沈佳++王天軍++尹蕊++馬宗達

摘 要

隨著信息通信技術的不斷進步，數(shù)據(jù)已經(jīng)成為關乎企業(yè)發(fā)展的重要戰(zhàn)略資源，大數(shù)據(jù)的分析應用得到了各行各業(yè)的強烈關注。本文首先介紹了大數(shù)據(jù)分析技術在電力行業(yè)的落地-企業(yè)級大數(shù)據(jù)平臺的功能及組件實現(xiàn)，隨后描述了電網(wǎng)業(yè)務在企業(yè)級大數(shù)據(jù)平臺中的兩項典型應用，最后對大數(shù)據(jù)分析技術在電力行業(yè)的應用前景做了展望。

【關鍵詞】大數(shù)據(jù) 電力 技術

隨著信息通信技術的不斷進步，數(shù)據(jù)已經(jīng)成為關乎企業(yè)發(fā)展的重要戰(zhàn)略資源。大數(shù)據(jù)的概念從產(chǎn)生之日起就獲得了各行各業(yè)的強烈關注，有關大數(shù)據(jù)的應用也不斷的深入各個領域，觸動了行業(yè)的大量變革。電力行業(yè)自“三集五大”管理體系建立以來，信息系統(tǒng)的應用已經(jīng)貫穿了企業(yè)生產(chǎn)經(jīng)營管理的各個環(huán)節(jié)，過程中累積了海量的數(shù)據(jù)資源，其中包括了結構化、非結構化、海量歷史/準實時和地理信息數(shù)據(jù)，提升數(shù)據(jù)的應用水平，挖掘數(shù)據(jù)的商業(yè)價值成為了亟待考慮的問題。

1 大數(shù)據(jù)分析技術路線

為了提升電網(wǎng)數(shù)據(jù)資源的整合、處理及價值挖掘水平，在充分借鑒互聯(lián)網(wǎng)思維的基礎上，構建“服務型平臺、輕量級應用、全景化分析”的應用管理模應運而生。構建統(tǒng)一的企業(yè)級大數(shù)據(jù)平臺，使用有別于傳統(tǒng)的采集、存儲和處理技術，實現(xiàn)了橫跨多個業(yè)務類型、快速靈活、可定制的數(shù)據(jù)關聯(lián)分析，同時也滿足滿企業(yè)管理提升和業(yè)務創(chuàng)新的需求。

企業(yè)級大數(shù)據(jù)平臺在總體上分為數(shù)據(jù)整合、數(shù)據(jù)存儲、數(shù)據(jù)計算、數(shù)據(jù)分析、數(shù)據(jù)服務五個主要模塊及安全、管理配置、數(shù)據(jù)管理等配套管理模塊。功能架構如圖1所示。

1.1 數(shù)據(jù)整合

數(shù)據(jù)整合采用Kafka、Sqoop、增量捕獲工具等多種技術手段，滿足了關系型數(shù)據(jù)庫和非關系型數(shù)據(jù)庫等異構數(shù)據(jù)源的接入需求，提供數(shù)據(jù)的實時推送、抽取等采集功能，能夠支撐數(shù)據(jù)按照不同的采集頻率進行接入。

1.2 數(shù)據(jù)存儲

基于X86集群架構，采用分布式技術構建成本較低、可支持靈活擴展的存儲系統(tǒng)，支撐公司四類數(shù)據(jù)（結構化、非結構化、海量歷史準實時、地理信息數(shù)據(jù)）的存儲需求。同時，支持高效的數(shù)據(jù)即席查詢、非結構化數(shù)據(jù)處理、內(nèi)存讀寫操作等功能。

1.3 數(shù)據(jù)計算

提供批量計算、內(nèi)存計算、流計算、查詢計算等功能滿足不同時效性的計算需求。批量計算能夠支持大批量數(shù)據(jù)的離線分析，如歷史數(shù)據(jù)報表分析。內(nèi)存計算支持交互性分析，如全省用電數(shù)據(jù)在線統(tǒng)計。流計算支持實時處理，如電表數(shù)據(jù)實時處理、預警。查詢計算基于分布式文件存儲，提供類似sql的查詢分析技術，將查詢語句轉譯為并行的分布式計算任務。

1.4 數(shù)據(jù)分析

能夠提供橫跨多個業(yè)務的分析模型和數(shù)據(jù)挖掘算法，構建模型庫和算法庫，開展數(shù)據(jù)模擬分析和計算預測，滿足各類應用的分析挖掘需求，為分析決策類應用提供支撐。

1.5 平臺服務

平臺服務層是統(tǒng)一的企業(yè)及大數(shù)據(jù)平臺服務中心，其中封裝了各類服務如存儲服務、分析服務、計算服務及展現(xiàn)服務等，統(tǒng)一對外提供服務支持。

1.6 其他

從配置管理、安全和數(shù)據(jù)管理方面，提供了大數(shù)據(jù)平臺的配套管理功能，實現(xiàn)各個組件集中化的監(jiān)控、配置，數(shù)據(jù)接入的身份權限控制和安全審計功能。

2 大數(shù)據(jù)分析典型場景應用

通過企業(yè)級大數(shù)據(jù)平臺進行數(shù)據(jù)整合挖掘分析，實現(xiàn)了對電網(wǎng)生產(chǎn)運行及經(jīng)營管理等方面的進一步優(yōu)化，初期實現(xiàn)了10個方面的典型應用。以防竊電預警分析場景和基于氣溫變化對客戶用電影響分析場景為例。

2.1 防竊電預警分析場景

該場景是基于用電信息采集系統(tǒng)的海量數(shù)據(jù)，建立防竊電分析模型，結合電網(wǎng)GIS信息，采用大數(shù)據(jù)挖掘和數(shù)據(jù)關聯(lián)技術實現(xiàn)對現(xiàn)場計量異常情況、竊電行為的在線監(jiān)測，靈活開展防竊電業(yè)務，及時發(fā)現(xiàn)異常行為，挽回電網(wǎng)經(jīng)濟損失。

在實際應用中運用關聯(lián)度累加算法，建立防竊電異常分析模型，實現(xiàn)對現(xiàn)場計量異常情況、竊電行為的在線監(jiān)測，分析用戶竊電嫌疑程度。某省公司基于該場景開展防竊電工作，竊電用戶稽核命中率提升30%，工作效率提升4倍。

2.2 基于氣溫變化對客戶用電影響分析場景

該場景是基于營銷用戶檔案數(shù)據(jù)、用電信息采集電量、負荷數(shù)據(jù)，構建用戶用電行為特征模型庫，結合溫度變化等數(shù)據(jù)，對用戶用電行為特征影響進行分析。在傳統(tǒng)短期負荷預測方法中增加氣溫等影響因素的輔助輸入變量，對于提高短期日負荷預測精度、增加電力系統(tǒng)調(diào)度效率以及緩解區(qū)域供電不足等方面具有重要意義。

在實際應用中運用隨機森林結合時間序列、聚類模型（K-means）構建負荷預測模型、客戶用電特征細分模型，建設用電行為特征分析、用電影響因素分析場景，對每類客戶群從客戶價值、信用風險等方面綜合評估，實現(xiàn)用戶類型細分，并對不同溫度對用電的影響進行總體分析。某省公司將大客戶歸類為風險、優(yōu)質、普通、發(fā)展等4類用戶，其中風險客戶識別率提升30%。

3 結語

企業(yè)級大數(shù)據(jù)平臺的構建及應用，使大數(shù)據(jù)的價值得到了一定程度的發(fā)揮，也給企業(yè)信息管理模式帶來了巨大的變革，提高了公司數(shù)據(jù)分析應用水平。未來，大數(shù)據(jù)技術將繼續(xù)服務于電網(wǎng)生產(chǎn)、經(jīng)營管理和優(yōu)質服務等領域，構建提升優(yōu)化、預測預警、企業(yè)決策等類型的大數(shù)據(jù)應用場景，進一步提高企業(yè)服務能力，促進管理提升和業(yè)務創(chuàng)新。

作者單位

國網(wǎng)新疆電力公司信息通信公司 新疆維吾爾自治區(qū)烏魯木齊市 830000