向景霞

（國網湖南省電力有限公司湘西供電分公司，湖南 湘西 416000）

智能電網的迅猛發(fā)展，各類電網設施越來越先進，計算機信息技術的合理運用，使得電力企業(yè)積累大量數據信息，為了保證電力數據信息得到高效利用，做好電力運營數據信息管理工作特別重要。鑒于此，本文重點研究電力運營數據管理當中大數據分析技術的核心運用。

1 電力營銷數據管理當中運用大數據分析技術的現實意義

在電力營銷數據管理工作之中，通過應用大數據分析技術，具有以下重要意義：

首先，為電力企業(yè)的運營管理提供良好的數據支撐，大數據分析技術的有效應用，可以更好地挖掘出具有良好應用價值的電力數據，并將此類電力數據進行融合，經過相關人員的認真分析后，結合用戶的電力消費特點，準確預測電力需求，進而保證電力企業(yè)的運營管理水平得到明顯提高[1]。

其次，構建完善的電力能源數據服務平臺，為電力企業(yè)的壯大發(fā)展打下良好基礎。例如，在某大型電力企業(yè)當中，相關人員通過利用大數據分析技術，將電力供給數據、消費數據信息進行合理分析，并為用戶提供針對性的信息服務，不斷降低企業(yè)的經營管理成本。

最后，為節(jié)能型產品的研發(fā)提供良好支撐，大數據分析技術的有效運用，可以幫助電力企業(yè)工作人員進一步了解能源供應情況，并將用戶的消費數據進行匯總分析，保證電力數據信息更加準確，從而為消費者提供更加完善的用電方案。

2 大數據分析技術在電力運營數據管理當中的具體運用與注意事項

2.1 大數據分析核心技術

2.1.1 關聯分析技術

數據挖掘，早期應用在超市銷售數據信息分析工作之中，所以，在大數據挖掘領域中，做好關聯分析工作特別重要。A-priori關聯算法、FP-growth算法應用較多，最近幾年來，出現了很多的新型算法，A-priori關聯算法、FP-growth也得到有效改進。

2.1.2 統計分析技術

在數據管理分析工作當中，統計分析技術較為常見，此項技術屬于基礎分析技術之一。相關人員通過收集并整理電力數據信息，能夠更加直觀地找到數據信息之間內在聯系，經過精確的計算之后，確定最終的統計數據新信息，從而為電力企業(yè)的運營管理提供優(yōu)質服務[2]。

電力大數據具有體量大的特點，將大數據分析技術應用到電力信息管理工作之中，可顯著提升智能電網建設水平，推動我國電力行業(yè)的可持續(xù)發(fā)展。電力數據的類型比較多，為了保證大數據分析技術得到良好運用，要求相關部門根據電力數據信息的特點，做好分類工作，提高電力數據處理速率，保證電力數據得到高效處理。

2.1.3 聚類分析技術

最近幾年中，聚類分析技術應用領域不斷擴大，研究人員結合現有的聚類分析算法，研發(fā)出更多新型的聚類分析算法，例如，基于數據信息分析的劃分方法與聚類分析方法等。為了更好地滿足數據信息聚類分析需求，相關人員要妥善解決聚類問題，可以根據不同類型的數據信息，采用合理的數據聚類分析技術。

2.2 大數據分析技術應用要點

在電力企業(yè)運營管理工作之中，通過應用大數據分析技術，不僅可以保證各項電力數據信息得到高效利用，而且顯著提高電力企業(yè)運營管理質量。例如，在電力企業(yè)的數據管理部門的當中，為了更好地滿足電力預測需求，管理人員可以運用大數據分析技術，為決策部門提供良好的數據支持，保證電力調度更加科學，促進電網系統的穩(wěn)定運行。

2.2.1 科學構建負荷預測框架

為了保證電力負荷預測更加合理，相關管理人員可從以下幾方面入手：

第一，利用大數據分析技術，構建完善的數據分析與處理的平臺，該平臺的良好構建，可顯著提高電力負荷預測的準確性。

第二，加強數據分析，將大量數據信息上傳到數據分析處理平臺中，并結合電力負荷分布情況，找到影響電力負荷穩(wěn)定增長的因素，并進行科學處理[3]。

對于電力企業(yè)中的相關管理人員來講，在挖掘電力數據信息之前，要將不同區(qū)域的電力負荷數據進行分類，找到不同用電地區(qū)用戶的用電規(guī)律，并運用大數據分析中的聚類分析方法，確定用戶負荷類型，開展關聯性分析，在區(qū)域用電結構的基礎之上，準確預測用戶的用電負荷。

數據分析與處理的平臺在運行的過程當中，相關人員還要構建數據庫服務器與ETL服務器，電力數據庫服務器和ETL服務器要求見表1與表2。

表1 電力數據庫服務器要求

表2 ETL服務器要求

電力系統當中的ETL，其邏輯流程可以分解為兩階段，從源表逐漸到ODS層，再從ODS層逐漸過渡到DW層。上述兩個階段要認真遵守串行順序，前面的階段數據加載完畢后，方可開始后面數據的加載，結合電力數據的傳輸流程得知，相關人員需要對煤層ETL程序進行架構設計，并制定完善的系統運行計劃，此計劃主要包括以下內容，具體見表3。

表3 ETL系統架構調度表

2.2.2 負荷數據聚類分析

通過對電力數據信息進行聚類分析，可以保證電力數據信息更加準確，電力企業(yè)中的相關人員可以采用K均值聚類分析方法進行分析，此方法的應用原理比較簡單，針對給定的數據信息進行分類，總共分成K類，并對各項數據信息進行細化分析，進一步提高電力負荷預測的合理性[4]。

由于數字化時代的到來，電力系統在穩(wěn)定運行的同時，會生成大量的數據信息，要想進一步提升電力系統的運行效率，要求電力企業(yè)中的有關工作人員，針對各項電力數據信息進行科學分析。而大數據分析技術的良好運用，有效降低電力數據分析難度，減少錯誤電力數據信息的出現。

為了更好地提升電力系統工作效率，可以適當降低系統的延時性，增強電力系統可靠性。如果電力數據在短時間內急劇增多，會對電力信息數據工作產生一定影響，因此，相關人員需要合理運用大數據分析技術，在保證電力系統安全、穩(wěn)定運行的基礎上，提高智能電網的建設水平。通過對電力負荷數據進行聚類分析，可以顯著提高電力運營管理效率，比如，在某大型電力企業(yè)之中，針對電力負荷數據實施聚類分析前后，該企業(yè)的電力運營管理效果得到顯著提高，具體數據見表4。

表4 對電力負荷數據實施聚類分析前后電力運營管理效率分析 /%

2.3 發(fā)展趨勢

在智能電網建設過程當中，通過科學應用電力大數據分析技術，例如可視化技術與空間信息流技術等，可以顯著提升智能電網的安全性。比如，在智能電網運行管理工作之中，相關管理人員利用大數據分析技術，可以實時查看電力數據流，使得電力數據處理效率得到顯著提升。未來，大數據分析技術將會朝著智能化方向發(fā)展，電網調度和電力數據分析等工作效率得到明顯提升[5]。

由于智能電網的快速發(fā)展，電網設施改造水平不斷提升，在電力企業(yè)的內部，積累大量的數據信息，為了保證這些數據信息得到高效統計，要求相關部門適當加大研發(fā)力度，為電力企業(yè)的快速發(fā)展提供先進的技術支持?，F階段，我國電力企業(yè)運營數據信息主要分為三種類型，分別是電力網絡運行和設備監(jiān)測數據信息、電力營銷數據信息、電力管理數據信息等等。大數據分析技術的科學運用，可以顯著提升電力企業(yè)的服務水平，保證電力企業(yè)運營管理質量得到提高，減少電力數據信息資源的浪費。

大數據分析技術的良好運用，可以幫助電力企業(yè)制定出更加完善的運營管理決策，更好的挖掘出用戶消費特征，并結合用戶的電力需求，為其提供針對性的服務方案，保證電力企業(yè)的運營水平得到明顯提高。結合電力中心能源數據服務平臺運行特點，電力企業(yè)可優(yōu)化其內部的管理結構，為用戶提供實時性數據信息，有效降低能源的損耗。

3 結語

綜上，通過對大數據分析技術在電力運營數據管理當中的具體運用與注意事項進行全方位分析，例如明確大數據分析核心技術、負荷數據聚類分析等，可以保證大數據分析技術在電力企業(yè)運營管理工作中得到高效運用，減少錯誤電力數據的出現，對我國電力事業(yè)的快速發(fā)展起到有效推動。