精华内容
下载资源
问答
  • 智慧电力大数据平台建设方案 智慧电力大数据平台建设方案
  • 电力大数据

    千次阅读 2015-03-10 10:58:23
    电力大数据[转载]  以下内容为转载。并经鄙人在各种资料基础上删减,提取出阅读后能尽快进入实际开发的内容。 第一章 概述 一 电力大数据概念  作为中国经济社会发展的“晴雨表”,电力数据以其与经济发展紧密而...

    电力大数据[转载]
        以下内容为转载。并经鄙人在各种资料基础上删减,提取出阅读后能尽快进入实际开发的内容。

    第一章 概述
    一 电力大数据概念
        作为中国经济社会发展的“晴雨表”,电力数据以其与经济发展紧密而广泛的联系,将会呈现出无以伦比的正外部性,对我国经济社会发展以至人类社会进步也将形成更为强大的推动力。
        据统计,截至2013年底,国家电网建成世界最大电能计量自动化系统,累计安装智能电能表1.82亿只,实现采集1.91亿户,采集覆盖率56%,自动抄表核算率超过97%。
        智能电网可以产生巨大的数据量。比如国网信通在北京五个小区,353个采集点,采集1.2万个参数,包括频率、电压、电流等,15分钟采集一次,一天就能产生34GB。

    二 电力大数据的前景
        在电力行业,坚强智能电网的迅速发展使信息通信技术正以前所未有的广度、深度与电网生产、企业管理快速融合,信息通信系统已经成为智能电网的“中枢神经”,支撑新一代电网生产和管理发展。
        当前,电网业务数据大致分为三类:一是电力企业生产数据,如发电量、电压稳定性等方面的数据;二是电力企业运营数据,如交易电价、售电量、用电客户等方面的数据;三是电力企业管理数据,如ERP、一体化平台、协同办公等方面的数据。
        如能充分利用这些基于电网实际的数据,对其进行深入分析,便可以提供大量的高附加值服务。这些增值服务将有利于电网安全检测与控制(包括大灾难预警与处理、供电与电力调度决策支持和更准确的用电量预测),客户用电行为分析与客户细分,电力企业精细化运营管理等等,实现更科学的需求侧管理。

    三 电力大数据技术
        电力大数据技术包括:高性能计算、数据挖掘、统计分析、数据可视化等。
        电力大数据的特性满足大数据的五个特性,一是数据量大(Volume)、二是处理速度快(Velocity)、三是数据类型多(Variety)、四是价值大(Value)、五是精确性高(Veracity)。

    1 高性能计算
        通过Hadoop分布式计算技术采用MAP-REDUCE模型建立分布式计算集群或者Yonghong Z-Suite等高性能工具,对电力大数据进行分布式计算和处理。

    2 数据挖掘技术
        数据挖掘技术是通过分析大量数据,从大量数据中寻找其规律的技术,主要有数据准备、规律寻找和规律表示3个步骤。
        数据准备是从相关的数据源中选取所需的数据并整合成用于数据挖掘的数据集;规律寻找是用某种方法将数据集所含的规律找出来;规律表示是尽可能以用户可理解的方式(如可视化)将找出的规律表示出来。
        数据挖掘的任务有关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析等等。

    3 统计分析
        统计分析,常指对收集到的有关数据资料进行整理归类并进行解释的过程。统计分析可分为描述统计和推断统计。


    4 数据可视化技术
        数据可视化借助于图形化手段,清晰有效地传达与沟通信息。

    四 实践相关的问题
        智能电网中数据量最大的应属于电力设备状态监测数据。状态监测数据不仅包括在线的状态监测数据(时序数据和视频),还包括设备基本信息、实验数据、缺陷记录等,数据量极大,可靠性要求高,实时性要求比企业管理数据要高。
        智能电网的基础设施规模庞大,数量众多且分布在不同地点。
        数据质量较低,数据管控能力不强。大数据时代中,数据质量的高低、数据管控能力的强弱直接影响了数据分析的准确性和实时性。
        目前,电力行业数据在可获取的颗粒程度,数据获取的及时性、完整性、一致性等方面的表现均不尽人意,数据源的唯一性、及时性和准确性急需提升,部分数据尚需手动输入,采集效率和准确度还有所欠缺,行业中企业缺乏完整的数据管控策略、组织以及管控流程。
        数据共享不畅,数据集成程度不够。大数据技术的本质是从关联复杂的数据中挖掘知识,提升数据价值,单一业务、类型的数据即使体量再大,缺乏共享集成,其价值就会大打折扣。
        目前电力行业缺乏行业层面的数据模型定义与主数据管理,各单位数据口径不一致。行业中存在较为严重的数据壁垒,业务链条间也尚未实现充分的数据共享,数据重复存储且不一致的现象较为突出。
        信息安全面临挑战。电力大数据由于涉及到众多电力用户的隐私,对信息安全也提出了更高的要求。
        电力数据储存时间要求以及海量电力数据的爆发式增长对IT基础设施提出了更高的要求。目前电力企业虽大多已建成一体化企业级信息集成平台,能够满足日常业务的处理要求,但其信息网络传输能力、数据存储能力、数据处理能力、数据交换能力、数据展现能力以及数据互动能力都无法满足电力大数据的要求,尚需进一步加强。

    五 实施电力大数据给电网带来的利益
        为电网规划和新能源探路。对于风能、太阳能等具有间歇性的新能源,通过“大数据”分析进行有效地调节,也可以使新能源更好地与传统的水火电进行互补。
        更加智能的电网运行。构建一体化监控系统,优化电网的运行方式,达到经济运行;快速查找、隔离故障,缩短用户的停电时间;合理控制无功负荷和电压水平,改善供电质量;深化信息综合分析、智能告警、一键式控制等高级应用功能,解决目前存在的系统功能分散、集成度低、维护工作量大等问题,提升电网监控系统的集成化和智能化水平。
        更加高效的需求侧管理。电力大数据可通过根据用户的用电量、分时电价、天气预报以及建筑物里的供暖特性等进行综合分析,确定最优运行和负荷控制计划,对集中负荷及部分工厂用电负荷进行监视、管理和控制,并通过合理的电价结构引导用户转移负荷,平坦负荷曲线。并且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,这样可以在完成同样用电功能的情况下减少电量消耗和电力需求,从而缓解缺电压力,降低供电成本和用电成本。
        智能家居。智能家居通过室内电力线将家中的各种设备(如音视频设备、照明系统、窗帘控制、空调控制、安防系统、数字影院系统、网络家电以及三表抄送等)连接到一起,提供家电控制、防盗报警、环境监测、暖通控制等功能。帮助家庭与外部保持信息交流畅通,优化设备启动时间、运转功率等,为用户节约用电资金。在电动汽车智能充电系统中,通过分析来自多个数据源的实时数据流和历史数据,能够确定司机为汽车电池充电的最佳时间和地点,并提出充电站的最佳设置点。


    第二章 大数据技术

    第三章 SQL Server 数据挖掘
    一 SQL Server 2008中九种数据挖掘算法

    二 SQL Server 2005 数据挖掘实验
    一 创建维度树和Naive Bayes数据挖掘模型
        使用微软商业智能开发工作室(Business Intelligence Development Studio)环境开发一个分析服务解决方案。商业智能开发工作室是基于Microsoft Visual Studio 2005开发环境的环境。
        商业智能开发工作室提供给你一个在设计,测试,编辑以及部署分析服务项目的过程中需要的集成开发环境。
        为了创建和查看数据挖掘模型,你应当:
            在商业智能开发工作室环境中创建一个分析服务项目
            创建数据源和数据源视图
            使用挖掘模型向导创建数据挖掘结构和决策树数据挖掘模型
            在挖掘模型视图中创建一个关联挖掘模型(Naïve Bayes)
            部署分析服务解决方案
            使用挖掘模型查看器浏览数据挖掘模型

    <一>创建一个分析服务项目 

    1 Windows 任务栏,选择Start | All Programs | Microsoft  SQL Server 2005 CTP | Business Intelligence Development Studio
    2 单击File | New | Project 
    3 在New Project对话框中,找到Project Types窗格, 单击 Business Intelligence Projects文件夹
    4 在Templates窗格中,单击Analysis Services Project图标
    5 在Name文本框中,输入“DM Exercise 1”
    6 在Location文本框中,输入C:\SQL Labs\User Projects
    7 取消对Create directory for Solution 选项的选择
    8 在New Project对话框,单击OK

     

     ========

    大数据在电力行业的应用前景有哪些?
    本人目前电气工程在校研究生一枚,对电力行业将来的发展前景很感兴趣。
    我觉得这里的大数据不仅指用户用电量的数据,还应该包括电网运行状态的数据和发电机组的数据,例如继保,变电站运行,电厂侧还可以有汽机,锅炉。对这些数据进行分析有意义吗?目前大数据在电力行业有哪些应用?
    最近智能电网炒的很火,智能电网的建设需要大数据的支持吗?
    新能源呢?例如风电场,太阳能,可以利用大数据提高其发电效率吗?


    一下问了好多问题,希望有高手能予以解惑


    作为曾经搞过几个电力相关项目的人,就自己粗浅的理解,很写实的回答一下吧,也希望专家指正:
    1、国内电网行业相对封闭,很多国外的新技术和新思想并不适用于国内,根本没施展的基础和环境;
    2、但国内电网行业技术上并不算落后,对国外相关技术的研究其实也都有及时跟踪和深入理解,只可惜,如1所述,确实没啥空间。
    3、要玩大数据的前提是首先要有大数据,以前电网建设重点都集中在生产环节,配用电环节关注较少,而生产环节,起码目前,还谈不上大数据,相关的数据挖掘倒是一直都需要,也一直都在用。用电信息采集系统(用户能见到的就是智能电表)等的大面积推广,意味着与用户交互最多的配用电环节开始得到重视。
    4、配用电环节要做到智能化,确实需要基于海量用户用电特征数据分析,进而实现台区的负荷预测、用电调度、有序用电等等。但遗憾的是,理念归理念、技术归技术、现实归现实,虽然智能配用电这一块理论上都设计的很好,但现实中还有很多问题。
    5、以用电信息采集系统为例,其实是一个收集用户用电行为特征最好的前端设施,这里需要分钟级的数据采集频率,目前一般是15分钟。即一个小时采集4次。但由于用户住宅区的分布杂乱无章,要想采用重新布线的有线方式传输数据显然投资过大,PLC又慢又很不稳定。无线的话,GPRS目前使用较多,不过呢,大量用户数据都走GPRS,且不说费用,数据拥塞是避免不了的,受环境影响,干扰和屏蔽也较多。这样一来,后台收集数据经常会出现延迟和丢包情况,因此很多数据根本无法全部有效采集。也就不存在完整的海量数据一说,那么又到哪里去分析呢?
    6、国内确实建设了一些完整的智能电网小区试点,用户家里也可以用智能插座,这种环境下用户数据可以得到有效收集,如果用户量较大,必然会产生大数据,相对也就需要大数据技术来处理和分析,从而进一步提高电网智能服务水平。但这种整体的改造要用到目前现有电力系统中,显然不现实,成本过高,电老大再有钱,也不可能去干这种事。
    7、从电力的后台系统来说,涉及到了大量的各种业务系统,但这些系统多年的建设过程中因为缺乏顶层设计,所以大多自成体系,数据很难互通共享并提供上层应用服务,因此即便这些数据真的也是海量大数据,但要实现整体的分析挖掘,难度依然十分巨大。
    8、风电、太阳能、包括微网的分布式能源接入,其实跟前端用户用电行为是密切相关的,由于目前还没有低成本高效率的储能系统,因此怎么分配这些能源,怎样与现有配电网很好的结合也会是十分麻烦的问题,要知道风电和太阳能等都是不确定性能源,对现网冲击还是很大的。这确实也需要数据分析技术的支持,譬如对风电准确的预测等。这些技术都很早就有人在研究,谈不上大数据。除非是大电网环境下,整体都构建成分布式能源,这时候可能才算得上是大数据吧。
    8、总结一下,从未来看,智能电网的实现的确需要大数据做支撑,但在我国电网环境下,这将还是一个漫长的过程。当前说大数据,更多是噱头,吸引眼球和忽悠项目罢了。大部分省级公司的数据更多应该还是结构化运营数据,顶多T级了。
    ========
    “数据海量、信息缺乏”是相当多企业在数据大集中之后面临的尴尬问题。目前,大多数事物型数据库仅实现了数据录入、查询和统计等较低层次的功能,无法发现数据中存在的有用信息,更无法进一步通过数据分析发现更高的价值。如果能够对这些数据进行分析,探寻其数据模式及特征,进而发现某个客户、群体或组织的兴趣和行为规律,专业人员就可以预测到未来可能发生的变化趋势。这样的数据挖掘过程,将极大拓展企业核心竞争力。例如,在网上购物时遇到的提示“浏览了该商品的人还浏览了如下商品”,就是在对大量的购买者“行为轨迹”数据进行记录和挖掘分析的基础上,捕捉总结购买者共性习惯行为,并针对性地利用每一次购买机会而推出的销售策略。


      数据挖掘在供电企业的应用前景


      在电力行业,坚强智能电网的迅速发展使信息通信技术正以前所未有的广度、深度与电网生产、企业管理快速融合,信息通信系统已经成为智能电网的“中枢神经”,支撑新一代电网生产和管理发展。目前,国家电网公司已初步建成了国内领先、国际一流的信息集成平台。随着三地集中式数据中心的陆续投运,一级部署业务应用范围的拓展,结构化和非结构化数据中心的上线运行,电网业务数据从总量和种类上都已初具规模。随着后续智能电表的逐步普及,电网业务数据将从时效性层面进一步丰富和拓展。大数据的“量类时”特性,已在海量、实时的电网业务数据中进一步凸显,电力大数据分析迫在眉睫。


      当前,电网业务数据大致分为三类:一是电力企业生产数据,如发电量、电压稳定性等方面的数据;二是电力企业运营数据,如交易电价、售电量、用电客户等方面的数据;三是电力企业管理数据,如ERP、一体化平台、协同办公等方面的数据。如能充分利用这些基于电网实际的数据,对其进行深入分析,便可以提供大量的高附加值服务。这些增值服务将有利于电网安全检测与控制(包括大灾难预警与处理、供电与电力调度决策支持和更准确的用电量预测),客户用电行为分析与客户细分,电力企业精细化运营管理等等,实现更科学的需求侧管理。


      例如,在电力营销环节,针对“大营销”体系建设,以客户和市场为导向,省级集中的95598客户服务、计量检定配送业务属地化管理的营销管理体系和24小时面向客户的营销服务系统,可通过数据分析改善服务模式,提高营销能力和服务质量;以分析型数据为基础,优化现有营销组织模式,科学配置计量、收费和服务资源,构建营销稽查数据监控分析模型;建立各种针对营销的系统性算法模型库,发现数据中存在的隐藏关系, 为各级决策者提供多维的、直观的、全面的、深入的分析预测性数据, 进而主动把握市场动态,采取适当的营销策略,获得更大的企业效益,更好地服务于社会和经济发展。此外,还可以考虑在电力生产环节,利用数据挖掘技术,在线计算输送功率极限,并考虑电压等因素对功率极限的影响,从而合理设置系统输出功率,有效平衡系统的安全性和经济性。


    ========


    展开全文
  • 电力大数据与经济、社会存在广泛紧密的联系,电力大数据的价值不仅局限在电力行业内部,更体现在国民经济运行、社会进步及各行业创新发展等多个方面。 随着智能电网和信息化建设,电力行业积累了海量数据,这些数据...

    电力大数据与经济、社会存在广泛紧密的联系,电力大数据的价值不仅局限在电力行业内部,更体现在国民经济运行、社会进步及各行业创新发展等多个方面。

    随着智能电网和信息化建设,电力行业积累了海量数据,这些数据在数据量、多样性、速度和价值方面具有大数据的特征。电力行业已进入大数据时代。电力大数据是通过传感器、智能设备、视频监控设备、音频通信设备、移动终端等各种数据采集渠道,收集到的海量结构化、半结构化、非结构化的业务数据集合。在这里插入图片描述

    电力大数据是电力公司的新型资产,能够促进电力公司的业务管理向更精细、更高效的方向发展。大数据技术将推动信息技术平台的升级与改造,包括提升数据存储和及时处理的能力;补充对非结构化数据分析与利用的能力;增强对海量数据资源的价值挖掘能力。

    电力大数据在应用过程中存在着对行业内外能源数据、天气数据等多类型数据的大量关联分析需求。通过与行业外数据的交互融合,以及在此基础上全方位的挖掘和分析,将会使电力大数据发挥出更大价值。

    电力大数据从哪儿来?

    电力大数据主要来源于发电、输电、变电、配电、用电和调度等各环节,可大致分为三类。

    电网运行、设备检测或监测数据。主要包含在能量管理系统、配网管理系统、广域量测管理系统、生产管理系统、电网调度管理系统、故障管理系统、图像监控系统等。

    电力企业营销数据,如交易电价、售电量、用电客户等数据。主要包含在营销业务系统、95598客户服务系统、电能量计量系统、用电信息采集系统等。

    电力企业管理数据。主要包含在协同办公系统、企业资源计划系统(ERP)等。

    电力大数据的特点

    数据体量大

    以江苏省用电数据为例,江苏省有4000多万电力客户,对居民客户每小时采集一次数据,每次数据项十多个,一天仅居民用电数据就几十亿项。

    数据类型多

    各类结构化、半结构化数据以及非结构化数据类型多。以非结构化数据为例,包括各变电站大量的视频监控设备产生的视频数据、客服与客户沟通留下的语音数据、无人机巡检产生的图片数据、办公系统流转过程中的各种类型电子文件等。

    价值密度低

    电网生产领域的检测监测数据、电网运行数据,所采集的绝大部分都是正常数据,价值比较大的却是极少量的异常数据,异常数据是状态检修的最重要依据。

    处理速度快

    以电网运行控制领域为例,要求在几分之一秒内对大量数据进行分析,以支持控制决策。

    电力大数据应用

    电力大数据应用涉及电网企业各业务方向,典型应用场景包括规划、建设、运行、检修、营销、运监、企管、服务等8大类。在规划方面:通过应用用电大数据,提高中长期负荷预测的准确度,指导电网规划。在运行方面:通过应用用电大数据,提高短期和日前负荷预测的准确度,指导调度计划的制定;通过应用电网运行大数据,优化电网运行方式;通过应用新能源发电大数据,提高新能源发电预测水平,提升电网消纳新能源发电的能力。在营销方面:应用用电大数据,刻画电力客户用电行为特征,优化客户管理策略。在服务方面:应用用电大数据,为政府部门提供产业转移、产业发展、房屋空置率等社会经济指标;应用客服大数据,对热点问题的资源进行优化配置。

    在新冠肺炎疫情防控过程中,为精准服务疫情防控和复工复产,国网浙江省电力有限公司根据电力客户历史用电量、当日用电量等数据,在国内首创“企业复工电力指数”,动态监测、直观反映当前企业复工复产情况。

    2月14日,国家电网有限公司要求所属各省(自治区、直辖市)电力公司充分应用电力客户用电数据,支撑地方政府有序组织企业复工,并监测复工复产情况。电力公司结合本地区实际以及不同行业用电特性,研究制定不同行业的“复工电力指数”,精准支撑政府部门对不同行业,特别是防疫重点企业和涉及民生等重要行业的复工复产要求。

    【专访】

    围绕大数据平台技术,近日,《亮报》记者对国网客户服务中心大数据服务部杨菁博士进行了专访。

    《亮报》:一般来说,大数据平台应具备哪些要求?未来,大数据平台有哪些发展趋势?

    杨菁:大数据平台,顾名思义,主要是处理大量(至少TB级)数据的平台,核心要求是4种能力。

    **一是海量数据接入能力。**应建立一套标准化、规范化的数据规范,以及灵活、可扩展的技术体系,以适应体量大、多源异构的海量数据接入需求。

    二是数据存储能力。平台应选择合适的存储形式,对应于不同类型、不同用途的数据库媒介的存储和查询能力。

    **三是数据查询能力。**平台应为客户提供即时、高效的数据查询服务,为客户节省时间、提升效率。

    **四是数据计算能力。**平台要充分体现数据价值,就需对数据进行进一步的加工、分析和挖掘,要支持离线批处理、实时计算、机器学习、多维度分析和全文检索等应用场景。

    从发展趋势来看,未来大数据平台应具备云+大数据的超融合架构,实现实时性数据处理、事务型在线数据处理、机器学习的数据处理能力,同时,加强数据安全管理,最终实现更加智能、安全的大数据存储与分析。

    展开全文
  • 中国电力大数据发展白皮书 中国电力大数据发展白皮书
  • 智慧电力大数据建设方案 智慧电网大数据建设方案
  • 智慧电力大数据建设方案
  • 《中国电力大数据发展白皮书》是我国首个行业大数据白皮书,首次提出了电力大数据的定义和特征。电力信息化专委会作为我国唯一的电力行业信息化专业协会,充分听取了行业内外专家意见,完善了白皮书编制思路,...
  • 智慧电力大数据解决方案
  • 电力大数据下的短期电力负荷预测.pdf
  • 智慧电力大数据平台建设方案
  • 针对大数据技术在电力行业应用发展过程中面临的业务数据安全问题,遵循数据脱敏规则,提出了一种电力大数据应用建设中不同应用场景、不同数据类型的重要数据分类分级方法及多层次安全等级策略,自适应于电力大数据...
  • 基于Hadoop电力大数据计算服务及应用
  • 针对智能电网建设过程中收集的电力大数据,基于电力系统全景实时数据分析的需求,探讨基于大数据的电力系统安全可靠性分析、实时状态监控及能源全景动态平衡调度等核心问题的解决思路。分析了利用大数据解决安全可靠...
  • 针对二维图表的数据表现方式不能适用于电力大数据的分析与展现,提出一种三维可视化的电力大数据管理模型。该模型将大数据挖掘与三维可视化技术有机集成,采用并行BP神经网络技术实现电力大数据的高效挖掘,利用基于...
  • 智慧电力大数据平台建设及应用方案
  • 第二届电力大数据论坛PPT相关,内含二十多个ppt演讲资料。互联网+大数据AI助推数字经济发展(腾讯副总裁马斌)等
  • 基于Scada系统的电力大数据平台建设方案
  • 山西省生态环境厅与国网山西省电力公司日前签署“生态环境+电力大数据”合作协议,协同推进电力大数据在生态环境领域的应用创新。 工业企业生产经营和污染治理设施运行都需要电力供应保障,电力大数据具有覆盖范围...

    最新消息

     

    山西省生态环境厅与国网山西省电力公司日前签署“生态环境+电力大数据”合作协议,协同推进电力大数据在生态环境领域的应用创新。

    工业企业生产经营和污染治理设施运行都需要电力供应保障,电力大数据具有覆盖范围广、价值密度高、实时准确性强等特点。通过电力大数据研究每家排污企业典型的用电特征,可以全天候、全过程、无盲区地实时监控企业工况和污染防治设施运行情况,有效提升监管执法效率。

    近年来,各地高度重视电力大数据在环保领域的融合与实践。江苏、福建、河南和四川等地注重加强探索研究,在保障重污染天气应急减排、开展非现场执法等方面取得了一些成效。但电力大数据在环保领域的应用仍缺乏全面性、系统性和深入性,借此增强治污精准性和实效性方面便难尽人意。例如工况用电监控系统,由于监控点位选择不尽合理、运维管理制度不够健全、数据集成分析不够科学,导致少数企业的用电监控系统成了“龙的耳朵”,作用发挥有限。

    治污攻坚如火如荼,坚持精准治污提升环境治理效益,重要且迫切,而推动电力大数据应用于生态环境保护中,正是实现精准治污的实效举措之一。对此亟待迭代思维,开拓创新,推动电力大数据深度融入环保工作中。

    建立健全电力大数据实时传输的保障机制。虽然部分地区的生态环境部门与属地供电公司建立了良好的协作关系,但信息数据交换过程中,双方仍存在担心和顾虑,以至于交换数据的时间较为滞后、信息内容也不够详尽,应用性相对较弱。建议各地加强顶层设计,重点在数据具体内容、交换途径、保密措施、管理责任等方面作出明确规定,避免有用的数据不愿给不敢给等现象,努力推动基层生态环境部门与供电部门衔接,合力推进相关环保措施落地生效。

    研究开发电力大数据融入环保的信息系统。目前,各地生态环境部门对电力大数据的集成梳理、分析研判、针灸式预警等能力总体偏弱,甚至有的尚处在理论或概念上。利用电力大数据打击“散乱污”企业(作坊)、保障重污染天气应急减排等方面尚有较大提升空间。建议试点开展电力大数据甄别与研判平台建设,结合排污许可证核发,通过建立用电结构模型,筛选锁定某一区域,甚至某个厂区、某个工段用电异常现象,并作出提示预警,为精准打击环境违法行为提供可靠的情报来源。

    推动第三方加强运维管理和技术能力升级。近几年,大多地区积极推动企业用电监控建设。长三角地区某县有1000多家企业建成用电监控系统,在重污染天气应急减排中,每天竟有百余起异常报警。核实发现,绝大多数报警是用电监控设备故障或数据传输失真等问题造成的。

    究其原因,主要是进入用电监控建设市场的门槛较低,第三方公司鱼目混珠,加上建设规范和标准要求较为含糊,设备安装比较随意。对此,笔者认为,当前应进一步加强用电监控系统的标准规范建设,并出台监督管理规定,倒逼第三方公司提升实际业务能力,严格自我约束和管理,力促用电监控系统发挥应有效果。

    安科瑞环保用电监测云平台

    AcrelCloud-3000环保设施用电监管云平台依托创新的物联网技术、电力参数传感技术,实时采集企业污总用电、工艺生产设备用电、污染治理设施设备用电等数据,通过设施运行停车分析、越限分析、停/限产分析、工艺关联分析等,及时发现环保治理设施、设备等未开启、空转、减速、降频以及异常关闭等未正常工作的情况;同时,通过数据分析,还可以实时监控限产和停产整治企业运行状态。

    云平台结构

    现场硬件配置

    云平台登陆信息

    AcrelCloud-3000环保设施用电监管云平台体验地址:http://cloud.acrel.cn/   用户名:acrel   密码:123456

    请将手机竖屏观看

    展开全文
  • 传统电力数据分流方法在复杂的双链接无线网络环境下,容易导致关键电力数据的丢失,为此从电力用户的视角出发,提出基于用户分类的海量电力大数据分流方法研究。建立双链接无限网络电力数据分流平台,并基于该平台按...
  • 面向智能电网应用的电力大数据关键技术
  • 基于时空电力数据,采用经典经济景气模型,在电力景气指数计算中,首次引入了X13-ARIMA季节调整算法,构建了基于电力大数据的经济景气指数,客观反映了经济运行状况,辅助预测经济发展的趋势,实现从电力视角观测...
  • 为了实现在电力大数据背景下高效、准确地处理日志数据并进行异常分析,文中提出了一种用于时间序列预测的混合智能算法。该算法采用权重加权线性组合的方法更新各独立算法的预测权重,使混合智能算法在每一步的预测...
  • 针对大规模数据检索查询效率较低的问题,提出了基于B+树的电力大数据混合索引结构,使用层次化混合索引思想,划分数据集中数据属性与属性值,实现索引并行化,使数据索引创建时间与检索速度得到提高。首先,对B+树...
  • 该方法基于多源电力大数据和动态贝叶斯网络(DBN)机器学习,采用灰色关联分析法筛选出与GDP变化趋势关联度较大的关键电力数据。利用格兰杰因果分析确定与GDP变化具有因果关联关系的电力指标,并确定各电力指标间的...
  • 这一做法被认为是电力大数据赋能社会治理体系和治理能力现代化的有效探索和尝试。“e普查”是利用电力大数据量大面广、准确实时等特点,对居民用户日用电情况进行数据分析的人口普查辅助查询程...

    ace617b8f73f0ef28d93a7d58e0af41d.png

    当前,第七次全国人口普查正在全面开展。如何精准识别空置户是普查工作中的难点,为此,国家电网有限公司基于“网上国网”手机APP推出“e普查”应用,既助力提升普查效率,又充分保障用户隐私,为普查员开展空户核查提供了有力支撑。这一做法被认为是电力大数据赋能社会治理体系和治理能力现代化的有效探索和尝试。

    “e普查”是利用电力大数据量大面广、准确实时等特点,对居民用户日用电情况进行数据分析的人口普查辅助查询程序。经实名认证后,普查员便可使用“e普查”扫描普查范围内的居民电表,获取该户“用电码”,红、黄、绿三种颜色分别代表该户近一个月没有用电、间歇性用电和正常用电,三种颜色一目了然,指导人口普查员精准识别空置户、“候鸟”人群、正常户情况,可以有针对性地调整上门频次和时间,减少重复上门次数。

    目前,网上国网数据中台已接入了全网27家省公司4.5亿居民用户的电力数据,助力公司经营区内近550万人口普查员一“码”掌握居民居家情况。从10月13日“e普查”正式推出以来,截至11月25日,“e普查”数据库用户量553.92万人,普查员查询居家情况461.88万次,累计业务量203.32万户。

    “e普查”核心算法以国网大数据中心为新冠肺炎疫情防控研发的不入户排查模型为基础。结合本次人口普查需求,国网大数据中心联合国网计量中心(中国电科院计量所)开展居民客户常用家用电器待机功耗试验与算法测试,构建了由居民每日用电阈值、用电波动数据等多维数据构成的居民居家智能感知模型。

    为推动“e普查”上线,国家电网有限公司相关开发人员多次与国家统计局人口司进行交流、研讨。用户的电力数据,包括近30天日用电量及近3年月用电量数据,采集成功率达99%以上,可以完全满足辅助开展人口普查的工作需求,已得到国家统计局的认可。

    值得一提的是,为了避免用户隐私泄露,“e普查”模块并不会对所有网上国网APP用户开放。只有在统计局备案的人口普查员,用自己的手机号码登录“网上国网”APP后,才能使用“e普查”模块,充分保护了用户的个人信息。

    此外,在电力大数据助力人口普查的过程中,除了“e普查”的应用,其他创新做法也不断涌现。

    为更好地服务人口普查工作,弥补原服务系统入户普查时查询不便捷的问题,今年9月初,国网黑龙江电力在前期服务系统基础上,开发了“电力大数据服务人口普查”微信小程序,并于9月末正式上线。

    应用这一小程序,普查员可通过扫描电表号,快速识别用户以及该单元内各用户房屋空置状态,推算用户在家时段,为普查员提供建议入户时间。更方便的是,普查员还可以通过微信或短信向指定用户发送信息,预约入户时间。截止目前,该程序已经完成全省13.7万余名普查员的应用授权,累计完成37.09万次查询,识别空置户4.92万户,共发送普查信息6300余次。

    做好第七次全国人口普查工作,将为高质量发展提供准确统计信息支持。在本次普查工作中,“e普查”应用成效显著,对查实查准人口数据发挥了重要作用。(来源:国家电网)

    展开全文
  • 介绍neo4j 基于Neo4j的电力大数据建模及分析_马义松.pdf
  • 11月6日,安徽省合肥市电力大数据应用工程技术研究中心在合肥供电公司正式成立。该电力大数据研究机构,对提高合肥电网的运营效率、服务质量和能源利用率等具有重要意义。 合肥供电公司申报的合肥市电力大数据应用...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 568
精华内容 227
关键字:

电力大数据