1.3 初识电力大数据
相对于大数据的技术定义.电力大数据则是一个更为广义的概念，并没基于一个严格的标准限定多大规模的数据集合才是电力大数据。作为主要的基础设施信息，电力大数据的变化态势从某种程度上决定整个国民经济的发展走向。传统的商业智能，分析关注于单个领域或主题的数据，这造成各类数据之间强烈的断层。而大数据分析则是一种总体视角的改变，是一种综合关联性分析，发现潜在联系之问的相关性。注重相关性和关朕性，并不仅仅于果关系，这也是电力大数据应用与传统数据仓库和BI技术的关键区别之一。
那么，电力大数据究竟该如何定义?
1、从数据角度来看
电力大数据是指通过传感器、智能设备、视频监控设备、音频通信设备、移动终端等各种信息获取渠道收集到的，海量的、结构化的、半结构化的、非结构化的，且相互间存在关联关系的业务数据集合。电力大数据涵盖从数据存储、管理、处理、分析到最后提供业务趋势预测、数据价值挖掘服务的全过程，以及这一系列过程中所使用的各项技术和理念，
图1-4传统数据与大数据的不同特征
电力大数据的特征可以概括为3V。其中3V分别是体量大(Volume )、类型多(Variety )和速度快(Velocity) o
体量大(Volume):随着电力企业信息化快速建设和智能电力系统的全面建成，电力数据的增长速度将远远超出电力企业的预期。以发电侧为例，电力生产自动化控制程度的提高，对诸如压力、流量和温度等指标的监测精度、频度和准确度的要求将会更高，对海量数据采集处理也提出了更高的要求。就用电侧而言，一次采集頻度的提升就会带来数据体量的指数级变化，不断增多的音视頻等非结构化数据在电力数据中的占比将进一步加大。此外，电力大数据应用过程中还存在着对行业内外能源数据、天气数据等多类型数据的大量关联分析需求，而这些都直接导致了电力数据类型的增加，从而极大地增加了电力大数据的复杂度。
类型多(Variety):电力大数据涉及多种类型的数据， 包括結构化数据、半結构化数据和非结构化数据，随着电力行业中视頻应用的不断增多，音视频等非结构化数据在电力数据中的占比将进一步加大。
速度快(Velocity):主要指对电力数据采集、处理、分析的速度。鉴于电力系统中业务对处理时限的要求较高，以“1s”为目标的实时处理是电力大数据的重要特征，这也是电力大数据与传统的事后处理型的商业智能、数据挖掘间的最大区别。
2.从技术角度看
从技术角度，电力大数据可以包括应用层、工具层、数据管理层与数据四层结构。
1-5 图大数据的四层架构
电力大数据是以进一步支撑业务发展与创新为目标，利用大数据存储、大数据整合、大数据计算、大数据应用四类核心技术，驱动公司业务应用和技术平台的升级与改造，扩展公司对业务数据采集的容纳能力，填补公司在非结构化数据分析与利用、海量数据挖掘等领域的空白.提升公司在信息资源价值挖掘方面的整体水平，促进公司业务管理向着更精细、更协同、更灵敏、更搞笑的方向发展。
3、从价值角度看
大数据技术能够为中国电力工业带来显著的财富价值，在企业内部的应用也将极大地提高电力企业的运营效率和营收能力，由此带来的规模化效应，除加速传统能源设施行业的快速转型之外，对整个国家经济和社会的可持续发展都将起到积极而特殊的作用。
因此，电力大数据是能源变革中电力工业技术革新的必然过程。 电力大数据不仅是技术的进步，更是整个电力系统在大数据吋代下发展理念、管理体制和技术路线等方面的电大变革，是下一代智能化电力系统在大数据时代下价值形态的跃升。而重塑电力核心价值和转变电力发展方式也必将成为电力行业改革的两条核心主线。
重塑电力核心价值
电力大数据通过对市场个性化需求和企业自身良性发展的挖掘和满足，重塑电力工业核心价值，驱动电力企业从“以人为本"的高度重新审视自己的核心价值，由“以电力生产为中心”向“以客户力中心”转变，并将其最终落脚在"如何更好地服务于全社会” 这一根本任务上。
图1-6传统电力价值链与新兴电力价值链
转变电力发展方式
电力大数据通过对电力系统生产运行方式的优化、对间歇式可再生能源的消纳以及对全社会节能减排观念的引导，能够推动我国电力工业由高耗能、高排放、低效率的粗放发展方式向低耗能、低排放、高效率的绿色发展方式转变。
图1-7数据创造价值
综上所述，电力大数据通过对市场个性化需求和企业自身良性发展的挖掘，驱动电力企业从“以电力生产为中心"向“以客户为中心" 转变。此外，电力大数据的基于效应用可以面向行业内内外供大量高附加值的内容增值服务。从长远来看，作为中国经济社会发展的“晴雨表”，电力数据以其与经济发展紧密而广泛的联系，将会呈现出无与伦比的正外部性，对我国经济社会发展以至人类社会进步也将形成更为强大的推动力。
