2014年10月28日，由中國工程院、美國國家工程院、EMC公司、VMware公司、浪潮集團及聯想集團共同舉辦的以云計算和大數據為主題的IT行業學術研討會——IT 2020高端論壇在京舉行，此次論壇聚焦未來數年內影響中國乃至全球行業和經濟發展的大數據、云計算和新興IT趨勢，來自中國、美國及全球各地的學術界和產業界的領導者及專家學者參與了此次盛會。

    IT 2020高端論壇上，中國電力科學研究院特聘首席專家欒文鵬帶來《智能電網數據分析元》的主題演講，并從多行業的實際應用進行了驗證，以下是演講實錄：

    欒文鵬：今天我給大家做一個報告是智能電網數據分析元，在大電力行業方面的應用，主要講智能電網運用。介紹，大數據研究及實施現狀，智能電網數據分析元，和一些行業里應用。

    大數據電力行業這幾年剛起步，無處不在大數據，但是電網工作剛剛開展。電力行業有非常熱門話題智能電網，傳統電網IT技術、通訊技術結合，不做太多解釋，基本上把傳統電網進行信息化、數字化、智能化。近幾年特別熱的就是北美、全世界智能電表，大家看照片，在北京胡同里照的智能電表照片。

    覆蓋國家電網80%數據，智能化以后，1100多座智能電站，2.2億電表，今年一季度全面上線，一共3億塊電表，基本上在2015年底，把數據全部遠程操控到電網數據，現在大量數據，并且將來還有大量的電動汽車，要截止到電腦上，現在對于行業來說，電力行業已經進入大數據時代。包括我們國家在每個變電站加入了PMU，這技術局基本上高頻的非常快的速度，以專線把數據送回數據中心，數據像潮水般涌來，怎么管理這些數據，成為電力行業專業人員思考問題。

    電力的數據，大家比較了解，體量大，類型多，價值比較復雜，實施比較強。已經滿足大數據定義和一些行業方面的考量，所以現在數據的處理需要一些大量大數據技術，來得到應用。

    電力特點電力周期差別非常大，幾微秒，電力高頻設備切換，基本上在幾微秒一級，我們做基點保護，20毫秒到30毫秒之間，每小時、每天、每周、年的負荷預測，包括做發電容量預測，有可能做幾十年。還有電力資產，像我們的VRT、發動機，生命周期就在80年到一百年過程。這個數據有非常大的跨度、特點、區別。這樣對于電力行業大數據整合，產生了很多困難，提出很多挑戰。包括現在智能電表實施以后，大量數據來了以后，以后很多傳感器在電網上，但是傳感器基本上有數的，多少數是有限的，包括配電自動化設備，這些裝置不多，每個用戶都有智能傳感器，帶回大量的數據，這是我在去年回國以前，電表在BC網絡上做的，180萬用戶，比中國的國家電網小很我。當時我們看每個電表每天可以拿回來三個KB數據，智能中心拿回11G數據，去年在HOP上有一篇文章發表出來，基于實測數據，有興趣可以看。公司怎么樣利用這個數據，這是這個公私要考慮的問題。

    電力公司從去年開始，國家電力公司在想，怎么利用大數據，來整合這些數據，來盡量達到實現一些不可估量的效應，提高生產率，提高管理效率、服務質量等等，這些都是公司考量做大數據的內部驅動力。電力行業數據對于各個國家國民經濟和國家國民經濟發展和政府決策都有很多的指導意義，每周、每個月國家國務院開會，我們蘇總第一個事情就是要把國家的電力負荷、修電量，這個數據報給李克強總理。國務院領導班子利用這些數據做決策，把數據看成第一手數據，并且每個季度發改委公布用電量的時候，各國預計電力走向，都有很大指導意義，各國數據對于政府、公安、社保、家電各個行業都有很多指導意義，對于決策提供幫助。
稍微匯報一下國家電網在大數據方面做開展的一些工作和一些基本策略。其實電力大數據在國家電網剛剛開始，去年剛開始提到議事日程上來，電力行業，去年中國電機工程學會協會發表電力大數據行業白皮書，發改委863項目，配電大數據關鍵技術項目，國家層面項目。國家電網七個方面研究，設備監測、裝載，配電網、智能電網結合起來數據，客戶分析，還有信通等，江蘇、天津、北京各個電力公司陸續開展了一些大數據應用方面嘗試。

    我們在做電力大數據技術戰略研究，這個月底或者下個月初，就會出現電力大數據白皮書，做需求分析。同時建立電力大數據平臺，就在電科院建，也在做優化算法研究。我不想介紹太多，我們電力平臺的功能架構，基本上把各種電網數據，結構化、半結構化，實時、非實時，這些數據整合起來，做系統大平臺，為將來的服務和應用做一些開發。這是總體的一些技術架構。大家都是這方面專業的，不詳細闡述。總體考量分析決策工具，做了很多一些規劃方面工作。

    研究思路，多部門和多數據融合，分析大數據場景，做相關技術的研發和開發。重點項目，重點思路幾個方面，研究電力大數據，服務于社會、政府做決策，我們要給政府、國務院做經濟發展決策，提供數據支撐。要支撐整個電力公司本身的運營和高效節能減排方面，包括一些節省開支，提高效率等等方面，還有服務于我們的客戶。我們幾個主要的側重點。

    今年開始，2015年，我們現在正在計劃的項目里面，明年開始實施項目，國家電網列了項目，列在國網的科技指南，20幾個項目，有幾個項目不是國家電網，有可能別的部門資助的。前面花了十幾分鐘時間，主要講背景，國網電力大數據方面的思路。

    下面可以講講，我們認為在電力行業這幾年，剛興起的一個學科，智能電網分析元。給大家介紹一下整體思路，后面再介紹一下例子。智能電網分析元(Data Analytics)，去年從國外回到國內，想一個很好的詞翻譯過來，行業里認為這個定義本身有兩重意思，第一個是以數據分析學或者數據分析方法，第二個意思是靠分析得出一些程序或者算法實施的時候，實施數據分析元。但是我沒有想好特別得很好的詞。中國電力學報，翻譯這個詞的時候，我沒有想到太好的翻譯。數據分析、數據挖掘不一樣，數據分析根據推理、知識得到一個結論，數據挖掘不知道什么原因，通過大量數據分析得出一個結論。Data Analytics比較大數據。北美、歐洲、中國點行業里最熱話題，各個電力公司都在做自己的數據分析元。現在市場比較流行用戶分析元，對用戶進行分類，提供優良服務，需求響應，資產管理一些分類，優化的，包括變電站管理、變壓器管理，第三是電網優化策略，就是一些分析元，怎么做了以后，怎么實行配電效率，怎么快速故障定位，怎么進行輸電。這是功能對象來說，側重IT行業，描述以前的，分析以往信息，還原以前的場景，電力系統常說的竊電分析，用過去數據分析用戶行為，發生線路故障，信息全掉出來，我來分析，當時為什么發生這個故障。預測性分析元，分析未來，好多我們做的風險評估、負荷預測，都符合這個場景。優化式分析元，根據得到的所有信息，能給電力公司或者給用戶推薦一種優化場景，你這么做，可能對你的運行或者服務更好一些。現在市面上數據，電力行用的數據分析元基本上屬于這幾種類型之中。

    在北美50%以上電力公司都在做這方面工作，但是有一個特點，大數據的平臺基本上都是各大廠家提供的，包括IBM、EMC，做大數據平臺，數據元做分析，很多電力公司委托廠家做開發，有不少做自己的開發，包括回國以前也在做這方面開發，中國也是這樣情況，很多公司自己做一些應用，主要把電網優化和客戶服務作為重點。智能電表數據也是這幾年剛拿到位，現在市場預測，GTM研究機構預測，現在的市場會在未來的幾年，現在基本上每年11億美元電力行業數據分析元，擴大過幾年到40億美元。還有IBM大的咨詢公司，還有EMC，這方面做了很多工作。

    現在很多場景，在做Data Analytics這方面的開發。數據分析元本身的作用和大家想的一樣，其實把數據中找出一些隱含原因，再給大家做決策、推薦，通過數據分析，找出問題的地點和時間、原因，再把推進策略怎么應對，工程師和現場人員得到啟示，做展示，這是現在數據分析元工作的套路和思路。

    數據分析元系統架構，底下一個平臺、服務器，中間部分做電力公司開發電表數據分析元，電網、可再生能源數據分析元，這個數據是加利福尼亞州的電力公司做的分析，左下側是數據分析元，右下側是數據平臺，中間一層做數據展現和分析，美國電力公司自己開發和買的數據分析元，這是架構。各個電力公司基本上按照這個思路來做。

    下面利用幾分鐘講一下，現在在電力公司里面，大家都在開發智能電網數據分析元，電力行業剛興起一個行業，電力公司得到大量數據，以前有很多數據，多了以后，大家想辦法來做，現在大家行業里比較關注或者常見一些分析元，包括常見的系統TOP連接生成和完善，電力公司里通過電力信息系統，把電力公司的線路和用戶連接做了很好的標定，有很多錯誤，電力公司沒有太多的人手管理，因此在北美和咱們國家一樣的情況，二次測的線路里面，線路怎么連接，電力公司變壓器有些聯系，這個關系非常多，以前靠人力、人工方式排查，上海電力公司前幾年花兩億左右，兩年時間，線路全排查一遍，線路咱們國家經濟發展特別快，這個線路不停地變，剛查完，發現線路又變了，有了電表數據以后，通過回歸方式，數據分析方式，自動生成TOP，然后識別負荷一些設備，有些設備發現有問題的話，可以快速判斷，包括在美國佛羅里達有一個電力公司，他根據電壓值變化，可以判斷變壓器要燒壞，有一個固態，燒壞以前，二次絕緣子，突然升高10%，一個月以后，變壓器基本上燒壞，有這個過程。每天掃描這個數據，發現這個情況監測，發現有問題，自動報警，認為變壓器要壞了，發現以后馬上要換了。

    各個省，美國電力公司，歐洲電力公司，都在做，怎么利用智能電表數據，分析哪些用戶沒有按時交費，哪些電表已經通過了，一些偷電行為，故障檢測，可靠性分析，系統評估等等，都是一些現在電力公司常見一些主要數據分析元。

    在國內做的一些工作，這是清華大學的韓教授，他們根據PMU和WAMS數據進行挖掘，進行暫態電壓穩定，做了很好系統，在南方電網進行運用，做的非常錯，我在韓院士片子里拿了一張，做暫態電壓穩定根據PMU和WAMS數據進行評估。很多地方做過載管理，變壓器過載率和負荷分析，哪些變壓器過負荷，哪些變壓器出現問題，根據過負荷進行評估，做到系統里。變壓器監測。可靠性指標展現，根據智能電表數據，可以把哪個用戶斷電，哪個用戶在線，一年統計，可以非常清晰在電子信息系統上，每個用戶可靠性服務，還有指標做一些展現，電網什么地方要做投資，什么地方做服務，具有指導作用。這是非常實用的。

    我在國外領著幾個年輕人做，全世界第一個，哪個電網線路在電子信息系統接錯，可以自動檢錯，自動修復，以前靠人工，有了電表以后，用回歸方式算的豐富好，在國際上已經有幾篇文章發表出來，大家有興趣的話，可以看一下。這是電表的異常檢測，竊電分析，現在有大量公司在做，通過人的行為、電表行為分析，大家是不是動了手腳。我們的國家，特別是在浙江，其實我們做了很多這樣的工作，發現以前的竊電，看的非常清楚，電表數據，準確的用戶，什么時候竊電，竊多少電，可以分析出來，各個電力公司，有工作重點，防竊電。
    我做的工作，怎么利用電表數據，來分析臺區和用戶關系，變壓器臺區和用戶對應，24小時電壓或者兩周電壓曲線比較，一個變壓器，下面所有用戶，明顯看到兩個用戶電壓曲線跟其他用戶不一樣，首先我就會猜測這兩個用戶可能不在變壓器上，然后利用再把這兩個用戶曲線，放到相鄰的變壓器進行模擬，發現其實它和臨近變壓器用戶電壓曲線非常吻合。本來標在一個變壓器，接在另外一個用戶上，以前全是靠人工檢測，現在多了很多數據，簡單的數據分析元，完全可以實現這些自動檢測。可能不能實現百分之正確檢測，但是起碼可以在60%到80%的正確識別率，這是給電力公司提高的效應。這就是我匯報的全部，謝謝!