政府的數(shù)據(jù)運(yùn)營服務(wù)，支撐政府科學(xué)監(jiān)管、提高社會(huì)治理能力、服務(wù)智慧城市建設(shè)。

參考文獻(xiàn)

[1] 唐夢琪.智慧城市規(guī)劃中大數(shù)據(jù)技術(shù)的應(yīng)用分析[J].江西建材，2020（9）：240-241.

[2] 李志勇，郭一通.大數(shù)據(jù)背景下電力行業(yè)數(shù)據(jù)應(yīng)用研究[J].自動(dòng)化技術(shù)與應(yīng)用，2018，37（9）：160-162.

[3] 楊橋橋，田權(quán)，周小娜.基于電力大數(shù)據(jù)的住宅空置情況分析[J].信息系統(tǒng)工程，2018（9）：20.

[4] 程俊文，李慧娟，曹志強(qiáng).基于K-means算法和用電信息采集系統(tǒng)的防竊電研究[J].供用電，2019，36（1）：75-80.

[5] 季知祥，鄧春宇.面向電力大數(shù)據(jù)應(yīng)用的專業(yè)化分析技術(shù)研究[J].供用電，2017，34（6）：32-37.

[6] 陳艷，宋英華.新型配電物聯(lián)網(wǎng)后臺(tái)系統(tǒng)架構(gòu)設(shè)計(jì)與關(guān)鍵技術(shù)研究[J].供用電，2020，37（2）：41-46，53.