電力大數據項目簡介XX科技股份有限公司編制

目錄一、 電力大數據項目背景 3二、 客戶情況及市場情況 41. 客戶情況 42. 市場情況 4三、 技術選型 7四、 項目團隊構成 7五、 團隊成員技能需求 8

電力大數據項目背景近年來，互聯網、物聯網、社交網絡等技術的突飛猛進，引發了數據規模的爆炸式增長，大數據已經普遍存在，能源、交通運輸業等領域都積累了TB級、PB級乃至EB級的大數據。數據的迅猛增長預示著以數據驅動的“數據科學”時代到來，國內外都制定和啟動了大數據研究計劃，投入大量資金支持大數據研究。2012年，美國政府宣布啟動“大數據研究與開發計劃”。2013年美國電力科學研究院(EPRI)啟動了兩項大數據研究項目:輸電網現代化示范項目和配電網現代化示范項目。德國聯邦經濟和技術部啟動了未來能源系統技術促進計劃，在6個示范項目中，普遍利用了大數據技術，分別從促進可再生能源發展、開發商業模式、能源服務、能源交易及傳統的化石能源如何融入能源互聯網等方面推出了能源互聯網初步解決方案。加拿大實施了PowerShiftAtlantic項目，其目的是通過控制熱水器、空調等跟蹤風力發電的變動，從而保持電力需求實時平衡，是對信息與能源交互的進一步探索。2012年，中國在國家層面提出把“大數據”作為科技創新主攻方向之一，打造以大數據驅動的智能電網。《“十三五”數據中國建設下智能電網產業投資分析及前景預測報告》分析認為智能電網大數據結構復雜、種類繁多，具有分散性、多樣性和復雜性等特征，這些特征給大數據處理帶來極大的挑戰。智能電網是以物理電網為基礎，將現代先進的傳感測量技術、通信技術、信息技術、計算機技術和控制技術與物理電網高度集成而形成的智能電網。客戶情況及市場情況客戶情況(1)數據體量巨大。智能電網部署了大量的智能電能表和其他監測設備，產生了大量的歷史數據且在迅速增長，從TB級別，躍升到PB級別。常規數據采集與監視控制(SupervisoryControlandDadaAequistion,SCADA)系統10000個遙測點，按采樣間隔3~4s計算，每年產生1.03TB數據。(2)數據結構復雜，種類繁多。電網數據具有顯著的分布式和異構特性，數據廣域分布、種類眾多，包括實時數據、歷史數據、文本數據、多媒體數據、時間序列數據等各類結構化、半結構化數據，以及非結構化數據，各類數據查詢與處理的頻度和性能要求也不盡相同。比如，電力設備狀態監測數據中的油色譜數據0.5h采樣一次，而絕緣放電數據的采樣速率高達幾百kHz,甚至GHz。(3)實時性要求(速度)高且增長快。能源生產、轉換和消費要求瞬間完成，電網大數據中包含著很多實時性數據，數據的分析結果也往往具有實時性要求。(4)數據價值高。大數據應用貫穿電力發、輸、配用、調度等各個環節，通過大數據技術應用可對各個階段進行預測，及時發現潛在風險，保證電網的安全性和電價的經濟性:大數據應用催生了更多的互聯網商業模式，甚至將影響不同區域一次能源的價格體系。市場情況電力大數據大致可分為3類:電力系統運行和設備檢測、實時狀態數據，電力企業營銷數據和電力企業管理數據。其中，電力企業營銷數據又包括交易電價、售電量、用電客戶等方面的數據。隨著我國智能電網以及能源互聯網的建設越來越深人，大數據技術已成為支撐智能電網安全運行最重要的方法，因此要充分挖掘電力大數據的價值。(1)輔助電源系統協同運行決策。電力多源系統協同優化決策的前提是對大量、翔實、可靠的信息進行及時處理，缺乏全面的信息資源將會造成決策的偏差、失誤，以及管理效率的低下。具體而言，在電源端，包含了大量分布式電源、微網、儲能裝置，還需實現電力與供熱(冷)、供氣和交通系統的互動，只有建立起電力與其他能源的營、配、調一體化數據融合系統，利用大數據技術進行分析，才能保證多種能源的智能生產與配送。(2)支持電力安全穩定經濟運行。電力系統本身是一個動態實時變化的系統，因此必須實時監測系統的運行狀態，快速處理各種情況，保證系統的安全檢定運行。統計發現，大多數電網故陳主要是設備故原問題引發的，通過收集設備的全壽命周期數據(實驗數據、運行數據及氣候環境數據等)。建立設備運行模型，有利于實時評估設備狀態，從而避免由于設備故障造成的電網事故。(3)催化新商業模式的形成。在構建能源互聯網過程中，數以百億計的設備需要與網絡互聯互通，不斷果積的海量數據有待于挖掘和運用的同時，在各國電網廣泛互聯狀態下，電力價格屬性將會催生更多的互聯網商業模式，甚至將影響不同區域次能源的價格體系。同時將涌現出基于開放的電源端、售電端活躍市場.以及在節能增效的大背景出現的新型能源公司。這一概念下的“能源互聯網”，呈現的是前所未有的互聯網激情和各行各業的主動融合。“互聯網+”和用電市場的大力結合，將全力帶動相關產業健康發展。(4)提高能源管理水平。利用數理統計、模式識別、神經網絡、機器學習、人工智能等技術，可從海量數據中挖掘出能源生產和消費中能量損失的原因，為能源生產和消費效率提升找到方向。基于天氣數據、環境數據、能源互聯網設備監控數據，可實現動態定容、提高設備利用率，并提高設備運檢效率與運維管理水平;通過搜集、整理、分析、檢索各能源消費終端、生產鏈等能源信息，最快地傳輸能源需求和能源供給，在整個能源互聯網中實現能源調配，滿足用戶、企業、生產商、運營商等各方的需求，可最大限度地避免能源浪費與低效利用。(5)提高調度精益化水平。根據電力生產發、供、用必須同時完成的瞬時平衡規律及電能不能大規模有效存儲的特點，需要科學調度，保持電網正常運行。電力系統調度當前主要應用SCADA系統，以實現數據采集、設備控制、測量、參數調節，以及各類信號報警等各項功能。但隨著大規模間歇性能源的接入，電力系統的結構更加復雜多變，海量、分散、異構的實時信息大量涌人數據中心，面對大量實時信息時，傳統調度系統的實時性和合理性很難滿足要求，無法實現電網的精益化調度。因此，基于大數據的調度技術關鍵問題是設計基于大規模多源細節數據的電力系統調度模型和實時流數據分析處理技術，實現電力系統調度從粗放型向集約型的轉變。技術選型CDH/FlumeKafka 數據采集，結合數據流技術對接各類應用系統及數據庫的數據資源CDH/HDFS 文件類數據整合與存儲，HADOOP技術路線CDH/HBASE 格式類數據整合與存儲，HADOOP技術路線CDH/HIVE 數據清洗CDH/SPARK 離線數據開發及處理FLINK 實時數據開發及處理CDH/SPARK 數據服務及安全CDH/YARN+CM 數據負載及集群管理CDH/HIVESparkML 數據分析及智能TABLEAU 針對數據分析及智能提供自助式或嵌入式的可視化分析圖表ELASTICSEARCH 針對數據分析及智能提供面向用戶的全局數據探索或面向應用的全局數據搜索HADOOPYARN 針對數據服務及安全類應用的定制開發提供微服務運行環境技術管理工具項目團隊構成姓名性別學歷職稱專業工作單位項目中的分工每年工作時間(月)簽字成員A男本科高級大數據工程師應用電子