大数据助力发电企业打造生态电站

数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素。对于电力行业而言，电力生产涉及的运行工况、参数、设备运行状态等实时生产数据，现场总线系统所采集的设备监测数据，以及发电量、电压稳定性等方面的数据，电力企业运营和管理数据，如交易电价、售电量、用电客户信息、ERP综合数据等，共同构成了“电力大数据”。由于电力大数据综合了电力企业的产、运、销及运营和管理数据，因此已成为电力企业深化应用、提升应用层次、强化集团企业管控的有力技术手段。通过超越系统的数据模型建立实现数据标准化，指引从各专业系统中抽取并建立主题大数据，从而实现智能预警、状态检修、实时利润分析等深层次的大数据利用。

图1大数据应用范围

电力企业作为资产密集型和技术密集型行业的典型，信息技术已覆盖基建、生产、经营、办公、管理各个领域，不仅历史数据量巨大，而且实时采集及产生的数据量正迅速增长。目前面临的问题不仅仅是如何采集、存储和检索数据，关键是如何分析和利用此类数据并提供有价值的信息，进而全面管控企业业务，为企业管理和战略决策提供数据支撑。因此，对电力大数据的产生、应用方式、关键技术进行系统性分析，为电力企业提供应对大数据分析和处理的解决方案，显得尤为必要。

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）、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）。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。

1）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，驱动电力企业从“以电力生产为中心”向“以客户为中心”转变。

2）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。

3）电力大数据的深度挖潜可以面向行业内外提供大量高附加值的内容增值服务。

图2大数据体系

电力大数据价值已被重视并广泛利用，沿着“数据→信息→知识→智慧”路线，电力大数据平台将被统一构建，摒弃原先按分析所需各自利用数据的碎片化，代之以市场、安全、成本为导向的数据建模+数据算法+数据利用的一体化，从而构建以云平台+大数据平台为基础的新型智能电站。

而在能源互联网的业务应用中，大数据在整合及利用“发输配供用”全链条的全景数据上也是提供了核心能力。

图3大数据应用

其核心就在于大数据可以帮助企业快速感知市场，推动业务从供给驱动转变为需求驱动、市场驱动，进而改变商业模式，重构企业智慧。

数据的分析应用使得大型发电企业管理层能够即时了解全公司经营全貌，能更加快速、准确的诊断出企业经营状况及识别其主要影响因素，简洁、高效和有的放矢地管理企业。目前，电力大数据应用场景主要在以下方面：

1）规划—提升负荷预测能力。通过对大数据的分析，利用数据挖掘技术，更准确地掌握用电负荷的分布和变化规律，提高中长期负荷的预测准确度。

2）建设—提升现场安全管理能力。对现场照片进行批量比对分析，利用分布式存储、并行计算、模式识别等技术，掌握施工现场的安全隐患，或者核查安全整改措施的落实情况。

3）运行—提升新能源调度管理能力。利用机器学习、模式识别等多维分析预测技术，分析新能源的出力与风速、光照、温度等气象因素的关联关系，更准确地对新能源的发电能力进行预测和管理。

4）检修—提升状态检修管理能力。研究消缺、检修、运行工况、气象条件等因素对设备状态的影响，以及设备运行的风险水平，利用并行计算等技术实现检修策略优化，指导状态检修的深入开展。

5）营销—提升对用电行为的分析能力。扩展用电采集的范围和频次，利用聚类模型等挖掘手段，开展对用电行为特征的深入分析，并实施区别化的用户管理策略。

6）运监—提升业务关联分析能力。利用流式计算、可视化和并行处理等技术，实现全方位在线监测、分析、计算。

综上所述，电力大数据的价值仍有很大的挖掘空间，智能电厂的基础也旨在建立一个无缝感知的数据生态电厂。

数据生态就是利用云计算平台里面的IaaS跟PaaS层（图4所示），将数据经过平台化的存储和处理，形成技术框架。通过资源的整合，来聚合SaaS层的开发者，综合的服务于电力行业的各类应用需求，进而形成体系化的数据生态和应用生态，在电力行业构建类似苹果的AppStore打造生态圈，让数据驱动业务达成良性的产业数据互动。

图4云平台层级

以云计算平台级的产品为基础，再服务于各个行业，利用大数据实现产业互联，继而实现数据的流通和交易，增强整个生态的活力。在未来形成这样一个电力大数据平台，在IaaS层，建立数据计算资源池、网络资源池、还有存储资源池；在PaaS端，将结构化的数据、非结构化的数据进行实时采集和抽取，并且具备一定原数据的接口，有实时处理同步的能力、数据脱敏以及加密等核心能力；在SaaS层面，引进第三方或者行业内的创新应用方，建立自助应用平台以及数据应用平台，比如负载预测、需求测分析、设备实时监控数据分析和预测等具体应用，来支持整个中国电力海量应用需求。

电力企业的大数据，与汽车、房地产、金融等等行业的融合，有助于支持社会各个角色提供智能化的服务，支撑国家大众创业、万众创新的生态环境。

比如，如果电力行业未来和政府政务行业融合，就可以知道未来对于高耗能企业，甚至中小型企业，怎么样去进行智能供电；比如和生活大数据融合，未来可以在智能城市、智能社区中实现电力实时供电预测，以及指导社区用户怎么样绿色用电、节能用电。比如和新能源汽车行业数据流通，对于如何规划充电桩、如何调配车辆、如何设计交通线路，都会有很大帮助。

发电行业数据量大、类型多、价值高，数据价值的挖掘对于电力企业盈利与控制水平的提升有很大的意义。如在某电力企业的智能化实践中，利用最小相似性原理构建设备故障预警模型，显著提升了设备的可靠性，电力企业向数据驱动型转变是发展的方向。

大数据采用Hadhoop模式采集大量现场生产数据，利用边缘计算和雾计算方式，把数据采集上到系统中，按照类别进行分类处理，建立基于机理模型的分析方式，对海量数据进行分析，找到每个数据背后隐藏的秘密，实现资产的保值增值的目标。

图5某电厂大数据采集模型

按照次采集模型对电厂的环保指标进行分析，并且结合排放的数据找到其正负相关性及特征值，找到影响排放的设备信息，反馈给相关业务系统，形成一套完整闭环管理，达到电厂业务价值最大化。

通过这种数据分析，从厂级到集团或者区域数据共享中心的演变，如图6所示：

图6厂级大数据风险因子分析

集团或者区域数据共享中心的建设将逐个化解上述风险，充分利用集团在专家、技术、数据、成本上的优势，形成面向所有电厂的大数据应用共享。集团或者区域数据共享应变之道，如图7所示：

图7工业大数据的价值创造

全面监控设备监测数据，电厂运行数据和其它多源数据，依据专业算法实时计算设备综合评价指标，提供趋势告警和关联预警，并即时可视化展现，辅助设备状态检修等。根据已有的缺陷数据，锁定到某一台设备，跟踪该台设备历史发生的缺陷，以及该型号、该设备对应厂家所生产设备的特征，建立能够描述某一台设备缺陷特性的曲线模型。

未来的电厂信息化将演变为一个前一个后两个平台（三维可视化平台+大数据集成平台），这样可以使得电厂真正实现一比一可视化业务模式，利用三维模式去分析设备现在状态即直观又便捷，如图8所示：

图8三维可视化平台+大数据集成平台

数据的分析对发电企业来说，价值点主要体现在通过大数据的分析，可以延缓设备的衰老进程，并且及时采取预防的措施，可以大大提高设备的可以利用性。尤其在未来电力体制改革进程中，掌握设备健康状态，对于赢得发电量有很大的帮助作用。

大数据共享服务驱动发电企业的业务创新变革，改变原有粗放式增长模式，促进生产关系变革和信息技术进步。

图9数据共享中心

大数据在互联网企业应用很广，但在互联网以外的传统行业内部，现在大数据的应用和业务普遍尚处在探索阶段，虽然不少企业已经从数据和深度挖掘数据价值中得到的甜头，但更多的企业在实现数据分析时缺少业务的指导和支撑，可量化可规模化的大数据业务闭环尚未建立。

在火电过剩、电价持续下降的大环境下，电厂通过大数据分析进行内部挖潜是最可行的价值创造，在降本增效、精细运行、主动安全、智能预警、状态检修、节能环保等各方面均具有可观的应用场景。