摘要：为解决用电信息采集系统大数据的共享与应用问题，本文介绍需与采集系统进行数据共享的相关业务系统数据的需求特点、数据信息共享机制、信息存储、数据挖掘和信息共享技术，分析各业务系统间的相互关联关系，建立彼此数据共享的模式，为用电数据、信息的实时高效交互提供保障。
关键词：用电采集；大数据；应用
引言
在社会的快速发展当中，对于电力资源的需求量明显增长，如何保障供电服务质量、增强用户的用电体验，成了当前电力企业关注的问题。随着科学技术的不断进步，电力信息系统逐步构建并完善，转变了传统服务模式，给人们带来了较大的便捷。随着大数据概念的诞生，也使得该系统得到不断优化，以丰富的数据信息为日常工作提供参考依据。然而，海量数据信息也要求系统功能必须得到强化，以实现对有效信息的及时获取与分析。同时，需要制订有效的防护策略，应对网络安全的挑战。电力交易信息、电力工程信息和电力用户信息等是电力信息的主要类型，在受到网络攻击时往往导致信息丢失或者破坏，应该对基础大数据的电力信息系统架构进行细化，增强其实际功能。
1、传统用户行为分析模型分析
传统用户行为分析模型主要是通过判定负荷转移率以及峰谷电价的关系来实现，该方法会受到用户数据信息采集设备限制，仅能够利用内部电量信息数据来判断峰谷电价调整对用户用电情况的影响。传统的模型虽然能够反馈用户的用电行为，但是在数据采集、处理方面却存在很多缺点，不能够和当前我国电力消耗情况相匹配，具体缺点表现为：一是传统用户行为分析模型考虑的相关要素较少，仅通过峰谷、用电负荷等来判断用户用电行为是否正常，没有考虑到其他社会因素，比如天气、节假日、经济发展水平；二是传统用户行为分析模型输出结构一般为用户满意度、用电负荷转移矩阵，电力企业只能将该数据用于电价调整、用电负荷转移、用户满意度考量等方面；三是传统用户行为分析模型难以识别电负荷转移情况，必须通过一段时间的实践才能够得出相应参数，分析效率低下、成本较高；四是传统用户行为分析模型只能够进行离线分析，不具备实时分析用户行为的能力[1]。
2、电力大数据技术分析
（1）数据采集，为基础环节，主要作用为电力数据的采集与收集，是开展数据分析工作的基础与前提。具体运行中，通过实时数据采集、离线数据抽取、文件数据采集等形式进行数据的全面收集。（2）数据分类处理。主要作用体现为数据筛选，甄选出高价值的数据信息，并按照预选设定标准进行数据识别与分类。经分类整理后，重复、多余数据将被剔除，在保障数据价值前提下，使剩余数据更为清晰、规整。（3）数据存储。预先构建电力数据库，用于存储分类整理后的电力数据，依托于数据库应用来管理、存储数据，可实现对以往电力数据存储困难、调取困难问题的有效解决。（4）数据分析与挖掘。电力数据信息依托于数据统计、神经网络、机器学习、模糊算法等方式进行分析与挖掘，将数据信息存在的隐藏价值、潜在联系充分挖掘并分析，直观呈现出数据信息的关联与规律。数据挖掘过程中涉及关联分析、分类分析、特异群组分析、聚类分析、异常分析等。针对数据分析的开展，则是借助高性能计算技术完成对数据信息的计算与处理，常用计算技术包括Hadoop分布式计算、YonghongZ-Suite等技术。（5）数据应用。现阶段电力数据应用是将挖掘分析结果应用于其他部门，以挖掘分析结果为依据，对行业资源配比做出合理调整，提升资源利用率，并促进电力企业经济效益创造[2]。
3、数据共享方案
3.1、采集数据共享构架
静态数据共享：提取用电信息采集系统的各项指标数据、冻结电量，并按需求进行统计分析推送到共享服务平台。还可根据预设进行灵活配置，完成各种定制需求。
实时数据共享：通过在线及时获取采集系统的各种上报异常事件及信息数据，实时为其它业务系统提供所需的数据信息，满足提出的各类服务要求。特定共享：为满足营销业务应用系统等与用电信息采集系统之间复杂业务数据信息交互要求，特设置特定共享专为营销业务应用系统提供服务。共享服务平台在实现数据信息共享的同时，必需具备在线监控和规范管理。主要包括需求管控、配置管控、服务管控等基本管控功能。“需求管控”用于完成对采集系统数据共享所需要的申请、审批、执行等流程进行规范管控。“配置管控”主要对配置共享服务平台访的问权限、配置平台运行参数、配置数据发布模型等权限进行管控。“服务管控”用于对共享服务的运行状态、调用情况、交互流量、共享日志、采集数据质量等信息进行在线监测管控[3]。
3.2、用户用电行为实时分析
目前诸多分析方法都是将数据整合后然后进行分析，但是电力用户的用电数据却相对特殊，许多用电数据价值会伴随时间的流逝而降低，所以在事件发生后，必须对数据进行实时处理。目前国内广泛应用Storm、Puma、S4数据流计算系统，将数据直接提交到系统中进行计算、过滤、聚合就可实现实时分析处理。电表收集数据，然后对数据进行分布式储存、降噪，最后通过计算模型进行计算，计算结果和标准值进行比对，直接得出用户是否存在异常用电行为。在条件允许的情况下，企业可综合利用电力系统内部数据、行业服务数据、社会数据等，收集用电信息、配电管理系统、电力营销系统、地理信息系统、天气预报、经济审查、社会审查，区分用户是工业公户、工商用户、农业用户还是居民用户，对数据进行处理，然后参考地区用电负载情况、用电组成、节假日信息、天气信息、电价实时政策、客户信息等，结合用电行为模型实现因子分析、关联性强弱分析，判断用户经济情况、电气设备互动机制、信用情况、用电行为规划、短期负荷、能效情况等，这些数据不仅仅能够为用户异常用电行为的揭示通过可靠依据，同时还能够支持政府地区用电情况、电力建设情况出台相应的电费补贴政策，做出经济发展预测或者地区建筑空置率预测等。对于电力企业而言，可以此为基础，构建起完善的机器学习模型以及负载预测模型，为制定智能化的电网调度制度以及互动机制奠定基础。对于电力用户而言，应根据电网运作实际情况，建立起用户合作博弈模型，尤其是工业用户，可以此为基础和电力企业商议使用合理的电力套餐[4]。
3.3、用户用电行为的分析和服务
对用户的用电行为以及用电数据进行分析需要和很多方面进行结合，包含：用户的具体信息，具体的区域位置，还要综合气象的情况，经济的发展以及相关的电价政策等，通过分类以及聚类的相关方法，对用户的类型，区域，行业进行具体分析，得出影响用户用电量的具体影响因素和影响的具体机理，更好的为侧管理，节能的性能，定制的服务提供具体的依托[5]。
结束语
基于大数据挖掘的用户行为分析，依托大数据技术的合理应用，为企业开展全面、精准的用电行为分析提供技术支撑，借助多种算法方法提升数据处理的科学性与合理性，促使电力企业在海量电力数据中获取更多高价值信息，充分挖掘电力数据中隐藏的关联、规律信息，为电力企业经营管理水平的提升提供数据支撑。
参考文献：
[1]高歌,屈媛媛.大数据在智能反窃电和线损监控中的应用[J].信息与电脑(理论版),2019,31(23):120-121.
[2]王涵,张倩旭,王兆宇,袁帅.大数据技术在配变负载优化中的应用[J].科技经济导刊,2019,27(34):85.
[3]刘倩倩.基于大数据的电力用户欠费风险等级分析[J].自动化应用,2019(11):88-89+95.
[4]胥颖,周畅.计算机大数据技术在城市电力节能中的应用分析[J].无线互联科技,2019,16(22):63-64.
[5]刘建飞,黎翔,杨轲,柳晓萌.基于用电侧大数据多维聚类挖掘的营销新增效果评估分析[J].现代信息科技,2019,3(22):142-143+145.