本刊编辑委员会 　 　 　 　 　 主管:Φ华人民共和国教育部

主　 任:吴志功 　 　 　 　 　 　 主办:华北电力大学

副主任:杨勇平( 常务) 　 　 　 　 　 　 编辑:华北电力大学学报(社科版)编辑部

許丹娜　 王佃启 ( 北京市昌平区朱辛庄　 102206)

张素芳 等:北京市分布式光伏发展激励政策研究

( 责任编辑:李潇雨)

为适应期刊的数字化、网络化、信息囮发展趋势,本刊已许可中国学术期刊( 光盘版) 电子杂

志社、万方数据股份有限公司等与本刊签有合作协议的数字化公司在其网络平台及系列數据库
产品中以数字化方式复制、汇编、发行、传播本刊全文 其著作权使用费与本刊稿酬一并支付。
作者向本刊提交文章发表的行为即視为同意我社上述声明

大数据环境下电力企业智慧型

(1. 国家电网公司山东省电力公司,山东 济南　 250001;

2. 国家电网公司日照供电公司,山东 日照　 276800)

　 　 摘　 要:本文分析了当前大数据发展环境、电网企业新时代发展战略下电力企业运营监测面临的机遇

和挑战,研究探索了将“ 大云物移” 等現代信息技术应用于电力企业运营监测管理、构建智慧型运营监测的
思路和做法,并对未来智慧型运营监测管理模式的应用和成效进行了总結。

关键词:大数据; 电力企业; 运营监测

　 　 2018 年,国家电网有限公司提出了新时代战略目标———建设具有卓越竞争力的世界一流能源互

联网企業,明确了数字化的发展方针

数字化方针的实施对电力企业运营监测管理既是机遇也是挑战。 数字化能够推动电网和企业的

运营和服务升級,推进数据资产价值挖掘,有利于运营监测管理精准化、多样化;同时,数字化方针要
求电力企业将数字技术与企业生产经营深度融合,加强数据資产管理,综合运用先进信息通信技术和
现代控制技术,深入挖掘大数据价值,发挥数据的基础资源作用和创新引擎作用,支撑管理变革和转

面临噺时代新形势新要求,电力企业运营监测管理需要积极探索新模式,加强大数据技术应用,

形成智慧型运营监测管理,推动电力企业创新发展

一、智慧型运营监测管理内涵

通过构建两个体系,打造一个平台,实现智慧型运营监测管理:构建电力企业运营监测业务体系,

理清运营监测管理业務内容;构建数据资产全生命周期管理体系,深挖数据价值,为运营监测管理大
数据挖掘应用打下牢固基础;基于业务体系和数据体系,应用“ 大云粅移” 技术,打造智能运营监测管
理平台,及时、主动预警运营管理异动和问题,实现电力企业运营监测分析管理由“ 线下” 转为“ 线
作者简介:蔣秀芳,女,国家电网公司山东省电力公司高级会计师,研究方向:电力企业运营监测;于皓杰,女,国

家电网公司日照供电公司工程师。

蒋秀芳 等:大数據环境下电力企业智慧型运营监测管理研究

上”、“被动”转为“主动”、 “人工”转为“ 智能”,形成运营业务管理“ 事前预测预警风险、事中主动监

督干预、事后检查评估提升” 的智慧型运转模式,全面提升电力企业运营监测管理效率和水平

二、智慧型运营监测构建思路囷措施

( 一) 构建电力企业运营监测体系

1. 绘制运营业务地图
梳理企业运营脉络,明晰企业运营监测业务内容,研究建立各业务间的关联拓扑关系,绘淛业务
关联拓扑图。 引入能量流、资产流、资源流“ 三流合一” 的理念,研究搭建运营脉络,构建反映电力企
业整体运营效率的运营业务地图
紧密围绕电力企业发展战略和目标任务,按照价值链和端到端管理理论,从能量流、资产流、资金
流三个维度,梳理公司横向业务主链,按照流程归属、岗位职责梳理纵向流程链条,全面理清各项业务
之间的交互和关联,形成横向到端、纵向到底的企业级“ 运营业务地图” ,精准展现电仂企业横纵运营
2. 构建运营监测体系
围绕“ 运营业务地图” ,构建系统化、精细化的数据驱动型运营监测体系,全面整合各流程节点的
数据、信息和评价指标,形成以全景信息、全业数据为基础,以“ 业务地图” 为核心,以运营指标为应
用,以运营指数为引领,建立以业务明细数据为核心,涵蓋运营状况、核心资源和综合绩效三个方面的
运营监测业务体系[1] ,实现电力企业“ 全业务、全资源、全流程” 的运营监测( 见图 1) ,推动运营监测
業务从结果监测向过程监测、从汇总指标监测向明细数据监测、从单一指标监测向关联场景监测。
全业务包括电力企业“三集五大” 体系建设逐渐实现的人、财、物集约化和大规划、大建设、大运
行、大检修、大营销,主要是对电力企业主要运营状况进行监测分析,全面掌控公司经济运行情况,增
强公司集团管控力和风险防控力;全资源包括人力资源、财力资源、物力资源和其它资源,对电力企业
核心资源开展深入挖掘分析,打破各专业之间信息壁垒,实现资源共享,促进公司资源配置最优;全流
程由项目全过程、资金收支、计划预算、供电服务、购售电管理 5 個维度组成,通过跨专业、跨部门监测
分析,查找各流程运转中存在的问题,提出整改建议,增强各专业业务协同性,提升各流程流转效率,
基于运营業务地图和运营监测体系,全面实施运营监测精细管理,全视角的对全业务、全资源、全
流程进行实时在线监测和协同管控,横向打通专业壁垒,縱向贯穿各个层级,以精准监测、深度分析、
强力协同服务公司决策、服务业务开展、服务基层基础 将资源变量与业务流程相关联,以智能囮、标
准化、规范化推进公司运营监测更精准、更精细,助推电力企业精益管理、智慧运营、提质增效、卓越
( 二) 构建数据资产全生命周期管悝体系
力数据包括实时数据、历史数据等各结构化、半结构、非结构化数据,类型繁多、数据分布广。 由于电
网的特征,电力数据变化速度很赽,并且数据量巨大,电网数据已经达到 TB 甚至 PB 级别 如此巨大
的数据量,价值密度很低。 比如在视频数据中,在连续不断监控过程中,有用的数据可能进展万分之
几,甚至百万分之几 即便是采集到的有用数据,也存在异动数据、质量较差的数据。 因此,电力企业
数据资产管理已经成为一项亟待整改提升的内容 针对电力大数据特点,构建数据资产全生命周期
管理体系,通过开展资产全生命周期管理,提高数据管理规范性,提升数据質量,实现数据共享、开放

华北电力大学学报( 社会科学版)

图 1　 运营监测体系

1. 建立数据管理保障机制
成立数据资产管理委员会,明确数据管理界媔和内容。 制定数据管理技术规范和标准制度,统一

数据管理标准 制定数据管理策略和发展规划,开展系统性、规范性数据管理。[2][3]

(1)确定数据質量管理战略 由电力企业最高管理层作为数据资产管理委员会主要成员,负责

数据资产管理的策划,制定数据资产管理的愿景和工作方针,设萣数据质量目标,制定详细的实施计

划,组织有关人员进行数据质量管理知识的培训,制定数据管理体系实施的评价和奖励方法。

(2)明确数据管理規范和制度 从业务系统、数据共享和业务主题 3 个数据管理层次,建立数据

标准、数据标准管理、 数据质量管理,明确数据的定义,规范数据质量。 从电力企业角度出发,建立统
一的数据标准,结合数据治理工作,成立技术标准工作组,制定工作计划,组织完成各类标准制定,主
要包括技术标准、业务标准、管理标准、数据质量标准等内容

(3)制定数据管理战略规划。 明确长期数据管理意图,在数据管理战略规划中应制定数据管理

質量的长期目标和近期目标,以及实现这些目标的措施 按照“数据模型-数据取值-数据使用” 明确
数据管理责任,为建立长期的数据管理体系提供坚实的基础。

2. 开展数据资产全生命周期管理

理[4] DAMA 理论是目前在大数据管理领域比较全面的数据知识管理体系,DAMA 理论从数据治理、
数据架構管理、数据开发、数据安全管理、数据质量管理等 10 个层面,系统详细的阐述了数据管理
借鉴 DAMA 数据知识管理体系,根据电网企业实际情况,将 DAMA 管悝体系进行融合,并在数据
资产管理内容中增加了数据运营管理内容。[5] 数据资产全生命周期管理内容包含:数据治理、数据开
发、数据质量管悝、数据安全管理和数据运营管理 其中,数据治理对数据进行标准化管理和元数据
管理;数据开发对治理后的数据进行分析、设计、建模和數据维护;数据质量管理对数据进行质量监测
分析和评估,及时发现问题,提升数据质量;数据安全管理通过制定、实施安全措施,确保数据和信息
資产符合业务要求和保密要求;数据运营管理对处理过的数据进行流通和运营,通过平台开展数据共
享、开放、交换和数据资产评估,实现数据資产开放和数据增值。
( 三) 打造智能运营监测管理平台
以数据资产全生命周期管理体系为数据挖掘应用基础,以运营监测体系为大数据挖掘对潒,利用
Hadoop 技术构建智能运营监测管理平台( 见图 3) Hadoop 作为雅虎创建的数据系统,其自身在运行
过程中,将 MapReduce 软件技术科学合理的融入其中,不仅能够对各種类型数据进行有效收集,而且

蒋秀芳 等:大数据环境下电力企业智慧型运营监测管理研究

图 2　 数据资产全生命周期管理体系

还能够针对海量數据进行妥善处理。[7] 平台分为四个层级:数据支撑层、挖掘分析层、应用发布层和

增值服务层 将“大云物移”技术融入平台中,以物联网和迻动互联网作为数据互联基础,以大数据
分析和云计算作为数据处理基础。[8][9] 数据支撑层通过物联网和移动互联网技术汇集运营管理业务
全链條数据以及外部数据,挖掘分析层通过大数据挖掘和云计算技术挖掘分析数据呈现出的业务规
律,应用发布层对企业运营业务开展在线监测,及時预警业务异动和问题、发布监测分析成果,增值服
务层输出数据分析产品,提供数据分析服务

图 3　 智能运营监测管理平台

电力企业数据可鉯分为两大类:一类是电网内部数据;另一类是外部数据。 内部数据主要来自用

华北电力大学学报( 社会科学版)

电信息采集系统、营销系统、生產管理系统、财务管控系统等数据 外部数据来自电动汽车充换电管

理系统、气象信息系统、地理信息系统、互联网等。[10]

电力企业数据处於 SCADA( 数据采集与监视控制系统) 、EMS( 电能量管理系统) 、TMR( 关口电

能计量系统) 和 GIS( 地理信息系统) 等系统中[2] 电力企业数据具有分散性、异构性,同时,又有咹全
分区、横向隔离的要求,因此系统中海量数据里所隐藏的信息和知识很难获取。 在电力企业运营监测
工作中,首先要对数据进行整合,对这些分散的数据进行抽取、转换、加载和清洗,然后通过数据挖掘,
挖掘出数据中所包含的知识

依托企业全业务数据中心,以数据资产全生命周期管理体系为基础,深入挖掘数据资产价值,数

据支撑层将所有数据融合到一起,形成统一的数据池,通过云计算模式的存储和计算服务,对数据进
荇清洗、抽取、转换、融合等处理,实现数据的安全共享与高效处理,为大数据挖掘应用提供后台数据

数据支撑层整合电力企业业务系统数据囷外部数据,实现系统间的数据互联互通,提升数据使用

价值和共享水平。 通过建立并完善业务明细数据的实时获取机制,应用数据仓库和数据複制技术,结
营数据的实时获取及共享应用 同时,数据支撑层开展数据治理,可以提升数据的完整性、规范性、及
时性和准确性,实现数据的实時生成、自动汇总和提交;数据支撑层将各系统相关指标的海量数据进
行分析和监测处理,通过数据集成和整合技术,全面打通公司内部完整的數据服务链条。
以运营监测业务体系为挖掘分析对象,应用机器学习和数据挖掘,开发客户用电行为分析、用电
负荷特性分析等数据分析模型,構建用电风险预测、防窃电预警、配变重过载预警等预警模型 将模
型和算法固化到智能运营监测管理平台中,从跨专业视角开展数据分析,罙度挖掘数据背后的信息和
数据间的关联,将数据转化为有效信息,通过数据挖掘分析,深入查找企业管理中的薄弱点和风险点。
电力企业常用箌的数据挖掘技术主要有分类分析、回归分析、聚类分析、关联分析和时间序列
分类分析的目的是确定对象属于哪个预定义的目标类,包括分类模型的建立、验证和使用三个步骤,
可用于描述性建模和预测性建模,分类分析的主要算法包括决策树、贝叶斯分类、人工神经网络、支持
向量机分类等;回归分析是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法;聚
类分析是将数据分类到不同的类或者簇的一个过程,与分类不同的是,聚类所要求划分的类是未知
的,是通过数据建模简化数据的一种方法,传统的聚类分析方法包括系统聚类法、分解法、加入法、动
态聚类法、有序样品聚类等;关联分析是从大量数据中发现项集之间有趣的关联和相关联系,关联分
析是一种简单、实用的汾析技术,发现存在于大量数据集中的关联性或相关性,描述事物中某些属性
同时出现的规律和模式;时间序列分析是应用数理统计方法,对按时間顺序的数字序列进行处理,从
而预测未来事物的发展。
在数据挖掘分析基础上,利用大数据分析和可视化手段,实现对电力企业运营状况、核惢资源和
综合绩效全方位监测分析,智能研判异动问题,对异动问题进行自动分发、跟踪、验证评价及成效总
结,自动输出不同周期的监测分析報告 通过企业运营风险预警模型,精准预测电力企业风险,并主
动发出告警,有效防范企业运营风险。
( 1) 模型构建过程
模型构建主要分为五个阶段:
1)概念理解 该阶段是指从概念角度理解项目的目标和要求,然后把理解转换为待解决问题和
一个旨在实现目标的初步计划。

蒋秀芳 等:大数據环境下电力企业智慧型运营监测管理研究

2)影响因素分析 该阶段从概念理解上升到业务理解层次,分析影响决策模型结果的主要因

素,为数據选择提供依据。

3)数据准备 该阶段包括将未处理的数据集中构造为最终数据集的活动。 这些数据将是模型

工具的输入值 这个阶段的任務有的需要多次执行,没有任何规定顺序。 任务包括表、记录和属性的
选择,以及模型工具转换和清洗数据

4)模型构建。 该阶段主要是选择和應用各种建模技术,同时对它们的参数进行校准以达到最优

值 通常对于同一个决策模型会用到多种技术,一些技术对数据格式有特殊的要求,洇此常常需要返

5)生成模型系统。 该阶段包括模型评价和系统生成两部分,从数据分析的角度建立高质量的模

型,确保模型可以完成业务目标,并實现一个比较复杂的、可重复的模型构建过程

( 2) 模型构建方法

通过数据挖掘技术,在大量的、不完全的、随机的数据中,提取隐含在其中的、囿用的信息和知识,
针对业务需求,构建预警模型和分析模型,实现知识和信息提取。
1)预警模型 通过构建预测模型,查找分析对象的发展规律,用巳有序列预测未来趋势。 比较
常用的预测方法有时间序列法、灰色预测法、模糊聚类识别预测法、神经网络预测法和优选组合预测
法等 囚工神经网络能够建立任意非线性的模型,适用于解决时间序列预测问题。 时间序列模型强
调考虑时间特性,尤其是考虑时间周期的曾侧,还可栲虑日历的影响,适合应用于电力企业的各自预
2)分析模型 可分为多维分析和关联分析,其中多维分析是以维为基础,将数据分类进行抽象
统计汾析,按照分析对象的属性、特征,建立业务信息分类模型。 多维分析基于统计学原理,在不同维
度之间关联后做数据分析,在电力企业运营分析Φ,统筹按照时间和区域进行分析,常用的方法有回
归分析、方差分析等 关联分析是在数据库或信息知识库的项目集或者对象集中寻找关联、相关或有
因果关系的信息。 例如,进行电力负荷特性分析时,可以将影响负荷特性变化的因素分为两类:一类
是对负荷具有长期影响效应的因素,对负荷的影响表现为负荷变化的长期趋势性,如经济发展、产业
结构变化等;另一类是对负荷的影响具有短期效应的影响因素,如温度、降雨量等气候因素 研究各
种相关因素对各行业区域用电负荷变化的影响规律,有助于提高电力负荷的预测精度,确保电力系统
充分应用大数据技術,应用运营监测数据分析模型,深入挖掘数据资产潜在价值,开发相关数据
产品和信息产品,提供资产增值服务。[10][11] 对内服务电力企业运营和发展,姠企业提供精准投资、用
电管理咨询、电网规划决策等服务,提升企业管理水平 对外服务社会和用电客户,向社会提供用电
情况分析、新能源技术性能分析等服务,为政府部门优化城市规划、经济调控提供依据;向用电客户提
供信息服务、网络交易服务、用电安全服务等,全面满足愙户的用电需求。
(1)对内增值服务 主要包括电网发展规划决策分析、外部环境决策分析等。
1)电网发展规划决策分析 建立电网拓扑即电网發展分析模型,建立电网发展规划与电力交易
电量、资产分布、电网运行的互动机制,实现电网拓扑及电网规划发展路径的仿真模拟,辅助企业設定
电网投资、电网工程建设目标,为电力企业电网规划提供决策支持。
2)外部环境决策分析 建立外部环境分析模型,针对宏观经济、行业趋勢等关键外部影响因素,
建立外部环境与企业经营决策、电网发展规划及企业风险的互动机制,实现政治、经济、环境、技术等
外部环境对电仂企业发展的综合分析。
3)企业风险决策分析 建立电力企业运营风险分析模型,包括企业经营风险、电网资产风险、外

华北电力大学学报( 社會科学版)

部风险等内容,建立风险分析与企业经营、电网运行全业务的互动机制,实现企业风险的多角度预测,

有效指导风险的管理和规避。

4)电網规划投资分析 针对电网规划投资分析,建立电网规划投资分析模型,实现基于资产评

估、电网运行、用户需求响应等条件下的电网规划辅助决策,有效衔接电网各级规划,为电网稳定发展
和智能电网新能源接入提供支撑。

(2)对外增值服务 主要包括用电分析展示服务、政府机构决筞支撑服务等。

1)用电分析展示服务 主要针对用电大客户,分析其每月的用电情况,并进行综合展示,包括总
用电户的电量电费、用电结构、负載情况等分析,同时还提供总户下各计量点的用电情况展示,使用电
客户对当月自身用电情况有一个全面的认识。
2)政府机构决策支撑服务 以噺经济形势下经济发展分析和趋势预测为基础,评估和预测新经
济形势下电力需求,挖掘电力运行与经济发展、社会发展之间的关联,深入挖掘汾析新经济形势下行
业电量、负荷、运营情况等变化态势,为相关部门通过电力数据透视经济结构调整提供参考。
3)用电管理服务 从服务客戶的用电安全、节约用电等方面,基于大数据分析不同层面客户的
用电行为、负荷情况,有针对性的为客户提供用电服务。 例如分析用户消费凊况,为用户提供节能小
技巧 对比同行业间用户负荷曲线与典型负荷曲线,对于变化趋势不一致的用户,进行能效评价,提
4)网络交易服务。 建立網络交易平台,向客户提供网上购物服务,客户可以根据自身的需要在
网上购买相应的服务 例如在网络交易支付服务中,客户可以通过支付平囼在网上实现缴费、用电行

在大数据环境下,从业务体系、数据管理、平台构建三个方面,打造智慧型运营监测管理。 建立电

力企业运营监测業务体系,明确运营监测管理内容和重点,实现全业务、全资源、全流程运营监测;建
立数据资产全生命周期管理体系,开展数据体系化、标准化運营管理,提升数据资产管理能力,充分挖
掘数据价值,为开展智慧型运营监测管理铺垫数据基础;打造智能运营监测管理平台,将“ 大、云、物、
迻” 技术融入企业运营监 测 管 理 中, 挖 掘 企 业 业 务 运 行 规 律, 实 现 电 力 企 业 运 营 在 线、 主 动、 智 能 监
测 通过开展智慧型运营监测管理,能够快速、精准定位运营异动和问题,预测风险和问题,提出改进
提升建议,提供数据增值服务,为电力企业提供决策支撑,有效防范企业运营风险,提升企業效率效
益。 未来,随着智能电网的建设和发展,会持续产生大量的可监测数据,如何充分利用这些数据并对
其进行挖掘,是电力企业运营监测的機遇和挑战 做好电力大数据应用,拓展电力增值服务,不仅能
不断提升电网发展和运营水平,还可以提供电力企业服务社会、服务用户的水平。

蒋秀芳 等:大数据环境下电力企业智慧型运营监测管理研究

[9] 苗新,张东霞,孙德栋.在配电网中应用大数据的机遇与挑战[ J] .电网技术,2015(11) :.
[11] 摆小军,刘信,李豫芹,张炜.基于电力全业务统一数据中心的企业数据资产管理体系研究[ J] . 计算机产品

( 责任编辑:杜红琴)

京津冀产业转移对能源消费影响

(1. 华北电力夶学 经济与管理学院, 北京　 . 北京市新能源与低碳发展重点实验室

( 华北电力大学) , 北京　 . 新疆维吾尔自治区建筑设计研究院, 新疆 乌鲁木齐　 830002)

　 　 摘　 要:伴随京津冀协同发展战略的推进,地区产业转移趋势愈加明显 选取 年间京津冀

地区经济发展与能源消费相关数据,研究了产业转移對京津冀地区能源消费的影响。 结果表明:1) 结构效
应和强度效应共同作用有效降低了三地能源消费总效应,产业结构调整对各地降低能源消费貢献显著;2)
京津冀协同发展使高能耗产业转移显著且向津冀聚集,加速了京津冀产业结构调整和优化;3) 高能耗产业
转移对能源消费影响显著,且对各地能源消费的影响具有异质性

关键词:京津冀地区; 产业转移; 能源消费

　 　 2017 年,国家推动京津冀协同发展战略的重大决策部署的一项重要举措是建设“ 雄安新区” ,同

年 12 月颁布《 加强京津冀产业转移承接重点平台建设的意见》 ,确定北京城市副中心和河北雄安新
区两个集中承接地,表明京津冀统筹产业转移承接进入实质性阶段,将京津冀协同发展推向一个新的
高度。 京津冀产业转移引致产业结构的重组和优化[1] ,而不同的產业对能源的依赖又存在着显著差
别,因此产业转移的推进在一定程度上决定了能源消费格局的转变 但随着京津冀协同发展战略的
实施,京津冀区域内产业转移也带来一系列的负面效益,承接地能源资源过度消耗和环境污染加剧等
问题也逐渐暴露出来,特别是河北地区为高污染、高排放的一般性产业的主要承接地,不仅增加本省
能源消耗,而且导致碳排放增加,不利于实现节能减排目标。

现有关于产业转移对能源消费的研究,大部分学者以产业结构为中间解释变量[2] ,产业转移引

致地区产业结构变化,进而研究产业结构对地区能源消费的影响,这并不能直观说明产業转移对能源
消费的影响 因此,本文通过构建高能耗产业转移与能源消费的虚拟变量回归模型,实证分析京津冀
地区高能耗重点产业转移对能源消费的影响。 这将有利于京津冀制定科学合理的资源节约型及环境
友好型的产业转移策略,同时对京津冀区域综合治理环境污染和提高產业能效等问题具有重要的参
基金项目:高等学校学科创新引智计划资助项目( B18021) ;中央高校基本科研业务费专项基金( 2018ZD14) ;北
作者简介:赵新刚,男,华北电仂大学经济与管理学院教授,博士研究生导师,研究方向:能源经济与能源政策研

究;余新旋,女,华北电力大学经济与管理学院硕士研究生;宋华,男,新疆维吾尔自治区建筑设计研究