随着计算机技术和信息化建设的不断发展，传统电网逐渐向智能电网转变，贯穿电力企业发电、输电、变电、配电、调度、营销等方面业务的信息系统不断增加。各业务部门数据标准混乱、数据质量参差不齐，造成数据口径不一致，信息系统呈烟囱状造成信息孤岛化严重[1]，阻碍数据的共享应用，难以最大限度发挥数据价值，且业务协同效率较低，造成营销精益化管理、运营管理等工作开展困难[1]。电力企业的供电范围广阔、服务的电力用户数量众多、运营资产庞大、发电用电电量平衡、远距离的电能传输、高度可靠的调度能力、24 h不间断供应电量等特点，导致电力企业运营产生的数据数量规模庞大、数据类型繁杂、数据增长非常迅速，符合大数据的规模性（Volume）、多样性（Variety）和高速性（Velocity），即3V特性[2]。当前电力企业在运营过程中产生的数据呈爆炸式增长，传统的数据处理技术已无法满足要求，通过大数据技术实现数据全面采集、数据存储、数据分析、数据可视化展现，已成为电力企业信息化、智能化发展的必然要求。大数据技术不仅能够实现多系统信息融合，避免电力企业内部各系统间出现的数据冗余、数据不一致以及信息孤岛问题，且大数据技术能够实现数据的全面采集、规范管理、安全存储、高效便捷的数据分析处理以及数据的可视化展示，从海量数据中提取知识与信息，为电力企业的发展提供决策支持。1研究现状2020年8月，国资委发布的《关于加快推进国有企业数字化转型工作的通知》，全面部署数字化转型工作。如何把握数字化转型机遇，实现电力企业的高质量发展成为重中之重。目前，电力企业的数据由生产数据和管理数据组成。生产数据包括源于发电、输电、变电、配电、调度等生产环节的监控系统、数据采集系统、电能计量等系统的数据，从数量庞大的高压电缆、开关设备、发电机、变压器、架空线路等设备中获取的监测数据越来越多，智能电表从数以亿计的家庭和企业终端带来的数据等，由大量的实时数据和历史运行数据组成。管理数据源于信息管理系统，如ERP系统、人资系统、法律事务系统、协同办公等系统。随着互联网技术和计算机技术的快速发展，传统电网逐渐向智能电网转变，电力企业的数据呈爆炸式增长，传统的数据处理技术已无法满足要求。应用大数据技术能够更好地存储数据、分析数据以及整合数据，融合电力企业来自不同业务域的数据，有利于从传统的以业务系统为中心的信息化建设逐渐转换为以数据为中心的思路，实现数据的共享和应用。只有数据资源实现了共享，全方位多视角提取知识与信息，才能真正释放数据的价值。大数据技术能够实现海量数据分析和处理、快速开发和部署、资源隔离和数据安全管理、数据生产过程调度和管控、资源动态管控和数据及服务开放，可有力支撑企业级的数据进行分析处理及开放共享。2大数据技术在电力企业中的应用大数据技术可应用于电力企业的各个生产环节，全面采集来自不同业务域或不同维度的电力数据信息，通过信息分类提高采集的效率和精准度，为实现数据信息的共享提供基础。通过大数据分析技术对数据信息进行深度挖掘，全面了解掌握实际生产情况，确保数据信息价值的有效运用。现阶段，大数据技术必然在电力企业实现生产数字化转型中发挥重要作用。本文利用大数据技术构建电力企业大数据平台，平台架构如图1所示。10.3969/j.issn.2096-1936.2021.19.048.F001图1电力企业大数据平台架构2.1大数据技术实现数据全面采集大数据技术可实现实时数据、离线数据、网络安全日志、流量信息、用户行为等数据的全面采集，采集的数据类型包括结构化、半结构化、非结构化。由于采集的数据源于不同的业务系统，可能存在数据口径不一致、数据格式不统一、接口形式较多等问题，通过数据质量的管理，全面有效地管控数据质量。在数据采集过程中，按照数据属性采取不同的采集策略，规范数据采集进度，对各项数据进行综合分析和数据治理，经过对账、合规评估、数据清洗、数据水印、数据脱敏、数据ETL等过程后，从中提取实体和关系形成清单级数据，为实现信息融合和数据共享提供服务。2.2大数据技术实现数据存储现阶段，电力企业基于多年的信息化建设积累了规模庞大的数据，导致电力企业的数据数量庞大、结构类型复杂、增长快速，传统的存储方式面临严峻的挑战，不可避免地使用大数据技术实现数据存储。大数据存储技术指将全面采集不同业务域的数据进行有效整合，以稳定的方式存储数据，将采集的数据存储到内存数据库、分布式数据库、数据仓库等数据库中。内存数据库将数据放入内存中进行操作，避免了磁盘读写操作中消耗的大量时间，适合实时性数据，实现数据信息的频繁写入和快速存储，也可通过设置一定的缓存机制，提升数据存储和数据访问的效率。NoSQL数据库采用分布式数据存储的方式，这种存储方式可扩展性强，数据存储灵活，可以存储海量的数据[3]。关系型数据库系统主要存储大数据计算过程中产生的计算结果。数据仓库用于存储实时性要求低的数据，一般是一系列面向主题的、集成的、相对稳定的、反映历史变化的数据[4]。大数据技术还可实现不同类型数据库的信息交互，为实现数据共享奠定基础。2.3大数据技术实现数据分析电力企业的数据贯穿于发、输、变、配、调等电力生产的各个环节，数据数量庞大、增长快速、来源丰富。大数据技术可实现数据的全面采集，将采集的数据分析成信息，从信息中提炼知识，通过知识采取下一步决策和行动[5]。借助大数据分析技术分析电力企业中的数据，发掘数据之间的内在联系和规律，从中获取有用的知识和信息，形成有价值的数据报告，为电力企业的决策人员提供决策依据。当前电力企业的信息化建设缺乏对数据信息的挖掘与分析，没有充分利用现有的数据，导致数据的价值没有得到释放。数据挖掘技术是大数据分析的关键技术。将海量数据经过挖掘和分析发现知识，将事先未知的、非凡的、隐藏的、具有潜在用途的知识从大规模的海量数据中提取出来的技术称为数据挖掘技术[4]。聚类分析、分类预测、关联分析等均属于数据挖掘技术的范畴。（1）聚类分析。数据本身的自然分布特性存在不同程度的相似，聚类的目标是将数据按照一定的划分准则划分成类，满足处于同一类内的数据尽可能相似，不同类的数据尽可能地相异，聚类分析可获取事务间类聚的潜在规律。例如，在电力营销中，对用户的用电规模和用户行为进行聚类分析，可获取用电模型，有助于用户用电精益化管理，为节电奠定基础。（2）分类预测。分类和回归可以作为对未来规律进行预测的依据，包括回归分析法、时间序列法、局势外推法等主要预测方法[4]。例如监测机组、发电机、变压器、输电线路等的运行状态，预判可能发生的故障，有利于维护电网的安全稳定运行。（3）关联分析。事物之间可能会存在一定的关系，其中一件事物发生改变时，另一件事物会随之发生改变，通过关联分析对目前的数据和历史数据加以全面分析，挖掘事物之间潜在的基本规律。例如，将营销业务上的数据和生产中的实时数据进行关联，挖掘用电与发电之间的规律，有助于提升用电可靠性和用电质量。2.4大数据技术实现数据可视化大数据可视化技术指通过先进的数据可视化技术，将生产现场的实时监测数据、电网的规划数据和负荷预测等数据信息或其他的统计数据以及分析结果以动态的、丰富的表现形式呈现，使数据更直观，便于决策层领导、业务人员清晰准确地了解业务态势。通过可视化技术全方位多视角展示电力企业发展概况、电力系统概况、社会用户用电情况、重点工程建设项目进度监测情况、智能电网建设情况等不同业务域的情况，绘制数据的发展趋势预测未来的数据走势，对数据、风险、用电、设备状态等进行预测，合理规避电力危险事故，高效开发利用电力资源，提高精益化管理，使电力企业运营效率整体提升。3结语本文研究了大数据技术在电力企业中的应用，内容涵盖数据全面采集、数据存储、数据分析和数据可视化。大数据技术可实现数据的全面采集，以分布式数据库、内存数据库、数据仓库的方式存储数据，为实现数据共享奠定基础。通过大数据分析技术深刻挖掘电力企业数据隐藏的价值，通过大数据可视化技术清晰直观展示各项数据情况。大数据技术的应用为电力企业的发展带来了契机。