0 引言
在21世纪，随着科学技术的不断发展，现代社会已经由互联网时代进入到大数据时代。大数据应用的成果成效正在不断渗透到我们日常生活的方方面面，不断改变着我们的生活习惯和工作习惯，大数据思维已经逐步演变为一种新的思维模式。自中国电力工程学会把2013年作为中国大数据元年开始，我国大数据研究如雨后春笋般的蓬勃发展，取得了一定的成果和经验。大数据的应用为传统的发展带来了新的契机和活力。
随着电力信息化系统的不断建设和完善，电力公司在经营活动中产生的大量数据已经成为公司的一种重要资源和战略资产。基于电力企业的海量数据，如何使用大数据技术及大数据思维来变现公司海量数据资产价值，为企业创收增益、为公司领导战略决策提供参考依据、为企业管理运营降本增效，是当下及以后电力企业数据研究的一个长期挑战。
电力企业在经营活动中产生的数据与国家经济活动密切相关，如何将电力行业数据与外部数据融合应用，形成有效的数据分析结果，是充分挖掘海量电力数据资源信息的重要手段。本文以电力数据与外部房屋空置情况数据交互为论证案例，以居民用电量等电力数据为基础，通过与外部获取的房屋空置率数据相结合，利用大数据思维及技术，来发挥数据潜藏价值。通过典型案例来阐述电力行业与外部数据融合应用对企业数据资源价值体现和深化应用的探索研究。
1 大数据概述
“大数据”是近年来的流行术语，在短时间内渗透到各行各业，大数据已经演变为一种新的生产因素，大数据正在逐步影响我们的生活习惯和工作习惯，大数据思维已经成了一种新的思维模式，大数据在新时代开启了一次重大变革，在大数据时代，利用大数据思维及大数据技术来管理企业发展及变现数据价值已经成为了一种新的经营模式，通过对各行各业数据的交互融合挖掘后形成的成果效益已经逐步发展成为了一种数据经济。
在电力公司信息化不断发展过程中，电力行业数据管理及应用研究已经取得一定成效，电力企业利用大数据思维来管理驱动企业的运营发展成为了必然，通过对电力行业与其他行业数据的不断融合应用的探索研究，对于企业数据资源价值发挥起到重要作用，对公司战略决策提供有力支撑。
2 电力数据介绍
2.1 电力数据来源
电力数据的产生涉及到电力的生成至电力销售过程中的发、输、变、配、用电5个环节，包括电网运行数据、设备档案数据、用户档案数据、监测监控数据、电力交易数据、采集数据、日常经营活动数据等数据来源，在数据产生过程中数据来源会跨单位、跨专业，数据结构复杂。
2.2 电力数据特征
企业在日常生产经营活动中产生大量的数据，电力数据与其他行业有着显著区别，主要有以下几点：
（1） 电力行业数据量大：电力行业与国民经济生活有着密不可分的关系，随着我国经济及人民生活水平的不断提升，各行各业用电量的增加，使得电力行业在日常经营活动中产生了大量的数据，伴随着全社会用电量的不断增加，电力企业已经积累的海量的数据资源。
（2） 电力行业数据类型繁多：主要表现为数据类型异构异质，包括文本、图形、图像、视频、音频等互相关联的不同形态。
（3） 数据处理及时性要求高：电力活动与国民经济及生活情况息息相关，在发电、输电、配电、用电等各环节中对数据处理的时效性要求较高，必须及时地完成数据的处理才能够及时地为决策制定和执行提供帮助。
电网作为社会公益型企业，其企业数据特性隐含了能量传递，节能减排需求，以宏观经济及其它公益行业互动支撑，为社会服务的内在要求。
2.3 电力数据应用形势
面对国际、国内社会及经济发展形势，以及“大云物移智”等新的信息技术发展变化，如何把企业建设成世界一流的能源互联网公司成为了公司的发展战略。随着电力信息化系统的不断建设和完善，电力公司在经营活动中产生的大量数据已经成为公司的一种重要资源和战略资产。基于电力企业的海量数据，如何使用大数据技术及大数据思维来变现公司海量数据资产价值，为企业创收增益、为公司领导战略决策提供有价值的参考依据、为企业管理运营降本增效，是当下及以后电力企业数据研究的一个长期挑战。
3 研究案例解读
通过用电量数据研判住房空置率，分析住房市场、供电市场的变化态势，为决策者提供参考。
3.1 研究标准介绍
（1）判断依据
“空置房”判定标准：用电量月均小于1千瓦时的微用电量用户，为处理方便，视为“空置房”。实际的率应比本研究计算值高。
空置率合理区间：基于国外长期对房地产市场的研究成果，房屋空置率在百分之三到百分之十这个区间视为合理区间，在百分之十至百分之二十这个区间视为危险区，在百分之二十以上的空置区间视为严重积压区，基于电力企业的用电数据，研究单户住宅空置情况，可以为公司电网建设、电力调度、供电服务提供支撑，为政府房地产调控提供一定参考，为外部环境投资及研究提供借鉴。
（2）数据获取
提取2014年1月～2016年12月低压为0的某市公司（不含县公司）的居民用户；房屋价格： 通过外部网站百城价格指数获取2014-2016房地产价格；通过2014、2015年度该市公司地产市场年报获取供应量和成交量等数据。
（3）分析维度
由于研究样本数量大，受限于软硬件资源限制，本次研究选取透明度高、易获取的以行政区域为基础的数据进行研究分析，未细化至片区。
3.2 研究成果
3.2.1 微电量与空置率月度趋势关联分析
月度趋势分析，该市低压居民住宅微电量比例基本保持在5%左右的水平，整体上有小幅上升趋势，在2015年12月达到6.18%后呈现小幅下降趋势，其中城郊居民呈现微上升趋势。同时，月度空置率与该地区整体房产价格趋势比较看，在整体空置率微幅波动的情况下，房地产交易平均价格则呈现较为明显的走高趋势。
从郊区住宅空置率来分析，近三年房屋空置率呈上升趋势，说明郊区居民外出人数逐年增加，同时结合近三年空置率最低值，可以看出空置率最低值集中分布在每年2月，可以得出节假日期间人员集中返回，空置房屋集中减少。
从主城住宅空置率分析，近三年来房屋空置率表现为微弱上升趋势，与该市房地产市场交易活跃程度相对一致，如图1所示。
3.2.2 空置率与房地产市场关联分析
根据《2014、2015年度某地市房地产市场年报》，2014年上半年商品房成交量稍显惨淡，下半年商品房供应面积和成交量不断增加，供应面积增加增幅0.32%，成交量增幅为11.05%, 保持了稳定的增长态势，成交价格有所下降；2015年随着城市发展的推进，供应量和成交量分别增幅23%、33%，成交价格小幅上涨，普通住宅成交均价8104元/平米，环比上涨1.4%，住宅价格上升较为明显。2014、2015两年房屋整体成交量增幅大于供应量，反映了空置率保持在10%以下合理区间的原因，空置率虽然与价格变化没有直接关系但其可以作为房屋价格变化的参考依据，如图2所示。
3.2.3 居民用电量分析
从近三年居民售电量占比来看，居民售电量虽稳步增长，但随着社会结构性发展和调整，城镇化和城市规划，居民用电存在一定数量的微用电量用户群，侧面反映出房地产市场经济，同时受城镇化进程影响，微电量用户群转步转为正常用电，是公司售电量重要贡献力量之一。
通过比对分析中心城区和城郊区域居民用电量占比及房屋空置率，可以针对性地对不同地区提供个性化的供电服务，对于中心城区居民用电比例较高，房屋空置率较低，可以看出空置和用电比例反向关联，需重点关注；对于郊区，用电量较低，空置率较高，由于受外部环境的影响，人员大量集中外出，用电情况受节假日等外部环境因素影响较大，对于该类区域，需在节假日期间重点关注。
3.3 应用成效
通过对近三年来低压居民微电量数据与住房空置情况的外部数据关联分析，可以在以下几个方面提供有价值的应用成效：
（1） 通过微电量及房屋空置的研究分析，可以看出部分区域空置受外部环境变化所影响，电力公司可以空置率和外部环境的关系前瞻性的做出供电服务措施。
（2） 通过对房屋交易价格和空置率的关联分析，可以为政府有关部门的宏观调控提供一定的参考价值。
（3） 通过对不同区域住房空置率分析，结合地域、经济、外部环境等因素影响，根据不同区域房屋空置率情况，为外部环境投资建设提供一定参考。
（4） 通过对不同区域空置原因分析研究，可以电力企业供电服务及电网建设提供参考支撑，对供电方案提供有力的数据支撑。
（5） 低压用电客户作为公司的占比最高的用户群体，伴随着社会结构性发展和调整，通过对低压居民用户微用电量用户群的挖掘分析，侧面的反映出城镇规划、房地产市场经济。
综上，通过对电力公司居民用电量和外部房屋空置情况的研究分析，可以得出在大数据时代电力行业数据与外部数据融合具有深入挖掘的价值。
4 结论
随着智能电网的全面建设和发展，电力数据资源迅速增长，这些数据与外部数据的交互，构成了公司特有的电力行业大数据。如何利用公司海量数据资源发挥数据价值，提升公司核心竞争力，是现阶段及未来很长时间面临的一项艰巨挑战。基于电力企业自身的海量数据，通过与外部数据的交互融合及挖掘应用分析，对内可支撑公司运营效率提升，促进电网发展方式和企业发展模式的转变提供了强大的动力，对外可转化价值创造效益，履行企业社会责任。通过电力行业数据与外部数据交互应用的探索研究，一方面，在新一轮电力市场改革下，为企业改革发展提供数据支撑，增强企业核心竞争力；另一方面，不同行业数据的交互融合探索研究，也可为其他相关行业提供可参考借鉴的成熟案例，进一步盘活激发数据资源价值。
参考文献
[1] 孟小峰，慈祥．大数据管理：概念、技术与挑战[J]．计算机研究与发展，2013，50(1)：146-169．
[2] 李国杰，程学旗．大数据研究：未来科技及经济社会发展的重大战略领域：大数据的研究现状与科学思考[J]．中国科学院院刊，2012，27(6)：647-657.
[3] 宋亚奇，周国亮，朱永利．智能电网大数据处理技术现状与挑战[J]．电网技术, 2013，37(4)：927-935．
[4] 张素香，刘建明，赵丙镇，等．基于云计算的居民用电行为分析模型研究[J]．电网技术，2013，37(6)：1542-1546．
作者信息:
汤 宁1,2，代作松1,2
（1.南瑞集团(国网电力科学研究）有限公司，江苏 南京 211106;