京公网安备 11010802034615号
经营许可证编号:京B2-20210330
云计算与大数据或成电力行业未来发展核心技术
在全球新一轮科技革命和产业变革中,以云计算、大数据为代表的信息技术,与智能电网为代表的电力技术高度融合,将构建能源发展的新格局、激发经济增长的新活力、开启社会美好新生活、开启人类文明的新篇章。
今年8月,国务院公布了《“十三五”国家科技创新规划》,规划提到了9大重点工程,包括种业自主创新、煤炭清洁高效利用、智能电网、天地一体化信息网络、大数据、智能制造和机器人、重点新材料研发及应用、京津冀环境综合治理和健康保障。其中多个工程与能源电力相关。
电力大数据是电力行业的重点研究领域。美国电科院早在2012年就启动智能电网数据研究项目,研究在输配电上的大数据应用;美国太平洋燃气电力公司、加拿大的电力公司也基于用户用电数据开展了大数据技术应用研究;美国一家能源及排放管理公司与IBM公司合作开发,2014年发布了针对智能电网的大数据分析系统;2014年4月,Oracle数据库管理系统又提出了智能电网大数据公共数据模型。
法国、德国、英国、加拿大等国外电力公司则通过安装智能电表,对用户用电数据进行实时测量,计算出合理的用电消费计划并推荐给用户。
2013年,中国电机工程学会发布了《电力大数据发展白皮书》,国家科技部2014年下达了3项863项目,支持智能电网大数据研究。自2012年以来,国家电网公司启动了多项智能电网大数据研究项目,如江苏省电力公司于2013年初率先开始建设营销大数据智能分析系统,开展了基于大数据的客户服务新模式应用开发研究;北京市电力公司等也正在积极推进营配数据一体化基础上的智能电网大数据应用研究。
目前,国家电网公司全网入池服务器总数量5000多台,初步实现全网资源池的统一视图和资源基本可控、可调,是国内最大的企业基础设施私有云,节省了大量的服务器采购成本、机房空间和运维成本。
从近年来电力行业信息化发展趋势来看,电力大数据已成为电力行业发展的核心。主要体现在以下几个方面:
第一,云计算、大数据与智能电网都与国家未来的发展战略密切相关。云计算、数据和智能电网的研究都已经被列入国务院2015年发布的《关于积极推进“互联网+”行动的指导意见》。大数据和智能电网还被列入了《“十三五”国家科技创新规划》的9大重大工程项目。
第二,企业私有云和混合云将成为未来云计算的主要发展方向。国网信通产业集团下属中电普华信息技术有限公司在国家“十二五”建设期间,在企业云平台建设方面已经取得丰硕的成果,所开发的“国家电网软硬件资源池”和“云资源管理平台”项目,已经在国家电网总部及27个国家电网省电力公司得到了全面的部署。
第三,电力大数据既是云计算上的主要应用,又为云计算发展提供了新的动力。智能电网提供的电网运行数据和海量用户数据,为电力大数据分析提供了坚实的基础。
第四,全球能源互联网能够让我们跳出地球看地球。如果我们能够把世界上最大的三个电网:美国电网、欧洲电网和中国电网联结起来,就能够实现美国、欧洲和中国三大区域的电力自动调度和削峰填谷,为解决全世界的能源短缺、气候变暖及环境污染等问题打下坚实的基础。
在当前科技飞速发展的时代,以“大云物移”为代表的最新科技正引领国家信息技术的发展方向,并推动全球能源互联网的迅猛发展,成为传统产业升级和新兴产业发展的核心动力。
根据国家“一带一路”发展战略,国家电网公司提出了建设全球能源互联网的宏伟构想。建设网架坚强、广泛互联、高度智能、开放互动的全球能源互联网,需要广泛应用“大云物移”等新技术。
电力大数据能够为电力行业带来效益上的提升。2012年,美国智能电表的运作台数为1.39亿台,2020年将达到3.77亿台。美国德克萨斯州能源公司服务2000万居民,推出了智能电表技术为客户带来现实利益,客户通过现金返还计划获得3000万美金。大数据在智能电网上的应用使美国每年能耗降低10%,每年节省800亿美元新建电厂的费用。
数字化和云化正在改变着我们的工作和生活,也在改变现有的商业模式。数字化与云化转型和成为数字化与云化企业是每个企业的战略选择,而电力行业的数字化与云化转型的目标就是智能电网。
研究表明,电力大数据市场潜力巨大,预计到2019年全球市场空间将达到55亿美元,年复合增长率25%。美国电科院调查显示当前世界仅有不到5%的电力公司已完成大数据基础设施构建,预计5年后将提升至20%~30%。
电力大数据技术立足于电力系统业务服务需求,根植于云计算,以云计算技术为基础。未来,云平台是下一代企业IT构架必不可少的组成部分,是企业发展不可或缺的技术,企业IT云化是企业IT转型的关键。云计算能够整合智能电网系统内部计算处理和存储资源,提高电网处理和交互能力,成为电网强有力的技术支撑。
利用云计算等新技术,也可使信息流和业务流贯穿能源生产、传输、消费全过程,使生产者、消费者平等参与能源交易与创新,持续推动能源生产和消费革命.
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19