摘要：2019年国家电网公司“两会”做出全面推进“三型两网”建设，加快打造具有全球竞争力的世界一流能源互联网企业的战略部署，是网络强国战略在公司的具体实践，是落实中央部署、发挥央企带头作用的重要举措，是适应内外部形势和挑战的必然要求。建设泛在电力物联网为电网运行更安全、管理更精益、投资更精准、服务更优质开辟了一条新路，同时也可以充分发挥电网独特优势，开拓数字经济这一巨大蓝海市场。因此，如何应用现有的大数据技术发掘电力数据的价值，有效支撑泛在电力物联网的建设，成为电力行业的热点话题。本文将从电力行业的数据特征、现阶段大数据技术的应用领域、以及大数据技术在电力行业的应用方向三个方面进行研究探讨，为泛在电力物联网的建设提供思路。
关键词：泛在电力物联网；大数据技术；电力大数据；人工智能
1 什么是泛在电力物联网
1.1 泛在电力物联网概念
泛在电力物联网，就是围绕电力系统各环节，充分应用移动互联、人工智能等现代信息技术、先进通信技术，实现电力系统各环节万物互联、人机交互，具有状态全面感知、信息高效处理、应用便捷灵活特征的智慧服务系统，包含感知层、网络层、平台层、应用层四层结构。
1.2 泛在电力物联网应用
国家电网公司希望通过广泛应用大数据、云计算、物联网、移动互联、人工智能、区块链、边缘计算等信息技术和智能技术，汇集各方面资源，为规划建设、生产运行、经营管理、综合服务、新业务新模式发展、企业生态环境构建等各方面，提供充足有效的信息和数据支撑。
泛在电力物联网可以将电力用户及其设备，电网企业及其设备，发电企业及其设备，供应商及其设备，以及人和物连接起来，产生共享数据，为用户、电网、发电、供应商和政府社会服务；以电网为枢纽，发挥平台和共享作用，为全行业和更多市场主体发展创造更大机遇，提供价值服务。
2 电力大数据特征
《中国电力大数据发展白皮书 2013》中指出电力大数据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）。
体量大:随着电力企业信息化建设的不断成熟和智能电力系统的全面铺开，电力数据的体量呈现爆炸性的增长。
类型多:电力大数据涉及多种类型的数据，包括传统业务数据流转产生的结构化数据和半结构化数据，以及引入视频、图像设备记录后的非结构化数据。
速度快:电力系统中业务对处理时限的要求较高，电力调控相关业务均以“1 秒”为目标，实现数据实时处理是电力大数据的重要特征。
数据即能量:电力数据中隐藏了大量的用户用电行为、用电特征等信息，且具有无磨损、无消耗、无污染、易传输的特性，可在挖掘运用的过程中不断精炼增值。
数据即交互:电力数据可以与其他行业数据进行交互融合，并在此基础上开展全方位的挖掘、分析和展现，提升数据利用价值。
数据即共情: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。
3 大数据技术应用场景
3.1电源侧
泛在物联的电源侧是指涵盖新能源和传统电源的电能产生和存储的工作单元。对于电源侧的应用主要关注新能源并网和清洁能源消纳的问题，结合现有的大数据技术，提取出以下应用场景。
（1）外部环境变化对新能源发电厂出力的影响仿真
基于新能源发电厂的地理信息、环境信息、天气信息和各时段的发电出力数据，运用数据可视化技术，设计电厂出力仿真模型，经过对数据的遍历试算，标注各种影响环境下电厂出力状态，确认模型变化参数，实现数据仿真，最终通过交互式实时数据可视化大屏直观的展现电厂出力变化情况。
（2）神经网络在清洁能源功率预测中的应用
在《清洁能源消纳行动计划（2018-2020年）》中提出，要深挖电源侧调峰潜力，全面提升电力系统调节能力，其中，提升可再生能源功率预测水平是考核的重点。文献[3]提出了一种基于回声状态神经网络的光伏发电功率预测模型，利用神经网络技术构建发电功率预测模型，结合历史发电数据和气象数据进行可视化仿真，模拟预测光伏发电功率，具有较好的预测性能，可推广应用至其他清洁能源发电功率预测中。
期刊文章分类查询,尽在期刊图书馆
3.2电网侧
泛在物联的电网侧是指涵盖输变电和配用电的电能转换和输送的工作单元。对于电网侧的应用主要关注输变电设备稳定情况和电力系统供电可靠性，结合现有的大数据技术，提取出以下应用场景。
（1）语音识别在设备巡检中的应用
目前设备巡视工作主要还是依靠人工巡视实现的，人工巡视的主要方法有目测检查法、耳听判断法、鼻嗅判断法、触式检查法、用仪器检测法，对于同一台设备往往需要使用多种方法才能检查完成，现阶段记录检查结果的方式仍是使用纸质巡视卡，巡检员为了快速记录，对于检测现象不会详细填写，易造成后续录入系统内容不精确，影响设备管理的规范性。若在巡视过程中采用语音记录的形式，并实时通过语音识别技术将记录语音转为文本，回传到系统中，既能提高巡视人员的工作效率，又能提升巡视结果的完整性。
（2）视频识别在现场监测中的应用
现阶段的视频识别技术可运用于项目施工现场安全性监测、检修完成后规范性监测、营业厅服务规范性监测等业务开工场景的监测。施工现场安全性监测，可通过识别现场施工人员安全着装、安全操作、施工区域的安全设施设置等方面开展监测；检修完成后规范性监测，主要通过识别检修设备接线情况、现场环境整理情况、检修人员安全操作情况等方面开展监测；营业厅服务规范性监测，主要通过识别营业厅人员办工时间的着装规范、在岗情况、进行非办公以外的活动等方面开展监测。
（3）深度学习算法在负荷预测中的应用
随着需求响应技术的快速发展，使得电力系统负荷数据呈现出规模庞大、结构复杂的非线性特征，使得电力运行调度方面面临巨大的难度。通过提取历史负荷数据、历史气象数据，运用深度学习技术，构建电力短期负荷预测模型，不仅能够提高系统运行的可靠性，还将帮助促进间歇性能源的消纳利用，为能源的高效配置提供决策依据，为电力系统的优化运行奠定基础。
3.3用户侧
泛在物联的用户侧是指涵盖居民用户/社区、工商业用户/园区和电动汽车/储能的电能消纳使用的工作单元。对于用户侧的应用主要关注客户用电服务水平，结合现有的大数据技术，提取出以下应用场景。
（1）客户用电行为分析
智能电表的广泛使用，使电力公司获取了大量的用户用电信息数据，从海量的用电数据中发掘出有价值的信息，更好地实现需求侧管理是当前用户侧研究的重点课题。运用数据挖掘技术，提取用户用电量、用电时间、用电区域、用电类型、时点负荷等数据，利用聚类分析算法，引入灰色关联度理论，挖掘用户的用电特征，细分用电客户群体，结合当前政策环境，指导不同类型用户合理用电、节能用电，突出个性化服务。
（2）文本分析在95598工单分析中的应用
95598客服中心作为电网公司与客户交流的窗口，每天都要处理大量来自客户的诉求，形成大量的工单文本数据，对于电力工单文本的挖掘能够帮助客服人员了解客户诉求，提供更优质便捷的服务。利用分词技术对工单进行处理，形成电力工单语料库；引入神经网络相关技术，对工单文本进行训练，输出文本词向量，构建电力工单词典；结合SVM进行工单分类，提取客户热点诉求。
4 结语
本文依据新形势下电力行业的发展方向，结合现阶段大数据技术的发展水平，从电源侧、电网侧和用户侧三个方面提出了7个大数据技术应用场景，简略介绍了技术的应用方式，提供了大数据在电力行业的应用思路，为泛在电力物联网的建设提供了参考。
参考文献:
[1] 中国电机工程学会信息化专业委员会.中国电力大数据发展白皮书[M].北京：中国电力出版社，2013.
[2] 王晶,黄越辉,李驰,项康利,林毅.考虑空间相关性和天气类型划分的多光伏电站时间序列建模方法[J/OL].电网技术:1-8.
[3]彭光虎. 基于回声状态神经网络的光伏发电功率预测模型研究[D].青岛大学,2016.
[4] 刘洋.变电站巡视中存在的若干问题及对策[J].信息记录材料,2019,20(03):237-238.
[5] 马天男,王超,彭丽霖,郭小帆,付明.计及需求响应和深度结构多任务学习的电力系统短期负荷预测[J/OL].电测与仪表:1-10.
[6] 徐超. 大数据智能电网用户行为特征辨识与能效评估体系研究[D].华北电力大学(北京),2017.
[7] 谢季川,宗振国,刘宏国,张春秋,田晓.基于词向量模型的95598工单文本挖掘[J].电子世界,2017(23):176+178.
论文作者:吴昊
论文发表刊物:《电力设备》2019年第9期
论文发表时间:2019/10/16
标签：数据论文; 电力论文; 技术论文; 电网论文; 用户论文; 电力系统论文; 特征论文; 《电力设备》2019年第9期论文;