电力行业如何做好数据治理,其核心的3个步骤

0 评论 747 浏览 4 收藏 16 分钟

编辑导语:电力行业在运营的全过程会产生大量有价值的数据,这些数据是电力企业的重要资产,然而如今电力大数据也面临着一些挑战。本文对电力行业的数据治理进行了分析,一起来看一下吧。

众所周知,电力行业在“发、输、配、用、调度”等全过程都有大量有价值的数据产生,而这些数据对于电力企业盈利与控制水平的提升有较高的价值。有电力专家分析称,每当数据利用率提高10%,便可使电网提高20-49%的利润,因此电力大数据是电力企业的重要资产。

随着社会各行各业向数字化、网络化、智能化发展,大数据和信息技术的应用将为电力企业带来潜在机遇和广阔的应用场景。然而在把握市场机遇的同时,电力大数据也面临一些挑战,比如如何释放电力大数据价值,如何建立权威、共享、安全的大数据体系是电力大数据领域重点关注的问题。

与此同时,电力行业近年来对数据开放、共享、融通的需求与日俱增,令电力数据安全建设的重要性也不断提高,而大数据治理作为解决数据问题的关键措施,逐渐成为电力企业关注的焦点。今天小亿就来说说电力行业的数据治理。

一、背景

如今,电力企业的数据资产呈现典型的大数据特征,这些电力数据来自电力生产和电能使用的发电、输电、变电、配电和调度各个环节,包括电网运行、设备管理、营销服务和企业管理等各类数据,蕴藏着反映电力企业生产经营和客户服务状况的丰富信息。

因此,数据作为电力企业的战略资源,数据的资产管理、全生命周期管理和质量管理就显得尤为重要,这将成为电力企业信息系统集中建设、大数据应用、智能分析决策应用的重要基石。

我国电力企业一般为大型国有企业,其管控模式多为“集团-区域-电厂”多级管控,同时分为计划、财务、生产、安全、环保、燃料、物资等多专业管理。

企业数据经过多年的积累,数量庞大;同时在多级管理、多专业管控中,体现出数据口径多样、各专业口径数据差异、综合数据歧义等情况。同时上述数据分散在不同单位、不同专业应用系统中,数据基础不统一,质量参差不齐,因此为企业各级专业管理以及信息化建设带来困扰。

与其他行业相比,电力行业的数据来源非常广,不仅涉及到电网本身业务运营和经营管理的数据,还涉及到从电压、电流、信号处理等各种传感器采集过来的IOT数据,另外还有大量与分布式电源、居民用户相关的外部数据,若这些数据得不到有效整合,数据质量得不到提升,电力企业信息共享和智能决策等工作的开展将会收到制约。

大数据治理作为解决数据问题的关键措施,逐渐成为电力企业关注的焦点。

二、作用与意义

电力企业数据治理不能单纯以数据质量、血缘分析、元数据管理等传统IT技术为主,需在数据治理中与业务紧密结合,与数据处理环节密切配合,使数据管理的成果能够高质量地为分析应用提供数据服务,可以在以下方面为电力企业提供帮助:

1. 改进现有产品或预测未来

1)设备检修

电网公司通过对设备运行历史海量数据的挖掘展开预测性检修的研究,以较高的准确率预测出设备运行的未来状态,预判设备发生故障的可能性,从而达到基于设备状态来指导检修的目的。预测性检修的分析结果对于指导检修计划编制、合理安排电网运行方式、优化计划停电策略等发挥着举足轻重的作用。

2)准实时线损分析

线损是影响电网运行效率的关键因素,对经济发展、社会生活同样有着重大影响。准实时线损分析应用基于大数据平台,通过构建拓扑,利用计量自动化系统的表计数据、营销管理数据、电网负荷数据等实时数据,自动计算线损率,能够帮助公司营销和生产管理人员及时、全面掌握线损情况及薄弱环节,促进节能减排和经济运行效率提升。

3)反窃电稽查

部分电力公司开展了基于大数据与计算智能的反窃电研究,以电能表和采集终端中的电能计量数据、事件记录、用户及终端档案信息等数据为基础,利用各类规则对异常信息进行综合判断、分析,并结合大数据挖掘技术实现海量数据准实时处理,对现场计量异常情况、窃电行为进行在线监测,发现疑似窃电用户并输出疑似窃电用户清单。

同时支持动态产生异常事件告警,实现对现场窃电行为的在线诊断及窃电行为分析的全过程管理。

2. 为政府、企业等用户提供决策支持

1)企业复工电力指数

电网可运用营销系统对海量数据建立算法,得出复工指数,动态监测、直观反映企业复工复产情况,助力企业复工复产。
根据阶段性特征,可将企业复工电力指数划分成三个区间:

  1. 抑制区间
  2. 恢复区间
  3. 企稳区间

并根据电力复工指数所在区间,从指标趋势、指标构成、时间节点等维度,按区域、分行业/产业解析企业的复工复产水平,为政府全面掌握企业复工复产信息提供有力支撑,全力服务政府科学统筹,精准推动企业复工复产。

2)区域及行业用电监测

通过采用多维度监测手段,收集不同区域、行业的用电数据(日用电量统计、日用电量波动分析等),构建不同区域、行业用电分析模型,辅助生态环境部门掌握区域及行业的整体用电情况,精准定位存在污染物排放及污染风险的重点区域和重点行业。

3. 给行业客户提供数据资产服务

企业将大数据能力封装为开放接口,开放给行业客户进行订阅调用,也可根据应用场景提供较灵活的按需定制服务。例如“电力大数据+金融”增值服务。

比较典型的例子有“电力贷”,即电力大数据与信贷相结合。

通过利用电网掌握的电力大数据,一方面可以对银行所属区域内的生产经营企业进行大数据巡航分析,有效挖掘区域内潜在的优质客户资源,为银行拓展高品质客户提供渠道。

另一方面,借助大数据分析模型,对银行贷款客户进行专项分析和监控,贷前提供交叉验证结果,贷后定期提供监控报告,及时发现和预警经营状态异常企业,增强银行风险管控能力。

三、面临的挑战

1. 从管理角度来看,主要存在两大挑战

1)数据如何价值化

  • 数据资源如何与生产经营的实际场景融合,演变为价值创造的要素?
  • 数据要素如何通过财务和法律,转化为能够为企业带来价值的资产?
  • 数据资产如何融入到现有的资产管理体系,并具象化为数据服务或产品?
  • 数据产品如何承载并固化数据资产的价值?

2)数据要素如何实现流通市场化

  • 如何把数据要素转化为可以交易、流通的数据产品?
  • 应该叠加什么样的商业规则?
  • 如何通过市场化交易实现数据产品价值的显性化,并获得实际收益?
  • 如何形成长效演进、创新发展的数据要素价值的增长模式?

2. 从技术角度来看,存在三大挑战

1)数据时效性强的挑战

电力产生、传输与消费的情况瞬息万变,眨眼之间便能产生海量的数据资源。

  • 如何对这些数据进行及时、准确的捕获,并快速完成计算?
  • 怎样对高速膨胀的数据规模进行有效管理和可靠存储?
  • 各方的数据消费需求能否得到及时满足?

2)数据链路长的挑战

能源价值链整合的参与者众多,价值活动间存在紧密联系,数据交互需求广泛。

  • 在此情况下,各方数据的交互标准、质量、规范如何有效把握?
  • 数据能否实现贯穿交互,能否有效支撑能源价值链整合?

3)数据类型多的挑战

电力行业广泛部署的物联网设备,产生了格式不同、频率不同、定义不同的多源异构数据。

一个业务往往需要从多个角度,综合多种类型的数据进行描述。结构化数据、时序数据、非结构化数据,如何进行有效融合,获取洞察?

四、三个关键步骤

1. 自动采集各类数据资产信息

对电力企业来说,要想管理好数据,首先需要获取到企业的全部数据信息,实现业务元数据、技术元数据、模型元数据的全面采集和存储,在摸清数据现状的情况下才能有效开展数据资产管理相关建设。

比如,在电力系统数据量成倍增长、数据种类纷繁复杂的情况下,与人工录入数据相比,自动化采集的优势也变得更加突出,要想统一管理所有信息资产,企业需要通过相应的数据管理工具,实现对资产信息的自动获取。

目前实现自动采集的一种方式是根据不同的数据源,开发出不同的采集适配器,多采用直连的方式来实现不同种类数据的自动化采集,包括自动数据信息采集、自动服务信息采集与自动业务信息采集等。

某电力企业数据治理整体框架

2. 全面管理企业数据资产

前面我们实现了业务元数据、技术元数据、模型元数据的全面采集以后,电力企业就能对这些数据资产进行管理了,电力企业在管理企业数据资产的时候,可以从以下3个方面入手:

  1. 业务元数据与技术元数据的对应
  2. 数据资产的全面梳理
  3. 数据质量的管理

自动完成业务模型与物理模型的对应,将能大大减少少业务人员的工作量,同时还能提升技术与业务关联的准确度,通过此种发那个是快速消除业务与技术之间的鸿沟。之后我们就可以进行数据资产的全面梳理了。

同时,在电力企业复杂的大数据环境中,数据质量会成为突出的问题,比如,电力采集数据是否能够准确获得,IOT设备数据是否能够精确回传,各个系统的数据是否准确……所以电力企业在大数据采集与数据资产管理之后,还必须要解决数据质量的各种问题。

3. 数据资产服务化

单纯对数据进行管理并不是数据治理的最终目标,数据治理的本质应该是让业务人员更方便地获取到数据,为其提供技术手段,从而向数据要效益,提升业务能力,达到业务创新。数据资产服务化能从以下3个方面提升效率和业务创新:

  1. 提供自助数据查询服务,能够让业务人员和技术人员直接通过业务语义找到相应的数据
  2. 提供自助获取数据服务,形成数据的通道,帮助业务人员直接获取找到的数据
  3. 提供自助数据分析服务,让业务系统开发人员能够以业务化的语义分析来分析获得的数据,比如自助设计报表等

五、小结

电力大数据承载着反映经济社会运行状况的丰富信息,具有更及时、更客观、更精细等特点。

为实现智能电网,未来的电力企业需要打好坚实的数据基础,而数据治理将在整个大数据平台中起到中枢神经作用,通过数据治理,将电力企业数据资产管理起来,提供一整套数据资产服务能力,帮助企业快速发挥数据要素的潜在价值。

 

本文由@ 数据分析狮 原创发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash, 基于CC0协议。

给作者打赏,鼓励TA抓紧创作!
更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!