信息企业淘金电力大数据市场 数据存储处理滞后

　　“今年初，我们建立了国内首个电力用户维护的综合集控中心———大数据存储中心，可提供220千伏及以下变电站和同电压等级送电线路的维护、试验、检修、改造、节能降耗、健康评估、重点保电、电能检测等专业服务。”近日，天津安捷公共设施服务有限公司总经理米玉淼在电力新技术电能管理研讨会上表示。将大数据、云计算、物联网等科技手段运用到电力服务中，不仅实现“变电站无人值守”，还可为使用者提供量化的节能方案。近年来，诸如天津安捷这样，在大数据基础上，实现为电力细分行业服务的公司已经不在少数。

　　国网信通公司在北京亦庄的数据中心安装传感器，及时采集数据，存储到云并进行分析和利用;华为提出构建全联接的智能电网解决方案;北京洛斯达科技发展有限公司提出区域500千伏电网三维数字化及一体化运营平台等。面对电力大数据时代来临，这些企业正在用数据、信息工具，抢占电力信息市场的一片蓝海。

　　大数据应用成效逐渐显现

　　“大数据早就存在，为什么在近两年才对社会产生爆炸式影响?原因是大数据的技术。大数据的产生、发展、流动，需要技术作支撑。如今，我们有技术有能力对大数据进行解读。”IBM新兴市场部大数据中心总监王晓梅表示。

　　近年来，随着智能电网建设加快，要求对电网全景实时数据采集、传输和存储，以及累积的海量多源数据快速分析。智能电网建设的不断深入和推进，电网运行和设备检/监测产生的数据量呈指数级增长，需要相应的存储和快速处理技术作为支撑。

　　电力行业大数据应时而生

　　业内专家认为，鉴于大数据在电网中出现的场合越来越多，难度再大也要对其进行研究，为以后在智能电网建设中的应用提供有益的参考。另有专家分析称，每当电力大数据利用率调高10%，便可使电网提高20%~49%的利润。

　　从提出大数据，到进行试点研究，在电力行业，大数据已经被视作企业战略层面的重要议题。国家电网在北京亦庄、上海、陕西建立了三个大数据中心，其中北京亦庄大数据中心已安装超过10200个传感器，每月可节约的能耗价值约30万元。

　　国网重庆信通公司也为重庆电网建设了“大数据中心”，将重庆电网现有海量数据资源集中存储、统一管理，实现海量数据共享共用。

　　无独有偶，河南省电力部门积极应用大数据技术，通过大数据存储和分析处理，以用电信息采集海量数据接入为突破口，对用电信息采集通讯前置机终端连接功能进行优化改进，使单台终端连接能力提升5倍、连接数量达15万，为河南4000万电力用户、300万计量终端的高效用电管理提供了技术支撑。 可见，大数据对电网的贡献程度越来越高。在电力其他领域，大数据作用亦不可小觑。利用大数据平台，远光软件为电力企业提供了远光电价分析应用解决方案。东润环能为新能源企业提供监测调度系统等。信息企业已经瞄准了电力大数据市场，未来这一市场将有更广阔的前景。

　　云计算的基础就是大数据。工业和信息化部赛迪研究院认为，“十二五”期间为我国大数据云计算起飞阶段。2011、2012、2013年，中国云计算的市场规模为315亿元，600亿元和1174亿元，增长速度惊人。

　　工信部也表示，将持续加大对大数据产业的扶植力度，通过相关规划。对大数据发展进行部署，推动开展大数据标准化需求分析，标准化体系框架和相关标准研制，支持关键技术产品开发和产业化。

　　数据存储和处理滞后

　　在电力行业，智能电网建设带来信息采集点越来越多，常规的调度自动化系统数十万点，而配用电、数据中心将达到百万甚至千万级。“国家正在大力推进智能电网的工作，前端的智能电表安装很快，但后端数据整合还远跟不上。”国家电网智能电网研究院首席科学家栾文鹏坦言。

　　智能电网实时数据以及沉淀的历史数据，是电网企业实现精益化管理的基础。现有实时数据库存在缺陷。目前这些数据大多采用关系型数据库进行存储，随着智能化的不断提升，电力行业对数据库处理能力、存储空间、查询能力等方面提出了越来越高的要求。

　　“电力行业数据的特点是，电力周期差别大。电力高频设备切换，基本上在几微秒一级，如继电保护，20毫秒到30毫秒之间，需要做每小时、每天、每周、每年的负荷预测，包括做发电容量预测，有可能做几十年。还有电力资产，如VRT、发动机，生命周期就在80年到一百年过程。这个数据有非 常大的跨度、特点、区别。这样对于电力行业大数据整合，提出很多挑战。”栾文鹏表示。

　　目前，国外的信息公司有一些成功的案例可供借鉴。如谷歌公司的分布式数据库技术，能可靠处理PB以上级别的数据，能支持千台服务器以上的集群，并能实现适用性广泛、可扩展、高性能和高可用等4个目标。IBM智力问答机器人Watson，收集了2亿页知识文本数据，可在1秒内完成对大量非结构化信息的检索。

　　对于国内的企业，如何应对挑战，专家表示，要把大数据工作列为各公司的基础工作，纳入工作计划安排。要有一个技术后台。大数据工作涉及到数据的采集、存储、输送、加工、利用等多个环节，每个环节都需要强有力的技术支撑。制定规划，发展大数据工作要保持一定数量的资金和技术装备投入。