电力企业应对大数据时代的技术策略研究
大数据环境下电力企业商业模式创新
大数据环境下电力企业商业模式创新
在大数据环境下，电力企业可以通过商业模式创新来实现更高效、可
持续的发展。
以下是几个方面的创新措施：
1.数据驱动的营销策略：电力企业可以利用大数据技术分析用户数据，了解用户需求和行为模式，以此为基础制定个性化的营销策略。
通过精准
的推送和定制化服务，提高用户满意度和忠诚度，增加用户留存率和市场
份额。
2.智能能源管理：通过大数据技术实现对电力使用的精细化管理，包
括实时监测能源使用情况、预测用电需求、优化供电安排等。
通过智能电网、物联网和云计算等技术的结合，可以实现电力的智能化、高效化管理，提高供应链效率，减少能源浪费。
5.跨界合作：电力企业可以与其他行业进行跨界合作，共同开展能源
相关的创新项目。
例如与科技公司合作开展智能电表研发，与新能源企业
合作发展清洁能源等。
通过跨界合作，电力企业可以借助其他行业的创新
力量，推动自身的创新和发展。
大数据在电力行业的应用研究
大数据在电力行业的应用研究随着科技的不断发展，大数据技术在各行各业的应用也越来越广泛。
电力行业一直是国民经济发展的重要支柱，而大数据技术的应用则给电力行业带来了许多的机遇和挑战。
本文将探讨大数据在电力行业中的应用研究，并分析其对电力行业的重要意义。
一、大数据在电力企业的生产运营中的应用1. 数据采集与监测电力企业拥有大量的设备和系统，如发电机组、输电线路等，这些设备产生的数据量巨大。
通过大数据技术，电力企业可以对这些数据进行采集、监测和分析，实时了解设备的运行状态和性能，并及时发现和解决潜在问题，提高电力设备的效率和可靠性。
2. 负荷预测与优化调度电力行业的负荷预测与优化调度对供电稳定和能源消耗具有重要意义。
通过大数据技术，电力企业可以收集历史数据和实时数据，利用机器学习和数据分析算法进行负荷预测，帮助企业合理调度发电机组和电力输送，最大程度地满足用户需求，并减少能源的浪费。
3. 能源监控与管理大数据技术可以帮助电力企业实时监控电力的生产、输送和消费情况，提高能源的利用效率。
通过对数据的分析和挖掘，电力企业可以发现能源消耗的规律和瓶颈，从而采取相应的措施来提高能源的利用效率，减少电力损耗和浪费。
二、大数据在电力行业的管理决策中的应用1. 基于大数据的决策支持系统电力行业的管理决策需要考虑众多的因素和变量。
通过大数据技术，可以对电力行业的历史数据、市场需求、电力供应等进行综合分析和挖掘，为电力企业的管理决策提供科学的决策依据和支持。
这些汇总数据可以帮助电力企业准确预测市场需求，合理安排发电计划，并优化供电结构，提高电力企业的竞争力和效益。
2. 安全风险评估与预警电力行业存在着诸多的安全风险，如火灾、设备故障等。
通过大数据技术，可以对电力系统中的数据进行监测和分析，及时发现异常情况，并进行预警和风险评估。
这些安全数据可以帮助电力企业避免事故的发生，保障电力系统的安全稳定运行。
三、大数据在电力行业的市场营销中的应用1. 用户行为分析与个性化营销电力企业可以通过大数据技术对用户的用电行为进行分析和挖掘，了解用户的用电习惯和需求，为用户提供个性化的用电计划和服务。
“大数据”技术及其在电力行业中的应用
“大数据”技术及其在电力行业中的应用一、本文概述随着信息技术的飞速发展和互联网的广泛应用，大数据已经成为当今社会的热门话题。
大数据技术以其强大的数据处理能力和深入的数据挖掘价值，正在逐步改变我们的生活和工作方式。
本文旨在探讨“大数据”技术的内涵、特点以及其在电力行业中的应用。
我们将首先定义和解析大数据技术的核心要素，包括其定义、技术架构、处理流程等。
然后，我们将深入讨论大数据技术在电力行业中的应用场景，包括智能电网、能源管理、电力市场分析等方面。
我们将总结大数据技术在电力行业中的优势和挑战，并提出未来的发展趋势和建议。
本文旨在为读者提供一个大数据技术在电力行业应用的全面视图，以期能够帮助读者更好地理解和应用这一技术。
二、大数据技术概述随着信息技术的快速发展，大数据已经成为了当今社会的重要资源。
大数据技术是指通过特定的技术处理难以用常规手段管理和处理的数据集合。
这些数据集合往往具有数据量大、生成速度快、种类繁多、价值密度低等特点。
大数据技术的核心在于通过高效的数据处理和分析，从海量数据中提取出有价值的信息，为决策提供支持。
大数据技术的体系架构通常包括数据采集、数据存储、数据处理与分析、数据可视化等关键环节。
数据采集是指利用各种传感器、网络爬虫等手段，从各种来源获取数据。
数据存储则需要用到分布式文件系统、NoSQL数据库等技术，以应对海量数据的存储需求。
数据处理与分析则包括数据清洗、数据挖掘、机器学习等一系列技术手段，以揭示数据背后的规律和趋势。
数据可视化则是将分析结果以直观、易懂的方式呈现出来，帮助用户更好地理解和利用数据。
在大数据技术的推动下，电力行业也迎来了深刻变革。
通过对设备运行数据、用户用电数据、市场环境数据等进行全面采集和分析，电力行业可以更加精确地预测电力需求、优化资源配置、提高运营效率，从而实现可持续发展。
三、大数据技术在电力行业的应用随着“大数据”技术的不断发展，其在电力行业中的应用也日益广泛。
大数据在电力行业的应用
大数据在电力行业的应用随着信息化时代大数据技术的快速发展，电力行业也开始不断地探索大数据的应用。
大数据分析不仅可以帮助电力企业节约成本，提高效率，还可以加强风险管控、优化能源消费结构，为电力行业的转型升级提供有力的支撑。
本文将从电力生产、输配电、市场运营和用户服务等方面探讨大数据在电力行业的应用。
一、电力生产电力生产是电力企业的核心业务，如何提高发电效率成为各大电力企业面临的挑战。
大数据技术可以收集处理各种数据，如机组负载、燃料消耗、天气数据等，帮助电力企业建立基于大数据的智能预测模型，预测未来电力需求和气象变化，优化发电计划和调度方案。
这样既能提高电力企业的发电效率，又能节约成本，降低对环境的影响。
二、输配电输配电业务是电力企业的重要环节，也是电力行业的重要发展方向。
随着智能电网建设的快速推进，对输配电系统的大数据分析越发重要。
通过对输配电系统的大数据采集和分析，实现对各个设备的状态监测、预测故障、发现隐患，及时采取措施解决问题，保障输配电系统的稳定和可靠运行。
同时，通过大数据分析，还可以优化电网能效，提高电力企业的运营效益。
三、市场运营市场运营是电力企业的运营管理方面，关系到企业的盈利，也是电力行业重要的组成部分。
大数据分析可以帮助电力企业了解用户需求，优化供需关系，提高市场竞争力。
例如，结合用户用电需求、天气变化等大数据，提高电力市场的供需预测精度，引导市场运营方向。
此外，对于一些特殊的用电需求，如数据中心、工业产业用电等，也可以通过大数据分析建立专业化销售团队，为企业带来更高的利润。
四、用户服务用户服务是电力企业的重要方面，用户体验的好坏是电力企业长期发展的关键。
大数据分析可以帮助电力企业实现用户需求个性化服务。
例如，通过分析用户数据，了解用户用电习惯、需求，精准定制个性化服务方案。
同时还能通过大数据分析进行营销管理，针对用户特别需求或季节性需求推出相应的营销服务，从而提高用户体验和服务质量。
大数据技术在电力行业的应用研究
大数据技术在电力行业的应用研究随着社会的飞速发展，各个行业的运作都离不开大数据技术的支持。
其中，电力行业作为一项基础产业，其对大数据技术的应用也越发毫不掩饰地呈现出来。
大数据技术在电力行业的应用较为广泛，不仅可以提升工作效率，减少人为错误，还可以优化电网的稳定性和故障处理能力。
本文将着重探讨大数据技术在电力行业的应用研究。
一.大数据技术在电力行业中的应用场景在电力行业中，大数据技术遍布各个环节，例如：1.数据采集：电力行业需要不断监测各种设备和电网状态，收集海量的数据。
大数据技术可以应用于数据采集，对收集到的数据进行处理和管理。
比如，在电网温度监测方面，可以通过大数据分析来预测电网温度的变化，进而减少电网事故的发生。
2.负荷预测：电力行业需要对未来的能源用量进行合理的预测，以便及时调整能源发电的供应。
大数据技术可以根据已有的历史数据和天气情况，推测未来用电量，帮助电力公司进行电网调整，减少过剩或不足的情况出现。
3.数据分析：大数据技术可以对电力行业中的各种数据进行深度分析，据此来制定更好的运营策略和措施，如根据天气和负荷情况，对电网运作进行有针对性的控制和预测，从而保障电力供应的可靠性和稳定性。
二.大数据技术在电力行业中的优势1.提高工作效率：大数据技术在电力行业中可以将数据整合，实现一站式综合分析与管理。
举例来说，实时监测设备状态能够提高电力维护效率，缩短罢工时间，减少财务亏损。
2.精准预测与信息处理：使用大数据技术可以精确预测电力市场趋势，这不仅有助于电力公司优化决策，还向客户提供个性化电力需求。
电力行业的人工操作的容错率很低，但是大数据技术结合人工智能技术可以减少数据处理引起的人为错误。
3.提高稳定性及安全性：通过大数据技术可以对电力行业中的数据进行实时监测，以及预测可能发生的故障。
在电力故障预测与处理方面，大数据技术可以快速捕捉故障源，并加快修复和恢复电力供应，从而保障电力系统的可靠运行和安全。
浅论大数据技术在电力系统中的应用
浅论大数据技术在电力系统中的应用在时代的鞭策下，电力系统的各项控制技术已逐渐完善成熟。
但随着大数据时代的来临，电力的发展及其各项技术优势也迎来巨大的挑战。
如何在大数据环境下仍在市场中屹立不倒，企业自身雄厚的实力必不可少，同时电力系统的质量也是企业在各项电力工程中减少出错的根据，传统的电力技术有待改进，如何通过大数据技术对电力系统问题进行优化，是本文将深入探讨的问题。
标签：大数据、技术、企业、电力系统1、前言大数据技术乃是电力企业进行系统优化升级的重要发展助力，是当代电力企业必须面对的技术难点之一，许多企业在电力建设中总是出现许多系统管理优化问题，为电力网建设带来不足。
而当今大数据技术的成熟完善，给予了电力系统问题一大解决良方，通过系统数据的集中处理整合，增加电力建设的效率和精准度，大幅增加我国的电力建设水准，让电力系统更符合信息时代的发展需求。
2、现代各项完善的大数据技术大数据技术对各个行业产生影响是十分巨大的，可以说改变了现代技术的整体面貌，以下是几点完善的大数据技术：2.1能够进行海量信息数据处理现代的信息处理速度远远高于以往，拥有极高信息处理分析速度的大数据技术，能够在电力系统中，对于每日更新的海量电力信息都能进行精细化的系统处理。
同時处理信息的稳定性也大大提升。
不再有卡顿、时间过长等现象发生。
大数据技术能够对信息数据进行定期定点定量的处理。
同时其技术成本较低，无需安装设置大型的机械设备，能为各个企业带来极高的经济效益和工作效率。
与之相对应的云计算服务也为数据处理带来了极高的信息处理效益和计算速度[1]。
2.2能够进行大量信息数据分析大数据能够对大量的信息数据进行精细化、分类化处理，能够将决策树、数据集概念进行有效结合，将大数据计算植入计算机以及智能机器中，提升各项数据分析速度和其精准度。
大数据分析出的数据信息更加人性化符合各个企业的经营需要，对于电力系统的数据分析优化升级大有裨益。
但大数据计算中的分析技术有待优化，以便于扩大应用范围[2]。
智能电网中的数据处理技术研究
智能电网中的数据处理技术研究一、引言智能电网是未来能源供应的发展方向，它可以使电网更具有智能化和高效性。
如今电网在向智能化转型之前，需要对数据进行处理，以帮助电网更好地运作。
本文将着重探讨智能电网中的数据处理技术研究。
二、智能电网数据处理技术的背景电网的传统形式已经难以满足现代经济的发展需求，智能电网发展的必要性已经突显出来。
智能电网是指通过数字技术提高电网的调度控制和安全运营能力，从而实现电力资源的高效应用。
随着智能电网的发展，企业需要数据和信息技术，这些数据和信息技术将有助于企业做出更明确的决策。
对数据处理的需求不断提高，电网也需要更加灵敏的响应和控制能力。
电网运营商不断地积累了大量的数据，但如何利用这些数据实现电网的智能化控制却是一个挑战。
因此，对智能电网中的数据处理技术进行研究和探讨，对电网更好地运作和未来发展有着非常重要的意义。
三、智能电网中的数据处理技术1. 大数据在智能电网中，大数据分析技术可以帮助企业更好的掌握数据，使企业做出更明智的决策。
随着技术的不断提高，大数据技术的趋势已经成为了智能电网数据处理的主流趋势。
目前企业可以通过云计算的方式使用大数据分析技术，将分析和应用过程结合起来，实现高效和灵活的数据处理。
2. 机器学习智能电网中的机器学习是利用算法模型、数据处理工具和人工智能技术，对大量电网数据进行深入分析的一种技术。
机器学习技术可以对所观察变量进行分析和预测，从而提高电网的效率和响应速度，减少电网的停电和故障风险。
3. 边缘计算随着智能电网的发展和服务的深入，电网需要处理的数据量增加，需要更加高效的处理能力。
边缘计算技术可以实现电网边缘的处理，从而减少电网内部的数据传输和通信，提高电网内部的数据传输速度和响应速度。
4. 人工智能人工智能技术是智能电网技术的重要组成部分，它可以对电网内部数据进行更加深入和精准的分析，实现对电网的实时监测和问题的预警。
人工智能技术可以通过算法和模型对数据进行精准分析，提高电网内部的运行效率和商业价值。
大数据技术在电力行业中的应用与研究
大数据技术在电力行业中的应用与研究2.贵州电网有限责任公司六盘水盘州供电局贵州六盘水553537摘要：随着经济的快速发展与社会的飞速进步，如今的社会就是信息社会，信息量的增长也呈现出爆炸式的特点。
随着信息技术、网络技术、云计算处理与分析技术、物联网技术的迅猛发展，大数据技术取得了快速突破和逐渐走向成熟，在很多领域得了广泛应用。
运用大数据技术对海量数据进行采集并处理，同时对数据处理结果进行集中展示，有助于我们探寻数据中蕴含的客观规律，从而改变过去的惯性思维和经验思维，建立数据思维，为相关工作提供科学决策依据。
企业能够运用大数据技术从繁杂的数据中去挖掘有价值的数据，充分发挥数据自身价值，更好的为数据赋能。
随着社会的持续不断发展，大数据技术已在很多行业中得到广泛应用，并且未来还将会有更为广泛深入的应用空间。
如今，产业界和学术界都非常关注重视大数据技术，对于电力行业而言，也逐步进入到了大数据时代，可以说大数据的来临既是机遇也是挑战，实践证明谁掌握了大数据并充分发挥数据价值，谁将赢得发展先机。
关键词：电力行业；大数据技术；应用一、电力行业大数据技术发展现状近些年来，随着科学技术的发展以及相关部门重视程度的提升，电力行业的发展正朝着数字化和智能化方向迈进，智能化程度得到很大提升，云计算技术、物联网技术等也得到广泛应用，而且电力行业在应用这些技术时正逐步将它们进行有效融合，以推进数字化、智能化、智慧化建设，由此可看出未来几年数据量的增长将是井喷式的。
面对这样的发展趋势，不管是为响应贯彻国家政策，还是为企业长远发展考虑，电力行业的大数据建设与应用都是必然趋势，借助大数据技术提升企业运营能力抢占发展先机，从而提升企业竞争力。
电力行业作为一个技术密集型行业，也是信息技术应用较早的行业之一,，经过多年的信息化建设，信息技术已经得到了十分广泛的应用，因此收集产生的数据量已经非常巨大，并且在其运行的过程中，还会有源源不断的实时数据产生。
基于大数据环境的电力企业营销管理创新策略研究
基于大数据环境的电力企业营销管理创新策略研究摘要:大数据作为一种新型数据处理技术，具有数据规模庞大、数据流转速度快、数据类型多样等特征，在获取、存储和分析海量数据等方面体现出非常高的应用价值。
因此，大数据技术的应用对改革和创断电力营销管理模式具有重要的作用。
不仅有利于电力企业及时了解和掌握市场的最新需求，还能确保电力企业相关业务的精细化开展。
所以，如何充分利用大数据的应用优势，实现电力管销管理模式的改革和创新是电力企业必须思考和解决的问题。
关键词:大数据环境；电力企业；营销管理一、大数据对电力营销管理的积极意义大数据技术的出现和应用，对电力营销管理模式的改革和创新发起到了积极的促进作用，促使电力企业朝着积极、稳定、健康、可持续的方向发展，使电力企业能够在激烈的市场竞争下立于不败之地。
（一）有助于推动电力企业精细化业务的开展在传统的电力营销管理模式中，电力企业在分析海量信息数据时，往往会出现营销信息分析不全面、不到位等问题。
而大数据技术的出现和应用，为电力营销管理人员的营销信息分析工作提供了很大的便利，不仅可以将复杂的营销管理工作拆解并划分为多个小任务，如，营销数据的采集、分析、整理、保存等任务，而这些营销数据的保存为后期电力营销管理工作提供数据参考，为实现电力营销的精细化管理创造了良好的条件。
（二）有助于及时了解和掌握市场需求随着我国社会主义市场经济体制的不断改革和电力改革政策的实施，电力企业之间的竞争日益激烈，而电力企业要想在激烈的市场竞争中立于不败之地，必须要及时地了解和掌握市场需求，根据当前市场的实际需求制定科学的营销战略目标。
这样才能使电力营销管理工作有据可依，从而降低电力营销管理的难度，进而提高电力企业整体经营管理水平。
而对大数据技术的应用，可以帮助电力企业实时跟踪和分析市场情况和市场需求同时，电力企业通过应用大数据技术可以实现数据信息的共享性，提高数据信息的利用率。
为电力企业更好地改革和创新电力营销管理模式提供数据参考。
试析大数据环境下电力企业的数据式审计模式
试析大数据环境下电力企业的数据式审计模式随着大数据技术的发展和应用，电力企业在数据处理和管理方面也面临着新的挑战和机遇。
传统的审计模式已经无法满足大数据环境下电力企业的需求，因此电力企业需要借助大数据技术和数据分析方法，建立起数据式审计模式，以更好地监控和管理企业的运营和风险。
本文将试析大数据环境下电力企业的数据式审计模式，并提出一些具体的建议和思路。
一、大数据环境下电力企业的挑战在大数据环境下，电力企业面临着如下挑战：1. 数据规模庞大：随着智能电网、智能电表等技术的应用，电力企业产生的数据规模不断增大，传统的审计手段已经无法满足对大规模数据的审计需求。
2. 数据多样化：电力企业的数据来源多样，包括用户用电数据、电力生产数据、设备运行数据等，这些数据形式和格式各异，传统的审计方法很难对这些多样化数据进行综合分析。
3. 实时性要求高：电力企业的运营环境变化快速，需要及时监控和响应，传统审计模式往往无法满足对数据实时性的要求。
二、数据式审计模式的基本思路在大数据环境下，电力企业需要借助大数据技术和数据分析方法，构建起数据式审计模式。
其基本思路为：2. 数据分析和挖掘：运用数据挖掘、数据分析等技术手段，对数据进行深入挖掘和分析，发现数据之间的关联和规律，为审计提供有效的数据支持。
3. 风险识别和监控：通过对数据的分析，及时识别电力企业运营中存在的潜在风险，并建立起风险监控模型，实时监测企业的风险状况。
4. 自动化审计工具：借助大数据技术，开发和应用自动化审计工具，对电力企业的数据进行自动化审计，提高审计效率和准确性。
5. 数据可视化：利用数据可视化技术，将审计结果以可视化的方式呈现，为企业管理层提供直观的数据支持，帮助他们做出正确的决策。
三、建立数据式审计模式的具体路径和建议为了在大数据环境下建立起数据式审计模式，电力企业可以按照以下路径和建议进行实施：1. 建立大数据平台：电力企业需要建立起符合自身需求的大数据平台，包括数据存储、数据处理、数据分析等功能模块，以支撑数据式审计的实施。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
［收稿日期］2014-10-24［作者简介］谢珍贵（1965—），男，福建仙游人，副教授，硕士，主要从事电力系统故障分析与信息化技术方面的研究.2015年3月重庆文理学院学报Mar.，2015 第34卷 第2期Journal of Chongqing University of Arts and Sciences Vol.34 No.2电力企业应对大数据时代的技术策略研究谢珍贵1，陈振宇2（1.福建水利电力职业技术学院电力工程系，福建 永安 366000；2.广东财经大学信息学院，广东 广州 510320）［摘 要］从数据的采集管理、存储管理、分析处理、挖掘和增值方面，围绕电力企业业务应用中面临的实际问题以及业务应用中亟待提升的方向，研究面向电力大数据特征的各种技术，解决系统建设与运行各环节所面临的技术难题，探索、分析电力企业应对当前大数据时代下的技术和策略，以期为促进电力大数据技术在电力系统的快速应用提供参考方案.［关键词］电力信息化；大数据；NoSQL ；应对策略［中图分类号］TM7 ［文献标志码］A ［文章编号］1673-8004（2015）02-0135-04 一个基于物联网—云计算—大数据开发的巨大产业链即将形成，一个新的推动世界经济发展的科技革命将会诞生，国际经济即将进入一个新的发展阶段.自2008年《自然》杂志推出一期名为“大数据”的封面文章，详细讲述了“数据”在数学、物理、生物以及社会经济中所扮演愈加重要的角色以来，美国政府在2009年由总统科学技术顾问委员会、能源部、国防部、参议院和数十所大学的著名教授酝酿，在2012年4月发表了“大数据开发计划（Big data research and devel-opment initiative ）”，很快在国际上掀起了新一轮信息革命的热潮［1］.在全球经济经历了近10年危机的情况下，经过多年的酝酿，信息处理技术和各行业企业信息化程度已经达到一定高度，在世界经济面临何处去、如何突破困境的拷问时，大数据开发将给世界经济复苏带来一线曙光，许多经济学家将它称为“大数据时代”的到来.2013年11月，我国首个行业———电力行业发布了《中国电力大数据发展白皮书》［2］.中国电力出版社策划总编肖兰在发布仪式上评价说：“《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，对推动我国电力大数据事业的发展、实现我国电力科学跨越具有极大的现实意义.电力系统的数据已告别以往数据类型较为单一、增长较为缓慢的时代，随着SG -ERP 和智能电网建设的开展和深入，数据量以几何级数增长，数据来源也更加复杂和多样（结构化、非结构化和半结构化）.如何充分利用这些巨量的多样化数据，对其进行深入分析以便提供大量的高附加值服务，需要应用大数据的理念与技术.1 规范采集数据的源头，加强数据管理，提高数据质量在电力行业，随着坚强智能电网建设以及“三集五大”管理体系的决策部署，企业信息化程度不断提高，数据量正在迅速膨胀，数据类型逐渐多样化，电力大数据的环境正在形成.但在数据采集方面存在不足，如采集的数据质量不531高，采集过程不够规范，采集数据重复，管控相对滞后等.为了后续工作的更加有效，有必要在源头上对要采集的数据进行统一规范，避免重复、遗漏现象的发生，提高后续对数据处理的效率.针对上述问题，应对策略是建立统一的数据质量评价指标体系，甚至是数据质量评价模型［3］，分析大数据环境下数据质量的主要影响因素，按照数据的一致性、准确性、完整性、及时性4个关键特性建立数据质量评价指标，夯实数据基础，提升数据质量，保障数据的准确、及时、有效和可信，为数据的集成和挖掘应用提供有力保障.同时，局部数据与全局数据、非共享与共享数据应实行分级管理，切实做好数据备份、灾难恢复等工作机制，实现实时监控、在线考评，强化数据质量，实现事前监测、事中控制、事后评价、问题整改，提高决策分析依据的准确性和实用性. 2 提高数据的高速存储管理能力电力大数据具有4V特点，即Volume（数据体量大）、Variety（数据类型多）、Velocity（处理速度快）和Value（价值密度低）.除了数据量庞大之外，第二个特点就是数据类型多，不但有结构化数据，还有半结构化数据和非结构化的数据；不但有数值、文本、图形信息，还有音频、视频等信息.据IDC公司统计，2011年全球数据总量的75%来自于非结构化数据，至2012年末，非结构化数据占有比例超过75%.针对如此海量、复杂的电力数据信息，应对的策略是通过构建NoSQL数据库［4］、HDFS（Ha-doop Distributed File System）分布式文件系统及实时数据库等3种存储方式，从存储结构上初步实现信息与应用系统的分类、融合、互动，做到信息、能量与业务流的高度一体化，并根据信息处理的技术要求来提高数据的存储管理能力［5］.传统的关系型数据库具有非常好的通用性和非常高的稳定性.毫无疑问，对于绝大多数的应用来说它都是最有效的解决方案，特别是在处理传统结构化数据方面.但在处理大容量、非结构化数据上，传统的关系型数据库显得不足.这说明单纯使用传统的关系型数据库已无法适应大数据时代的要求.NoSQL数据库属于非关系型、分布式数据存储系统，它让数据库具备了非关系、可水平扩展、可分布和开源等特点.NoSQL数据库可通过集成分布式系统、集群、分区等技术实现分布式存储，以Key-Value数据格式、面向文档方式以及图数据方式存储，具有极高的并发读写性能、良好的查询性能和弹性的扩展能力.由于未来数据发展趋势是半结构化数据（电子邮件、XML等）和非结构化数据（文档、图片、视频等）占用的比重越来越高，针对每秒数万次的读写请求，NoSQL数据库应付自如.从结构上看，NoSQL数据存储系统有两种架构：master-slave结构和P2P环形结构.Master-Slave结构的系统设计简单，可控性好，通常采用基于水平分区实现数据分布，将master节点和slave节点的功能分开，以减轻节点的功能负载，由master节点维护其管理的slave节点，但master中心节点易成为瓶颈.P2P环形结构的系统无中心节点，各节点平等，自协调性好，扩展方便，基于Hash分布数据，负载均衡性好，但不利于支持范围查询，并且系统设计复杂，可控性较差.由于上述两种体系结构有很大差别，它们所采用的支持技术也不同，导致了不同体系结构的系统所支持功能也有一定的局限性.Cloudy为用户提供了一个可配置采用master-slave或DHT体系结构的Demo系统.在电力系统中，支持数据存储系统的体系结构应结合P2P分布式结构和master-slave集中式结构两者的优势，如Chord和master -slave的结合、CAN与master-slave的结合等，侧重采用面向组件的灵活可配置的体系结构，结合两者的优势，综合考虑数据存储的全局性和局部性.HDFS是一个分布式文件系统.HDFS有高容错性特点，可以部署在低廉的硬件上.HDFS放宽了POSIX的要求，这样可实现以流的形式访问文件系统中的数据，提供高吞吐量，适合那些有着超大数据集的应用程序.在时效性要求较高的场合，可以使用实时数据库提高对数据的处理速度.必须对系统中的大数据根据性能和分析处理的要求进行分类存储：对核心业务数据使用传统的并行数据仓库系统；对非结构化的数据采用NoSQL数据库系统，对大量的历史和非结构化数631据采用HDFS分布式文件系统；对处理速度与时效性要求高的数据采用实时数据库系统.3 提高异构数据信息的整合、分析和处理未来智能电网要求贯通发电、输电、变电、配电、用电、调度等多个环节，实现信息的全面采集、流畅传输和高效处理，支撑电力流、信息流、业务流的高度一体化.目前电力系统中仍存在监测监控、能量管理、配电管理、市场运营等各类信息系统，它们之间有些相互独立，数据信息不能共享［6］.同时，传统数据分析以结构化数据分析为主，业务分析更是以被动式信息接受为主.大数据时代下，随着数据的累积和增加，可做的分析和对比也越来越多.通过对大量数据进行分析，揭示数据之间隐藏的关系、模式和趋势，通过结构化数据、半结构化数据、非结构化数据的融合关联分析，实现文本分析、数据挖掘、图形分析、空间分析等数据分析模式，为决策者提供不同角度、不同形式的分析判断依据.因此，首要措施是实现大规模多源异构信息的整合，解决系统间信息孤岛的现象，同时加强对不同信息的分类分析和处理能力.规范采集数据的源头，提高采集数据的质量，实际上就解决了数据的大量冗余，保证了数据的唯一性；建立分级、分类的存储系统，实际上就对原数据进行了分类预处理.借助于云计算平台，实现对数据的抽取、转换，比如通过MapReduce的编程模型对输入的数据按行并行处理，对每个文件的每一行数据进行操作.在MapReduce的操作函数中加入对数据格式的检查，实现数据的不完整处理、不一致处理以及噪音处理，完成数据清洗，实现数据不一致转换、数据粒度转换和商务规则计算［7-9］.MapReduce中的数据转换模块（ETL）在没有大型并行数据库时也可以提高其对数据的并行访问速度，降低系统操作成本和对大型数据库的维护成本.在处理过程中，无需关注数据分散、任务分配、数据收集等子任务，可在不熟悉分布式系统的基础上实现分布式数据处理.面对海量的图片、视频等智能电网数据，如何在有限的屏幕空间下，以一种直观、容易理解的可视化方式展现给用户，也是一项非常有挑战性的工作.可视化方法已被证明为一种解决大规模数据分析的有效方法，并在实践中得到广泛应用.它是通过一系列复杂的算法将数据绘制成高精度、高分辨率的图片，并提供交互工具，有效利用人的视觉系统，并允许实时改变数据处理和算法参数，对数据进行观察和定性及定量分析，通过可视化算法的可扩展性、并行图像合成算法、重要信息的提取和显示等技术来实现对该类型数据的处理.根据上述数据采集、存储、处理的思想，借助于云计算平台，可实现对数据的集中处理，构建该系统的模型如图1所示.图1 数据采集、存储、处理模型4 提高数据挖掘能力，开辟更多增值服务如何驾驭大数据，如何在海量数据中挖掘有价值的信息是重点.因此，企业应专注于数据中隐藏的价值，通过应用大数据技术分析，充分挖掘数据的核心价值，不断优化业务流程，降低管理成本，辅助企业做出科学的决策，为企业的持续创新与发展积蓄力量.目前电网的业务数据大致分为3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.对于电力企业的生产数据，可以通过一定的关联规则，采用新型挖掘技术获取信息.这在检测故障、恢复电网运行稳定方面，以往的研究中也取得过较好的成果.如文献［10］中，采用基于FP-T的多层关联规则并发挖掘技术，利用混沌与分形数据、约简的基本原理，实现电力系统高频暂态波形的特征识别等.文献［11］采用智能多代理技术，借助广域量测系统（WAMS），实现对大电力系统故障的快速分析、诊断，提高了广域电网运行的稳定性；同时，可利用最新数据挖掘技术，在线计算输送功率极限，731实时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.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.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，借助于客户服务、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，通过数据分析改善服务模式，提高营销能力和服务质量.同时，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、直观、全面的分析预测数据.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.如能充分利用这些来自配电、用电、客户、天气等数据，经过一定规则的转换、整合，按照电力交易数据、气候数据与客户家庭年龄结构、生活习惯等因素融合分析，了解客户的用电行为，满足客户的差异化需求，通过探寻深层需求开辟新的增值业务空间，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），有利于电力企业进行精细化运营管理，实现更科学的需求管理.［参考文献］［1］徐立，田文盛.大数据开发将引发新一轮信息革命［N］.人民邮电，2012-06-22（7）.［2］李胜永.掀起新一轮电力信息化高潮［N］.中国电力报，2013-12-05（7）.［3］张磊.油田数据质量监督与控制模型研究［D］.大庆：东北石油大学硕士论文，2010.［4］高丹丹.基于NoSQL的电力系统大数据管理［J］.科技创新导报，2014（6）：190.［5］曹军威，万宇鑫，涂国煜，等.智能电网信息系统体系结构研究［J］.计算机学报，2013，36（1）：143-167.［6］宋亚奇，周国亮，朱永利.智能电网大数据处理技术现状与挑战［J］.电网技术，2013，37（4）：927-935.［7］曲朝阳，朱莉，张士林.基于Hadoop的广域测量系统数据处理［J］.电力系统自动化，2013，37（4）：92-96.［8］曲朝阳，陈帅，杨帆，等.基于云计算技术的电力大数据预处理属性约简方法［J］.电力系统自动化，2014，38（8）：67-71.［9］胡牧，李勇，孔震，等.数据拓扑及其在电网数据处理分析中的应用［J］.电力系统自动化，2013，37（3）：83-86.［10］何友全.数据挖掘方法及其在电力系统故障诊断中的应用研究［D］.成都：西南交通大学博士论文，2004.［11］陈振宇.基于MAS的广域故障诊断及保护系统的研究［D］.广州：华南理工大学博士论文，2009.Research on the technology strategy for power enterprisesto deal with the big data eraXIE Zhengui1，CHEN Zhenyu2（1．ＤｅｐａｒｔｍｅｎｔｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＥｎｇｉｎｅｅｒｉｎｇ，ＦｕｊｉａｎＷａｔｅｒＣｏｎｓｅｒｖａｎｃｙａｎｄＰｏｗｅｒＰｒｏｆｅｓｓｉｏｎａｌＴｅｃｈｎｉｃａｌＣｏｌｌｅｇｅ，Ｙｏｎｇ’ａｎＦｕｊｉａｎ366000，Ｃｈｉｎａ；2．ＩｎｆｏｒｍａｔｉｏｎＣｏｌｌｅｇｅ，ＧｕａｎｇｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＦｉｎａｎｃｅａｎｄＥｃｏｎｏｍｉｃs，ＧｕａｎｇｚｈｏｕＧｕａｎｇｄｏｎｇ510320，Ｃｈｉｎａ）Abstract：This paper try to research all kinds of technology with the characteristics of big data electric power industry from the data collection，storage administration，analysis，mining and the value-added these four aspects，centered on the practical problems and the promotion field of electric power enterprise business application to explore and solve the difficult technology problem facing in the system construction and opera-tion，analyze the technology and policy which the electric power enterprises used to deal with the current big data era，in order to provide some references solution in promoting the application of the power system with the big data technology.Key words：electric power information；big data；NoSQL；coping strategy（责任编辑穆刚）831电力企业应对大数据时代的技术策略研究作者：谢珍贵， 陈振宇， XIE Zhengui， CHEN Zhenyu作者单位：谢珍贵,XIE Zhengui(福建水利电力职业技术学院电力工程系,福建 永安,366000)， 陈振宇,CHEN Zhenyu(广东财经大学信息学院,广东 广州,510320)刊名：重庆文理学院学报（社会科学版）英文刊名：Journal of Chongqing University of Arts and Sciences年，卷(期)：2015(2)引用本文格式：谢珍贵.陈振宇.XIE Zhengui.CHEN Zhenyu电力企业应对大数据时代的技术策略研究[期刊论文]-重庆文理学院学报（社会科学版） 2015(2)。