基于电能计量数据的公司数据融合初步研究

徐 敏，杨三美

（国网鄂州供电公司，湖北 鄂州 436000）

0 引 言

当前，互联网经济与传统经济社会深度融合，数据日益成为重要的生产要素。在“互联网+”“全球能源互联网”“智慧能源”“智能电网”等政策、技术支持下，数据与能源生产、消费、科技创新联系更为紧密，释放出巨大的商业价值。与此同时，国网公司在信息化企业建设上提出“用数据说话、用数据决策、用数据管理、用数据创新”[1]的新理念和新要求。为了迎接新的挑战，亟需开展“业务+数据”研究，充分发挥数据资产价值，为公司数字化企业建设发挥更大的作用。

营销是公司业务的重要组成部分。电能计量是电力营销的核心支撑专业。智能电表是智能电网最重要的“神经末梢”，更是电网实时数据的主要来源。通过研究公司电能计量业务及相关支撑系统，梳理数据管理现状，以点带面，剖析公司业务与数据的内在联系和本质规律，探索相关数据融合、管理优化措施，对公司开展大数据应用分析工作有着积极的现实意义。

1 电能计量数据现状分析

1.1 电能计量业务体系及数据情况

电力公司电能计量业务体系主要包括计量设备采购配置、计量装置现场运行和用电信息采集3个业务，共有计量设备需求、计量设备采购、计量设备检定、计量设备配送、计量装置安装、计量装置现场检验、计量装置故障处理、计量装置更换、计量装置拆除、用电数据采集和用电控制执行11个业务内容。上述业务由营销业务应用系统、省级计量生产调度平台与用电信息采集系统3个业务操作类系统支撑，共涉及95张数据表2 795个数据字段。

1.2 存在的主要问题及原因分析

通过对电能计量业务及相关支撑系统的功能应用、业务支撑、数据质量以及建设差异进行调研分析，发现当前系统应用与数据管理主要存在以下问题。第一，省电力公司间数据结构存在差异，营销业务应用系统、省级计量生产调度平台与用电信息采集系统均为二级统推，因系统建设厂商对系统功能及数据流转实现技术方式不同，导致底层数据库表存在差异。第二，数据存在多个入口，一表多源问题较为突出，易产生数据冲突。第三，业务数据共享流程复杂，数据共享和应用不充分。作为当前共享需求最大的电能计量专业数据，主要在营销内部自行开展数据应用，未充分发挥数据价值和作用。第四，系统设计文档缺乏有效的集中管理，各系统的设计文档存在收集不齐、内容不全以及质量不高等问题。第五，对数据字典质量和与系统运行状态的一致性缺乏有效管控手段。

造成上述问题的主要原因有两个方面。一方面，受建设时期不同、开发部门不同、使用设备不同、技术发展阶段不同和能力水平不同等因素影响，造成同一业务数据在不同系统中的表达方式存在差异。另一方面，由于公司目前管理模型是专业化的职能管理模式，造成在同一业务节点或同一业务主体，因管理职能的不同，分头制定多种标准，其中包括数据标准。

2 数据融合研究

通过对现有电能计量数据现状的分析发现，要实现公司数据融合，建议先开展数据治理，解决数据标准和数据质量问题，并以此为基础，以业务节点或业务主体为核心，建立跨部门、跨系统和多维度的数据融合标准，实现数据标准统筹管理，解决同一业务节点或业务主体数据标准间的冲突和矛盾。

2.1 数据标准治理

2.1.1 成立企业大数据标准治理组织机构

在当前公司大数据应用的起步阶段，建议成立大数据标准治理工作组，整合各方力量形成合力，做好数据治理工作的顶层设计，构建统一的大数据标准治理体系，推动企业数据标准完善和数据标准治理工作同步发展。

2.1.2 开展数据标准治理理论研究

建立健全企业大数据标准体系，重点从基础性、方法性和公共性等方面开展标准研究，解析数据标准的组成元素，将业务标准、业务数据标准、业务数据技术标准、业务数据监测标准和业务数据闭环运营标准进行有机统一，实现对数据标准体系的系统化治理和科学管理，形成数据标准治理的基本概念和内涵[2]。

2.1.3 开展数据标准治理内容研究

从收集、清洗、分析、可视化、访问及评价模型等数据应用的全过程出发，研究制定公司数据治理标准；从数据使用的全方位出发，研究制定公司的数据安全标准；从数据产生、存储、交换和使用等关键环节出发，研究制定数据质量标准，提出具体的管理要求和指标要求，从而为大数据应用打下良好的基础。

2.1.4 以数据标准治理推动数据融合

数据标准治理是支撑大数据融合的重要基础理论和现实依据。研究数据标准治理过程中存在的问题和难题，分析数据标准治理的主要内在规律，提出数据标准治理的解决方案，以数据标准治理推动大数据融合，最大程度地发挥数据融合的价值[3]。

2.2 数据质量管理

2.2.1 建立数据形成规范，确保数据良性循环

遵循数据规范标准，通过完善统一数据模型，保证业务数据在语法与语义上的统一，建立各专业人员共同理解和沟通的语言，利用API接口等技术，提供系统之间集成和互操作的基础接口标准，指导相关领域信息系统建设与业务集成工作。

2.2.2 加强源头数据管理，提升明细数据质量

严把数据入口关，从源头确保数据的真实性、准确性、完整性和一致性。以业务为驱动，依从业务流程对应明细数据，结合多位一体协同机制对明细数据进行质量监控，制定质量阈值，监测数据的完整性和准确性。依据监测结果，明确数据责任人，督促整改闭环，实现明细数据质量的提升。

2.2.3 以数据规则为抓手，做好数据质量核查

依据数据规范体系，确定数据完整性和规范性层面的核查规则，如字段非空要求、字段命名规范等；持续丰富完善核查规则，加强数据间的一致性以及数据合理性、准确性、及时性等方面的核查。

2.2.4 梳理业务数据脉络，逐步实现业务和数据的同步

归纳总结业务和数据不同步的类型和方式，对不同步原因展开分析；开展业务和数据同步管理方法和方式试点；制定应用场景相关管理办法，对同步措施进行固化；对目前数据存在的系统和系统不一致、业务和系统数据不一致问题进行整治。

3 公司数据融合实施建议

数据有效融合是发挥数据资产价值的重要基础。公司业务体系是数据融合的有力支撑，公司的数据管理必须基于业务体系，才能够实现与业务的高度融合。

3.1 根植于公司业务体系推进数据融合

以公司业务体系为依托，以业务与业务的关联、业务与数据的映射为抓手，结合运营监测业务的大数据融合需求和实践，实现对数据融合的全面管理。在开展业务数据融合时，应充分依托公司业务体系，确保梳理的数据框架内容的丰富性和完整性，实现对数据融合需求范围的全覆盖。

3.2 以推动公司数据标准治理和主数据识别为基础，推进数据融合

从已有的业务数据融合现状及经验来看，公司数据标准不统一、主数据管理不规范等问题，造成了当前公司数据融合困难，数据融合结果治理效果不佳。因此，必须通过推动公司数据标准治理和主数据识别技术研究，提高公司数据标准化，从而为数据融合提供良好的数据标准基础。

3.3 以运营监测业务数据融合需求为主要落脚点，推进数据融合

根据业务体系梳理形成的业务串接及数据融合需求非常大，甚至部分数据融合需求缺乏必要的数据支撑，无法开展有效的数据融合工作。为提高数据融合的效率、质量和精准度，建议以业务数据需求为主，分阶段逐步推进数据融合，对依据业务体系梳理的数据融合需求，分步进行必要的筛选和评估，制定符合运营监测业务实际的数据融合计划，逐步推进。