大数据技术

电力信息通信

一、背景 二、线损概述 三、大数据技术 四、应用案例

作为工业4.0的核心，工业领域的智能化变革却面临诸多挑战。一方面，在企业内，生产运营仍然存在诸多问题，例如：1、如何进一步将AI技术、大数据技术等应用到生产过程中，从而大幅度地提高生产效率、降低生产和建设成本；2、如何应对老龄化，确保老一代工人所掌握的控制、运营和维护方面的知识得以传承，以及如何适应新一代工人知识结构体系变化；3、如何快速响应外部环境变化，实现柔性化生产制造；4、如何摆脱传统控制器厂家的制约，保障生产者的Know-how知识产权得以保护。另一方面，针对生产现场的智能化改造，1、如何打通信息孤岛，实现不同厂家专有系统之间的互联、互通、互操作；2、如何将智能融入到工业生产的过程控制中，实现生产效率质的提升。这些问题仍处于探索当中。工业生产企业的管理者们希望新的技术能够帮助他们应对这些挑战，传统工业控制架构也需要与时俱进，拥抱AI、大数据分析、物联网等新技术，面向工业智能时代建立新的工业控制体系架构，充分发挥新一代信息技术的赋能效应，提升制造业高端化、智能化、绿色化发展水平，实现企业的业务增长和发展。

大数据技术标准推进委员会牵头，联合行业专家和头部企业共同编制《数据中台实践指南（1.0版）》，梳理数据中台历史及概念，明确数据中台的核心能力，总结数据中台建设的前提条件和不同形态，给出指导性的建设过程和建设中应注意的要点，对数据中台建成之后的持续运营过程提供要点建议，并对数据中台的未来发展趋势进行研判。

变电

报告中分析了智能电网对电力通信网的推进作用，以及当前电力通信网规划设计面临的问题，并且总结了近年来为满足电力通信网发展需要，在智能电网快速发展背景下开展的一些研究工作，其中主要包括通信网需求预测方法、规划设计方法与智能化手段以及新型通信技术在电力通信网中的适应性趋势。这些研究的成果都有效支撑了国家电网公司通信网规划工作，下一阶段将进一步结合三维数字化设计、大数据技术应用，加强规划数据的深度分析工作。

电力指纹技术是贵州电网公司首次提出，通过采集用电设备的电气数据，利用人工智能技术和大数据技术挖掘出能够表征设备特性的“电力指纹”特征，结合侵入式和非侵入式识别方法对设备的类型、特性、参数以及用户行为习惯等进行识别，实现对用电设备的监测、控制、管理和友好交互。

《数据资产管理实践白皮书》（6.0版）是大数据技术标准推进委员会自2017年以来发布的第六版白皮书。基于多年理论研究和案例分析，本白皮书将以政府机构和企事业单位作为研究主体（侧重企业），以数据资产赋能业务发展作为核心逻辑，跟踪2022年数据资产管理领域政策和行业动向，阐述数据资产管理的概念内涵、演进历程、发展现状，结合企业数据资产管理典型方法和实践案例，重点讨论数据资产管理的活动职能、保障措施、实践步骤等，并对数据资产管理发展进行总结与展望。

2015年8月，国网调整了同业对标“电能质量在线监测系统建设指标”用户停电采集终端采集完整率的计算方法，各单位自己申报改为采用停电线段停电完整率计算：一个线段若非单用户停电，该线段的完整率为报送的停电用户数量除以该线段下总户数，单位完整率则是报送的所有停电事件用户数之和除以所有停电线段下总户数。按此方法，安徽完整排名失分很多。 通过中压电网统一模型与单线图动态展现，提高了可靠性基础数据的准确性和台账维护的方便性，中压用户智能增益保证了停电事件的完整、有效，为开展重复停电统计，分析故障重复停电、计划重复停电，分析重复停电原因，降低停电次数和时长，实现供电可靠性的提升，提供了直观有效的工具，也为未来的可靠性统计分析打好了良好的数据基础，同时该单线图与停电事件的动态展示，也可以辅助其他专业部门开展安全生产管理。

遵循国家电网公司 SG-CIM3.0 框架和思路，结合各专业系统现状，围绕公司核心业务对象，梳理企业级端到端业务流程和交互信息，通过设计实施及应用优化不断对数据模型进行优化。数据模型建设方面，量化跨专业横向协同和数据共享需求，在此基础上，基于多维模型设计理念设计形成一套覆盖公司核心业务对象的全域物理数据模型，包括人员域、财务域、资产域、物资域、项目域、电网域、客户域、市场域、安全域及综合域等 10 个主题域。同时明确每个数据项的来源系统和责任部门，为在分析域数据汇聚整合奠定基础。数据模型应用方面，结合全域数据模型建设成果，开展了营销辅助决策、基于电网统一身份编码的资产全寿命高级应用、供电服务指挥系统、特殊时期保供电升级改造建设和人资一体化应用建设等示范应用场景建设，为场景建设提供了干净透明、模型统一的数据，大大提升了场景建设效率，进一步增强了企业大数据分析和数据挖掘能力。数据模型监控方面，对基于数据模型的应用场景进行监控，动态感知内存、硬盘等硬件异常及语句违规、调用超时等应用模型异常，分析场景应用 SQL 语句，打通应用场景与数据之间关联关系，利用大数据技术，将数据模型与常用数据关联查询进行差异分析，确认语义和业务逻辑相关的，重新完善到原有数据模型。数据模型优化方面，模型设计难以一步到位，需要结合应用验证，不断迭代优化和完善全域模型，电网企业数据模型设计-应用-监控-优化四项重点工作任务环环相扣，关系密切，即需求承前启后，做好衔接，又需要交叉同步推进。通过建立模型建设、应用验证、模型优化的闭环管理机制，持续提升数据模型完整性和实用性。技术支撑方面，自主研发全域数据模型管理工具，在信息系统梳理到全域模型建立及模型与物理数据之间的映射都发挥着不可取代的作用，采用基于 Eclipse 开放式插件平台的富客户端（RCP）技术，基于架构开发方法论、信息工程、总体数据规划、数据管理等理论，引入高阶的架构开发方法和信息化建设中的标准化核心内容，实现数据模型的动态维护和管理维护。