课程背景：
当前国家提出“数字经济”概念后，进一步对电力能源行业提出了智慧电力、能源互联网的新方向，这也意味着电力的转型升级已经是必然，而实现此目标的基础正是电力大数据的进一步深化应用。
电力大数据现在已经贯穿于电力产业的各个环节，依托电力大数据价值的深度挖掘，实现“数据转化资产”“数据转化智慧”，以及“数据转化价值”，以大数据驱动企业创新化、智能化，助力电网迈进全景实时的电网时代已经到来。
电力大数据是什么？如何结合日常的业务与管理？如何在大环境变革的基础更有效的应用大数据？这是当前业内关注的焦点。着重从大数据基础、电力大数据关键技术、电力大数据实践和应用等方面入手，以全方位、多角度对电力大数据进行介绍，并结合案例展现大数据为传统电力行业带来的深刻变革，为电力行业在向能源互联网转型、重构企业价值链、增强核心竞争力提供了重要参考依据。
本课程还将结合应用场景和案例，为学员描绘电力企业新一轮商业模式转变和价值创新所在，给电力工作者或从事电力行业大数据相关工作的研究人员和技术人员在工作中带来新的启发与思路。
课程收益：
● 掌握电力大数据的基本逻辑、技术基础、应用框架和核心技术体系，并结合案例帮助学员理解和应用；
● 熟悉各国在电力大数据领域的战略与发展趋势、以及未来的发展潜力；
● 掌握建立与规划电力大数据体系的方法与策略；
● 掌握电力行业大数据规划及运营的方法和策略；
展现典型电力大数据的应用与实践的案例，并帮助学员结合实际进行理解；
课程时间：1天，6小时/天
课程对象：
● 电力企业的高级管理人员
● 从事电力大数据相关工作的企业中层以上管理人员及工程师
● 地方政府中、高级管理干部及相关领域公务员
● 国家“十四五”规划中涉及电力大数据的业务骨干
课程方式：讲师讲授+现场讨论+案例分析＋数据分析+模型分析
课程大纲
导入：大数据时代，悄然改变着我们的生活
现场讨论：大数据到底“大”在哪?
第一讲：已然兴起的大数据
一、电力行业进入大数据时代
1. 数据：大数据技术发展现状及趋势
2. 数据：大数据应用发展现状及趋势
3. 初识电力大数据
1) 大数据三个要素
A）大——海量，平台级
B）数——信息，结构化
C）据——精准、可依赖
2)大数据的4V特征
3)大数据的类型：生产数据、管理数据、用户数据、运营数据
二、电力大数据的基础条件
1. 电力大数据与智能电网的关系
2. 电力大数据与大数据技术的关系
3. 电力大数据与云计算、物联网、移动互联网的关系
4. 电力大数据与信息化管理、数据资产管理的关系
三、大数据开发和应用方向
1. 发现生产存在的不足
2. 市场变化和竞对动态
3. 客户需求与极致体验
4. 洞察行业周期性走势
5. 为决策提供有效依据
视频：基于气象卫星与新能源发电大数据融合的空地协同气象虚拟采集技术案例
四、电力行业大数据应用面临的难点
1. 数据管理：数据管理意识薄弱，能力结构和知识体系无法支撑
2. 数据获取：数据积累零散，质量不佳，提取具有难度
3. 数据应用：业务应用不丰富，缺乏典型场景
4. 数据孤岛：数据不统一，难以发挥整体作用
思考讨论：我们可以如何有效解决这些难题？
第二讲：如何建立与规划电力大数据体系？
一、电力大数据标准体系与关键技术
1.电力大数据标准体系框架
1）信息模型
2）数据处理
3）数据管理
4）应用服务
2.电力大数据关键技术
1）多源数据整合技术
2）异构数据统一存储技水
3）混合计算技术
4）大数据安全技术
5）分析挖掘技水
6）大数据可视化技术
思考讨论：你觉得哪个大数据技术对工作带来的影响是最大的？
二、电力大数据平台的实现
1.电力大数据平台架构设计
2.电力大数据平台应用模式
3. 电网大数据平台建设
第三讲：电力行业大数据规划及运营
一、数字化管理与信息化构建
1.电力行业大数据的设计原则
1）体现组织中的驱动价值
2）规划企业的数据战略资产
3）推动业务的关键流程变革
2. 大数据建设战略方针
模型：大数据建设战略体系
1）战略行动：建设的策略选择
2）保障条件：组织保障与数据意识
3）目标准则：可见、可用、可运营
案例：阿里云商赋能电力数智化转型
二、大数据建设——五步法
模型：大数据建设体系
1. 第一步：立项——数据资源的盘点与规划
工具：企业数字化应用的成熟度评估
2. 第二步：规划——数据中台应用的规划与设计
应用：为业务数字化转型进行规划
3. 第三步：建设——数据评价体系建设
应用：六维度模型
1）业务改进措施
2）绩效考核体系
3）服务流程优化
4）信息安全管理
5）客服体系建设
6）品牌建设
4. 第四步：应用——大数据应用的详细设计与实现
流程：数据接入——数据整合——数据清洗——数据分析——数据呈现——建模应用
5. 第五步：管理——明确工作内容及岗位设置
资料：典型的大数据管理团队设置
思考讨论：按五步法来编制大数据落地的步骤和关键点
三、大数据分析挖掘方法和要点
1. 统计性分析
1）设定关键性指标
2）不同维度的统计分析
3）导向性的数据提取
2. 预测性分析
1）捕捉各个因素之间的内在关联
2）通过历史数据发掘规律和趋势
3）风险评估，预判和管控
3. 分析思维训练
1）对比、转化、关联，横向与纵向扩展
2）深入了解各业务板块，使分析工作贴合实际
四、大数据的获取
1. 内部数据采集要点：关键的10%有效数据
完整性——连续性——多维度——倾向性
2. 外部数据渠道开拓与整合优化
1）“互联网+电力”趋势
2）构建跨平台信息采集体系
思考讨论：基于前面的步骤，补充数据获取过程的要点和难点
第四讲：典型电力大数据的应用与实践
一、企业经营管理场景
1. 配网投人产出综合效能分析
2. 电费回收风险预测分析
3. 物资库存物料动态特征分析
4. 政策性电价和清洁能源补贴执行效果评估
5. 财务风险精细化防控体系管理
6. 电网成本结构及效益综合分析
案例1：天津电力的能源大数据中心数据分析
案例2：AutoGrid——电力大数据服务的先行者
二、优质客户服务场景
1. 基于客户的电力市场营销分析
2. 客户服务风险管理分析
3. 客户信用评价分析
4. 客户用电异常分析
5. 客户用电优化分析
6. 温度变化对用户用电行为影响分析
案例1：广州供电局电网客户服务渠道运营
案例2：美国莱克兰电力负荷研究案例
三、电力生产场景
1. 电力负荷精准预测分析
2. 配网设备大数据分析
3. 配网故障抢修精益化管理
4. 配变过载风险预警分析
5. 配网全景监测及柔性分析
案例1：8000公里电力激光雷达巡线案例
案例2：美国Enphase 能源电网监测及维护
四、电力增值业务服务场景
1. 居民消费水平指数分析
2. 家庭绿色能效管理分析
3. 行业景气度分析
4. 宏观经济发展分析
案例：国网福建省电力基于电力大数据的经济形势研判应用平台
五、电网公司大数据发展规划与展望
1. 大数据平台提升
2. 跨界跨域大数据应用建设
视频：电力大数据+金融”跨界融合杭州破解小微企业融资难
3. 大数据应用众创
4. 数据安全和隐私保护
小组讨论：你认为大数据最可能产生哪些价值？
总结与分享
