作者：南方电网广西电网公司张希翔、董贇、孟椿智

一、背景

党的十八大以来，我国数字经济蓬勃发展。数字技术已作为新一轮技术革命和产业变革的重点方向，数字转型为培育经济增长新动能提供重要引擎，数字经济成为构建现代化经济体系的重要内容。党的十九届四中全会首次将数据作为“生产要素”纳入分配制度，明确了数据要素按贡献决定报酬，把大数据的知识产权化和商业化使用提升到了新的高度。

电网企业数据资产呈现出典型的大数据特征。这些电力大数据来自电力生产和电能使用的发电、输电、变电、配电、用电和调度各个环节，包括电网运行、设备管理、营销服务和企业管理等各类数据，蕴藏着反映电力企业生产经营和客户服务状况的丰富信息。同时电网企业所涉及的用电客户覆盖了所有行业，分布地域广泛，所拥有的电力负荷数据能够反映全社会的工商业生产情况，电量数据能够反映出全社会的消费情况，二者通过时域、空域结合在一起，能够更为直观地呈现出国民经济、社会运行发展的状况，是经济生活的晴雨表。电力大数据是电力企业的新型资产，将成为电力企业的核心竞争力。

当前社会对电力的依赖程度越来越高，对电网公司提出了供电更加可靠、电网更加坚强、服务更加智能等要求。受电力市场开放、输配电价降低、电量增长减速等因素影响，电网业务面临日趋激烈的市场竞争。因此，电网企业需要研究并发展新业态、新业务模式，挖掘新的业务增长点。随着互联网经济、数字经济等社会经济形态发生变化，电网企业也需要加快数字化转型。如何发挥数据的作用、实现数据增值是一个新的命题。

二、数据增值模式介绍

电力企业的电力大数据增值服务正处于探索研究和试点应用阶段，但已经有部分数据增值模式被成功应用，并服务于政府的科学决策、企业的持续经营以及社会的和谐发展等。下文将通过一些具体的应用场景来介绍四种典型的数据增值模式。

1、数据自营模式

数据自营模式要求企业自身拥有海量数据和大数据技术，同时具备一定的分析能力，能够根据数据分析结果改进现有产品或预测未来，进而实现数据增值。典型应用场景有以下3种。

（1）设备检修

近年来，我国对于变压器的检修都是采用状态检修和预防性检修相结合的方法，但随着用户数量的飞速增长，供电设备数量急剧增加，所要用到的电力元件也越来越多，使得整个电力传输系统变得更加复杂，要想做到对已发生故障或即将发生故障的元件进行及时检测和维修，困难变得越来越大。因此，电网公司通过对设备运行历史海量数据的挖掘展开预测性检修的研究，以较高的准确率预测出设备运行的未来状态，预判设备发生故障的可能性，从而达到基于设备的状态来指导检修的目的。预测性检修的分析结果对于指导检修计划编制、合理安排电网运行方式、优化计划停电策略等发挥了举足轻重的作用。

（2）准实时线损分析

线损是影响电网运行效率的关键因素，对经济发展、社会生活也有重大影响。准实时线损分析应用基于大数据平台，通过构建拓扑，利用计量自动化系统的表计数据、营销管理数据、电网负荷数据等实时数据﹐自动计算线损率，能够帮助公司的营销和生产管理人员及时、全面掌握线损情况及薄弱环节，促进节能减排和经济运行效率提升。

（3）反窃电稽查

随着经济快速发展，社会用电量逐年增长，同时窃电行为也日益频繁，给电力企业造成了重大的经济损失。窃电是导致线损率升高的一项重要因素，目前电力企业反窃电主要通过例行用电检查和应用根据采集数据构建的人工规则来判断，此方法检查窃电用户具有随机性，且人工规则得出的疑似窃电清单数量往往数以万计，远远超出稽查力度而难以实施。

部分电力公司开展了基于大数据与计算智能的反窃电研究，以电能表和采集终端中的电能计量数据、事件记录、用户及终端档案信息等数据为基础，利用各类规则对异常信息进行综合判断、分析，并结合大数据挖掘技术实现海量数据准实时处理，对现场计量异常情况、窃电行为进行在线监测，发现疑似窃电用户并输出疑似窃电用户清单，同时支持动态产生异常事件告警，实现对现场窃电行为的在线诊断及窃电行为分析的全过程管理。

2、数据融合模式

指通过整合所有类型的数据来为政府、企业等用户提供决策支持，从而获得利润，实现数据增值的模式。这种模式以为用户提供分析性报告和决策支持为目的，优点在于可快速迭代，实施成本低，可快速响应业务需求；缺点是可能会造成重复建设，同时，需求调研较为困难，难以同时满足多方的业务需求。比较典型的例子如下。

（1）企业复工电力指数

电网可运用营销系统对海量数据建立算法，得出复工指数，动态监测、直观反映企业复工复产情况，助力企业复工复产。

根据阶段性特征，可将企业复工电力指数划分成三个区间：抑制区间，恢复区间，企稳区间。并根据电力复工指数所在区间，从指标趋势、指标构成、时间节点等维度，按区域、分行业/产业解析企业的复工复产水平，为政府全面掌握企业复工复产信息提供有力支撑，全力服务政府科学统筹，精准推动企业复工复产。

（2）闲置率识别

随着工业化、城镇化的发展，农村大量劳务人员输出，“空心户”和“空心村”问题日益突出，造成了政府在项目资金安排、基础设施配套等方面效益不高，并衍生出土地、房屋和宅基地闲置、产业发展动力不足、乡村环境治理难度大等现实问题。通过电力大数据对农村“空心”率程度实现了精准测算，能够辅助政府项目投资决策，为学校、公路等公共设施建设、市场及产业配置优化提供辅助依据。

（3）区域及行业用电监测

通过采用多维度监测手段，收集不同区域、行业的用电数据（日用电量统计、日用电量波动分析等），构建不同区域、行业用电分析模型，辅助生态环境部门掌握区域及行业的整体用电情况，精准定位存在污染物排放及污染风险的重点区域和重点行业。

3、数据众包模式

数据众包模式是企业从大数据的角度出发，从创新设计领域切入，将产品设计转向用户，通过搜集消费者产生的海量数据，进行数据测评，找到最佳的产品设计。这种模式的核心是用户创造数据，优势在于强调了社会的差异性、多元性带来的创新潜力。因其倚重“草根阶层”，大大地降低了企业运营成本，还能使产品更具创造力和适应性。具体的应用场景包括以下两种。

（1）基于用户行为的售电套餐

售电公司可以根据营业范围内用户的用电行为、用电习惯或者用户需求等因素，设计相应的个性化套餐，以帮助用户节约用电成本，提高服务质量。例如个人优质套餐、三口之家套餐、商业综合体用户套餐等等，满足各种定制化服务。其特点包括：1）量身定制。用户可以根据实际需要选择套餐时限（月套餐、半年包、年套餐）、套餐信息类型（基础信息、交易数据、分析报告等)、套餐推送时间等，信息类型、信息量完全由用户自己决定。2）随意变更。用户可根据实际需求情况随意更改套餐内容，次月生效。3）转换方便。用户可根据实际需求情况将套餐内不同信息内容互相等值转换，即当用户发现某条信息本月需求不大时，可实时变更为另外一类信息，但需保证两类信息属于同一层次。基础信息、交易数据、分析报告之间的随意更换则需要制定合理的转换机制。

（2）根据用户反馈改进自身服务

在客户服务方面，通过收集客户投诉、咨询、调研等反馈信息，采用大数据技术进行处理分析，挖掘客户行为偏好，确定影响客户服务满意度的关键因素。从而全面了解客户需求，为客户提供更加优质的服务，使其达到满意。

4、数据服务模式

顾名思义，数据服务模式只提供数据接口服务，数据已经在内部加工完成，对外提供的是封装好了的API服务。企业将大数据能力封装为开放接口，开放给行业客户进行订阅调用，也可根据应用场景提供较灵活的按需定制服务。该模式的优点在于：易实现快速规模化，对数据资源拥有方的吸引力较大，数据安全自主可控。缺点是以提供查询、验证服务为主，服务价值不高；数据加工的深度不足，难以应对较复杂的外部需求。

“电力大数据+金融”增值服务。比较典型的例子有“电力贷”，即电力大数据与信贷相结合。对于银行而言，最重要的就是做好风险管控。由于中小微企业缺乏征信依据，多数企业提交的经营数据又往往是良莠不齐，给银行判断企业相关数据的真实性带来了极大的压力，银行往往趋于谨慎选择不发放贷款；与此同时，银行大量的资金资源可能由于找不到高品质的客户发放贷款，沉睡在银行系统之中。在发放贷款之后，银行对企业的生产经营状况又相对缺乏多维且有效的监控手段，对可能造成损失的客户无法提前分析预警，最后直接导致银行不良贷款金额增加。

通过利用电网掌握的电力大数据，一方面可以对银行所属区域内的生产经营企业进行大数据巡航分析，有效挖掘区域内潜在的优质客户资源，为银行拓展高品质客户提供渠道；另一方面，借助大数据分析模型，对银行贷款客户进行专项分析和监控，贷前提供交叉验证结果，贷后定期提供监控报告，及时发现和预警经营状态异常企业，增强银行风险管控能力。

三、结语

与传统的经济统计数据相比，电力大数据承载着反映经济社会运行状况的丰富信息，具有更及时、更客观、更精细等特点。电力大数据增值服务正处于探索研究和试点应用阶段，同时，由于数据涉及电力用户的安全隐私等特点，使得在现有的数据增值模式下，电力大数据的共享和开放程度并不高，更多的是将大数据用于优化电力企业内部的运作，或是将内部加工好的数据按要求提供给客户，导致数据对外服务增值不高，应用场景也较为有限。

未来，电力企业必须首先探索更有效的数据脱敏方法，构建面向应用运维和开放多场景的数据脱敏方案，这是提高数据共享和开放能力的基石。其次，电力企业可以凭借自身的数据资产优势，搭建用于数据分享、数据交易和数据分析的电力大数据平台，通过将自身的大数据技术与海量数据相结合，提高数据共享和开放能力，借助平台进一步巩固自身的数据资产优势。最后，还需要精准捕捉市场需求，找准电力大数据增值服务的切入点，才能培育出系列化的高价值数据增值模式和服务产品，助力国家治理现代化，推动“数字新基建”和提质增效不断深化。