发电大数据

『壹』 电力大数据的电力大数据技术

电力大数据技术满足电力数据飞速增长，满足各专业工作需要，满足提高电力工业发展需要，服务经济发展需要。电力大数据技术包括：高性能计算、数据挖掘、统计分析、数据可视化等。 数据挖掘技术是通过分析大量数据，从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示3个步骤。数据准备是从相关的数据源中选取所需的数据并整合成用于数据挖掘的数据集；规律寻找是用某种方法将数据集所含的规律找出来；规律表示是尽可能以用户可理解的方式（如可视化）将找出的规律表示出来。
数据挖掘的任务有关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析等等。 统计分析，常指对收集到的有关数据资料进行整理归类并进行解释的过程。 统计分析可分为描述统计和推断统计。
1、描述统计
描述统计是将研究中所得的数据加以整理、归类、简化或绘制成图表，以此描述和归纳数据的特征及变量之间的关系的一种最基本的统计方法。描述统计主要涉及数据的集中趋势、离散程度和相关强度，最常用的指标有平均数、标准差、相关系数等。
2、推断统计
推断统计指用概率形式来决断数据之间是否存在某种关系及用样本统计值来推测总体特征的一种重要的统计方法。推断统计包括总体参数估计和假设检验，最常用的方法有Z检验、T检验、卡方检验等 2012年7月10日，信通公司成功举办大数据开启智能电网新时代研讨会。本次研讨会作为公司大数据战略推进重要一环，总结公司大数据战略实施以来的重点工作，加深理解大数据对电力信息通信事业的意义，促进大数据生态环境建设，并展望公司及大数据未来发展方向。本次研讨会特别邀请了中国宽带资本基金董事长田溯宁博士、《证析》作者郑毅先生、浙江海盐供电局徐光年主任做专题演讲。
研讨会的成功举办，使大家进一步了解了大数据、信息通信技术在智能电网发展、未来科技发展的重要意义，同与会各位专家的交流也使大家开阔了视野、增长了知识。本次研讨会也标志了电力大数据战略将进入攻坚实战阶段，与会人员纷纷表示，要牢牢把握住电力信息通信引领智能电网飞速发展的宝贵机遇，以昂扬的斗志面对新的挑战！ 2012电力行业信息化年会于2012年11月3-4日在北京举行。年会由中国电机工程学会电力信息化专业委员会、国网信息通信有限公司联合主办，南瑞集团国电通公司承办。国家电监会信息中心、国家电网公司信息化工作部、中国南方电网公司信息中心、中国电力建设集团公司信息中心、中国能源建设集团有限公司科技信息部以及各发电集团公司、各省电网公司信息部门等为会议的支持单位。
本次年会主题为“大数据与宽带中国”。“大数据”将给电力企业带来新一轮商业模式转变和价值创新，宽带中国战略更为电力信息化发展提速。来自国家电力监管委员会、国家电网公司、国网信息通信有限公司、辅业集团公司、发电集团公司、网省公司等单位的30多位专家和代表将围绕主题在年会上发言或演讲。

『贰』 我国31省份电力大数据公布，数据中有哪些信息值得关注

随着社会的发展、电已经成功了千家万户必须的东西、没有电我们的生活可能会被打乱、甚至影响经济的发展、现如今我们所用的一切都需要电力的供应、前段时间我国31个省份电力大数据公布、 数据中的哪些信息值得关注？首先是用电量、这几年可以说是呈几何倍数增长、远远高出了所预期的、再者就是发电量跟不上用电的速度、导致很多地方突然停电、前段时间东北就是如此、这是我们必须关注的问题。

『叁』 大数据在电力行业的应用前景有哪些

关键技术：

电力大数据的发展也需要一些关键技术的支撑，（1）大数据传输及存储技术：电力系统各个环节的运行数据及设备状态在线监测数据将会带来海量数据传输和存储问题（2）实时数据分析及处理技术：在未来的电力系统环境中，从发电、输变电环节，到用电环节，都需要实时数据处理，借助电力大数据的分析技术可以从电力系统的海量数据中找出潜在的模态与规律，为决策人员提供决策支持。（3）大数据展示技术：包括可视化技术、空间信息流展示技术、历史流展示技术等.
目前，电力大数据应用场景主要在以下方面：

（1）规划—提升负荷 预测能力。通过对大数据的分析，利用数据挖掘技术，更准确地掌握用电负荷的分布和变化规律，提高中长期负荷的预测准确度。
（2）建设—提升现场安全管理能力。对现场照片进行批量比对分析，利用分布式存储、并行计算、模式识别等技术，掌握施工现场的安全隐患，或者核查安全整改措施的落实情况。
（3）运行—提升新能源调度管理能力。利用机器学习、模式识别等多维分析预测技术，分析新能源的出力与风速、光照、温度等气象因素的关联关系，更准确地对新能源的发电能力进行预测和管理。
（4）检修—提升状态检修管理能力。研究消缺、检修、运行工况、气象条件等因素对设备状态的影响，以及设备运行的风险水平，利用并行计算等技术实现检修策略优化，指导状态检修的深入开展。
（5）营销—提升对用电行为的分析能力。扩展用电采集的范围和频次，利用聚类模型等挖掘手段，开展对用电行为特征的深入分析，并实施区别化的用户管理策略。
（6）运监—提升业务关联分析能力。利用流式计算、可视化和并行处理等技术，实现全方位在线监测、分析、计算。
前景：
一、宏观经济形势评价与预测
二、服务电力企业、电力用户；1.用户能耗分析及用电优化；2.用电信息征信体系服务；

『肆』 浅析电力行业如何拥抱大数据

浅析电力行业如何拥抱大数据

未来社会发展将会是大数据的时代，数据的意义已经不仅仅是记录，而是一种能源，一种潜力巨大、影响深远的能源。2015年8月19日，国务院常务会议通过了《关于促进大数据发展的行动纲要》，特别强调通过大数据的发展，提升创业创新活力和社会治理水平。大数据正在改变着各行各业，同样，大数据在电力行业也得到广泛的应用。
电力行业如何拥抱大数据 打破数据壁垒
近年来，在电力领域大数据已经得到了广泛关注，国内的一些专业机构和高校开展了电力大数据理论和技术研究，我国电力行业也在积极开展大数据研究的应用开发，电网企业、发电企业在电力系统各专业领域开展大数据应用实践，国家电网公司启动了多项智能电网大数据应用研究项目。
智能电网是解决能源安全和环境污染问题的根本途径，是电力系统的必然发展方向;全球能源互联网则是智能电网的高级阶段，“互联网+智慧能源”进一步丰富了智能电网的内涵;这些新概念均与大数据密切相关，大数据为智能电网的发展和运营提供了全景性视角和综合性分析方法。就物理性质而言，智能电网是能源电力系统与信息通信系统的高度融合;就其规划发展和运营而言，智能电网离不开人的参与，且受到社会环境的影响，所以智能电网也可被看作是一个由内、外部数据构成的大数据系统。内部数据由智能电网本身的系统产生，外部数据包括可反映经济、社会、政策、气候、用户特征、地理环境等影响电网规划和运行的数据。在智能电网的发展过程中，大数据必将发挥越来越重要的作用。
但是从目前来看，电力行业数据在可获取的颗粒程度，数据获取的及时性、完整性、一致性等方面的表现均不尽如人意，数据源的唯一性、及时性和准确性急需提升，部分数据尚需手动输入，采集效率和准确度还有所欠缺，行业中企业缺乏完整的数据管控策略、组织以及管控流程。电力行业缺乏行业层面的数据模型定义与主数据管理，各单位数据口径不一致。行业中存在较为严重的数据壁垒，业务链条间也尚未实现充分的数据共享，数据重复存储的现象较为突出。
业内称电力行业拥抱大数据，急需推动电力企业间的数据开放共享，建设电力行业统一的元数据和主数据管理平台，建立统一的电力数据模型和行业级电力数据中心，开发电力数据分析挖掘的模型库和规则库，挖掘电力大数据价值，面向行业内外提供内容增值服务。
协调发展智慧电力、智能电网和智慧城市。电力大数据是智慧城市的基石，紧密围绕智能电力系统的发展开展电力大数据的应用实践。以重塑电力核心价值、转变电力发展方式为主线，未来必将实现智能电网与互联网的深度融合：将与城市的电、热、气、水和交通系统实现交互，把电能与供热、供水、供气以及交通系统进行互联互通，形成城市互联网，通过城市互联网技术来进行整合，比如给家庭、社区、工业园区、企事业单位、医院、学校提供一揽子能源解决方案，解决它的水、电、气、油甚至包括污水处理、垃圾处理、暖气供应、冷气供应，整个能源资源的成套解决方案，是人性化、智能化甚至量身定制的解决方案。
案例分析：电力行业如何拥抱大数据
以电力大数据的先行者——AutoGrid为例
1、正确姿势
AutoGrid的核心为其能源数据云平台——EnergyDataPlatform(EDP)，创造了电力系统全面的、动态的图景。
类似于高级搜索引擎或天气预报算法，AutoGrid的能源数据平台挖掘电网产生的结构化和非结构化数据的财富，进行数据集成，并建立其使用模式，建立定价和消费之间的相关性，并分析数以万计的变量之间的相互关系。通过该能源数据平台EDP，公共事业单位可以提前预测数周，或只是分，秒的电量消耗。大型工业电力用户可以优化他们的生产计划和作业，以避开用电高峰。同时，电力供应商可使用该能源数据平台EDP来决定可再生资源，如太阳能，风能的并网，最大限度地减少这些能源间歇性对电网的影响。
DROMS(，需求响应优化及管理系统)为AutoGrid的需求响应管理工具。DROMS从已存在的AMI系统、有线网关、建筑管理系统以及数据采集与监控(SCADA)系统获得实时数据，结合配电系统的物理特性，基于机器智能，分析产生对单一负载的精确预测，在需求响应要求产生之前介入，迅速生成针对某一需求响应的应对策略。除此之外，对甩负荷要求及价格信号亦能有及时准确的反应。
2、优化需求管理
当需求侧管理日益成为电力运营的一个重要部分时，电力大数据的应用也变得日益重要。通过电力大数据的采集、分析及应用，可以帮助电网各端匹配电力供应和需求，降低电网各端的成本。
AutoGrid的客户覆盖发电端、输电端、配电端、用户，可以帮助电网各端匹配电力供应和需求，降低电网各端的成本。AutoGrid的能源数据云平台EDP，收集并处理其客户接入智能电网的智能电表、建筑管理系统、电压调节器和温控器等设备的数据，面向其用电客户提供DROMS，获取能量消耗情况，预测用电量，结合电价信息实现需求侧响应，生成需求侧管理项目的分析报告，提升客户全生命周期的价值收益;面向电网运营者提供DROMS，可提供需求响应应对策略，预测发电情况和电网动态负荷，预测电网运行故障，改善客户平均停电时间和系统运营时间，从而实现电网优化调度，减少非技术性损失，降低运营成本。
来自于ARPA-E项目的支持，AutoGrid还开发了一套软件来监测电力在电网中的流动，帮助公用事业公司更好地满足实时电力需求。在需求高峰期，公共事业公司可以让精打细算的消费者知道他们在能源领域是如何花费的或要求具有环保意识的消费者主动减少自己的能源消耗。从而公共事业公司可以更好地快速有效地管理对电网的需求和供给的波动。
由于在需求响应的突出表现，AutoGrid被美国NavigantResearch列为2014年度需求响应领军企业。
3、建立能耗图景
基于EDP和DROMS，AutoGrid可以为客户提供一个大规模的、动态的、不间断的、供能范围内的整体能耗图景。利用该能耗图景，公共事业公司可以可以实时“看”到本地区的能耗，以更好的进行电力控制。当数据不断被累积，AutoGrid就能提供秒前、分钟前甚至周前的用电预测，可以帮助电力企业客户实现不影响舒适度和生产率情况下的优化排产计划。因此，AutoGrid提供的不仅是能量消耗动态图，它提供的还是需求侧响应的应对方案。

以上是小编为大家分享的关于浅析电力行业如何拥抱大数据的相关内容，更多信息可以关注环球青藤分享更多干货

『伍』 专栏 | 电力大数据应用模式与前景分析

本期，C君非常荣幸地邀请到了国家电网能源研究所的孙艺新老师。能源行业作为国民经济与社会发展的基础，不可避免地正在受到大数据的深刻影响。在下文中，孙艺新老师结合案例，系统分析了国外几种电力大数据应用案例，并分析了未来的应用前景，可供读者参考借鉴。

本文原载于《中国电力企业管理》，转载请联系作者获得授权。

大数据对打通业务壁垒、发现商业价值具有重要支撑作用，已为互联网、金融等拥有海量数据的企业在市场开拓、产品研发、客户服务等方面发挥了重要作用。电力大数据则是从能源领域为人们重新开启了认识世界、改造世界的大门。

电力大数据
人类从远古进化到现代，能源的每一次进步都带来了生产力的巨大飞跃。如今，能源革命与信息技术革命发生交汇，智能电网、新能源的快速发展与移动终端、物联网、云计算的迅速普及，将为各个产业带来巨大的商业价值。电力大数据不仅是大数据技术在电力行业的深入应用，也是电力生产、消费及相关技术革命与大数据理念的深度融合，将加速推进电力及能源产业发展及商业模式创新。

从商业模式创新来看，电力大数据的内涵包括以下三个方面：一是打破电力发、输、配、售不同阶段的数据壁垒，数据范围涵盖电力生产运营全过程；二是注重电力领域综合分析预测，对不同类型能源消耗、用电行为特征、电力供需形势、用电企业经营趋势等问题进行综合预判，能够显著提高电力生产消费预测的准确性与及时性；三是注重能源领域商业模式创新，充分挖掘能源数据价值，从信息服务、数据分析等方面为智慧城市、智能电网、智能家居等领域提供新的盈利模式。

电力大数据拓宽了电力行业乃至能源产业的广度与深度，给传统企业带来机遇与挑战。一方面，电力大数据能够对电力供给侧、需求侧进行有机整合与“跨界”应用，为创新商业模式与管理模式提供了机遇；另一方面，电力大数据使传统电力行业的边界变得模糊，使其自然垄断地位与路径依赖优势受到不同程度的颠覆与挑战。

国外电力大数据应用模式
目前，电力大数据理念尚处于逐步发展过程。从国外主要实践案例来看，已初步形成了三类应用模式。

以电力为中心的能源数据综合服务平台

该模式通过建立一个分析与应用平台，集成能源供给、消费、相关技术的各类数据，为包括政府、企业、学校、居民等不同类型参与方提供大数据分析和信息服务。该模式中，电网企业具有资金、技术、数据资源等方面优势，具备成为综合服务平台提供方的条件。

典型案例是美国德克萨斯州奥斯丁市实施的以电力为核心的智慧城市项目（见图1）。该项目以智能电网设备为基础，采集了包括智能家电、电动汽车、太阳能光伏等类型详细用电数据以及燃气、供水数据，形成一个能源数据的综合服务平台。

图1奥斯丁智慧城市项目商业模式示意图
该项目已在节能环保、新技术推广、研发测试等方面发挥了重要的平台服务支撑作用。一是在消费者能源管理方面，为居民能源消费、住宅节能、交通出行等提供优化建议，促进节能环保。例如，识别环保住宅的能耗降低比例可达27%；对居民太阳能电池板安装朝向进行优化，可使发电量增加49%等。二是为企业提供电动汽车、智能家电等产品开发与技术测试服务。例如，将电力数据与汽车里程、分时电价、油价数据结合，可提供电动汽车性能分析、充电站布局优化，并根据用户习惯确定最佳充电时间等服务。

为智能化节能产品研发提供支撑
该模式主要将电力大数据、信息通信与工业制造技术结合，通过对能源供给、消费、移动终端等不同数据源的数据进行综合分析，设计开发出节能环保产品，为用户提供付费低、能效高的能源使用与生活方式方案。以智能家居产品为例，该模式既可为居民用户提供节能降费服务以及快捷便利的用户体验，也可对能源企业尤其是电力企业改善用户侧需求管理、减少发电装机等发挥作用。该模式中，电网企业不一定具备产品研发优势，但利用电力数据采集与分析方面的优势，既可通过与设备制造商合作改进用户需求侧管理，也可通过共同参与研发并在产品销售中获取收益。

该模式的典型案例是美国NEST公司研发的智能恒温器产品的商业模式（见图2）。该产品可以通过记录用户的室内温度数据、智能识别用户习惯，并将室温调整到最舒适状态。

图2NEST产品商业模式示意图
产品制造商、电力企业、用户三方形成共赢：作为产品制造商的NEST公司免费获得合作企业提供的部分电力数据，借此完善预测算法，并通过多种方式（恒温器设备、互联网、分析报告）展示分析结果；电力企业在智能恒温器支持下，改进需求侧管理，节约发电装机与调峰成本；用户使用产品自动控制房间温度，并节省用电费用。据报道，售价250美元的NEST恒温器每年可在电费和供热开支方面为家庭节省173美元，一年时间已节省了2.25亿千瓦时的能量，相当于2900万美元费用。

面向企业内部的管理决策支撑
电力大数据对能源企业自身同样具有重要价值。通过将能源生产、消费数据与内部智能设备、客户信息、电力运行等数据结合，可充分挖掘客户行为特征，提高能源需求预测准确性，发现电力消费规律，提升企业运营效率效益。对于电网企业，该模式能够提高企业经营决策中所需数据的广度与深度，增强对企业经营发展趋势的洞察力和前瞻性，有效支撑决策管理。

该模式的典型案例是法国电力公司智能电表大数据应用（见图3）。法国电力在筹建大数据研究团队初期，选择用户负荷曲线为突破口，将电网运行数据与气象、电力消费数据、用电合同信息等进行实时分析，以更为准确地预测电力需求侧变化，并识别不同客户群的特点，通过优化需求侧管理，改进投资管理与设备检修管理，提升运营效率效益。其中通过优化需求侧管理，使电网日负荷率提高至85%左右，相当于减少发电容量1900万千瓦。

图3 法国电力大数据支撑内部决策应用示意图
电力大数据应用前景
未来电力大数据的应用前景主要是在已有模式的基础上，进一步发挥“粘合剂”与“助推剂”作用，推动能源产业探索建立具有“平台”特征的完整能源生态系统。“粘合剂”主要是指对其他企业的吸引力以及形成平台模式后的协同效应，“助推剂”主要是指对能源产业生产、消费革命以及企业发展转型的推动作用。

参照电商领域中的阿里集团，该公司成立以来逐渐形成了“数据”与“平台”良性发展的商业模式，收入主要来源于向卖家提供的互联网营销服务和从交易额中抽取的佣金。一方面，阿里通过淘宝、支付宝、余额宝等产品构建了完整的商业生态系统，吸引用户参与到平台中，并采集整理用户大数据；另一方面，阿里通过用户大数据的分析与挖掘，在电子商务、金融、交通、娱乐等不同领域中建立竞争优势，不断巩固壮大其商业生态系统。2013年，阿里集团的中国零售平台交易额达2480亿美元，营业收入493亿元，利润率高达45%。

电力大数据下的能源生态系统将为能源企业及相关产业提供一个数据采集、整理、分析、应用、共享、交易等为一体的平台，为参与方提供信息咨询、节能环保、产品研发、管理支撑等服务，为消费者提供节能降费服务及相关产品。可应用的领域包括智慧城市、智能电网、新能源、电动汽车。智能楼宇、智能家电、智能家居、移动终端等一系列相关产业。

电力企业在以电力大数据为基础的生态系统中占据主导地位，具有十分重要的作用。一方面，新一轮电力市场改革下，电力企业可以摆脱传统的盈利模式，通过挖掘大数据资源增强企业竞争力；另一方面，电力企业通过吸引社会资本及不同主体的参与，共建互利合作的商业环境，发挥电力大数据在智慧城市、智能家居中的重要支撑作用，提升相关企业的科技创新与可持续发展能力。

积极布局推进电力大数据应用
电力大数据对电力工业优化内外部资源、发展智能电网与构建全球能源互联网具有重要支撑作用，对电网企业创新商业模式、主导建立能源生态系统具有重要意义。电网企业需持续关注其发展动态，积极谋划布局。未来智能电网采集的数据将全面覆盖从主干网到配电网、区域用户和大用户微网，乃至家庭小用户局域网。在此背景下，传统数据存储、计算能力将产生瓶颈，必须运用大数据的采集、处理技术对当前SCADA系统、数据中心、分析预测系统进行全面升级与改造。

一是开展大数据应用的顶层设计工作。在企业集团层面建立大数据应用的组织协调机构，研究能源领域大数据与公司、电网发展的协同关系，并对其盈利模式、应用领域、合作机制及分工等全局性问题开展专项研究，在未来竞争领域中占据主动。

二是做好信息与技术储备工作。探索建立稳定、可靠的公司内外部数据获取渠道，以及数据共享机制；超前研究制定适用于大数据环境的技术处理方案，提升信息系统处理能力。

三是积极培育人才队伍，开展前期应用试点工作。在电网、产业、科研单位中组建大数据研发攻关团队，在安全、生产、经营等业务中开展应用试点探索。

『陆』 大数据在电力行业的应用前景有哪些

大数据是指无法在可容忍的时间内用传统信息技术和软硬件工具对其进行感知、获取、管理、处理和服务的数据集合。

大数据已经渗透到每一个行业和业务职能领域，并逐渐成为重要的生产因素。

电力大数据：

对于电力行业而言，电力生产涉及的运行工况参数、设备运行状态等实时生产数据，现场总线系统所采集的设备监测数据以及发电量电压稳定性等方面的数据，电力企业运营和管理数据如交易电价、售电量用电、客户信息、综合数据等共同构成了。

根据电力行业特征，电力大数据主要来源于：电力生产、管理运营、智能电网。

智慧电力解决方案：利用智能和科学的智慧电力解决方案，如管理及优化企业停电计划的智能停电管理系统，帮助电网企业优化建设改造投资计划的智能电网评估与投资优化决策系统，可智能感知电网实时运行状态并辅助监管人员决策的电网状态智能感知与报警系统等。

大数据支撑智能电网发展：

在本质上，智能电网是“大数据”在电力上的应用，智能电网的理念是通过获取更多的如何用电、怎样用电的信息，来优化电的生产、分配以及消耗。

在智能电网中引入了信息流的概念，即电网要能够把电能流信息流结合在一起，实现传输能源的同时实现数据的采集。智能电网还通过优化模型对数据进行深度挖掘和分析，预测电能流的情况，最终实现清洁发电、高效输电、动态配电、合理用电的智慧电力的目标。这些目标的实现都需要电力大数据
的支撑。

信息化与智能化是电力行业发展的趋势，而若要实现电网的信息化与智能化，电力大数据 将是不可或缺的支撑。

『柒』 大数据在电力行业的应用前景有哪些

前景还是很广的，参考《中国行业大数据市场发展前景预测与投资战略规划分析报告》显示，对于电力行业而言，电力生产涉及的运行工况参数、设备运行状态等实时生产数据，现场总线系统所采集的设备监测数据以及发电量电压稳定性等方面的数据，电力企业运营和管理数据如交易电价、售电量用电、客户信息、综合数据等共同构成了电力大数据 。
近年来，在电力领域大数据已经得到了广泛关注，国内的一些专业机构和高校开展了电力大数据理论和技术研究，我国电力行业也在积极开展大数据研究的应用开发，电网企业、发电企业在电力系统各专业领域开展大数据应用实践，国家电网公司启动了多项智能电网大数据应用研究项目。
借助大数据技术，对电网运行的实时数据和历史数据进行深层挖掘分析，可掌握电网的发展和运行规律，优化电网规划，实现对电网运行状态的全局掌控和对系统资源的优化控制，提高电网的经济性、安全性和可靠性。基于天气数据、环境数据、输变电设备监控数据，可实现动态定容、提高输电线路利用率，也可提高输变电设备运检效率与运维管理水平;基于WAMS数据、调度数据和仿真计算历史数据，分析电网安全稳定性的时空关联特性，建立电网知识库，在电网出现扰动后，快速预测电网的运行稳定性，并及时采取措施，可有效提高电网的安全稳定性。

『捌』 大数据在电力行业的应用前景有哪些

应用前景很广，参考《2016-2021年中国电力行业市场前瞻与投资战略规划分析报告》显示，对于电力行业而言，电力生产涉及的运行工况参数、设备运行状态等实时生产数据，现场总线系统所采集的设备监测数据以及发电量电压稳定性等方面的数据，电力企业运营和管理数据如交易电价、售电量用电、客户信息、综合数据等共同构成了电力大数据 。
在本质上，智能电网是“大数据”在电力上的应用。
智能电网的理念是通过获取更多的如何用电、怎样用电的信息，来优化电的生产、分配以及消耗。
IBM早在2006年就提出了智能电网的概念，在智能电网中引入了信息流的概念，即电网要能够把电能流信息流结合在一起，实现传输能源的同时实现数据的采集。智能电网还通过优化模型对数据进行深度挖掘和分析，预测电能流的情况，最终实现清洁发电、高效输电、动态配电、合理用电的智慧电力的目标。这些目标的实现都需要电力大数据 的支撑。

『玖』 风力发电机产生的数据属于什么

答:

风力发电机产生的数据属于大数据。

风电大数据种类很多，用途也较为广泛，其主槐宽谨要分为巧纤风电场选址信息大数据、风电场建设工程大数据、风电机组运维实时大数据以及综上的管理决策大数据。

依照风电大数据技术发展现状，对于风电机组运维实时大数据的处理和挖掘受到了十分广泛的关注，风电机组作为风力发电的运维铅基核心设备，其健康状态无疑是非常重要的。

风电机组依靠SCADA系统（即数据采集与监视控制系统）对其运行状态进行监测和控制，这就类似于，在我们日常活动中，有一个贴身系统随时随地在测量我们人体的各项生命体征，如：体温、血压、体重等等。