电力调度是做什么的?

电力调度是涵盖发电、输电、变电、配电、用电的复杂系统，不同于一般的生产调度，电能的产供销是在瞬间完成的，即发多少电，用多少电，所以电力调度的一个重要职责就是要随时保持发电与用电(负荷)的平衡。除此之外，电力调度还需执行电网安全运行监控、安全分析(采用实时潮流计算等技术)、事故处理等工作，以确保电网安全稳定运行、对外可靠供电、各生产环节的有序进行。

电力调度可用数据有几种?

电力调度的可用数据源主要有基础数据、实时数据、应用数据、环境数据。

(1)基础数据，指电网模型、设备台账等变化不大的数据信息。该类数据分散在不同的业务系统中，如ems、oms等。(2)实时数据，实时反映电网运行动态的数据，此类数据主要存储在scada、wams、ami三类系统中。(3)应用数据，包括预测计划类数据、报表数据和监控预警类数据。(4)环境数据，包括天气、地理、经济、人口等方面的数据信息，此类数据主要应用于调度大数据的联合分析。

电力调度的四类数据满足大数据3v3e(体量大-volume、类型多-variety、速度快-velocity、能量-energy、数据即交互-exchange、数据即共情-empathy)的特征，具备大数据分析的初步基础。

调度数据价值挖掘的关键要素是什么?

挖掘电力调度数据价值，除了要具备大数据集成、存储、高性能计算的基础外，最关键的是要将调度业务和大数据挖掘技术进行有效的结合。没有业务指引和诠释的大数据产出是机械的、盲目的，数据的关联性有可能是不符合实际的，甚至是错误的。所以，业务内容成为挖掘电力调度数据价值的关键要素。

调度大数据应用方向有哪些?

(1)基于大数据的短期负荷预测

目前电网公司加速推进用电信息采集系统的建设，数据源已经能够涵盖到用户负荷层面，用户级信息的负荷预测，与以往在电网负荷总量的基础上进行负荷变化分析相比，要更加可靠。具体实施办法，是将每个用户的负荷与气象、日期、设备检修等数据，通过大数据技术进行处理，从而得到系统负荷预测结果。

(2)配电设备负载评估与重过载预警

配电变压器重过载会导致低电压、频繁停电等现象，对配电设备的监测和预警，有利于调度部门结合设备情况与用户负荷，合理调度配电网的用电负荷。具体实施办法，利用实时用电负荷、实时变压器负荷量、设备运行状态信息，估算出配电设备的负载情况，并设定告警边界。

(3)线损计算与分析

线损是电能经历了发、输、变、配、用环节后产生的电能损耗。对线损进行实时计算和处理，及时发现用户违章用电情况，能够降低线损电量中的不合理成分，减少线损率。具体做法，汇总某省市县各级设备台账、负荷、电网运行、网架结构等海量数据，通过大数据处理技术，实现对线损的计算和统计分析，及时掌握线损情况，提升线损过程的控制能力。

大数据应用落地的阻碍是什么?

(1)多系统数据融合有阻力

现阶段调度系统如d0、调度生产管理系统、缺陷管理系统等在建设初期都自成体系，调度各专业的数据融合性差，信息孤岛现象严重。如果只是针对传统bi分析，问题不大，因为传统bi分析更关注于单个业务领域或业务主题的数据，但这样不利于从一个宏观视角去发现各专业数据之间关联性，不利于洞察更具深度和广度，准确性更高，预测性更强的数据价值。所以多数据的汇总融合，是电力调度大数据应用得以实现的第一步。

(2)数据质量难保证

近年来，电网公司推进了数据采集、存储等方面的建设，但仍然难以规避数据质量问题。数据质量体现在数据的完整性和准确性两方面，例如在进行负荷预测时，大量用户侧的用电行为数据、气象数据并没有记录在案，势必会影响负荷预测的准确性;此外，如果构建负荷预测模型的历史数据不准确，则直接关系到预测的准确性。

以上是网络信息转载，信息真实性自行斟酌。