泛在電力物聯網——數據科學的春天

2019-05-23 09:26:29 中國能源報作者:刁柏青　點擊量：評論 (0)

國家電網有限公司董事長寇偉在今年公司兩會上提出：三年攻堅，三年提升，全面建成泛在電力物聯網。泛在電力物聯網建設成為國網公司當前和今

國家電網有限公司董事長寇偉在今年公司“兩會”上提出：“三年攻堅，三年提升，全面建成泛在電力物聯網。”泛在電力物聯網建設成為國網公司當前和今后一個時期的重要工作。

“泛在物聯”——

公司運營分析的千里眼、順風耳

根據國網公司《泛在電力物聯網建設大綱》，“泛在物聯”是指任何時間、任何地點、任何人、任何物之間的信息連接和交互，將電力用戶及其設備、電網企業及其設備、發電企業及其設備、供應商及其設備，以及人和物連接起來，產生共享數據，為用戶、電網、發電、供應商和政府社會服務，為更多市場主體發展創造更大機遇。

泛在電力物聯網分為感知層、網絡層、平臺層和應用層。先進的傳感器、控制和軟件應用程序，將能源生產端、傳輸端、消費端的數以億計的設備和系統連接起來，形成泛在電力物聯網的感知層；通過互聯網、衛星通信網等基礎網絡設施，完成來自感知層數據的接入和傳輸，形成泛在電力物聯網的網絡層；網絡內的信息資源通過計算整合成一個互聯互通的信息網絡平臺，解決數據存儲、檢索、使用、挖掘和安全隱私保護等問題，形成平臺層；通過整合電力企業生產數據、運營數據和管理數據，發現運營規律，挖掘潛在價值，形成應用層。

通過泛在電力物聯網的感知層和傳輸層，延伸了公司的感知能力、信息獲取能力和運營監測分析能力，使公司的管理決策有了千里眼、順風耳。

數據科學——

公司運營分析的鐵算盤、預警機

泛在電力物聯網建設為數據科學的理論和實踐提供了廣闊的舞臺，而數據科學的研究和應用也為泛在電力物聯網建設提供了強有力的理論支撐。

數據科學是一門新興學科，是大數據時代新出現的理論、模型、平臺、工具和最佳實踐組成的一整套知識體系。從數據科學的知識特征看，它主要以統計學、機器學習、數據可視化以及領域知識為理論基礎，研究數據加工、數據計算、數據管理、數據分析和數據產品開發；從數據科學的技術特征看，它主要得益于云計算、物聯網、移動計算等新技術的興起和快速發展；從數據科學的實踐特征看，它是一門實踐性極強的學科，其研究和應用均不能脫離具體專業和領域；從數據科學的學科屬性上看，它涉及數據思維模式的轉變、數據認識和數據文化建設。

公司決策、運營與管理的智慧大腦

以泛在電力物聯網為基礎，數據科學將在以下八個方面為公司運營提供支撐：

一、構建數據驅動的公司發展戰略體系。基于內外部環境數據，以數據分析為基礎，制定可解讀、可量化、可執行、可分解的公司發展戰略體系，制定戰略執行過程評價體系，更好地服務公司戰略實現和經營決策。

二、構建數據驅動的公司運營分析體系。通過數據貫通推進業務流程貫通，實現各環節信息高度互聯和數據共享，促進跨專業、跨部門的高效協同，實現效益效率的不斷提升。

尤其在對外服務方面，通過泛在電力物聯網擴展設備狀態預警、售電量和負荷預測、新能源發電功率預測等應用，為政府提供宏觀經濟預測、節能減排政策制定、行業景氣指數分析、大數據征信等服務；在資產管理方面，通過物聯網技術實現設備自動識別記錄管理，與管理系統集成并進行信息同步；在檢修方面，通過將物聯網技術應用于電力設備智能化運檢，實時掌控關鍵設備的運行狀態，及時發現、快速診斷并消除故障隱患，快速隔離故障，實現自我恢復，使電網具有自適應和自愈能力，提高設備的可靠性和利用率。

三、構建數據驅動型的優質服務體系。利用多渠道數據全方位感知用戶需求，快速響應市場變化，精準提升客戶滿意度。一是整合和優化內部管理流程，快速響應客戶需求；二是實現企業與客戶、供應商之間的交互與協同。借鑒互聯網公司的技術成熟度、生態成熟度與行業認知度，在傳統客戶服務中融入互聯網思維，縮短與客戶的距離，減少中間環節，實現直接與客戶交互、交易、交流。

四、構建數據驅動的企業風險防御體系。篩選風險指標，建立評價模型，一是對企業外部風險進行分析，結合法律法規和能源數據變化，進行合規性與風險性分析；二是以各業務系統監測為抓手，對企業經營管理數據進行深度關聯分析和風險特征提取，建立風險智能識別模型，有效防范公司運營風險。

五、構建數據驅動型的資源配置體系。基于數據分析動態評估資源利用效率，提升精準投入水平，促進資源要素整合和價值提升。在實現精準投資方面，精準診斷電網發展短板，科學開展電網現狀分析、形勢分析、需求分析、目標分析和投資策略分析，逐站、逐線、逐臺區摸清電網設備健康水平。

六、著力推動公司數據統一管理。感知層、傳輸層、平臺層和應用層統一規劃，統一標準、一體運營。一是全面梳理公司數據庫、數據鏈，理清數據的概念模型和邏輯模型，盡快實現全業務數據的可見、可用，提升各專業、各層級的數據獲取效率；二是加強數據及數據技術共享，圍繞數據應用的全過程，從數據準備、計算處理、分析挖掘、可視化等各環節，加強對先進適用技術的調研分析，構建全流程、全方位的數據科學支撐體系；三是全力加強數據質量治理，注重數據質量問題的監測、分析、反饋、整改，推動公司數據質量持續提升。

七、制定數字化戰略，提升企業核心競爭力。未來數字化的影響作用將進一步提升，這就要求以數據科學為基礎，以數字化思維來觀現狀、謀發展，超前布局，制定科學可行的數字化發展戰略，引導數字化發展。數據應用是一個從收集、清洗、管理、分析到實際應用的循環過程，所以需要對數據有“掌控力”，才能對它們進行充分挖掘和分析管理。制定數字化運營模型，在數字化戰略、數字化技術、數字化人才、數字化運營、數字化服務、數字化生態、數字化創新、數字化資產和數字化績效等方面進行超前研究。

八、積極培育數據文化。一是積極探尋數據的不同維度及更廣闊的應用領域，不斷培養獲取數據、分析數據、應用數據的工作習慣；二是密切跟進前沿技術和發展動態，深刻認識和把握數據科學發展的潮流，培養數字化思維和價值挖掘能力，培育數字化人才。

（作者系國網山東省電力公司運營監控中心主任）