I 12.迎接電力大數據時代 5 5 7 93.展望電力大數據時代 13 13 15 174.邁向電力大數據時代 20 20 225.結束語 27 1 2 3 6 8 10 10 13 14 15 22 24 261隨著數字信息化時代的迅猛發展，信息量也呈爆炸性增長態勢。在人類充分享受信息化帶來的資訊、方便和快捷時，也使得全球的數年全球數據量已達到1.8ZB，相當于全世界人均產生200GB以上的數據，并且還將以每年50%的速度繼續增長。在這洶涌來襲的數據浪潮下，社會各個領域也將開始其數據化進程。無論學術界、商界還是政府，都將不可避免的進入“大數據時代”。作為全球第二大經濟體的基礎能源支撐體系，中國電力工業概莫能外。40502009201020112015全球數據量今天，中國電力工業面臨著能源枯竭和溫室氣體排放的雙重挑戰，傳統的投資拉動增長的發展方式已經面臨質疑。從衡量中國電力工業發展的重要指標——裝機容量來看，雖然其絕對數字始終在增2長，但其增幅已經大大放緩。一方面，電力工業近年來快速增長透支的產能需要時間消化；另一方面，新的發展需求和規則也在要求新的發展模式。這對中國的電力工業發展提出了新的問題，我們能否有新的能源載體和新的契機來尋求新的電力工業價值的增長？挑戰重重，但機遇也前所未有。20000020000041916400000200220032004200520062007200820092010裝機容量年增長率25.00%20.00%0.00%來源：中國電機工程學會，2013-1當前信息通信技術（ICT）對中國電力工業的價值貢獻正處于量變到質變的關鍵節點，而變化的本質就是電力信息通信與電力生產以及企業經營管理的深度融合，其最終表現形式必將是電力數據的爆發性增長。中國的電力工業經過幾十年來的高速發展，隨著下一代智能化電力系統建設的全面展開，中國的電力系統已經成為了世界上最大規模關系國計民生的專業物聯網，甚至在某種程度上，這張遍及生產經營各環節的生產關系網，構筑起了中國最大規模的“云計算”平臺，3為從時間和空間等多個維度進行大范圍的能源資源調配奠定了基礎。對于電力行業而言，電力大數據將貫穿未來電力工業生產及管理等各工業系統過程中有效應對資源有限、環境壓力等問題，實現厚積厚發、綠色可持續性發展的關鍵。在這樣的背景下，中國電機工程學會信息化專委會1組織召開了以“大數據與寬帶中國”為主題的“2012電力行業信息化年會”以及多次電力大數據專題研討會，共同研討中國電力大數據的未來。大數據解決方案成熟；大數據解決方案成熟；大數據應用滲透社會各行業；信息社會智能化程度大新加快；數據資產化進程加快。生態環境完善；行業應用案例增多；用戶認可程度增加；基于大數據應用業務的創技術研發概念推廣解決方案推廣商業模式嘗試2013年將是“中國大數據元年”，信息化專委會以此為契機發布《中國電力大數據發展白皮書》，希望借此能夠推動整個行業對電力4大數據價值理念的認可，以期在中國電力行業盡快地生根發芽、產生價值。中國社會的發展正經歷從傳統的投資驅動逐步向價值驅動，粗放型發展模式向集約化經營的演進和轉變。在這種大趨勢下，中國電力工業也將面臨傳統的動力經濟的轉型，大數據時代下的中國電力工業也必將順應能源變革的歷史潮流，走出一條科學發展的康莊大道。5數據數據隨著信息通信技術的不斷進步，數字化、信息化已經滲透進我們生活中的各個角落。據IDC編制的年度數字宇宙研究報告《從混沌中提取價值》表明，世界已進入了“數字摩爾時期”，全球數據量大約億億字節）數據，而這僅是當前人類社會兩天的數據量。我們正處于數據世界一個重要歷史爆發期的邊緣，數據是資產是財富的觀念業已深入人心，大數據應用已是大勢所趨，“大數據時代”已然到來。數據是最有價值的資產數據是最有價值的資產數據是企業的命脈，數據可用性至關重要數據永恒不變，是企業始終存在的資產電力行業中數據量的增長也呈現出相似的態勢。近幾年，電力行業信息化也得到了長足的發展，我國電力企業信息化起源于20世紀60年代，從初始電力生產自動化到80年代以財務電算化為代表的管理信息化建設，再到近年大規模的企業信息化建設，特別伴隨著下一代智能化電網的全面建設，以物聯網和云計算為代表的新一代IT技6大數據TBPB以上GBTB持續實時產生數據，年增長量在60%以上數據量穩定，增長不快結構化數據，半結構化數大數據TBPB以上GBTB持續實時產生數據，年增長量在60%以上數據量穩定，增長不快結構化數據，半結構化數據，多維數據，音視頻結構化數據統計和報表數據挖掘和預測性分析術在電力行業中的廣泛應用，電力數據資源開始急劇增長并形成了一定的規模。從長遠來看，作為中國經濟社會發展的“晴雨表”，電力數據以其與經濟發展緊密而廣泛的聯系，將會呈現出無以倫比的正外部性，對我國經濟社會發展以至人類社會進步也將形成更為強大的推傳統數據傳統數據數據量數據量速度多樣性價值價值來源：麥肯錫全球研究院（McKinseyGlobalInstitute）知其然，也要知其所以然。推動中國電力大數據事業的發展，首先要能夠正確認識何為電力大數據。目前大數據在業內尚無形成統一的定義，引用麥肯錫全球研究院（McKinseyG寫為MGI）在《大數據：下一個創新、競爭和生產力的前沿》報告中的描述，即：大數據是指無法在一定時間內用傳統數據庫軟件工具對其內容進行抓取、管理和處理的數據集合。相對于大數據的技術定義，電力大數據則是一個更為廣義的概念，并沒有一個嚴格的標準限定多大規模的數據集合才是電力大數7據。作為重要的基礎設施信息，電力大數據的變化態勢從某種程度上決定了整個國民經濟的發展走向。如將電力數據單獨割裂來看，則電力數據的大價值無從體現。傳統的BI（商業智能，BusinessIntelligence）分析關注于單個領域或主題的數據，這造成了各類數據之間強烈的斷層。而大數據分析則是一種總體視角的改變，是一種綜合關聯性分析，發現具有潛在聯系之間的相關性。注重相關性和關聯性，并不僅僅囿于行業內的因果關系，這也是電力大數據應用與傳統數據倉庫和BI技術的關鍵區別之一。電力大數據是能源變革中電力工業技術革新的必然過程，而不是系統在大數據時代下發展理念、管理體制和技術路線等方面的重大變革，是下一代智能化電力系統在大數據時代下價值形態的躍升。重塑電力核心價值和轉變電力發展方式是電力大數據的兩條核心主線。重塑電力核心價值：中國電力工業長期秉承“以計劃為驅動、以電力生產為中心”的價值觀念，重視企業價值和客戶價值的實現，卻在一定程度上忽視了社會效益，缺乏雙向互動，導致電力供需的單方向傳遞，使得社會資源對電力工業的反饋促進很難實現，這是電力企業在社會主義市場經濟條件下提升核心競爭力的最大挑戰。8大數據的核心價值之一就是個性化的商業未來，是對人的終極關懷。電力大數據通過對市場個性化需求和企業自身良性發展的挖掘和滿足，重塑中國電力工業核心價值，驅動電力企業從“以人為本”的高度重新審視自己的核心價值，由“以電力生產為中心”向“以客戶為中心”轉變，并將其最終落腳在“如何更好地服務于全社會”這一根本任務上。傳統電力價值鏈新興電力價值鏈電力流 能源服務用戶用戶 發電與交易 輸電 配電 電氣設備 分布式資源 能源服務 發電與交易 信息流 輸電 配電配電（零售）電氣設備電氣設備信息設備信息設備信息化服務平臺信息服務來源：中國電機工程學會，2013-1轉變電力發展方式：人類社會經過工業革命兩百多年來的迅猛發展，能源和資源的快速消耗以及全球氣候變化已經上升為影響全人類發展的首要問題。傳統投資驅動、經驗驅動的快速粗放型發展模式，已面臨越來越大的社9 公司積累高質量和有價值的數據，形成數據資產 企業內部提升獲取數據的能力和效率 讓數據創造價值在管理決策中致力于數據價值的發現 構建海量數據計算系統，提供生產級數據應用 與客戶和合作伙伴在數據運營基礎之上分享數據價值電力大數據通過對電力系統生產運行方式的優化、對間歇式可再生能源的消納以及對全社會節能減排觀念的引導，能夠推動中國電力工業由高耗能、高排放、低效率的粗放發展方式向低耗能、低排放、高效率的綠色發展方式轉變。是體量大（Volume）、類型多（Variety）和速度快（Velocity3 據是大數據在電力行業的聚焦和子集。但電力大數據更重要的是其廣義的范疇，其超越大數據普適概念中的泛在性，有著其他行業數據所無法比擬的豐富的內涵。VVARIETY類型多VELOCITY速度快電力大數據共情EXCHANGE交互VOLUME容量大ENERGY能量來源：中國電機工程學會，2013-1體量大（Volume）:體量大是電力大數據的重要特征。隨著電力企業信息化快速建設和智能電力系統的全面建成，電力數據的增長速度將遠遠超出電力企業的預期。從發電側為例，電力生產自動化控制程度的提高，對諸如壓力、流量和溫度等指標的監測精度，頻度和準確度更高，對海量數據采集處理提出了更高的要求。就用電側而言，一次采集頻度的提升就會帶來數據體量的“指數級”變化。表計數量采集頻率15分鐘采集頻率1分鐘采集頻率1秒鐘489.0GB4.8TB47.7TB來源：中國電機工程學會，2013-1類型多（Variety）:電力大數據涉及多種類型的數據，包括結構化數據、半結構化數據和非結構化數據。隨著電力行業中視頻應用的不斷增多，音視頻等非結構化數據在電力數據中的占比進一步加大。此外，電力大數據應用過程中還存在著對行業內外能源數據、天氣數據等多類型數據的大量關聯分析需求，而這些都直接導致了電力數據類型的增加，從而極大地增加了電力大數據的復雜度。速度快（Velocity）:主要指對電力數據采集、處理、分析的速的實時處理是電力大數據的重要特征，這也是電力大數據與傳統的事后處理型的商業智能、數據挖掘間的最大區別。數據即能量（Energy）:電力大數據具有無磨損、無消耗、無污染、易傳輸的特性，并可在使用過程中不斷精煉而增值，可以在保障電力用戶利益的前提下，在電力系統各個環節的低耗能、可持續發展來的綠色性。電力大數據應用的過程，即是電力數據能量釋放的過程，從某種意義上來講，通過電力大數據分析達到節能的目的，就是對能源基礎設施的最大投資。數據即交互（Exchange）:電力大數據以其與國民經濟社會廣泛而緊密的聯系，具有無可倫比的正外部性。其價值不只局限在電力工業內部，更能體現在整個國民經濟運行、社會進步以及各行各業創新發展等方方面面，而其發揮更大價值的前提和關鍵是電力數據同行業外數據的交互融合，以及在此基礎上全方位的挖掘、分析和展現。這也能夠有效地改善當前電力行業“重發輕供不管用”的行業短板，真正體現出“反饋經濟”所帶來的價值增長。數據即共情（Empathy）:企業的根本目的在于創造客戶，創造需求。電力大數據天然聯系千家萬戶、廠礦企業，推動中國電力工業由“以電力生產為中心”向“以客戶為中心”轉變，這其中的本質就是立情感聯系，為廣大電力用戶提供更加優質、安全、可靠的電力服務。在電力行業價值最大化的貢獻過程中，中國的電力工業也找到了歐洲公共管理部門?每年價值2500億美元?約0.5個百分點的年生產率增長全球個人定位數據?歐洲公共管理部門?每年價值2500億美元?約0.5個百分點的年生產率增長全球個人定位數據?服務提供商每年營收將增加1000億美元?給終端用戶提供每年7000億美元的價值美國零售業?可能產生60%以上的凈利潤增長?0.5-1個百分點的年生產率增長麥肯錫研究報告《大數據：創新、競爭和生產力的下一個前沿領家萬戶廠礦企業的中國電力工業，其所產生的電力大數據價值尤為寶貴。電力數據以其同用電客戶的緊密耦合可以實現對用戶360度的精確定位，電力數據以其同國民經濟的緊密耦合可以實現對區域經濟走勢的準確還原，電力數據以其同電力生產的緊密耦合可以實現對電力設施設計、生產階段的反饋指導。總之，電力大數據的有效應用可以面向行業內外提供大量的高附加值的內容增值服務。美國醫療服務業?每年價值3000億美元?約0.7個百分點的年生產率增長制造業?產品研發和裝配成本最高降低50%?運營資本最高將降低7個百分點來源：麥肯錫全球研究院根據美國德克薩斯大學針對數據有效性的一項研究表明，企業通過提升對自身數據的使用率和數據質量，能夠顯著提高企業的經營表現。根據研究提供的數據，如果企業數據使用率提升10%，電力行業中企業人均產出將能夠提升18%左右。而數據質量的提升，將會對企業產生更為顯著的影響。根據德州研究提供的數據，如果企業數據質量提升10%，電力行業受益最為明顯，凈資產收益率2（ROE）提升幅度為218%。 49% 零售咨詢服務航空業食品加工建筑鋼鐵汽車行業出版行業公共事業電信業人均產出50%40%30%20% 來源：《MeasuringtheBusinessImpa2ROE即凈資產收益率(RateofReturnonCommonStockholders’Equity)的英文簡稱，凈資產收益 公用事業航空業電信業石油石化零售商業銀行鋼鐵批發貿易保險業信貸機構來源：《MeasuringtheBusinessImpactsofEffectiveData》大數據技術能夠為中國電力工業帶來顯著的財務價值，在企業內部的應用也將極大的提高電力企業的運營效率和營收能力。除此之外，由于電力能源基礎設施的泛在性，其“天然聯系千家萬戶”的能源特質，將使電力大數據的理念得到了全社會的廣泛認可。由此帶來的規模化效應，電力工業的發展，加速傳統能源設施行業的快速轉型之外，整個國家經濟中國社會的可持續發展都將起到積極而特殊的作用、綠色發展的方法、路線和政策。電力工業作為國家基礎性能源設施，為國民經濟發展提供動力支撐，與社會發展和人民生活息息相關，是國民經濟健康穩定持續快速發展的重要條件。電力大數據的爆炸性增長并不是簡單的數據增多的問題，而是全新的思維定式改變的問題。積極應用大數據技術，推動中國電力大數據事業發展，重塑電力“以人為本”的核心價值，重構電力“綠色和諧”的發展方式，對真正實現中國電力工業更安全、更經濟、更綠色和更和諧的發展具有極大的現實意義。電力生產銷售的“實時性”，使得電力行業不得不靠基礎設施的過度建設來滿足電力供應的冗余性和穩定性。這種過度建設帶來的發展濟性的可持續發展理念必然是電力行業無法回避的問題。電力行業對大數據的需求，其迫切性將大大超越其它基礎能源行業。首先，在電力生產環節，風光儲等新能源的大量接入，打破了傳統相對“靜態”的電力生產，使得電力生產的計量和管理變得日趨復雜。其次，電能的不可儲存性，使得電力工業面臨極其復雜的安全形勢。電能的“光傳輸”特性，瞬間的電網失衡會造成無法挽回的損失。再依靠“人工+設備+經驗判斷”的半自動生產經營方式，電力系統的生產經營人員將承面臨著無法承受之重；最后，在電力經營環節，隨著下一代電力系統的逐步演進，高度靈活的數據驅動的電力供應鏈將逐步取代傳統的靜止的電力供應鏈。這種靈活性來自于電力系統管理者們對電力設施真正運行狀態的洞察力。通過獲取質量更好、粒度更細力生產供需管理才能變得更為有效電力的經營管理者可以通過這些信息記錄，了解電力基礎設施的歷史、可靠性和成本，來整體優化電網，進而完成高度準確和精確的預測需求；電力的消費者可以通過對發電環節輸電環節變電環節薄弱點?能源結構以火電為主?可再生能源并網有待加強?可持續性發展思路有待加強?電源結構需進一步優化調整?線路運行維護與裝備管理較為粗放?線路巡檢、評估診斷和輔助決策的技術手段和模型不夠完善?線路運行態勢、氣象與環境監測面不夠?變電自動化系統信息共享程度有待提高，效能綜合利用還有提升空間?設備智能化巡檢模式有待改進，加快計劃檢修向智能化狀態檢修的過渡?一次裝備的智能化水平有待提高大數據應用前景?進一步深化推廣風電和太陽能等新能源發電功率預測和運行智能控制技術?提升新能源接入和分布式儲能的能力?促進大規模風電和光伏等可再生能源的科學合理利用?減少能量損失，優化發電側運行效率，解決能源利用率低的問題?開展分析評估診斷與決策技術研究，實現輸電側態勢評估的實時化和智能化?結合外部數據，開展輸電側設施智能防災研究，實現線路問題元器件的快速恢復，提高輸電側的自愈能力?提升變電站的智能化管理水平，通過全網、全區域實時信息共享和分析實現變電側的實時控制和智能調節，實現變電設備信息和運行維護策略與電力調度的智慧互動來源：中國電機工程學會，2013-1配電環節用電環節調度環節薄弱點?在基于配網自動化的智能配電方面建設已經開展，在橫向集成方面工作開展迅速，但智能化程度尚待進一步提高?配電網能量流、信息流和業務流的雙向互動和高度整合有待加強?用電環節已基本實現營銷信息化，初步完成橫向集成和縱向貫通，但數據共享機制尚未完全建立?企業同外部的信息集成共享和交互機制尚待進一步加強控制手段需要進一步完善提高?對大容量風光儲等新能源、間歇性電源的預測和調控能力有待加強大數據應用前景?實現對用戶負荷和用電情況的深入了解，提高對客戶用電需求和負荷模式的認知水平?優化配網規劃和供電計劃，提高配網監測、保護和控制水平，提高事故的響應程度?優化配網運行管理水平，提升供電可靠率?建立面向經營與管理的科學營銷決策支持平臺，實現市場運營、營銷及客戶服務、設備全壽命周期管理等各類主題的分析及預測，提高營銷服務的綜合分析預測能力?實現客戶用電管理優化、用能實時分析和預測等高級應用，提供用電增值服務?建設以數據驅動的智能調度體系，實現運行信息全景化、數據傳輸網絡化、安全評估動態化、調度決策精細化、運行控制自動化、機網協調最優化?提升調度駕馭電網能力、資源優化配置能力、科學決策管理能力和靈活高效調控能力來源：中國電機工程學會，2013-1下一代智能電力系統將產生大量的數據。但是電力行業在進化的過程中面臨的問題并不是簡單的數據量的問題，它是整個行業面臨重塑的機遇和挑戰，即如何從海量的數據中識別可用的數據，評估潛在挑戰1：數據質量較低，數據管控能力不強。大數據時據質量的高低、數據管控能力的強弱直接影響了數據分析的準確性和實時性。目前，電力行業數據在可獲取的顆粒程度，數據獲取的及時還有所欠缺，行業中企業缺乏完整的數據管控策略、組織以及管控流挑戰2：數據共享不暢，數據集成程度不夠。大數據技術的本質數據即使體量再大，缺乏共享集成，其價值就會大打折扣。目前電力行業缺乏行業層面的數據模型定義與主數據管理，各單位數據口徑不一致。行業中存在較為嚴重的數據壁壘，業務鏈條間也尚未實現充分的數據共享，數據重復存儲且不一致的現象較為突出。及到眾多電力用戶的隱私，對信息安全也提出了更高的要求。電力企業地域覆蓋范圍極廣，各單位防護體系建設不平衡，信息安全水平不一致，特別偏遠地區單位防護體系尚未全面建立，安全性有待提高。行業中企業的安全防護手段和關鍵防護措施也需要進一步加強，從目前的被動防御向多層次、主動防御轉變。要求以及海量電力數據的爆發式增長對IT基礎設施提出了更高的要求。目前電力企業雖大多已建成一體化企業級信息集成平臺，能夠滿足日常業務的處理要求，但其信息網絡傳輸能力、數據存儲能力、數據處理能力、數據交換能力、數據展現能力以及數據互動能力都無法挑戰5：相關人才欠缺，專業人員供應不足。大數據是一個嶄新的事業，電力大數據的發展需要新型的專業技術人員，例如大數據處理系統管理員、大數據處理平臺開發人員、數據分析員和數據科學家等。而當前行業內外此類技術人員的缺乏將會成為影響電力大數據發展的一個重要因素。基于大數據產業鏈的定義，電力大數據的關鍵技術既包括數據分析技術等核心技術，也包括數據管理、數據處理、數據可視化等重要數據分析技術：包括數據挖掘、機器學習等人工智能技術，具體是指電網安全在線分析、間歇性電源發電預測、設施線路運行狀態分析等技術。由于電力系統安全穩定運行的重要性以及電力發輸變配用的瞬時性，相比其他行業，電力大數據對分析結果的精度要求更高。數據管理技術：包括關系型和非關系型數據庫技術、數據融合和集成技術、數據抽取技術、數據清洗和過濾技術，具體是指電力數據ETL（Extract，Transfer和Load，即提取，轉換和裝載）、電力數據統一公共模型等技術。電力數據質量本身不高，準確性、及時性均有所欠缺，也對數據管理技術提出了更高的要求。數據處理技術：包括分布式計算技術、內存計算技術、流處理技術。具體是指電力云、電力數據中心軟硬件資源虛擬化等技術。近幾年電力數據的海量增長使得電力企業需要通過新型數據處理技術來更有效的利用軟硬件資源，在降低IT投入、維護成本和物理能耗的同時，為電力大數據的發展提供更為穩定、強大的數據處理能力。數據展現技術：包括可視化技術、歷史流展示技術、空間信息流展示技術等。具體是指電網狀態實時監視、互動屏幕與互動地圖、變電站三維展示與虛擬現實等技術。電力數據種類繁雜，電力相關指標復雜，加以未來的電力用戶雙向互動需求，需要大力發展數據展現技術，提高電力數據的直觀性和可視性，從而提升電力數據的可利用價圖表11是大數據技術的炒作周期。Gartner公司發布了2012年大數據技術炒作周期報告，將各類大數據技術的技術成熟度劃分為5以不同顏色的符號標示不同技術達到生產力成熟期所需的年限。這5個階段分別定義如下：2、過熱期：概念炒作達到頂峰，媒體對新技術產生了大量不切實際的期望；3、幻滅期：泡沫破滅，媒體態度驟變，從原先的新技術支持者4、復蘇期：雖然該技術已經很少被曝光，但并未在業內完全消失，不少企業在慢慢推動該技術走向成熟，技術本身的優勢和局限性已經被業內人士逐漸了解；Complex-EventProcessing技術預期OpenSCADA廠ˉComplex-EventProcessing技術預期OpenSCADA廠ˉSocialAnalyticsHybridCloudComputingDetectionandAnalysisTechnologies—Cloud-BasedGridComputingAdvancedFraudSemanticWebContentAnalyticsSocialIn-MemoryDatabaseManagementSystems然不像先期媒體期望的那樣具有顛覆性，但卻實實在在地改SocialNetworkAnalytics88—CloudCollaborationServicesnoSQLDatabaseManagementSystemsCloudParallelProcSocialNetworkAnalytics88—CloudCollaborationServicesnoSQLDatabaseManagementSystemsCloudParallelProcContext-EnrichedServicesDatabasePlatformasaService(dbPaaS)InformationCapabilityFrameworkITServiceRootInformationCapabilityFrameworkITServiceRootCauseAnalysisToolsOpenGovernmentDataDynamicDataMasking合8TelematicsSearch-BasedDataDiscoveryToolsMapReduceandAlernativesInternetofThingsAnaDatabaseSoftwareOpenGovernmentDataDynamicDataMasking合8TelematicsSearch-BasedDataDiscoveryToolsMapReduceandAlernativesInternetofThingsAnaDatabaseSoftwareSpeechRecognitionsPredictiveModelingSolutionsasaService(dbSaaS)SociaMessageInfrastructureTextAnalyticsHigh-PerformanceIn-MemoryAnalyticsSupplyChainAnalyticsMessageInfrastructureTextAnalyticsIntelligentElectronicDevicesInformationValuation截至2012年7月技術觸發期過熱期幻滅期復蘇期生產力成熟期技術成熟期的到來時間（圖例）小于2年2到5年之間05到10年之間超過10年8即將淘汰來源：Gartner公司當然，大數據技術是一系列技術的集合。在電力大數據事業推進的過程中，電力企業可以借鑒圖表中所示不同大數據技術的成熟程度以及成熟時間，并結合自身實際需求，合理開展電力大數據實踐，使大數據在電力行業中真正落地。電力大數據的發展更多是一種整體行業意識的提高，從前期的大量實踐來看，此類應用是多種現有成熟技術的綜合，解決的是優化問的一小步，便可帶來思維理念的一大步”。業內專家針對大數據的中國前景已經有了大量討論，對大數據的發展規劃業已初步共識，如：構建大數據研究平臺，即國家頂層規劃、整合創新資源，實施“專項形成行業聯盟，制訂行業標準；構建大數據產業鏈，促進創新鏈與產業鏈的有效嫁接。電力系統作為中國社會的基礎能源設施的提升和創新帶來的效果，經過社會的反饋和發酵，其倍增效應將極大地推動中國社會整體的跨越式發展。4.2.1規劃先行、加快示范設定長期的電力大數據應用策略，積極開展前期研究，結合電力業務性質以及發展需求，從數據規模以及增長情況、多樣化程度、以及數據分析的需求等方面出發，全方位論證電力大數據的發展方向和道路，制定中長期電力大數據發展規劃，設立切合實際的目標和優先級、明確的預算和期限。在規劃的基礎上，面向電力生產、用戶用電、企業運營等數據量大的領域，結合實際情況，找準最易實施、最易出效果、需求最迫切的環節，引導行業廠商參與，關注電力工業共性需求和特點，快速開循序