观察丨电力数字化 点亮更美好的未来

来源：中国能源新闻网 时间：2023-01-16 15:46

　　编者按 党的二十大报告提出，“加快建设制造强国、质量强国、航天强国、交通强国、网络强国、数字中国”“加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群”。数字化是推动能源转型的重要支撑。加快能源产业数字化智能化升级，是“十四五”时期提升能源产业链现代化水平的重要任务。本期观察围绕“数字化”这个关键词，展示电力企业、互联网企业、高校等各方在推动数字技术和能源技术融合创新方面的思考与实践。

把握电力企业数字化转型制胜关键

　　核心提要

　　数字化转型的关键不是能不能做，而是通过数字化转型能够实现什么

　　基础设施方面的建设状况制约电力行业的数字化转型成功。一旦解决这些问题，数字化将极大地为电力企业赋能

　　数字化引发的数字经济浪潮已经逐渐成为经济增长的新引擎，也是世界经济创新发展的主流。企业作为社会资源配置的有效微观载体，推进数字化转型势在必行。企业的数字化水平以及对数字化背后所隐藏的信息驾驭能力、管控水平将成为企业制胜的关键，也将是企业转型、生存的唯一法则。

电力行业特点及业务域分析

　　电力行业在进行数字化变革时和天生根植于数字的互联网企业有所不同，面对的环境变化节奏没有那么快速而多变，因而大多数时候更追求运行的稳定性而非灵活性，更加倚重和习惯于生产安全或业务流程的渐进式改良，更倾向于排斥那些“不可预期”的改变。电力行业又可以细分为电网企业、发电企业、设备制造企业以及电力信息化等服务支撑企业。

　　数字化转型的关键不是能不能做，而是通过数字化转型能够实现什么。结合其他企业数字化转型取得的成果，电网企业、发电企业要从自身特点出发分析电力行业数字化转型需要做什么、能做什么。

　　电力行业提供的终极产品是电，是一种无实体形态的产品。面向的客户群为广大的居民用户和企业用户。在提供电的过程中需要经历发电、输变电、配电才能到达客户手中。

　　由于电能难于储存，不像传统产品有库存、物流环节，电在生产时几乎同时到达客户手中，因此电力几乎在所有能源产业中最追求产销平衡。除了合理的生产调度决策，对电力设备的稳定性、数据监控的精确性要求近乎严苛。数字化转型中的中端、后端业务域困难度远胜于前端业务域。

　　数字化、智能化转型的命题，既令人向往，又需万分谨慎。数字化转型的实质就是将生产、经营、管理的行为等都用数字化的形式展现，这就要求相关设备必须具有一定的智能化水平，在管理上要有信息系统的支撑，在生产调度监控上要有智能化的调度监控系统。而电力行业的实际情况是，设备智能化程度偏低、监控系统不能结合历史数据对比实现自动告警、设备/网络之间信息共享不足、设备信息种类多样难于整合、企业管理信息化程度还有待提高。即使有信息化系统支撑，但数据质量不高，信息系统“烟囱”情况还比较严重，数据的一致性、准确性、及时性都存在一定问题。当出现故障时，无法及时、快速、准确定位，并排除故障。在输变电、配电也就是传统企业的物流环节中，自动化运维的精密程度不高。这些基础设施方面的建设状况制约电力行业的数字化转型成功。一旦解决这些问题，数字化将极大地为电力企业赋能。

电力企业数字化转型路径探索

　　近年来，国家提出碳达峰碳中和目标，电力企业数字化转型要根据国家的发展战略进行统一规划。要认识到企业数字化转型是一项长期的工作，不能一蹴而就，在数字化转型的道路上需要整体规划、分步实施。结合企业自身的特点，制定前、中、后三个业务域数字化的场景、流程以及管理办法，在此基础上确定各个阶段的实施任务、实施目标以及能达到的成效。

　　在产品及服务前端业务域，要积极探索新的业务品种，根据客户的用电情况，推出多价格、多时段的用电产品，通过大数据手段预测不同季节、不同时段的用电情况，通过差异化的价格调节客户用电量。同时，与发电企业业务域数字化紧密结合，对发电进行指导性预测，使发电企业生产活动更具有科学性。发电企业要大力提高发电设备的智能化水平以及感知度，根据电力销售预测信息及时调整不同季节、不同时段的发电量。有储能基础的企业，要积极做好储能工作，对用电需求进行前瞻性的预测，从而更好地实现智能化的有“脑”发电。

　　在发电、输变电、配电环节，要有计划、分步骤替换无智能化的旧设备，为电力调度提供畅通、节能的输电通道。

　　在电力调度、企业管理以及信息化支撑方面，一是提高设备的“思考力”，确保调度设备的运行情况能及时反馈到调度中心，实现敏捷调度；二是加强调度的监控管理水平，根据发电的产能以及客户需求合理分配；三是加强企业信息化的管理工作，实现电网运行数据共享，消除信息系统“烟囱”情况，确保数字化转型后的数据一致、准确、及时。

　　实施路径上，需要制定整体的数字化转型规划，结合“双碳”目标，积极推进绿色能源数字化转型，制定3年短期目标，5~10年的中期规划，10~20年的远景蓝图。同时必须把数据质量提升到战略高度，制定数据治理工作整体方案，同时建立数据质量管理组织架构。

　　（作者单位：华能国际电力股份公司 王琮 危剑鸣 陈湧 ）

　　新型电力系统建设离不开数字化

　　核心提要

　　数字化的终极目标是极大地降低排放，不能降低资源消耗的智能化都是没有诚意的

　　在开始一个数字化项目前，需要考虑是否从企业管理的角度做好了准备

　　在“双碳”目标下，无论是数字化还是新型电力系统都是热门话题，这两者结合也是一种必然。因为，任何数字化、智能化最终不能实现降低碳排放，都是无效的。而构建新型电力系统，没有数字化就需要投入更巨大的资源成本。

从场景化碎片化到规模化

　　应用成熟的云上数智一体化技术，阿里云在电力领域取得一些成效。例如，调度的母线负荷预测AI、变电站巡检AI、配网调度AI等，但都相对场景化、碎片化，距离规模化应用还有一定距离。

　　一是基础上还处于“应用上云”阶段，还没到达“云上应用”。数据依然从属于应用，这导致数据无法真正“通”，还需要“打通”。如果数据从应用分离出来且都在云上，就很容易通。

　　二是业务对数据的使用还处在信息化阶段，没达到数字化。业务对待数据，大都做的是旁路数据处理和统计报表分析，而非业务决策的数据支撑底座。怎样才算用得好，要看一线业务人员做的事情有多少能被数据平台支撑。

　　三是智能化还在试点验证阶段，在电力生产的实际应用中还有很大进步空间。主要原因是人工智能过多地关注算法，而算法只是系统的一小部分。数据和特征决定了AI的上限，算法只是无限接近于这个上限。

　　因此，以现有的方式做到规模化应用很有挑战性，可以尝试改变一下方式。这个方式就是尽量摆脱“人”的因素，让系统和机器成为主角。这就要将数据处理从手工模式切换成自动模式，即电力数字化需要用机器产生数字、实现自动化处理，而不是依靠人记录信息；用机器解读数字和决策，而不是依靠人看报表，这样才能真正做到规模化。

构建云上新型电力系统

　　阿里云提出构建云上新型电力系统解决日益复杂的系统性问题，从技术的“两横”（基础设施+应用实现）、业务上的“两纵”（内部经营+外部协作）这4个维度促进行业数字化、智能化、规模化发展。

　　第一，在数字化基础设施方面，支撑新型电力系统需要“加厚版”。

　　新型电力系统的发展和云计算的发展很类似。互联网服务器远程提供服务，算力不够时，应用云计算将几台到上万台服务器聚合起来对外提供服务。当电网中新能源占比越来越高时，就需要新型电力系统聚合起灵活资源。而只有数字化驱动的新型电力系统能趋向解决这个问题。

　　基础不牢，地动山摇。从十几年前开始，阿里就自研飞天云计算操作系统，用大数据智能计算平台ODPS支撑全集团的数据开发。

　　采用阿里公共云同源架构的国网云，利用一云多Region技术实现了版本升级，保障了千余套系统安全平稳运行。龙源电力1万多台风机、240多个风电场全量数据汇入处理，实时感知风电场状态。随着电力行业更多业务主体更深度地使用云技术，基础的可靠性就如同坚强电网一样重要。

　　第二，在数字化应用实现方面，需要双向融合电力与互联网技术，促进业务应用智能低碳。

　　阿里云创始人王坚院士曾经说过，数字化的终极目标是极大地降低排放，不能降低资源消耗的智能化都是没有诚意的。

　　电力、算力可互相转换融合。工业界对电力的应用一开始是为了照明而供电；之后应用电力驱动流水线作业，制造复杂的工业品，例如汽车；再进一步用电力驱动算力，仿真和学习进行无人驾驶。而互联网也是从解决信息不对称开始，到应用数字化促进能源高效生产，再到应用算力为电力负荷灵活吸纳新能源提供支撑。

　　在电力行业实践方面，通过阿里技术为国网山东德州供电公司开发的母线负荷预测，准确率超过人工专家。此外，阿里技术还助力国家电网的大数据平台实现跨域计算，为将来基于数据的应用迅速推广打下基础。

　　第三，在企业内部经营方面，需要建立以数据为中心的组织和创新管理机制。

　　从20世纪70年代的MRP到90年代ERP再到现在的数据中台，数字化的发展越来越适应灵活多样的需求。

　　在电力行业的实践方面，阿里云助力浙江杭州“虚拟配网调度员”上岗，完成85%的计划检修调度任务，并且更新了管理规范。机器能做的事情机器做，管理规范只涉及人员需要补位的部分。如今这一模式，已在浙江全省上线并取得成效。这给我们的启示是，在开始一个数字化项目前，需要考虑是否从企业管理的角度做好了准备。

　　第四，在行业生态协作方面，需要在发展阶段引入创新开发机制，充分迭代进化。

　　创新需要精益化网络化的生态协作，改变原先链式协作机制。也就是，不必等上一步骤完成再进行下一步协作，而是在发展阶段的每一步就能充分迭代，创新者共同参与网络协同。

　　在实践方面，阿里钉钉平台在进化的同时，钉钉生态也在进化。现在已经有低代码应用开始井喷，将来80%的应用将由业务人员自己开发。而这个背后就是大数据平台提供的统一数据、算力、算法支持。

　　（作者单位：阿里云计算有限公司 黄振）

精准量化深度挖掘能源数据价值

　　核心提要

　　数据价值并非静态，需要在数据生命周期不同阶段进行分类探索

　　高质量数据能够帮助电网提高资源利用率与经济、环境效益

　　数据是数字经济时代的关键生产要素。随着数据与计算科学技术的蓬勃发展，传统能源电力行业的数字化转型不断加深，数据轻资产在能源重资产领域中的提质增效作用凸显。精准量化海量异构能源大数据的差异化价值，对于促进能源数据高效流通以及跨行业数智化升级具有重要意义。

在全生命周期中展现价值

　　数据是数字经济的原动力，也是构建数字生态的核心。经济实体通过数字化转型服务不同的目标场景，通过运营过程的数据交替，实现数据对经济实体的赋能，这是典型的数字化转型模式。在这一循环过程中，数据通过采集、处理、挖掘、流通这一生命周期，形成知识决策，完成要素交换，在生命周期中展现数据价值。在这一全生命周期内，数据流、价值流以及资金流交融共存，但不同阶段产生的价值流、数据流存在较大区别，不同的阶段占比存在差异。比如，前期数据生产阶段更多的是异构类的数据流，而在数据生产和治理过程中，数据的内在价值将被极大地体现，最终通过数据挖掘发挥辅助决策的作用，进而引导资金流。因此，数据价值并非静态，需要在数据生命周期不同阶段进行分类探索。

　　从全生命周期视角评估数据价值

　　相较于技术、劳动力等，数据可近乎无限复制，其流通更为快速，在数据“记录—处理—解读—传播”的过程中，各个环节产生价值增益也伴随安全风险。数据区别于传统的要素，具有非竞争性、不完全排他性等经济学特征。因此，需要结合数据特征与数据的生命周期确定价值评估方式。目前，对于数据采集成本的评估，大部分企业已有初步尝试，更多的不确定性存在于数据挖掘和数据流通环节。

　　在数据挖掘过程中，存在两种类型的价值评估。第一种是根据数据要素贡献评估。在数据应用的实际业务场景中，比如，通过数据建模结合优化算法，提高预测精准度，降低不确定性，实现数据价值。第二种是根据数据要素收入评估数据价值。根据数据对经济实体产生的收入流与业务指标变化，从资产的视角评估数据价值。这一类数据的评估方法称之为数据赋能的增益模型。

　　在数据流通阶段，针对数据卖家，构造根据用户查询、数据质量、信息熵、应用价值来设计数据资产的定价函数。在数据进入市场后，可根据需求方、购买方、中间商的效用，结合产品的市场机制、数据市场机制来优化算法，实现动态定价。

　　在数据流通的不同环节，数据价值评估方法差异性大。需要运用数据科学的思维，结合数据特征和数字化转型过程中的机理模型，实现数据的价值评估。

高质量数据促进降本增效

　　近年来，电力行业积极推动数字化转型，实施国家大数据战略，挖掘数据资产价值。这将有力提升能源互联网企业的资产管理水平，推动电力体制改革深化。在数据要素方面，气象、交通、通讯、工商业等跨领域数据，将助力新型电力系统源网荷储全环节全过程的价值发现，具体应用场景覆盖电力系统的基础建模、安全调度及能源大数据交易。

　　对能源系统而言，数据的获取需要服从感知、通讯、计算到最终应用的流程。与之相对应，能源的流动是从能源的生产、传输、配送到转化利用。为了把数据在能源系统中的价值量化做得更加精准而服从实际，我们构建了内嵌数据感传算用、能源发输配用的信息物理系统优化模型。电网运行过程中新能源消纳是一个关键性问题。因此，以“新能源预测+电力系统控制”为例，由于电力系统的能量生产和消费必须实时平衡，就需要控制电力系统的储能、负荷装备来平衡新能源的随机波动；数据传递的过程是通过传感器采集风电、光伏的运行数据，上传到控制中心，再由控制中心优化决策后下达调度指令。该应用场景下，高精度的新能源出力预测、灵活准确的电网调度指令，可有效减少电网的弃风弃光电量，提高系统运行的经济性。

　　数据误码、字节重复等错误将导致数据质量下降，进而影响数据的物理价值。对于新能源预测的相关气象数据而言，低质量的数据意味着低预测精度，电力系统无法准确应对新能源的出力波动，无法解决新能源弃电问题，无法有效减少系统碳排放量与运行成本，则数据的物理价值较低。反之，高质量数据能够帮助电网提高资源利用率与经济、环境效益，拥有较高的价值。未来的大数据交易市场中，数据供给方向交易中心提供交易标的，由交易中心挂网供应给需求方，同时交易中心将根据需求方不同的物理应用场景，确定数据价值，供求双方达成协议完成交易。在这一场景下，关键的问题就是如何量化计算一组数据集的物理价值。

　　研究中，我们提出数据定价函数：对于不同的数据集计算数据质量，例如香农熵和误码率，进而计算不同数据输入下信息物理系统的经济成本，从而训练拟合不同数据质量在该应用场景下的价格函数。为了便于在线定价，在线数据可以直接快速计算质量，代入已经训练好的价格函数进行定价。

　　（作者单位：北京大学工学院 宋洁）

责任编辑：周小博