眾所周知，電力行業(yè)在“發(fā)、輸、配、用、調度”等全過程都有大量的有價值的數據產生，而這些數據對于電力企業(yè)盈利與控制水平的提升有較高的價值。有電力專家分析稱，每當數據利用率提高10%，便可使電網提高20-49%的利潤，因此電力大數據是電力企業(yè)的重要資產。

隨著社會各行各業(yè)向數字化、網絡化、智能化發(fā)展，大數據和信息技術的應用將為電力企業(yè)帶來潛在機遇和廣闊的應用場景。然而在把握市場機遇的同時，電力大數據也面臨一些挑戰(zhàn)，比如如何釋放電力大數據價值，如何建立權威、共享、安全的大數據體系是電力大數據領域重點關注的問題。

與此同時，電力行業(yè)近年來對數據開放、共享、融通的需求與日俱增，令電力數據安全建設的重要性也不斷提高，而大數據治理作為解決數據問題的關鍵措施，逐漸成為電力企業(yè)關注的焦點。今天小億就來說說電力行業(yè)的數據治理。

一、電力行業(yè)數據治理的背景

如今，電力企業(yè)的數據資產呈現典型的大數據特征，這些電力數據來自電力生產和電能使用的發(fā)電、輸電、變電、配電和調度各個環(huán)節(jié)，包括電網運行、設備管理、營銷服務和企業(yè)管理等各類數據，蘊藏著反映電力企業(yè)生產經營和客戶服務狀況的豐富信息。

因此，數據作為電力企業(yè)的戰(zhàn)略資源，數據的資產管理、全生命周期管理和質量管理就顯得尤為重要，這將成為電力企業(yè)信息系統(tǒng)集中建設、大數據應用、智能分析決策應用的重要基石。

我國電力企業(yè)一般為大型國有企業(yè)，其管控模式多為“集團-區(qū)域-電廠”多級管控，同時分為計劃、財務、生產、安全、環(huán)保、燃料、物資等多專業(yè)管理。

企業(yè)數據經過多年的積累，數量龐大；同時在多級管理、多專業(yè)管控中，體現出數據口徑多樣、各專業(yè)口徑數據差異、綜合數據歧義等情況。同時上述數據分散在不同單位、不同專業(yè)應用系統(tǒng)中，數據基礎不統(tǒng)一，質量參差不齊，因此為企業(yè)各級專業(yè)管理以及信息化建設帶來困擾。

與其他行業(yè)相比，電力行業(yè)的數據來源非常廣，不僅涉及到電網本身業(yè)務運營和經營管理的數據，還涉及到從電壓、電流、信號處理等各種傳感器采集過來的IOT數據，另外還有大量與分布式電源、居民用戶相關的外部數據，若這些數據得不到有效整合，數據質量得不到提升，電力企業(yè)信息共享和智能決策等工作的開展將會收到制約，大數據治理作為解決數據問題的關鍵措施，逐漸成為電力企業(yè)關注的焦點。

二、電力行業(yè)數據治理的作用與意義

電力企業(yè)數據治理不能單純以數據質量、血緣分析、元數據管理等傳統(tǒng)IT技術為主，需在數據治理中與業(yè)務緊密結合，與數據處理環(huán)節(jié)密切配合，使數據管理的成果能夠高質量地為分析應用提供數據服務，可以在以下方面為電力企業(yè)提供幫助：

1.改進現有產品或預測未來

（1）設備檢修

電網公司通過對設備運行歷史海量數據的挖掘展開預測性檢修的研究，以較高的準確率預測出設備運行的未來狀態(tài)，預判設備發(fā)生故障的可能性，從而達到基于設備狀態(tài)來指導檢修的目的。預測性檢修的分析結果對于指導檢修計劃編制、合理安排電網運行方式、優(yōu)化計劃停電策略等發(fā)揮著舉足輕重的作用。

（2）準實時線損分析

線損是影響電網運行效率的關鍵因素，對經濟發(fā)展、社會生活同樣有著重大影響。準實時線損分析應用基于大數據平臺，通過構建拓撲，利用計量自動化系統(tǒng)的表計數據、營銷管理數據、電網負荷數據等實時數據，自動計算線損率，能夠幫助公司營銷和生產管理人員及時、全面掌握線損情況及薄弱環(huán)節(jié)，促進節(jié)能減排和經濟運行效率提升。

（3）反竊電稽查

部分電力公司開展了基于大數據與計算智能的反竊電研究，以電能表和采集終端中的電能計量數據、事件記錄、用戶及終端檔案信息等數據為基礎，利用各類規(guī)則對異常信息進行綜合判斷、分析，并結合大數據挖掘技術實現海量數據準實時處理，對現場計量異常情況、竊電行為進行在線監(jiān)測，發(fā)現疑似竊電用戶并輸出疑似竊電用戶清單，同時支持動態(tài)產生異常事件告警，實現對現場竊電行為的在線診斷及竊電行為分析的全過程管理。

2.為政府、企業(yè)等用戶提供決策支持

（1）企業(yè)復工電力指數

電網可運用營銷系統(tǒng)對海量數據建立算法，得出復工指數，動態(tài)監(jiān)測、直觀反映企業(yè)復工復產情況，助力企業(yè)復工復產。

根據階段性特征，可將企業(yè)復工電力指數劃分成三個區(qū)間：抑制區(qū)間、恢復區(qū)間、企穩(wěn)區(qū)間。并根據電力復工指數所在區(qū)間，從指標趨勢、指標構成、時間節(jié)點等維度，按區(qū)域、分行業(yè)/產業(yè)解析企業(yè)的復工復產水平，為政府全面掌握企業(yè)復工復產信息提供有力支撐，全力服務政府科學統(tǒng)籌，精準推動企業(yè)復工復產。

（2）區(qū)域及行業(yè)用電監(jiān)測

通過采用多維度監(jiān)測手段，收集不同區(qū)域、行業(yè)的用電數據（日用電量統(tǒng)計、日用電量波動分析等），構建不同區(qū)域、行業(yè)用電分析模型，輔助生態(tài)環(huán)境部門掌握區(qū)域及行業(yè)的整體用電情況，精準定位存在污染物排放及污染風險的重點區(qū)域和重點行業(yè)。

3.給行業(yè)客戶提供數據資產服務

企業(yè)將大數據能力封裝為開放接口，開放給行業(yè)客戶進行訂閱調用，也可根據應用場景提供較靈活的按需定制服務。例如“電力大數據 金融”增值服務。

比較典型的例子有“電力貸”，即電力大數據與信貸相結合。通過利用電網掌握的電力大數據，一方面可以對銀行所屬區(qū)域內的生產經營企業(yè)進行大數據巡航分析，有效挖掘區(qū)域內潛在的優(yōu)質客戶資源，為銀行拓展高品質客戶提供渠道；另一方面，借助大數據分析模型，對銀行貸款客戶進行專項分析和監(jiān)控，貸前提供交叉驗證結果，貸后定期提供監(jiān)控報告，及時發(fā)現和預警經營狀態(tài)異常企業(yè)，增強銀行風險管控能力。

三、電力行業(yè)數據治理所面臨的挑戰(zhàn)

1.從管理角度來看，主要存在兩大挑戰(zhàn)

（1）數據如何價值化

①數據資源如何與生產經營的實際場景融合，演變?yōu)閮r值創(chuàng)造的要素?

②數據要素如何通過財務和法律，轉化為能夠為企業(yè)帶來價值的資產?

③數據資產如何融入到現有的資產管理體系，并具象化為數據服務或產品？

④數據產品如何承載并固化數據資產的價值?

（2）數據要素如何實現流通市場化

①如何把數據要素轉化為可以交易、流通的數據產品?

②應該疊加什么樣的商業(yè)規(guī)則?

③如何通過市場化交易實現數據產品價值的顯性化，并獲得實際收益？

④如何形成長效演進、創(chuàng)新發(fā)展的數據要素價值的增長模式?

2.從技術角度來看，存在三大挑戰(zhàn)

（1）數據時效性強的挑戰(zhàn)

電力產生、傳輸與消費的情況瞬息萬變，眨眼之間便能產生海量的數據資源。

①如何對這些數據進行及時、準確的捕獲，并快速完成計算?

②怎樣對高速膨脹的數據規(guī)模進行有效管理和可靠存儲?

③各方的數據消費需求能否得到及時滿足?

（2）數據鏈路長的挑戰(zhàn)

能源價值鏈整合的參與者眾多，價值活動間存在緊密聯(lián)系，數據交互需求廣泛。

①在此情況下，各方數據的交互標準、質量、規(guī)范如何有效把握?

②數據能否實現貫穿交互，能否有效支撐能源價值鏈整合?

（3）數據類型多的挑戰(zhàn)

電力行業(yè)廣泛部署的物聯(lián)網設備，產生了格式不同、頻率不同、定義不同的多源異構數據。一個業(yè)務往往需要從多個角度，綜合多種類型的數據進行描述。結構化數據、時序數據、非結構化數據，如何進行有效融合，獲取洞察？

四、電力行業(yè)數據治理的三個關鍵步驟

1.自動采集各類數據資產信息

對電力企業(yè)來說，要想管理好數據，首先需要獲取到企業(yè)的全部數據信息，實現業(yè)務元數據、技術元數據、模型元數據的全面采集和存儲，在摸清數據現狀的情況下才能有效開展數據資產管理相關建設。

比如，在電力系統(tǒng)數據量成倍增長、數據種類紛繁復雜的情況下，與人工錄入數據相比，自動化采集的優(yōu)勢也變得更加突出，要想統(tǒng)一管理所有信息資產，企業(yè)需要通過相應的數據管理工具，實現對資產信息的自動獲取。目前實現自動采集的一種方式是根據不同的數據源，開發(fā)出不同的采集適配器，多采用直連的方式來實現不同種類數據的自動化采集，包括自動數據信息采集、自動服務信息采集與自動業(yè)務信息采集等。

某電力企業(yè)數據治理整體框架

2.全面管理企業(yè)數據資產

前面我們實現了業(yè)務元數據、技術元數據、模型元數據的全面采集以后，電力企業(yè)就能對這些數據資產進行管理了，電力企業(yè)在管理企業(yè)數據資產的時候，可以從以下3個方面入手：業(yè)務元數據與技術元數據的對應，數據資產的全面梳理、數據質量的管理。

自動完成業(yè)務模型與物理模型的對應，將能大大減少少業(yè)務人員的工作量，同時還能提升技術與業(yè)務關聯(lián)的準確度，通過此種發(fā)那個是快速消除業(yè)務與技術之間的鴻溝。之后我們就可以進行數據資產的全面梳理了。

同時，在電力企業(yè)復雜的大數據環(huán)境中，數據質量會成為突出的問題，比如，電力采集數據是否能夠準確獲得，IOT設備數據是否能夠精確回傳，各個系統(tǒng)的數據是否準確……所以電力企業(yè)在大數據采集與數據資產管理之后，還必須要解決數據質量的各種問題。

3.數據資產服務化

單純對數據進行管理并不是數據治理的最終目標，數據治理的本質應該是讓業(yè)務人員更方便地獲取到數據，為其提供技術手段，從而向數據要效益，提升業(yè)務能力，達到業(yè)務創(chuàng)新。數據資產服務化能從以下3個方面提升效率和業(yè)務創(chuàng)新：

（1）提供自助數據查詢服務，能夠讓業(yè)務人員和技術人員直接通過業(yè)務語義找到相應的數據；

（2）提供自助獲取數據服務，形成數據的通道，幫助業(yè)務人員直接獲取找到的數據；

（3）提供自助數據分析服務，讓業(yè)務系統(tǒng)開發(fā)人員能夠以業(yè)務化的語義分析來分析獲得的數據，比如自助設計報表等。

五、億信華辰數據資產盤點方案為電力行業(yè)數據治理賦能

億信華辰數據資產盤點方案可以幫助電力企業(yè)盤清企業(yè)數據資源家底，搭建全域數據分類管理框架，同步構建常態(tài)化的數據盤點機制，實現數據資源的全生命周期可視化管理，形成面向企業(yè)內、外統(tǒng)一的數據資產目錄，提供標準化的數據服務，有效推進數據資源的共享和應用，為后續(xù)數據治理打好基礎。

該方案內容包括元數據摸底、元數據維護、數據資產分類框架、數據資產目錄構建。通過盤點數據資產，形成企業(yè)級的數據資產目錄，為企業(yè)數據創(chuàng)新應用打好堅實基礎，方案流程如下：

1.元數據摸查

通過對接企業(yè)業(yè)務系統(tǒng)、數據湖或者數據倉庫，采集元數據自動獲取原始的企業(yè)數據字典及數據之間的關系，形成企業(yè)元數據地圖。

2.有效性資源標注

制定有效資源判斷規(guī)則，基于采集的元數據，對全量數據資源進行自動識別，篩選出空表、備份表、臨時表等無效資源，并補充輔助理解數據業(yè)務含義的信息，形成更完整、有效的資源元數據，為數據資產分類做鋪墊。

3.數據資產編目

按照業(yè)務條線、組織架構、數據特性等多個維度構建數據資產分類框架，基于元數據信息完善數據資產目錄信息，補充與資產相關的業(yè)務、權屬信息，形成面向數據消費者的數據資產門戶。

4.數據資產服務

建立數據資產目錄與實體資源的映射關系，開發(fā)面向不同消費者的數據服務類型，滿足業(yè)務系統(tǒng)、數據分析師、前臺業(yè)務人員多樣的數據需求。

六、小結

電力大數據承載著反映經濟社會運行狀況的豐富信息，具有更及時、更客觀、更精細等特點。為實現智能電網，未來的電力企業(yè)需要打好堅實的數據基礎，而數據治理將在整個大數據平臺中起到中樞神經作用，通過數據治理，將電力企業(yè)數據資產管理起來，提供一整套數據資產服務能力，幫助企業(yè)快速發(fā)揮數據要素的潛在價值。