编者按：从“电子行业”到“行业电子”，从“互联网+”到“电子信息+”，当前这一时期，是成电人“面向经济主战场”，“问题导向、聚焦需求”，“抓真机遇、做大贡献”的重要历史时期。长期以来，各学院已结合自身学科优势和特色，不断探索“+”的方向和路径，并已取得丰富的成果和经验。新闻中心特开设“电子信息+”栏目，采访报道各学院教师在“电子信息+”方面的故事，分享他们对“+什么”“怎么+”的理解和做法。本期为大家分享的是能源科学与工程学院李坚副教授的故事和心得。

   

　　“电力系统的良好运行，关系到我们每个人的生产生活。只有很好地解决了电力系统的‘亚健康’问题，才能为我们提供更好的电力保障。”李坚说，“大数据技术与电力行业的结合，是实现这一目标的重要尝试”。

　　目前，李坚参与搭建的电力大数据应用系统已经走出了能源学院的“电力系统广域测量与控制四川省重点实验室”，通过校企合作和校地合作，在国家电网四川省电力公司以及相关行业企业中广泛应用，产生了良好的经济效益和社会效益。

“电力大省”曾有一本“难念的经”

　　四川省是一个电力大省，包括水电在内的清洁能源占比超过80%，可向外输送的盈余电量很多。据报道，截至2015年11月26日，四川电网2015年外送水电电量首次突破千亿千瓦时大关，输送华东、西北的清洁水电达1038.41亿千瓦时，创历史新高。

　　这1000多亿千瓦时的清洁电力相当于减少火电原煤消耗4000多万吨、减少二氧化碳排放约1.5亿吨、减少二氧化硫排放50多万吨。李坚说，“如果能够为电网的安全高效运行做出贡献，这将是一件利国利民的大好事。”

　　但是，就电网自身而言，大容量的电力外送对于系统的可靠性及稳定性有着潜在巨大威胁，任何一条外送通道受阻，都会危机到四川全网的安全稳定。由于网络结构复杂，当某一级电网出现问题，而信息又无法及时传递和处理，电网系统就会按照自身的保护设定逐级自行关闭，从而引发连锁反应甚至导致整个电力系统陷入“瘫痪”。

　　2003年的“美加大停电”曾给电网安全敲响了警钟：俄亥俄州的一家电力公司没有及时修剪树木，导致在用电高峰期，高压电缆下垂，触到树枝而短路。随后，俄亥俄的一家发电厂因此下线，“多米诺骨牌”被触发。长达两天的停电事故波及5000万人，受影响面积约2.4万平方公里，所造成的经济损失每天多达300亿美元。

　　长期以来，电网的安全运行问题像悬在头顶的利剑一样，也一直考验着四川电网。“但是，这些问题并不是无解的。”李坚自信地说。

安全预警的核心问题是信息传递

　　对于电力领域的这一重大需求问题，究竟如何破题？李坚与实验室的同事们从跨学科的角度对这一问题进行了转化：要避免电力系统发生连锁反应，就需要对电力系统进行实时监测和预警，而监测和预警的本质是信息的采集与处理。

　　因此，他们首先需要广布“耳目喉舌”，监测电网远端各个结点的信息。如果出现故障，各个站点的PMU（同步测量单元）以及遥测信号可以及时检测到故障，或反映出功率的波动，这样，他们就可以提前采取应对措施，统一调动、有序管理，及时中断故障的蔓延，甚至从根本上避免故障的发生。

　　如果再配合大数据技术的挖掘分析，“防患于未然”的工作甚至可以达到更高的水准。“所有的故障都不是说来就来的，它一定会按照自己的方式给我们留下一些蛛丝马迹，我们的任务就是通过大数据分析把它们挖出来，为电力部门提供预警。”李坚说。

　　在实时监测数据的基础上，李坚与同事们把国家电网四川省电力公司在长期运行过程中积累的大量数据进行大数据挖掘，从而建立了十分有效的故障演变模型，并开发出了便捷实用的产品。“此前，这些海量数据是一个沉睡的宝藏；如今，大数据挖掘把它们从沉睡中唤醒了！”李坚表示。

                                把“个性化”管理做到极致

　　除了确保电网安全，大数据与电力的结合带来了更多惊喜，首先得益的是电力公司的管理和考核工作。
  在传统的管理模式中，国家电网要对电网公司进行考核，电网公司要对下属的各地（区）县电力部门进行考核，都要靠“手动”模式——即人工撰写、提交考核（评估）报告，费时费力且主观性很大，考核质量无法保障。

　　如今，在远端数据监测和大数据挖掘技术的支撑下，电网公司可以实时监测各地（区）县电网运行的动态数据，并通过大数据挖掘自动生成考核（评估）报告。李坚说：“以前地方电力部门做月度报告要花一个星期时间，现在，我们的系统可以分分钟搞定。”

　　大数据技术采用的是分布式处理架构，运行速度非常快。而且，这种系统的报告都是基于数据本身得出的结论，可以免受人为的或主观因素的干扰，相对而言是一种更加公正、高效的考核方式。该系统投入应用之后，整个电力公司的效率得到了极大提升，同时也帮助或倒逼基层电力部门强化了责任意识，在考核报告中瞒报、漏报的情况从此销声匿迹。

　　牵一发而动全身。大数据挖掘不仅为电力公司提供了设备的故障预警服务，也对电力公司上游的设备生产商和销售商进一步确保产品质量形成了倒逼压力。原来，电力公司对采购的每一个设备的种类、型号、来源、生产厂家、销售商等信息都有系统全面的记录，通过大数据挖掘，电力公司可以准确地判断某个厂家生产的某型号的产品的质量和寿命如何，进而为设备采购做出决策依据。

　　于是，许多厂家甚至主动联系能源学院寻求合作，期望用大数据技术为设备的生产管理等提供优化方案。这样，李坚所面向的服务对象，不仅有电力公司，而且可以向其上游和下游的更多产业延伸。

大数据“生态”的广度超乎想象

　　实际上，能源领域本来就是一个多学科交叉的领域。2011年当能源学院成立的时候，当时还在攻读博士学位的李坚就认识到，把自动化、计算机和能源“+”到一起，用跨学科的方法解决能源领域的重大问题，或将对从“发电”、“蓄电”、“输电”到“配电”、“用电”的各个环节产生重要影响。

　　尤其是当电力大数据的数据量越来越大、维度越来越多的时候，它的应用潜力也开始迅速扩展。“当电动汽车以后普及时，充电站怎样科学合理地设置呢？”在“电力系统广域测量与控制四川省重点实验室”，李坚展示了“电力大数据”应用系统的诸多功能，其中，根据车流分布的大数据分析结果进行充电站科学布点，就是特色应用之一。

　　按照李坚的丰富构想，在未来的分布式发电和供电模式中，每个人都可以把自己多余的电量出售给电网，也可以在电价较低的时候择机购电、充电；电力公司可以根据不同地区、不同人群的电能消费情况，进行科学的电力调度和配置，现在的“迎峰度夏”和“迎峰度冬”问题在以后都将不再是问题。

　　此外，该系统还可以便捷地将能源消耗数据、车流量数据等与金融或商品消费领域关联起来，进而为金融服务或商品销售提供更多的大数据服务支撑。“大数据是一个越包容就越有魅力的生态系统，电力大数据虽然发端于电网，但它的应用绝不局限于电网——它的广度超过我们的想象！”说这话的时候，李坚眼里充满了对未来的期望。