㈠ 大数据在电力行业的应用前景有哪些

作者：知乎用户
链接：https://www.hu.com/question/23241126/answer/24036849
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

作为曾经搞过几个电力相关项目的人，就自己粗浅的理解，很写实的回答一下吧，也希望专家指正：
1、国内电网行业相对封闭，很多国外的新技术和新思想并不适用于国内，根本没施展的基础和环境；
2、但国内电网行业技术上并不算落后，对国外相关技术的研究其实也都有及时跟踪和深入理解，只可惜，如1所述，确实没啥空间。
3、要玩大数据的前提是首先要有大数据，以前电网建设重点都集中在生产环节，配用电环节关注较少，而生产环节，起码目前，还谈不上大数据，相关的数据挖掘倒是一直都需要，也一直都在用。用电信息采集系统（用户能见到的就是智能电表）等的大面积推广，意味着与用户交互最多的配用电环节开始得到重视。
4、配用电环节要做到智能化，确实需要基于海量用户用电特征数据分析，进而实现台区的负荷预测、用电调度、有序用电等等。但遗憾的是，理念归理念、技术归技术、现实归现实，虽然智能配用电这一块理论上都设计的很好，但现实中还有很多问题。
5、以用电信息采集系统为例，其实是一个收集用户用电行为特征最好的前端设施，这里需要分钟级的数据采集频率，目前一般是15分钟。即一个小时采集4次。但由于用户住宅区的分布杂乱无章，要想采用重新布线的有线方式传输数据显然投资过大，PLC又慢又很不稳定。无线的话，GPRS目前使用较多，不过呢，大量用户数据都走GPRS，且不说费用，数据拥塞是避免不了的，受环境影响，干扰和屏蔽也较多。这样一来，后台收集数据经常会出现延迟和丢包情况，因此很多数据根本无法全部有效采集。也就不存在完整的海量数据一说，那么又到哪里去分析呢？
6、国内确实建设了一些完整的智能电网小区试点，用户家里也可以用智能插座，这种环境下用户数据可以得到有效收集，如果用户量较大，必然会产生大数据，相对也就需要大数据技术来处理和分析，从而进一步提高电网智能服务水平。但这种整体的改造要用到目前现有电力系统中，显然不现实，成本过高，电老大再有钱，也不可能去干这种事。
7、从电力的后台系统来说，涉及到了大量的各种业务系统，但这些系统多年的建设过程中因为缺乏顶层设计，所以大多自成体系，数据很难互通共享并提供上层应用服务，因此即便这些数据真的也是海量大数据，但要实现整体的分析挖掘，难度依然十分巨大。
8、风电、太阳能、包括微网的分布式能源接入，其实跟前端用户用电行为是密切相关的，由于目前还没有低成本高效率的储能系统，因此怎么分配这些能源，怎样与现有配电网很好的结合也会是十分麻烦的问题，要知道风电和太阳能等都是不确定性能源，对现网冲击还是很大的。这确实也需要数据分析技术的支持，譬如对风电准确的预测等。这些技术都很早就有人在研究，谈不上大数据。除非是大电网环境下，整体都构建成分布式能源，这时候可能才算得上是大数据吧。
8、总结一下，从未来看，智能电网的实现的确需要大数据做支撑，但在我国电网环境下，这将还是一个漫长的过程。当前说大数据，更多是噱头，吸引眼球和忽悠项目罢了。大部分省级公司的数据更多应该还是结构化运营数据，顶多T级了。

㈡ 数据仓库与数据库的主要区别有

首先我们来了解数据仓库和数据库分别是什么：
1、数据库:是一种逻辑概念，用来存放数据的仓库，通过数据库软件来实现。数据库由很多表组成，表是二维的，一张表里面有很多字段。字段一字排开，对数据就一行一行的写入表中。数据库的表，在于能够用二维表现多维的关系。如：oracle、DB2、MySQL、Sybase、MSSQL Server等。
2、数据仓库：是数据库概念的升级。从逻辑上理解，数据库和数据仓库没有区别，都是通过数据库软件实现存放数据的地方，只不过从数据量来说，数据仓库要比数据库更庞大德多。数据仓库主要用于数据挖掘和数据分析，辅助领导做决策；
区别主要总结为以下几点：

1.数据库只存放在当前值，数据仓库存放历史值；
2.数据库内数据是动态变化的，只要有业务发生，数据就会被更新，而数据仓库则是静态的历史数据，只能定期添加、刷新；
3.数据库中的数据结构比较复杂，有各种结构以适合业务处理系统的需要，而数据仓库中的数据结构则相对简单；
4.数据库中数据访问频率较高，但访问量较少，而数据仓库的访问频率低但访问量却很高；
5.数据库中数据的目标是面向业务处理人员的，为业务处理人员提供信息处理的支持，而数据仓库则是面向高层管理人员的，为其提供决策支持；
6.数据库在访问数据时要求响应速度快，其响应时间一般在几秒内，而数据仓库的响应时间则可长达数几小时