浅谈大数据与智能电厂
——于 通
——2015\6\12
前段时间，IBM刚刚宣布了一项新技术HyRef，用于能源电力行业，该技术结合大数据分析和天气建模，旨在提高可再生能源的可靠性；钢铁集团济钢公司也后脚使用IBM的Congos商业只能解决方案结束了历史数据的沉淀，并且为其带来9000万元的市场价值。可以说大数据解决方案在我们传统行业中大有可为，电厂等传统行业在数据方面存在的一个最大的问题是：
1. 内部运营系统产生大量的数据，但是历史数据只是不断积累和沉淀，并没有发挥其最大利用价值，所以急需有效地从大量信息中提取有价值的分析数据和预测信息。
2. 内部运营系统的数据收集和处理方式也是传统的监控方式，比如人为观测或者使用一些传统的算法进行计算预测等等。
3. 随着互联网发展和市场消费模式的改变，电厂的用户行为特征也发生改变，而传统的业务流难以把握用户行为，决策智能化亟待出面解决这个问题。
所以智能电厂的数据来源采集、数据处理以及数据分析、评价、预测必须有一个完整健壮的解决方案或者多个解决方案组合进行解决。
经过翻阅资料亲身体验，我个人认为大数据管理和可以解决电厂的以下几个问题(以热电厂为例)：
1. 电力设备寿命管理；
2. 电力设备故障检测；
3. 输变电设备状态检修；
4. 电力状态稳定性评估
5. 负荷预测；
6. 出电量的动态规划；
7. 电力市场用户特征分析等；
要想良好的解决这些问题，电厂首先需要建立企业级的数据仓库，我对此进行一个简单建模如下：
那么对于关系型数据库，可以选取Oracle，因为2015年2月份Oracle推出Oracle 电力分析2.5.1(Oracle Utilities Analytics 2.5.1)版本解决方案，其中增强的Oracle电力中断分析仪表板让电力部门可以大规模地使用风暴和停电期产生的数据，并对其进行实时数据分析，借以提高反应效率和事件管理。可以看到Oracle目前对于电力数据分析已经提供了很好的支持。而对于即时数据库建议使用HBase，因为电厂即时数据主要是出电量、负荷和用户使用信息，这些数据具有极强的流动性，特别是用户使用信息，但是各种即使数据的关系结构又不相同，对于数据库的扩展性要求很高，所以建议使用HBase并在其基础上使用Storm框架进行运算。
有了数据仓库，现在我们就可以在数据仓库上架构数据挖掘平台来分析数据，解决上面提出的七个问题：
问题1和2、3：电力设备寿命管理；电力设备故障检测；输变电设备状态检修；
以电厂变压器为例，变压器内部发生故障时，电、热反应会形成化学反应，产生一些气体：CH4、C2H4、CO2、H2等。所以我们可以通过监测分析这些气体含量，学习出具体的分析模型和预测模型就可以解决这个问题。而这些气体成分数据具有以下几个特性:小样本、非线性、高维，故推荐采用SVM回归模型来分析变压器的运行状态，并且给出具体的评分模型。以一个简单的图做以说明：
问题4：电力稳定状态评估：
既然有稳定性，那就有打破稳定性的因素：短路故障、切除输发电设备以及负荷变化等。虽然我了解并不深刻，但是既然知道原因并且也知道其带来的后果，也就是说这个问题具有很强的规律性，我们就可以利用数据挖掘黑箱子的特性来分析它：所有影响稳定性的因素都可以使用数据进行量化，那么关联数据挖掘在发现数据间的规律关系上具有很强的优势：
X ———————- Y
数据属性参数变化 ———————-系统稳定性
问题5、6：负荷预测；出电量的动态规划；
电厂供电有一个良好的安排是必须的，以前基本上是按时段供电而到峰段用电时或者特殊情况，电量可能会不足。这就好比我们在数据通信课程中学到用户信号传输可以采用同步时分多路复用和统计时分多路复用，前者会给每个用户分配固定时隙，而后者则是发现这样一个规律：并不是所有人都在永远占用自己的时隙，所以统计时分复用就将所有时隙资源合并按需分配，使传输性能优化。所以动态规划思想在资源利用率上很有借鉴价值。而电厂供电必然会遇到轻负荷和重负荷的权衡，但是数据在手，神马都不用怕，我们可以对负荷数据进行曲线拟合（多元回归或者神经网络）来预测固定时段或特殊情况的负荷量，并且实施按需供电，这样就真的实现智能供电啦！
问题7：电力市场用户特征分析；
据说每年电力公司平均会因为盜电现象损失500万元以上，，说到这里让我想起了我们家以前会有电工定期来家里抄电表，不过现在他们改换新的系统，直接远程抄表，效率已经提高很多啦；其实盜电现象的猖獗与传统业务流没有重视用户行文特征是密切相关大，但是现在我们可以使用大数据特性来对用户数据进行聚类分析（基于网格的聚类），找出那些被孤立的点，就可以确定盜电用户啦！当然也可以根据类别信息实现消息推荐等功能。
（一个企业级数据分析管理平台体系结构如下）
所以总的来说，智能电厂数据管理和分析，在如今的大数据环境下，还有很多开源框架的支持下，真的是大有可为，我只是列举了一小部分。但是这样的数据分析技术会从根本上解决传统电厂的疑难杂症，让数据变得有意义，让数据活起来！