隨著電力行業(yè)數(shù)字化轉(zhuǎn)型加速，大數(shù)據(jù)技術(shù)在電力資產(chǎn)管理領(lǐng)域的重要性日益凸顯，本文對(duì)電力公司當(dāng)前資產(chǎn)管理的狀況進(jìn)行了詳細(xì)分析，針對(duì)資產(chǎn)數(shù)據(jù)采集不全面、數(shù)據(jù)價(jià)值挖掘不充分、資產(chǎn)配置效率較低等一系列問題，提出了構(gòu)建全覆蓋數(shù)據(jù)采集體系、優(yōu)化資產(chǎn)配置模型、完善預(yù)測(cè)性維護(hù)機(jī)制等一系列提升的途徑。研究表明，大數(shù)據(jù)分析技術(shù)可以達(dá)成對(duì)設(shè)備狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)、對(duì)故障預(yù)警作出預(yù)測(cè)以及對(duì)檢修計(jì)劃給予優(yōu)化的目標(biāo)，可將資產(chǎn)利用效率提升15%至20%，由大數(shù)據(jù)驅(qū)動(dòng)的智能決策支持系統(tǒng)，可實(shí)現(xiàn)資產(chǎn)全生命周期的精細(xì)化管理，為電力公司降低成本、提高效益提供強(qiáng)有力的保障。

一、引言

近年來，能源互聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)等新型基礎(chǔ)設(shè)施建設(shè)發(fā)展態(tài)勢(shì)良好，電力公司面臨著設(shè)備種類多樣化、資產(chǎn)規(guī)?？焖贁U(kuò)張等方面的挑戰(zhàn)，傳統(tǒng)資產(chǎn)管理模式已無法適應(yīng)新形勢(shì)下精細(xì)化、智能化管理需求，大數(shù)據(jù)技術(shù)的興起，為解決這一難題開拓了新途徑，構(gòu)建完善的數(shù)據(jù)采集體系，深化大數(shù)據(jù)分析應(yīng)用，可提升資產(chǎn)管理的科學(xué)性與效率。電力公司急需探索基于大數(shù)據(jù)的資產(chǎn)管理新模式，實(shí)現(xiàn)從“被動(dòng)響應(yīng)”轉(zhuǎn)變?yōu)椤爸鲃?dòng)預(yù)測(cè)”、從“經(jīng)驗(yàn)決策”轉(zhuǎn)變?yōu)椤皵?shù)據(jù)決策”，研究大數(shù)據(jù)環(huán)境下電力資產(chǎn)管理效率的提升路徑意義重大。

二、電力資產(chǎn)管理現(xiàn)狀分析

電力企業(yè)擁有著龐大的資產(chǎn)規(guī)模，其設(shè)備種類呈現(xiàn)出繁雜狀態(tài)，涉及發(fā)電、輸電、變電以及配電等多個(gè)不同環(huán)節(jié)，當(dāng)下的資產(chǎn)管理工作正面臨著諸多方面的困境。

第一，數(shù)據(jù)采集的手段比較單一，大多依靠人工巡檢以及設(shè)備定期檢測(cè)來完成，依靠這樣的方式很容易出現(xiàn)數(shù)據(jù)采集不及時(shí)、不全面的情況，難以精確掌握設(shè)備實(shí)時(shí)運(yùn)行的狀態(tài)。

第二，資產(chǎn)配置方面呈現(xiàn)不均衡狀況，有一些區(qū)域的設(shè)備負(fù)荷率超過了85%，然而另外一些區(qū)域的設(shè)備負(fù)荷率僅僅約為40%，這種情況導(dǎo)致了資源浪費(fèi)現(xiàn)象。

第三，設(shè)備檢修大多以定期維護(hù)作為主要方式，而沒有充分運(yùn)用狀態(tài)檢修以及預(yù)測(cè)性維護(hù)等手段，年度檢修所產(chǎn)生的費(fèi)用大概占資產(chǎn)原值的3.5%，然而檢修資源的利用率僅僅只有65%。

第四，資產(chǎn)全壽命周期效能評(píng)估體系不健全，設(shè)備更新改造決策環(huán)節(jié)缺少量化依據(jù)，使得部分設(shè)備出現(xiàn)超期服役或者提前報(bào)廢的情況。

第五，傳統(tǒng)的資產(chǎn)管理系統(tǒng)存在信息孤島，其數(shù)據(jù)標(biāo)準(zhǔn)未能保持統(tǒng)一，各個(gè)系統(tǒng)之間的數(shù)據(jù)共享程度處于較低水平，使得數(shù)據(jù)價(jià)值難以得到充分發(fā)揮。

考慮到上述一系列問題，引入大數(shù)據(jù)技術(shù)并借助數(shù)字化以及智能化手段來全面提升電力資產(chǎn)管理的效率，顯得極為迫切。大數(shù)據(jù)分析能實(shí)現(xiàn)設(shè)備狀態(tài)實(shí)時(shí)監(jiān)測(cè)、故障預(yù)警預(yù)測(cè)以及維護(hù)計(jì)劃優(yōu)化等功能，為資產(chǎn)精細(xì)化管理提供有力支撐，幫助電力企業(yè)降低成本、提高效益以及提升管理質(zhì)量。

三、基于大數(shù)據(jù)的資產(chǎn)管理效率提升路徑

（一）構(gòu)建資產(chǎn)數(shù)據(jù)采集平臺(tái)

構(gòu)建全覆蓋的資產(chǎn)數(shù)據(jù)采集平臺(tái)對(duì)于提升管理效率而言非常關(guān)鍵，借助智能傳感器以及物聯(lián)網(wǎng)設(shè)備等各類數(shù)據(jù)采集終端，可對(duì)設(shè)備運(yùn)轉(zhuǎn)過程中的溫度、振動(dòng)以及噪聲等參數(shù)展開實(shí)時(shí)監(jiān)測(cè)，構(gòu)建穩(wěn)定高效的數(shù)據(jù)傳輸網(wǎng)絡(luò)，確保數(shù)據(jù)采集的實(shí)時(shí)性與可靠性符合標(biāo)準(zhǔn)規(guī)定。

在變電站當(dāng)中應(yīng)用智能型視頻監(jiān)控系統(tǒng)，借助圖像識(shí)別技術(shù)自動(dòng)檢測(cè)設(shè)備外觀是否存在缺陷；運(yùn)用無人機(jī)開展配電線路巡檢工作，提升巡檢效率的同時(shí)擴(kuò)大覆蓋范圍。制定統(tǒng)一的數(shù)據(jù)采集標(biāo)準(zhǔn)與規(guī)范，以此保持?jǐn)?shù)據(jù)格式一致和規(guī)范采集流程。針對(duì)不同的設(shè)備，設(shè)定差異化采集方式，比如將關(guān)鍵設(shè)備的采樣頻率設(shè)定為100Hz，普通設(shè)備則設(shè)定為1Hz。利用邊緣計(jì)算技術(shù)對(duì)采集到的數(shù)據(jù)進(jìn)行預(yù)處理以及篩選，減輕數(shù)據(jù)傳輸以及存儲(chǔ)壓力，建立數(shù)據(jù)質(zhì)量評(píng)估體系，標(biāo)識(shí)異常數(shù)據(jù)并進(jìn)行處理，保證數(shù)據(jù)真實(shí)可靠。

（二）優(yōu)化資產(chǎn)配置效能分析

借助大數(shù)據(jù)分析技術(shù)剖析評(píng)估電力資產(chǎn)配置效能，建立設(shè)備負(fù)荷特性模型，以此分析設(shè)備容量與實(shí)際負(fù)荷的匹配狀況，運(yùn)用時(shí)序數(shù)據(jù)挖掘技術(shù)，識(shí)別設(shè)備利用峰谷的時(shí)空分布規(guī)律，找出資產(chǎn)配置不合理之處。

搭建資產(chǎn)效能評(píng)價(jià)指標(biāo)體系，憑借設(shè)備可用率、負(fù)荷率、故障率等多個(gè)維度綜合評(píng)估資產(chǎn)的使用效能。對(duì)于配置效能較低的區(qū)域，著手制定資產(chǎn)調(diào)配優(yōu)化方案，借助負(fù)荷預(yù)測(cè)模型分析未來用電需求，為設(shè)備更新改造提供決策依據(jù)，運(yùn)用模擬優(yōu)化算法，動(dòng)態(tài)調(diào)整設(shè)備布局，提高整體配置效率。

（三）完善資產(chǎn)運(yùn)營(yíng)效率評(píng)估

構(gòu)建具備多項(xiàng)特性的資產(chǎn)運(yùn)營(yíng)效率評(píng)估體系，科學(xué)評(píng)估資產(chǎn)運(yùn)營(yíng)狀況。運(yùn)用數(shù)據(jù)包絡(luò)分析法，從設(shè)備完好率、運(yùn)行可靠性以及檢修及時(shí)率等方面著手構(gòu)建評(píng)估指標(biāo)體系，建立資產(chǎn)運(yùn)營(yíng)數(shù)據(jù)統(tǒng)計(jì)模型，對(duì)設(shè)備健康狀況展開量化評(píng)分，設(shè)定75分作為警戒線，低于該分值的設(shè)備會(huì)自動(dòng)納入重點(diǎn)監(jiān)控范圍。

采用時(shí)間序列分析辦法，構(gòu)建設(shè)備性能劣化趨勢(shì)模型，追蹤關(guān)鍵性能指標(biāo)變化，繪制設(shè)備狀態(tài)趨勢(shì)圖，科學(xué)預(yù)測(cè)設(shè)備剩余使用期限。借助分析設(shè)備歷史運(yùn)行數(shù)據(jù)，明確核心指標(biāo)評(píng)估基準(zhǔn)，為效率評(píng)估提供量化依據(jù)。

挖掘設(shè)備運(yùn)行工況與性能參數(shù)的關(guān)聯(lián)關(guān)系，明確影響設(shè)備運(yùn)行效率的關(guān)鍵因素。借助關(guān)聯(lián)規(guī)則分析與聚類算法，多方面分析設(shè)備運(yùn)行參數(shù)，找出影響效率的潛在因素。結(jié)合Monte Carlo仿真模式，構(gòu)建設(shè)備運(yùn)行可靠性模型，經(jīng)大量模擬計(jì)算，評(píng)估不同運(yùn)行方式下設(shè)備的可靠性指標(biāo)與經(jīng)濟(jì)性指標(biāo)，助力優(yōu)化運(yùn)行策略。

構(gòu)建效率評(píng)估結(jié)果應(yīng)用體系，將評(píng)估結(jié)果充分應(yīng)用于設(shè)備運(yùn)維策略調(diào)整以及技術(shù)改造等工作。憑借科學(xué)的效率評(píng)估體系，實(shí)現(xiàn)了設(shè)備平均運(yùn)行效率提升12%，設(shè)備非計(jì)劃停運(yùn)時(shí)長(zhǎng)減少了25小時(shí)，運(yùn)行穩(wěn)定性顯著增強(qiáng)，同時(shí)運(yùn)營(yíng)成本降低了15%。

（四）建立資產(chǎn)智能預(yù)警機(jī)制

構(gòu)建基于大數(shù)據(jù)的資產(chǎn)智能預(yù)警機(jī)制，實(shí)現(xiàn)設(shè)備異常狀態(tài)的預(yù)先識(shí)別以及處理。運(yùn)用機(jī)器學(xué)習(xí)算法，創(chuàng)建覆蓋振動(dòng)特征、溫度特征、電氣特征等多維度參數(shù)的設(shè)備故障特征庫(kù)，運(yùn)用深度學(xué)習(xí)模型剖析歷史故障案例，提取故障發(fā)生的典型特征以及演變規(guī)律，構(gòu)建多層級(jí)預(yù)警指標(biāo)體系，將預(yù)警等級(jí)劃分成四級(jí)，實(shí)現(xiàn)故障風(fēng)險(xiǎn)的精確預(yù)警。

建立動(dòng)態(tài)調(diào)整模型，依據(jù)設(shè)備運(yùn)行環(huán)境以及負(fù)荷狀況動(dòng)態(tài)調(diào)整預(yù)警閾值，提升預(yù)警精準(zhǔn)度。采用關(guān)聯(lián)規(guī)則挖掘技術(shù)，分析設(shè)備故障傳播路徑，實(shí)現(xiàn)對(duì)連鎖故障的預(yù)警，預(yù)警信息通過移動(dòng)終端實(shí)時(shí)推送給相關(guān)人員，保障及時(shí)處理。實(shí)踐證明，智能預(yù)警機(jī)制可提前24小時(shí)至72小時(shí)發(fā)現(xiàn)潛在故障，預(yù)警準(zhǔn)確率超過90%。

（五）提升資產(chǎn)全生命周期效能

構(gòu)建資產(chǎn)全生命周期管理體系，覆蓋規(guī)劃、采購(gòu)、運(yùn)維、報(bào)廢等流程。在規(guī)劃階段，借助大數(shù)據(jù)分析手段，綜合考量負(fù)荷增長(zhǎng)趨勢(shì)、設(shè)備運(yùn)行狀態(tài)、區(qū)域發(fā)展規(guī)劃等因素，合理安排資產(chǎn)配置，在采購(gòu)環(huán)節(jié)，搭建供應(yīng)商評(píng)價(jià)模型，依照產(chǎn)品可靠性、技術(shù)指標(biāo)、售后服務(wù)以及歷史業(yè)務(wù)表現(xiàn)等方面審核供應(yīng)商資格，保障采購(gòu)設(shè)備質(zhì)量。

在設(shè)備運(yùn)維階段推行狀態(tài)檢修，基于實(shí)時(shí)采集的設(shè)備健康數(shù)據(jù)優(yōu)化檢修周期，將平均檢修間隔從六個(gè)月延長(zhǎng)到了八個(gè)月。同時(shí)，構(gòu)建設(shè)備運(yùn)行狀態(tài)評(píng)估體系，實(shí)時(shí)跟蹤關(guān)鍵指標(biāo)，確保設(shè)備始終處于最佳運(yùn)行狀態(tài)。

圍繞資產(chǎn)全壽命周期各環(huán)節(jié)，構(gòu)建完備的數(shù)據(jù)采集以及分析體系。建立資產(chǎn)價(jià)值評(píng)估模型，綜合考量設(shè)備運(yùn)行時(shí)長(zhǎng)、檢修記錄、性能退化等因素，科學(xué)測(cè)算設(shè)備剩余價(jià)值，為更新改造決策提供可靠依據(jù)。構(gòu)建設(shè)備壽命預(yù)測(cè)模型，通過分析歷史運(yùn)行數(shù)據(jù)精準(zhǔn)預(yù)測(cè)設(shè)備使用年限，制定合理的退役計(jì)劃。分析設(shè)備全壽命周期成本，優(yōu)化維護(hù)策略，實(shí)現(xiàn)成本最小化的目標(biāo)。在報(bào)廢環(huán)節(jié)，搭建資產(chǎn)處置價(jià)值評(píng)估體系，實(shí)現(xiàn)資產(chǎn)殘值回收最大化。實(shí)踐證明，全生命周期管理使設(shè)備平均使用壽命延長(zhǎng)15%，維護(hù)成本降低約20%，提升了資產(chǎn)利用效率。

四、大數(shù)據(jù)驅(qū)動(dòng)的資產(chǎn)效能提升策略

（一）數(shù)字化轉(zhuǎn)型升級(jí)方案

電力資產(chǎn)數(shù)字化轉(zhuǎn)型應(yīng)采取分步實(shí)施的策略，從而保證轉(zhuǎn)型平穩(wěn)有序推進(jìn)，第一階段主要任務(wù)是建設(shè)數(shù)據(jù)中臺(tái)，完成核心業(yè)務(wù)系統(tǒng)的升級(jí)改造，實(shí)現(xiàn)設(shè)備臺(tái)賬、檢修記錄以及運(yùn)行數(shù)據(jù)等各類信息的統(tǒng)一管理，建立數(shù)據(jù)標(biāo)準(zhǔn)化規(guī)范，對(duì)歷史數(shù)據(jù)展開清洗，把數(shù)據(jù)準(zhǔn)確率從原本的85%提升至97%。第二階段需推進(jìn)設(shè)備的智能化改造，關(guān)鍵設(shè)備需加裝智能傳感器，構(gòu)建數(shù)字孿生模型，使得設(shè)備監(jiān)測(cè)覆蓋率可達(dá)到95%。第三階段則要構(gòu)建智能分析平臺(tái)，引入人工智能算法，實(shí)現(xiàn)設(shè)備狀態(tài)評(píng)估、故障診斷以及檢修決策等功能的智能化，搭建統(tǒng)一的數(shù)據(jù)共享機(jī)制，打破各業(yè)務(wù)系統(tǒng)之間的數(shù)據(jù)壁壘，提升數(shù)據(jù)價(jià)值。實(shí)踐證明，數(shù)字化轉(zhuǎn)型可使資產(chǎn)管理效率提升30%，運(yùn)維成本降低25%，設(shè)備可用率提高到98%。

（二）智能化決策支持體系

構(gòu)建基于大數(shù)據(jù)的智能決策支持體系，為提升資產(chǎn)效能提供科學(xué)依據(jù)，構(gòu)建設(shè)備健康評(píng)估模型，剖析設(shè)備運(yùn)行數(shù)據(jù)，生成設(shè)備健康評(píng)分，為檢修決策提供量化參考，運(yùn)用深度學(xué)習(xí)算法，構(gòu)建設(shè)備故障預(yù)測(cè)模型，其準(zhǔn)確率可達(dá)92%，研發(fā)智能檢修決策系統(tǒng)，依據(jù)設(shè)備狀態(tài)、檢修資源以及負(fù)荷情況等諸多因素，自動(dòng)生成最優(yōu)檢修方案。

構(gòu)建資產(chǎn)投資效益評(píng)估模型，對(duì)設(shè)備更新改造項(xiàng)目展開全面綜合評(píng)估，最終實(shí)現(xiàn)投資收益率提升了15%，利用可視化展示平臺(tái)，將設(shè)備運(yùn)行狀態(tài)、檢修計(jì)劃以及效能分析等各類信息直觀地呈現(xiàn)出來，輔助決策人員迅速做出響應(yīng)。

表2 某電力公司智能決策支持系統(tǒng)應(yīng)用效果分析表

應(yīng)用場(chǎng)景 決策

準(zhǔn)確率/% 響應(yīng)

時(shí)間/min 效益

提升率/%

故障預(yù)警 92.5 5 35.6

檢修優(yōu)化 88.7 15 28.4

投資評(píng)估 90.3 30 31.2

負(fù)荷預(yù)測(cè) 94.6 10 26.8

資源調(diào)配 87.9 20 33.5

（三）預(yù)測(cè)性維護(hù)優(yōu)化機(jī)制

利用大數(shù)據(jù)分析構(gòu)建預(yù)測(cè)性維護(hù)優(yōu)化機(jī)制，實(shí)現(xiàn)從傳統(tǒng)時(shí)間基準(zhǔn)維護(hù)到狀態(tài)基準(zhǔn)維護(hù)的轉(zhuǎn)變，創(chuàng)建設(shè)備失效概率模型，融合設(shè)備運(yùn)行參數(shù)、環(huán)境因素以及歷史故障數(shù)據(jù)等信息，計(jì)算設(shè)備故障概率，運(yùn)用機(jī)器學(xué)習(xí)算法剖析設(shè)備劣化趨勢(shì)，構(gòu)建剩余壽命預(yù)測(cè)模型，預(yù)測(cè)精度可達(dá)85%。

依據(jù)預(yù)測(cè)結(jié)果，制定有差異化的維護(hù)策略，針對(duì)那些故障風(fēng)險(xiǎn)相對(duì)較高的設(shè)備提前開展維護(hù)工作，構(gòu)建維護(hù)資源優(yōu)化配置模型，綜合考量維護(hù)成本、設(shè)備關(guān)鍵程度、故障所產(chǎn)生的影響等諸多因素，科學(xué)合理地安排維護(hù)計(jì)劃，搭建設(shè)備健康度評(píng)估系統(tǒng)，對(duì)核心部件的狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)控，當(dāng)關(guān)鍵指標(biāo)接近預(yù)警閾值，系統(tǒng)自動(dòng)生成維護(hù)建議。

借助構(gòu)建維護(hù)效果評(píng)估機(jī)制，跟蹤并分析維護(hù)之后的設(shè)備狀態(tài)，建立維護(hù)質(zhì)量評(píng)價(jià)體系，持續(xù)優(yōu)化維護(hù)策略以及技術(shù)標(biāo)準(zhǔn)，實(shí)踐顯示，預(yù)測(cè)性維護(hù)可讓設(shè)備故障率下降45%，使得維護(hù)成本削減30%，設(shè)備可用率提升到98.5%，年度檢修工時(shí)減少2000小時(shí)。

（四）資產(chǎn)效能評(píng)價(jià)指標(biāo)

構(gòu)建一套科學(xué)完整的資產(chǎn)效能評(píng)價(jià)指標(biāo)體系，從技術(shù)效能、經(jīng)濟(jì)效能以及運(yùn)營(yíng)效能三個(gè)維度客觀評(píng)估資產(chǎn)運(yùn)營(yíng)效果。該體系包含了設(shè)備可靠性、維護(hù)效率、投資回報(bào)等多個(gè)指標(biāo)。

技術(shù)效能指標(biāo)的重點(diǎn)在于關(guān)注如設(shè)備完好率、故障發(fā)生率以及檢修及時(shí)率等核心指標(biāo)，通過數(shù)據(jù)統(tǒng)計(jì)分析來確定各個(gè)指標(biāo)的權(quán)重系數(shù)，運(yùn)用層次分析法構(gòu)建指標(biāo)評(píng)分模型；經(jīng)濟(jì)效能指標(biāo)著重考量全壽命周期成本、維護(hù)費(fèi)用率以及資產(chǎn)投資收益等方面；建立成本效益分析模型，對(duì)設(shè)備經(jīng)濟(jì)性展開定量評(píng)估；運(yùn)營(yíng)效能指標(biāo)主要囊括設(shè)備利用率、負(fù)荷率以及檢修計(jì)劃執(zhí)行率等，通過構(gòu)建運(yùn)營(yíng)狀況評(píng)分體系實(shí)現(xiàn)對(duì)資產(chǎn)運(yùn)營(yíng)效能的量化評(píng)價(jià)。

對(duì)于不同類型的設(shè)備，制定差異化的評(píng)價(jià)標(biāo)準(zhǔn)，構(gòu)建分層分類的指標(biāo)評(píng)價(jià)機(jī)制，運(yùn)用數(shù)據(jù)挖掘技術(shù)分析各項(xiàng)指標(biāo)之間的相關(guān)性。建立指標(biāo)聯(lián)動(dòng)關(guān)系模型，提升評(píng)價(jià)結(jié)果的科學(xué)性，建立健全指標(biāo)動(dòng)態(tài)調(diào)整機(jī)制，每一個(gè)季度都要對(duì)指標(biāo)體系展開評(píng)估以及優(yōu)化，保證指標(biāo)設(shè)置一直符合資產(chǎn)運(yùn)營(yíng)的實(shí)際需求。設(shè)置指標(biāo)預(yù)警閾值，當(dāng)指標(biāo)達(dá)到預(yù)警值的時(shí)候會(huì)自動(dòng)觸發(fā)預(yù)警信號(hào)，從而及時(shí)發(fā)現(xiàn)風(fēng)險(xiǎn)問題。

構(gòu)建評(píng)價(jià)結(jié)果應(yīng)用機(jī)制，把評(píng)價(jià)結(jié)果同資產(chǎn)配置決策、維護(hù)策略制定以及技術(shù)改造等工作緊密關(guān)聯(lián)起來，形成閉環(huán)管理模式，實(shí)踐顯示，科學(xué)的效能評(píng)價(jià)指標(biāo)體系能有效提升25%，同時(shí)資產(chǎn)管理決策準(zhǔn)確率也提升至95%以上。

五、結(jié)語(yǔ)

利用大數(shù)據(jù)技術(shù)提高電力資產(chǎn)管理效率屬于系統(tǒng)工程范疇，要從數(shù)據(jù)采集、分析應(yīng)用以及決策支持等多個(gè)環(huán)節(jié)著手，打造科學(xué)完整的解決方案，構(gòu)建資產(chǎn)數(shù)據(jù)采集平臺(tái)，實(shí)時(shí)監(jiān)測(cè)和分析設(shè)備運(yùn)行狀態(tài)，借助大數(shù)據(jù)分析技術(shù)，優(yōu)化資產(chǎn)配置效能，提高運(yùn)營(yíng)效率，設(shè)立智能預(yù)警機(jī)制，實(shí)現(xiàn)設(shè)備故障的提前預(yù)測(cè)與處理。未來隨著人工智能、物聯(lián)網(wǎng)等技術(shù)不斷發(fā)展，電力資產(chǎn)管理會(huì)朝著更智能化、精細(xì)化方向前進(jìn)，助力電力企業(yè)創(chuàng)造更多經(jīng)濟(jì)效益與社會(huì)價(jià)值。

（作者單位：國(guó)網(wǎng)甘肅省電力公司臨夏供電公司）

作者簡(jiǎn)介：馬文娟，1990年7月出生，女，回族，甘肅隴南人，大學(xué)本科，會(huì)計(jì)師。研究方向：財(cái)務(wù)管理。