基于大数据的电力客户用电行为分析研究及实践
电力行业如何利用大数据分析提升能源效率
电力行业如何利用大数据分析提升能源效率在当今信息技术飞速发展的时代，大数据已经成为一种宝贵的资源。
电力行业也开始积极利用大数据分析技术来提升能源效率。
通过收集、分析和应用大数据，电力行业可以更好地管理和监控能源系统，实现能源效益的最大化。
本文将探讨电力行业如何利用大数据分析提升能源效率的方法和优势。
一、大数据收集与整合电力行业的数据量庞大且分布在各个环节，包括电力供应、输电、配电和消费等。
为了更好地利用这些数据，首先需要进行大数据的收集与整合。
电力公司可以通过智能电表、传感器、监测设备等手段实时获取各个环节的数据，并将其整合为一个统一的数据库。
通过对这些数据的整合和标准化，可以建立起一个全面、准确的数据基础。
二、数据分析与挖掘大数据的价值在于提供更全面、准确的信息，以帮助电力行业做出更有效的决策。
通过数据分析与挖掘，可以揭示出隐藏在数据背后的规律和趋势。
电力公司可以利用机器学习、统计分析等技术对大数据进行深入挖掘，找出能源使用的模式和规律，并基于此制定相应的策略和措施。
例如，通过对历史用电数据的分析，可以确定不同季节、不同时间段的用电高峰和低谷，从而制定合理的供电计划和负荷调度策略。
同时，还可以通过对用户行为数据的分析，了解用户的用电习惯和需求，为用户提供个性化的用电建议，引导用户进行节能用电。
三、预测与规划大数据分析还可以帮助电力行业进行能源需求的预测与规划。
通过对历史用电数据和相关经济、气象等因素的分析，可以建立起一个预测模型，预测未来的能源需求趋势。
基于这些预测结果，电力公司可以规划合理的电力供应方案，避免供需失衡带来的能源浪费和成本增加。
此外，利用大数据分析还可以优化电力系统的运行和维护。
通过对设备运行数据的监测和分析，可以实现设备故障的提前预警和维修计划的优化，减少停电时间和维修成本，提高系统的稳定性和可靠性。
四、智能化管理与控制基于大数据分析的结果，电力行业可以实现智能化的管理与控制。
基于大数据的电力负荷特性分析与应用研究
基于大数据的电力负荷特性分析与应用研究一、引言随着经济的快速发展和人民生活水平的提高，对电力的需求量也不断增加。
电力负荷特性分析与应用研究作为电力行业中的重要课题，对于优化电力系统运行、提高电力供应效能和保障电力安全具有重要意义。
本报告将基于大数据技术，对电力负荷特性进行深入研究与分析，并探讨其应用前景和潜在挑战。
二、电力负荷特性分析方法2.1 传统电力负荷特性分析方法2.1.1 基于统计学的分析方法传统的电力负荷特性分析方法主要依靠统计学的原理，通过对负荷数据进行样本分析和参数估计来分析负荷特性。
受限于传统统计学方法的局限性，这种方法在数据规模庞大情况下容易导致计算效率低下，分析结果缺乏准确性和稳定性。
2.1.2 基于数据挖掘的分析方法基于数据挖掘的电力负荷特性分析方法通过挖掘数据中隐藏的模式和规律来揭示电力负荷的特性。
这种方法利用机器学习、数据聚类和关联规则挖掘等技术，可以有效地发现数据中的特征和相关性，提高负荷特性分析的准确性和效率。
2.2 基于大数据的电力负荷特性分析方法2.2.1 数据采集与处理基于大数据的电力负荷特性分析方法首先需要进行数据采集和预处理。
通过智能电表、传感器和监测设备等，实时采集电力系统中的负荷数据，并对数据进行清洗和整理，以消除异常值和数据噪声。
2.2.2 特征提取与选择在数据采集和预处理之后，需要对负荷数据进行特征提取和选择。
特征提取是将原始数据转化为可以表示负荷特性的关键指标或参数，例如峰值负荷、负荷波动系数等。
特征选择是从提取的特征中筛选出对负荷特性分析有重要影响的特征，以提高分析的准确性和效率。
2.2.3 模型建立与分析在特征提取和选择之后，需要建立合适的模型来进行负荷特性分析。
基于大数据的电力负荷特性模型可以采用传统的回归模型、神经网络模型和支持向量机模型等。
通过对负荷数据的拟合和预测，可以揭示负荷的变化规律和特征。
三、基于大数据的电力负荷特性分析应用3.1 电力系统规划与调度基于大数据的电力负荷特性分析可以为电力系统的规划和调度提供重要参考信息。
电力营销中的大数据分析与应用
电力营销中的大数据分析与应用近年来，随着科技的飞速发展和数据的爆炸式增长，数据分析与应用已经成为了电力营销中不可或缺的一环。
大数据技术的应用，可以帮助电力营销人员更加精准地掌握市场动态，提高决策效率，满足客户个性化需求，从而推动企业的可持续发展。
1.大数据在电力营销中的应用随着电力市场竞争的加剧，电力企业需要更好地了解市场需求和客户需求，进行精准营销。
大数据技术具有海量、高维、多样的特点，可以帮助企业快速、准确地收集、分析和挖掘市场和客户信息，从而提高电力企业的营销效果。
（1）大数据的收集与分析电力企业可以通过多种方式收集数据，如网站流量、社交媒体数据、用户行为数据、客户调研数据等。
通过大数据技术，可以将这些数据进行挖掘和分析，了解客户的需求和喜好，优化产品设计和服务模式，提高营销效果。
（2）数据模型建立大数据技术可以建立多维度的数据模型，以更清晰、全面地描述市场和客户需求。
企业可以根据模型分析市场走向，评估竞争状况，制定营销策略等。
同时，企业也可以根据模型分析客户行为、消费习惯等，提供个性化的服务和产品。
（3）决策支持随着数据分析技术的不断提升，电力企业可以实时监控市场变化和客户反馈，以及时调整营销策略，提高决策效率。
2. 大数据应用案例分享（1）智能电表实时读数系统通过智能电表实时读数系统，电力企业可以实时获取用户用电量等信息，帮助企业更加准确掌握市场和客户需求，提高运营效率和服务质量。
（2）客户行为分析系统通过客户行为分析系统，电力企业可以深入分析客户行为、消费习惯等，为客户提供精准服务。
（3）安全监测系统安全监测系统可以实时监控设备状态、故障信息等，并及时通知电力运维人员，以保证设备安全稳定的运行。
3. 大数据技术应用面临的挑战大数据技术应用虽然在电力营销中带来了很多好处，但也暴露了许多问题，如数据安全、隐私保护、数据质量等。
电力企业需要适当增加数据使用的透明度，加强数据的安全保护，提高数据的质量以及处理速度，避免数据滞后的情况。
大数据处理技术在智慧电网中的应用研究
大数据处理技术在智慧电网中的应用研究智慧电网是指利用先进的信息通信技术，结合大数据处理技术，对电力系统进行智能化改造和运行管理的电网系统。
大数据处理技术在智慧电网中扮演着重要的角色，通过对电力系统中海量数据的获取、存储、分析和利用，实现对电力系统的精细化运行管理和高效能的能源调度。
一、大数据处理技术在智慧电网中的数据获取与存储应用研究智慧电网中涉及的数据种类非常多，包括电力消费数据、电网状态数据、设备运行数据等。
大数据处理技术能够实时地获取和存储这些数据，并对其进行合理的分类和管理。
首先，大数据处理技术可以通过系统监测装置实时获取电力消费数据。
通过智能电表、智能插座等设备，可以实时收集用户的用电数据，包括用电量、用电时段等信息。
这些数据可以帮助电力公司了解用户的用电习惯，为用户提供更加定制化的电力服务。
其次，大数据处理技术可以对电网状态数据进行实时监测和存储。
通过智能感知装置，可以获取电力系统中各个节点的电压、电流、频率等参数。
这些数据可以帮助电力公司实时监测电网的工作状态，及时发现潜在的故障和问题，并进行相应的调整和处理，保障电力系统的稳定运行。
此外，大数据处理技术还可以对电力设备的运行数据进行采集和存储。
通过智能传感器和监控系统，可以实时监测设备的运行情况，包括温度、振动、压力等参数。
这些数据可以帮助电力公司判断设备的健康状况，提前发现设备的故障和损坏，并进行维修和更换，从而提高设备的可靠性和延长使用寿命。
二、大数据处理技术在智慧电网中的数据分析与利用应用研究大数据处理技术不仅能够对电力系统中的海量数据进行存储，还能对这些数据进行快速、准确的分析和利用，生成有价值的信息和知识，为电力系统的运行和管理提供决策支持。
首先，大数据处理技术可以通过数据挖掘和机器学习算法，对电力消费数据进行分析和预测。
通过对电力消费的历史数据进行挖掘和分析，可以发现用户的用电规律和趋势，为电力公司提供合理的用电预测，优化电力调度和资源配置，提高供电的效率和质量。
大数据环境下的电力电量需求预测研究
大数据环境下的电力电量需求预测研究电力电量需求预测在大数据环境下的研究随着社会经济的发展和人们生活水平的提高，电力需求量不断增长，预测电力电量需求对电力系统运行和规划具有重要意义。
随着大数据技术的发展，大数据环境下的电力电量需求预测成为了一个研究热点。
本文将从电力电量需求预测的意义、方法和挑战等方面进行探讨。
一、电力电量需求预测的意义电力电量需求预测的准确性对于电力系统的运营和规划至关重要。
准确的电量需求预测可以帮助电力公司制定合理的发电计划，提高电力系统的效率和可靠性。
此外，电力电量需求预测还对新能源的集成、电力负荷调度和电价设计等方面具有重要意义。
在大数据环境下，预测模型可以通过分析大量的历史数据和实时数据来进行精确的预测。
大数据技术能够挖掘出潜在的需求影响因素，从而提高预测的准确性和精度。
二、电力电量需求预测的方法电力电量需求预测的方法多种多样，如统计模型、时间序列模型、人工智能模型等。
在大数据环境下，基于大数据的预测方法日益受到关注。
1.统计模型统计模型是传统的电力需求预测方法，通过分析历史数据和相关影响因素，建立数学模型来预测未来的电力需求。
常用的统计模型包括回归分析、时间序列分析等。
这些模型在处理小样本数据上表现良好，但在面对大规模的数据时效果可能不佳，因此在大数据环境下需要结合其他模型进行改进。
2.时间序列模型时间序列模型是一种常用的电力需求预测方法，可以捕捉到数据的趋势和周期性变化。
在大数据环境下，可以通过多元时间序列模型来增加影响因素的考虑。
此外，基于时间序列的机器学习模型如ARIMA、SARIMA等也可以用于大数据环境下的电力需求预测。
3.机器学习模型机器学习模型在大数据环境下表现出了强大的预测能力。
基于机器学习的电力需求预测方法有很多种，如支持向量机（SVM）、随机森林（Random Forest）、深度学习等。
这些模型可以自动学习和发现数据中的规律，从而提高预测的准确性和精度。
大数据分析在电力行业中的应用方法分享
大数据分析在电力行业中的应用方法分享随着信息技术的迅猛发展，大数据分析在各个行业中的应用越来越广泛。
电力行业作为国民经济的重要组成部分，也逐渐借助大数据分析技术来提高运营效率、优化资源配置、降低成本，进而推动行业的发展。
本文将探讨大数据分析在电力行业中的应用方法，并详细介绍其中的三个方面。
首先，大数据分析在电力行业中的应用方法之一是数据驱动的设备维护与管理。
电力行业的运营离不开各类设备的正常运转，传统的设备维护方式多为定期检查或故障后维修。
然而，这种方式效率低下，维护成本高，很难实时掌握设备的运行状况。
大数据分析则通过实时收集、汇总和分析海量设备运行数据，能够精确判断设备的健康状况并预测可能出现的故障。
例如，通过设备传感器数据的监测，可以实时检测设备的温度、压力、振动等指标，当异常情况发生时，及时发出警报，方便工作人员进行维护与修复，提高设备可用性和系统的稳定性。
其次，大数据分析在电力行业中的应用方法之二是电力需求预测与交易优化。
电力需求是电力企业合理调度和优化能源资源的基础。
传统的电力需求预测多依赖于统计方法和经验判断，存在误差较大的问题。
而借助大数据分析技术，电力公司可以通过整合历史用电数据、气象数据、人口数据等多种数据源，通过机器学习算法对数据进行分析和建模，实现对未来用电需求的精准预测。
同时，电力公司还可以通过对用户用电行为数据的分析，推出个性化的电力产品和服务，提高用户满意度和粘性。
此外，大数据分析还可帮助电力公司优化能源交易策略，减少购电成本，提高收益。
最后，大数据分析在电力行业中的应用方法之三是智能电网建设与运行。
随着电力信息化水平的提高，各类传感器和智能设备的广泛应用，电力系统中产生的数据量呈现爆炸式增长。
大数据分析技术可以对这些数据进行高效处理，帮助电力公司实现智能电网的建设与运行管理。
比如，通过对电网数据的分析，可以实现对电力负荷的动态调整和平衡，优化输电线路的选取和布点，提高电网的供电可靠性和效率。
关于电力大数据分析技术及应用研究
电力系统Electric System2021年第21期2021 No.21电力系统装备Electric Power System Equipment 大数据时代的到来，使人们的生活进入了信息化、智能化的时代。
而电力大数据分析技术的到来，也将推动电力行业的信息化、智能化发展。
电力大数据技术的应用主要涉及电力行业中的电力系统运行和电力系统的营销。
而在这种技术应用过程当中，主要依赖大数据、互联网等与现代大数据发展趋势相融合的工具。
因此，将重点探讨电力大数据分析技术具体应用现状及其优势。
1 电力大数据技术产生的背景自2002年国务院印发《电力体制改革方案》后，我国开始进入电力市场体制改革的阶段。
在这十余年的改革历程中，我国电力市场体制改革已经取得了初步的成效。
因此，目前我国电力市场已经处于一种趋于市场多元化的状态且取得了一系列的发展成就。
任何行业在发展的过程当中，都需要经历启蒙阶段、成长阶段、成熟阶段以及衰退阶段，就目前我国电力行业发展状况而言，其在改革过程中已经适应了多元化的市场环境，而且我国电力行业已经度过了成长期，现在正处于成熟阶段。
之所以说我国电力行业正处于成熟阶段，是因为其在激烈的市场竞争环境下保持竞争力的同时，还能有条不紊地继续其电力技术的服务。
当然，在成熟阶段，其竞争的主要关注点也从技术竞争逐渐转变为售后服务的竞争，因此，我国电力行业发展过程中，相关成员对于该行业的认知有了很大程度的改善。
在电力行业取得不断发展的背景之下，我国各种新兴技术也在不断成熟与发展，如云计算，大数据，物联网，社交网络等。
这些大数据时代之下的产物，都为电力大数据技术分析提供了一定的帮助[1]。
正是因为有了这些时代产物工具的帮助，才使得我国电力发展逐步向绿色电网，智能电网以及电力信息系统集成化的道路上前进。
据有关专业人士报道称，数据已经渗透到各个行业以及领域当中，随着大数据时代的到来，数据已经成为各行业竞争的主要生产要素。
电力行业的大数据应用解决方案
电力行业的大数据应用解决方案随着信息技术的迅猛发展，大数据已经成为当今社会各行各业追求竞争优势的关键要素之一。
在电力行业中，大数据的应用也日益受到重视。
本文将探讨电力行业中大数据的应用以及解决方案，帮助该行业更好地利用大数据以提升效率和服务质量。
一、大数据在电力行业中的应用1. 智能电网管理大数据技术可以帮助电力公司实时监控电网运行情况，并通过数据分析与挖掘来预测电网的负荷需求和故障潜在风险。
通过建立智能电网管理系统，可以准确预测负荷需求，提前调整发电和输电计划，以避免停电和供电不足的情况出现。
2. 用户需求预测通过对大量用户数据进行挖掘和分析，电力公司可以准确了解用户的用电需求，预测用户的用电行为模式。
这些数据可以帮助电力公司优化发电计划，合理配置发电资源，提高供电效率。
3. 分布式能源管理随着分布式能源的发展，电力行业面临着管理分散的电力资源的挑战。
大数据技术可以帮助电力企业从各种分布式能源设备中收集数据，并进行智能分析。
通过对数据的分析，电力公司可以实时调整分布式能源的供应和需求，提高能源利用效率。
4. 风险管理与安全保障大数据技术可以帮助电力公司实现对电网的全面监控和风险评估。
通过收集和分析大量电网设备的运行数据，可以提前发现潜在的故障和安全隐患，并采取相应的措施来保障电力系统的安全稳定运行。
二、电力行业大数据应用的解决方案1. 数据采集和处理系统建立一个完善的数据采集和处理系统是电力行业应用大数据的基础。
该系统应能够实时采集和存储来自各个电力设备的数据，并对数据进行处理和分析。
2. 数据挖掘和分析技术电力公司应该借助数据挖掘和分析技术，从庞大的数据中提取有价值的信息。
例如，通过对历史数据的分析，预测未来的负荷需求；通过对用户数据的挖掘，了解用户的用电行为模式。
3. 建立智能决策支持系统基于大数据的分析结果，电力公司可以建立一个智能决策支持系统，帮助管理人员做出决策。
该系统应该提供实时的数据可视化界面，直观地展示电力系统的运行状况和风险。
- 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)。
基于大数据的电力客户用电行为分析研究及实践
发表时间：
2018-10-01T11:31:21.917Z 来源：《电力设备》2018年第16期 作者： 张攀
[导读] 摘要：随着我国电力市场的发展，电力客户行为分析不只局限于电力消费的分析，基于大数据技术的电力客户用电行为分析能提高
电力系统的运行效率，为客户提供更优质的服务体验。
（鲁阳煤电有限公司 461670）
摘要：随着我国电力市场的发展，电力客户行为分析不只局限于电力消费的分析，基于大数据技术的电力客户用电行为分析能提高电
力系统的运行效率，为客户提供更优质的服务体验。大数据技术的使用可体现在电力系统运行的各种环节，能拓展电力客户规模及群体。
基于大数据技术展开对电力客户用电行为的分析能体现大数据技术在电网公司的实际应用情况，电网公司对大数据技术的实际情况进行了
解，能提高电网公司对大数据技术的理解程度。本文揭示基于大数据技术的电力客户行为分析体系，对不同的电力客户行为分析进行阐
述，并对大数据技术的实践情况进行探究，指出大数据技术的使用现状和电力客户用电行为分析的优势，为电网公司的实际运行提供基
础。
关键词：大数据；电力客户；用电行为
一、电力客户行为分析体系
基于大数据的电力客户用电行为分析能提高电网公司的服务质量，提高电力客户的体验舒适度，电力客户行为分析体系主要由用电行
为分析、缴费行为分析、客户重要性分析和咨询行为分析等内容构成，构成体系如下图所示：
（一）用电行为分析
电网公司要对客户的用电行为进行分析，在收集客户用电信息后，对信息进行处理。电网公司需通过峰值、季节分布等重要依据完成
对客户用电行为的整理，增强电网公司对客户用电行为的了解程度，有利于电网公司应对居民的实际用电需求，并根据整理好的数据适当
采取节能、增容等技术维持电力系统的正常运行。电网公司还可以通过开展客户用电行为分析工作，及时检测出盗电客户，避免对电网公
司造成损失。所以电网公司对客户的用电行为进行分析，能提高公司的工作效率，保障居民的正常用电，提高公司的经济效益。
（二）缴费行为分析
电网公司可以查询客户的缴费记录，对客户的缴费时间和缴费金额等数据进行统计，最终电网公司根据收集的数据对客户进行分类，
分为高风险、低风险和中风险客户。电网公司针对不同类别的客户，可采取不同的服务政策，比如针对高风险客户，电网公司需对其进行
风险评估，结合客户的缴费情况给客户提供较好的降低风险的措施，提高客户的风险防范意识。同时，电网公司需收集客户对缴费方式的
评价，并根据收集的信息对缴费方式进行改良，提高电网公司的服务效率。
（三）客户重要性分析
电网公司对客户重要性的评价依据是客户缴费金额的多少，因为电网公司主要处理欠费和缴费业务，所以只能看客户的缴费金额判断
客户的重要性，而且电网公司对客户的缴费情况有严格的记录，这会成为重要的参考依据。电网公司能根据统计的数据计算客户所交的费
用，并按缴费情况分析客户的经济潜力，分析电网公司未来经济增长状况。电网公司能通过对客户重要性进行分析，规划电网公司未来的
发展道路，保障和增长充足的客户量，尽快实现电网公司的高效发展。
（四）咨询行为分析
电网公司需要对客户的咨询情况进行记录，使用大数据技术记录客户的咨询内容，这样电网公司可以针对客户咨询的内容对服务业务
进行整改，适当改良公司颁布的政策制度，以提高公司的服务质量和效率。电网公司咨询行为分析的对象是不同种类的人群，比如事业型
人群想要提高电网的使用速率，此时电网公司需为其制定较好的提速方案，满足客户的需求。电网公司可通过开设咨询渠道了解顾客的需
求，避免出现客户投诉等事件的产生，提高客户的满意程度和业务体验舒适度。
二、电力用户行为特征分析应用实践
我国虽然在大数据行业有所建树，但相比欧美国家来说，我国的大数据成就还是远远不够，欧美国家从事大数据的理论研究和工程研
究，都比我国了解的范围广。近几年，我国开始着眼于技术的创新，专门就大数据关键技术进行了研究。下面主要是对法国、美国和我国
的电力用户行为实践进行列举分析。
（一）法国
法国从2009年开始，就注重使用大数据技术对用户的行为进行探索，在09年，当地的电力公司给每户人家都安装了智能的电能表，该
电能表的主要作用是对每户人家的用电情况进行掌握，采集更多的用电负荷数据，将这些数据整合在一起，运用电网数据技术，共同开发
出大数据系统。目前，法国电力公司已经可以单独进行大数据分析工作，每天分析用户的用电负荷曲线，专门构建了大数据系统，在该系
统中，能处理海量的信息，能找到信息处理的突破口，提高信息处理效率，能在有效时间内完成复杂的数据处理工作。法国电力公司为了
提高大数据处理能力，专门加入了
CourboGen 系统，该系统采取分布数据分析方式，自动生成用户用电负荷曲线，统计与其有关的所有关
联数据，但系统还具有预测功能，能将客户分类，将未来的负荷变化情况用曲线的方式表现出来，以便电力公司随时改变自己的运营对
策。
（二）美国
美国相当重视大数据应用技术，在洛杉矶设立了电力大数据应用系统，该系统由加州大学组织建设，当地政府提供了不少资金，采用
大数据技术，统计每个政府统领的街区信息和用户的个人信息，将用电情况与个人结合在一起，在这个过程中，加上地理信息和气象信
息，能够全面地整合当地用电情况，将用电情况与更多的因素综合考虑到一起。与此同时，美国的大数据技术还能够用在能源投资研究
上，辅助各个能源企业完成能源投资工作，
C3 energy 公司，就是专门研究能源投资效果的公司，采用大数据技术，对能源投入进行分析，
为投资者提供数据分析服务，用空间视图的方式直观地展示给用户。整个纽约电力市场都由
NYISO 进行管控，在管控过程中还推陈出新设
计出了四款激励需求，在电力系统运行过程中的必要阶段，削减不必要的负荷，以提高电力系统的运行效率。美国电力用户行为特征的分
析应用实践也是我国主要参考的对象。
（三）中国
我国从2013年开始便开始效仿美国，运用大数据技术，分析用户行为特征，我国有的电力企业也开始致力于对大数据应用技术进行研
究，我国当前在
27个省市加入了智能用电研究系统，涉及的研究用户达到了 2． 42 亿户，江苏电力公司在2013年时就优先采用 Hadoop 分
布式技术，对用户的用电情况进行调查并记录，为全国电力公司起到了榜样作用，另外，我国也全新地建立了多维度数据分析模型，增加
了数据的可视化，为电力企业提供更多的识别便利。在
2015 年，上海成为了首个电力需求响应试点实验的工作地点，到了年底，上海已经
可以独挡一面，用信息采集系统直接将
2． 8 万个用电的数据采集并分析出来，使电力企业可以充分运用这些数据来进行用电行为分析，从
而增加电能的利用率，更少地减少不必要的电能消耗，使企业向着利益最大化发展。
三、结束语
目前我国电力行业数据量巨大，我国加强大数据应用技术，也是为了提高数据的利用率，把握住高价值的数据，以增加电力企业的盈
利水平，提高可控性。对外，扩大了电力市场，对内，也为电力企业提供了更多的发展机会。与此同时，我国需要改变对大数据技术的看
法，能从数据存储和分析的角度来实施大数据技术，从而提高大数据的利用率，我国电力企业能从数据中获取更多有用的资讯，能提高我
国的电力服务水平。
参考文献：
[1]
赵鸿图，朱治中，于尔铿． 电力市场中需求响应市场与需求响应项目研究［J］． 电网技术，
[2]
张汉敬，刘明峰． 智能电网中互动式居民智能用电系统设计［J］． 中国电力教育，2009（S2）：321 － 323．
[3]
薛禹胜，赖业宁．大能源思维与大数据思维的融合（一）大数据与智能电网大数据[J]．电力系统自动化，2016，40（1）：1-8．