尊龙凯时

天下着名风电制造商丹麦VESTAS公司妄想将全球天气系统数据与公司发电机数据团结，使用气温、气压、空气湿度、风向等数据以及公司历史数据，通过使用超等盘算机及大数据模子解决计划，来支持其风力发电机的选址，以充分使用风速、风力、气流等因素抵达最大发电量，并镌汰能源本钱。

这是电力企业有用使用大数据实现增效的优美设想。有专家剖析称，每当电力大数据使用率调高10%，便可使电网提高20%~49%的利润。当电力行业邂逅大数据，其应用价值潜力重大。

电力海量数据将带来高附加值服务

相关于其他行业而言，电力行业的大数据资源更为富厚，关于海量数据处置惩罚难度更大。现在电力行业大数据泉源可分为三类。一是电力企业生产数据，如发电量、电压稳固性等方面的数据。二是电力企业运营数据，如生意电价、售电量、用电客户等方面的数据。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。再加上“智能电网”衍生出的种种新型营业，也会使大数据资源放量增添，这对电力单位信息清静维护能力都将是重大的磨练。

如能充分使用这些基于电网现实的数据，对其举行深入剖析，就可以提供大宗的高附加值服务。这些增值服务将有利于电网清静检测与控制，包括大灾难预警与处置惩罚、供电与电力调理决议支持和更准确的用电量展望，客户用电行为剖析与客户细分，电力企业细腻化运营管理等，实现更科学的需求侧管理。

数据识别和挖潜成难点

现在，电力行业在应用大数据方面，已经不是简朴的数据量问题，而是怎样从海量的数据中识别可用的数据，评估潜在的价值，以及电力信息化历程中的清静问题。

数据海量、信息缺乏、数据质量较低、防御懦弱、基础不牢、共享不畅等都是大数据应用中保存的瓶颈。

电力行业数据在可获取的颗粒水平，数据获取的实时性、完整性、一致性等方面的体现均不尽如人意，数据源的唯一性、实时性和准确性急需提升，部分数据尚需手动输入，收罗效率和准确度尚有所欠缺，行业中企业缺乏完整的数据管控战略、组织以及管控流程。
从数据类型方面来看，除古板的结构化数据外，还爆发了系统日志、表计等半结构化数据和视频检测、战胜音频等非结构化数据。关于这些非结构化数据，大都生涯在外地系统中，且不可被检索剖析，缺乏对其举行数据管理的手段。从数据价值挖掘，对数据使用的手段还主要停留在基于报表的统计剖析，缺乏对数据举行挖掘和探索的高级剖析手段，制约了数字化向智能化的生长。

电力大数据应用仍处于前期研究阶段，需要电力企业、生产厂商、研究机构配合致力大数据要害手艺及在电力行业的应用研究和开发。