季润阳 蒋 亮

（1.国网南通供电公司，江苏 南通 226000； 2.国网江苏省电力有限公司南通供电分公司，江苏 南通 226006）

电力大数据可分为内部数据与外部数据。内部数据主要来自电网企业内部运营产生的数据，涉及电网运行、设备管理、营销服务和企业管理等各类数据；外部数据主要来自社会与公共服务部门，涉及电网服务、应急处置、危机公关等方面。大数据分析在电网内部的信息安全、运营服务、负荷预测、线损管理、设备检修等方面的作用，有诸多电力企业或研究学者展开过研究和讨论，但是，大数据分析在对外增值服务中的价值却鲜有人探讨研究。为了有效地提高电力企业经济效益和服务质量，本文将在电力对外增值服务方面研究大数据分析的价值与应用。

一、电力大数据的基本特点

1.数据体量大

在电力企业运营过程中，电力管理、电力营销以及其他生产环节都会产生海量数据，比如一个省份有5000万用电客户，对每户用电客户按照每小时收集一次用电数据，每次收集的数据项目有十多个，10户居民一天内就能产生2000多项数据，5000万用电客户一天内就能产生几十亿项的数据。

2.数据类型多

在电力企业生产运营的各个环节中，都包含实时数据、历史数据、文本数据、多媒体数据等多种类型的数据，每种类型的数据又可分为结构化、半结构化、非结构化数据。如变电站内的监控视频数据、客服电话录音数据、巡检图片数据等属于非结构化数据。由此可以看出，电力大数据的数据类型种类繁多。

3.价值密度低

在电力系统运维过程中，根据异常数据可对设备运行、故障、修复情况进行判断，依靠大数据处理速度快速精确找到问题点，从而及时排查故障。但是，在电网生产和运行过程中所采集的检测数据、运行数据，几乎都是正常数据，这也就意味着大部分收集的数据利用价值低。

4.处理速度快

由于控制决策时效性的需要，大数据分析一般需要达到秒级响应的速度。电力公司需要在数据收集、处理、分析、反馈流程中重视速度的提升，以满足客户端的实时需求。

二、电力大数据的经济特点

国内对能耗数据与经济预测关系的研究时间相对国外较晚，国内外在进行宏观经济及其影响因素的关系研究时，逐步将精力投入到用电量与宏观经济的关系研究中，并进一步向着定量关系的研究方向发展。

从国内来看，刘慧在其研究“克强指数”的一篇论文中提到，工业用电量的多少，可以准确反映我国工业生产的活跃度，以及工厂的开工率和生产运营状况。何晓萍在研究中国城市化与电力需求的文章中提到，在工业化进程中，生产要素的优化配置能带动城市化的发展，因此电力需求也会快速增加。林伯强通过建立VAR和VEC模型，分析了我国电力消费与经济增长的关系，最后得出我国的电力消费与GDP、资本以及人力资本之间存在着长期均衡关系的结论。何永贵使用中国用户的用电量和宏观经济数据，将用户用电量与国内GDP进行回归分析，最终得出结论是两者呈正向影响关系。郭鹰通过获取浙江省的工业用电量和经济数据，采用实证研究证明了两种因素之间呈正相关，同时还测出了二者之间的弹性系数为1.55。

从相关学者的研究结论可以看出，能源消耗量的大数据包括电能消耗，与宏观经济预测是存在一定关联的，并且在一定阶段内是呈正向影响关系的。该结论可为我国调节经济发展进程、社会产业方向提供理论支撑，电力大数据可为国家电网公司的业务发展、新兴产业的开拓，提供数据支撑。

三、电力大数据的外部应用价值

电力大数据能更客观、更及时、更精确反映经济社会运行的状况，利用电力大数据与经济活动之间存在高度正相关的特点，本文进一步在对外增值服务中讨论电力大数据意义与价值。电力大数据内部价值体现在为电力公司提高生产运维效率、管理水平，同时也能在一定层面提升电网公司的品牌价值。此外，在外部应用中，电力大数据分析技术在支撑政府宏观决策、提供产业风险防范、评估电力信用等级、了解绿色社会建设发展等方面，潜藏着巨大的价值。

1.支撑政府宏观决策

将全社会、各地区及行业层面的电力大数据与国内生产总值、工业增加值等宏观经济指标相互关联，利用数据处理技术和模型构建的方法，可以对我国宏观经济态势进行初步预测，为政府在行业内外的宏观决策提供更客观更科学的信息服务。

2.提供产业风险防范

将三大产业、地域性支柱产业及重点行业的电力大数据与行业工业增加值等宏观经济指标相融合，可开展行业产能分析、产业转型分析等数据应用服务。同时，可全面了解行业发展态势、发现行业潜在发展风险。

3.评估电力信用等级

企业的用电数据与其经营状况会存在一定的关联性，利用企业的用电特点可对企业的经营情况及发展潜力进行预测。将电力信用评级应用于企业，可以帮助金融信贷以及征信机构识别出企业潜在的运营风险，以此拓展征信辅助业务。

4.了解绿色社会建设发展

根据用电量数据，还可以让公众了解绿色低碳社会、智慧城市建设、企业污染治理等方面的进展，助力环境社会和谐发展。

四、电力大数据对外增值服务类型解析

从上述内容我们了解到，电力大数据具有数据体量大、处理速度极快等基本特点，同时又与经济活动存在高度关联。本文进一步探讨电力大数据在对外增值服务中的四种具体类型，为电力公司创新业务模式，创造社会经济效益提供依据。

1.数据分析用户能耗量，优化用电方案

根据智能电表（AMI）数据，结合用户特征数据（住房、收入等）和社会环境数据（气候、政策等），可分析预测用户的消费行为特点，以此对用户能耗情况进行分析与优化用电信息推送，引导用户科学合理改进用电行为。以用户能耗分析为基础，分析各市县各行业的整体能耗情况、包括小时能耗情况、月度能耗情况以及峰谷能耗情况等，对比历史能耗共性特点，分析客户在每个阶段可能存在的异常耗能情况。以居民用电行为分析为基础，促进电网公司深度挖掘用户的个性化、差异化用电服务需求。通过对企业用电情况分析，可对企业在中长期内用电负荷增长趋势进行预测，提前对变压器超载等用电异常隐患进行预警。

基于用户能耗的大数据分析及用电方案优化，可以提高能源利用率，保障客户经济利益，促进以电网公司由生产导向转变为客户导向，提升供电服务满意度，提升企业社会形象。

2.建立用户用电征信体系

将企业及居民用电情况信息和电费缴纳信息纳入征信系统，使得征信体系可以提供客户用电相关的使用信息和电费缴纳信息查询服务，实现用电信用信息查询。基于电力客户基本信息，以用电情况、利润贡献、设备装备水平等内容为指标，制定价值评分标准；对电网客户进行价值评级，同时提供历次评价查询服务，为政府管理部门及国家金融机构开展工作提供决策参考依据。有利于维护商业信用交易安全，降低交易成本。

在信用评价方面，基于电力客户基本信息，以缴费情况、缴费能力等为指标，分析客户信用变化趋势，确定各风险预警等级。通过评价风险预警效果，提高商业银行信贷风险防范和管理水平，促进社会信用意识提高。

3.拓展充电设备用电服务

随着我国电动设备的不断增加，充电设施将大规模建设，掌握电动汽车充电设施负荷需求相关数据，以提升已有配电设施利用率、减缓或者降低配电网络投资是目前待解决的问题。

以用户的充电地址、设备类别、耗电特点、用电需求为分析指标，通过掌握用户分布情况，结合上文所述的客户信用评价体系，探索让客户满意的用电缴费渠道和用电套餐。建立客户信用等级体系，将用户在使用此项服务中的缴费额度、缴费及时性等纳入客户信用等级评估条项，未来为电力企业优化电价体系提供数据支持和评价标准。电力企业还可将客户信用等级信息提供给第三方使用，实现业务渠道拓展。

4.为用户提供定制分析服务

建立定制服务平台，通过在平台上开发高级应用功能，以满足客户基于电力大数据在各方面的数据需求，包括住户回迁率、房屋入住率、宏观经济预测、商业投资选址等信息。根据该项服务的各项分析指标成本收取相应费用，为电力公司拓展新业务，实现经济收益。基于区域用户用电量数据及地理信息系统数据，建立居民用电分布图，统计区域房屋空置率，辅助政府全面掌握回迁率，房屋入住率，预测经济发展趋势。基于用电量数据、营销用户信息数据，与政府部门经济统计数据联动，建立基于电耗的宏观经济预测模型，实现企业未来发展的能耗与单位工业附加值能耗预测分析，辅助政府建设行业宏观经济评估。对于商业投资选址方面可进行辅助分析，通过分析区域居民、商户等不同群体用电行为，结合区域电费缴纳、业扩报装、GIS信息等多方面数据，建立不同类型商户与周边区域用电关联分析模型，评估建立商铺投资回报及区域服务能力，辅助分析商业投资选址。