基于大数据分析技术的电力运营数据管理策略分析

    张驰

    

    

    【摘 要】 随着我国近几年的不断发展，有效的推动了智能电网的运营技术。大数据下的计算机技术的大量普及，让电力单位的数据有了很大的积累。所以，这些数据面前，如何合理的利用为企业创造出最大的价值，是当下电力企业最应该思考的问题。大数据分析作为专业针对海量数据的一种技术，能够为电网的建设带来很大的便利条件。本文对大数据概念进行有效的分析，并执行策略分析，对大数据分析技术的电力运营数据管理进行有效的说明。

    【关键词】 大数据分析 主要技术 管理中的应用

    一、大数据的分析概念

    大數据在众多企业当中都有运用，而在各行各业当中并没有很清晰的定位，但是很多人的对于大数据的理解，还停留在传统时代，总的来说，大数据就是一种可以对大量的数据，根据自己企业的实际情况进行合理分析的一种技术手段。在当下，可已经在关联到了很多企业。比如：金融、医疗等领域，都通过对于数据的收集、融合然后进行有效的数据分析，从而在大量的数据中找到对自身有价值的信息。而大数据在电力企业的应用中，涉及到了电力的多个环节，发电、输电等等，但是，在电力企业当中，大数据的运用主要以下的三个角度入手：

    （1）为电力企业自身的管理当中需要运用到大数据分析，根据数据的显示，从而找到企业需要调整的条件。大数据分析技术可以根据各种电气数据进行有效的融合，从而分析出各种用户在电力消费上的特点与规律。从而提高企业对于电力发展的准确性，科学的提高电力企业的收益。这种技术有一定的权威性，能够帮助企业决定出更有广度有深度的决定，从而让企业具有更好的发展空间。

    （2）如果是以电力运营企业为中心的数据分析，在平台上进行数据分析的是拥有资金优势与数据优势的电力企业，那么就能以分析电力传递和电力消费的数据资料，通过结合各式各样的电力用户的数据分析和服务，从而能够分析出最佳的电力能源管理方式，达到节省大量的电力能源成本的目的。

    （3）大数据分析技术能够为企业研究智能新产品提供很大的帮助，电力企业找出电力的能源供应与客户消费的数据，然后通过大数据分析技术，将电力数据与信息制造的技术进行有效的整合，从而研制出最近的节能环保智能产品，可以给用户提高低资本、高成效的用电方案。具体的框架看图一。

    二、大数据的主要技术

    1、大数据的统计分析技术

    大数据的统计分析技术是电力企业进行数据分析时候的一个非常普遍的技术，也是大数据基础分析的一种，通过企业对数据进行整合，然后通过处理、收集等步骤之后，进行有效分析，能够特别清晰的发现数据中的一些固定规律，而且只要是通过有效的计算之后，能够反映出此数据的一些特点，然后通过这些特点，能够反映出企业存在的一些问题，根据发现的问题，找出相对应的措施，让电力企业得到更好的发展。

    2、大数据的关联分析技术

    大数据分析最早被人发现且得到有效的利旧，是对超市进行有效的数据的关联分析技术。大数据的关联分析技术比较常用的方法有A-priori关联算法、划分的算法和FP-growth算法等。近些年经过不断的磨合和进步，又发生了一些改进算法有：并行关联规则挖掘、模糊关联规则的挖掘等。

    3、大数据的聚类分析技术

    大数据的聚类分析技术，是最近几年当中在机械方面的学习热点算法之一。研究学者已经得出了很多种大数据计算分析方法比如：谱分析的划分法、层次聚类方法、密度的聚类方式、圆形的聚类方法等。研究学者为了能够更好的让大数据的聚类分析技术适用于不同的企业需要，又研究出了多种新分析模式。比如：子空间聚类、多路聚类、演化聚类等等。面对多种不同类型的数据方式，聚类方式也有很多不同的特点，比如：图像分割、流体数据聚类等等[1]。

    三、大数据分析技术在电力企业管理当中的应用

    为了方便大家进行参考，本文用电力市场负荷需求预测为例[2]。

    1、负荷预测框架搭建

    首先，要建立起一个数据处理平台，这是负荷预测的基础也是重中之重，由于电力负荷分布较大，还有地区的特点。同时，还会收到众多运输的干扰而且作用方式不尽相同，发展规律多元化，所以在对电力进行挖掘之前，把多种负电荷数据区分开来，找出每一个区域的客户电力使用规律。然后找出相匹配的数据分析聚类的方式，分出不同种类客户的负荷种类，把数据显示类似的划分成一种。最后一步，在区域用电数据进行分析基础上，让各种种类的符合预测进行有效的综合。具体的负荷预测框架参考图二[3]。

    2、符合数据的聚类

    为了更加便捷进行数据聚类，引用K均值聚类进行数据聚类。原理是给定数据集合分类，数据分为K类。隶属度来有效的表示相似度，并让目标函数值最小。

    M为模糊权重因子，dij为数据到簌类中心距离。提高上述运算速度，在数据计算加入Map/Reduce编辑方式，提高数据聚类进行速度。具体请参考图三[4]。

    3、模型的来源

    某电力公司2012-2015年营销数据为例进行分析，进行比较之后。得到图四[5]。

    四、结束语

    大数据的分析技术，能够让电力企业拥有明确的发展方向，打破以往的传统模式，创造企业长久可持续发展的道路。

    【参考文献】

    [1] 孙舟，王伟贤，张禄， 等.基于“互联网+”的电动汽车充电网络运营支撑平台关键技术及应用[Z].国网北京市电力公司， 中国电力科学研究院， 国网福建省电力有限公司， 南京南瑞集团公司.2016.

    [2] 韩潇潇.数据挖掘技术在南京供电公司客户服务管理中的应用研究——基于客服中心运营数据的分析[D].南京大学，2008.

    [3] MUHAMMAD SUHAIL SHARIF.巴基斯坦移动商务采纳的影响因素：技术接受模型的扩展[D].重庆大学，2015.

    [4] 蔡勇.数据挖掘技术在电网运营监控平台建设中的研究与应用[D].上海交通大学，2013.

    [5] 李成.数据仓库和数据挖掘在电力营销分析与辅助决策系统中的应用[D].东南大学，2011.