电网公司运营监测(控)体系建设研究

摘要：运营监测（控）业务以运营数据资产为依托，在企业经营管理中发挥“千里眼、顺风耳、铁算盘、预警机”的作用。本文以国家电网公司运营监测（控）业务发展需求为背景，分析了运营监测（控）工作的现状与存在的问题，并提出了以大数据挖掘技术为支撑，以业务主题库和数据资产关联库为核心的运营监测（控）体系建设模型。本研究对电网企业运营监测（控）工作进一步提升具有很好的借鉴意义。

关键词：数据资产 业务主题库 大数据挖掘 运营监测体系 电网公司

中图分类号：TN919 文献标识码：A

1.研究背景

随着国家电网公司“两个转变”的深入推进，公司党组在“三集五大”体系建设中做出了建设总部和省（市）两级“运营监测（控）中心”的重大战略部署，实现对公司经营管理24小时即时在线监测分析，实现对规划、建设、运行、检修、营销、人资、财务、物资等业务全方位监测分析，实现对计划预算、资金收支、电力购销、资产全寿命周期、供电服务、产业发展、金融领域等全流程监测分析，构建集“全面监测、运营分析、协调控制、全景展示”于一体的综合管控平台。在国家电网公司运营监测（控）工作会议上，公司领导指出“数据是公司重要的公共资源，要牢固树立数据资产管理理念，真正将数据作为公司战略资产进行管理；各网省公司运营监测（控）中心要充分发挥主观能动性，不等不靠，主动作为；要充分利用大数据理念和方法，借鉴和应用国际最先进的技术成果和工具，与公司管理提升相结合，推动用数据来指导和管理企业，促进公司经营管理水平的全面提升”。

可见，公司依法治企、管理提升、深化大数据应用工作等新形势都对运监工作提出了新要求。运营监测（控）工作必须要以数据资产为依托、以发现问题为导向、以异动管理为抓手，以主题建设为根基，挖掘明细数据，强化监测分析，深化协调控制，通过引导、动态预警和及时纠偏，促进公司运营效率和经营效益持续有效提升。

2.运营监测（控）工作的现状与问题

当前，运营监测（控）工作已经取得了阶段性成果，初步实现对公司主营业务、核心资源、关键流程的监测分析，开始逐步发挥作用，但也存在以下一些问题。

2.1数据基础还不牢固

数据是企业管理的重要基础，是公司决策的重要依据，基础数据的偏差可能造成企业管理的失误，大量的数据失真甚至会影响企业战略决策。公司信息系统建设和应用已取得一定成效，但在运监业务开展过程中，也暴露出数据和系统应用方面存在的问题，主要表现在：业务信息系统未能实现公司业务全覆盖，业务衔接不紧密，不能有效融会贯通，业务追溯、原因分析无法有效实现；公司专业条线精细化管理程度不同，针对同一业务，由于标准不统一等原因，各专业数据未实现有效关联与集成，数据开放共享程度不够，尚未完全实现互联互通；部分业务信息系统应用水平不高，数据未实现全面在线生成，数据的及时性和真实性得不到保证，数据源头不清、多源输入，报表与业务运行数据“两张皮”；部分业务信息系统设计、开发和实施质量不高，影响系统应用，数据中心的数据可用性不高等。数据问题不仅制约了公司决策和专业管理提升，更影响了运监工作的有效开展。

2.2数据资产管理尚处于起步阶段

运营监测（控）中心作为公司运营数据资产管理部门，依据《国家电网公司运营数据资产管理办法》，目前已经接入22个专业的数万项业务指标和业务明细数据，但在建立运营数据资产管理机制，加强数据资产价值挖掘与应用方面存在欠缺。需研究制定运营数据资产管理工作方案，明确数据资产管理范围和工作内容，有序推进运营数据资产管理。需开展主数据梳理和数据字典收集，促进公司数据字典规范管理与使用。需通过公司统一的数据中心，接入运营业务明细数据，优化数据核查工具与规则，对数据流转各环节进行核查，提升运营数据质量。需切实推动大数据挖掘分析应用，提升公司运营数据资产价值。

2.3大数据平台支撑能力不足

公司大数据平台建设还处于试点研究阶段，大数据平台还未能支持运营监测相关业务应用。运营监测对数据的分析主要依赖数据分析工具和人工经验对主题数据进行分析，海量数据快速处理能力不足，难以支撑大规模海量数据的实时同步、实时存储、实时处理、实时共享和实时反馈，例如针对企业管理的分析应用数据存在一定的延时，不能满足即时查看和分析实时业务数据的需求。数据挖掘分析应用能力不强，现有的数据应用大部分为数据的可视化展现，数据集较为单一，分析方法较为传统，缺少对大规模跨业务多类型数据的深度挖掘分析，对外部数据的处理还缺乏相应的大数据分析手段和工具，难以充分发挥数据资产价值。

2.4运监体系及运作机制还需要不断完善

运营监测（控）工作的有效开展，离不开各部门、各单位的大力支持和紧密配合。省、地市、县三级运监体系初步建成，但各单位在运监业务开展、作用发挥方面还存在较大差异，部分单位对运监工作的重视和支持不够，导致业务开展不畅、作用发挥不够；业务部门对运监工作总体上是支持的，但少数部门对问题导向的管理方式认识不足，在业务信息系统数据共享、权限开放等方面未能到位。

2.5运监业务能力还需要不断提升

三级运营监测（控）中心成立以来，做了大量卓有成效的工作，初步实现业务协同运转，特别是在合法合、计划进度、效率效益、趋势研判监测分析方面实现了重要突破，在加强风险防控、强化过程管控、促进横向协同、提升效率效益等方面取得重要成效。经过两年多的实践探索，公司初步建立三级运监体系，形成了相对成熟的监测分析思路，通过开展基于明细数据的监测分析，能够有效发现异动问题。但这只是走出了重要的第一步。特别是随着法治企业建设和“三集五大”全面建成，运营监测（控）中心还需要不断拓展功能、深化业务内涵，需要更加全面有效地发挥作用。

3.基于大数据挖掘的运营监测（控）体系建设

基于大数据挖掘的运营监测体系是以大数据平台和数据资产管理为基础，以运营监测（控）业务主题库和数据资产关联库为核心，依托相应的保障机制和协调控制手段，充分运用大数据挖掘技术促进运营监测（控）工作模式转变，达到主动感知、主动预防、主动参谋的目的，并通过成果和可视化展示，为公司经营决策提供支撑，为绩效管理提供支持，为企业效率效益提供保障。如图1所示。

3.1业务模型运作模式

数据资产关联库与运监业务主题库是运营监测体系的核心组成部分。关联库立足于数据层面，注重关联关系；主题库立足于业务层面，注重因果关系。主题库和关联库相对独立但又互相促进。大数据挖掘技术贯穿监测分析始终，通过主题库和关联库的有效运作，不断挖掘数据资产的价值，实现主动式运营监测。

扩充与更新业务监测范围、实时全面监测、问题穿透分析、趋势预测以及辅助决策提升五个目标的实现依赖于对关联库与主题库中各类阈值、规则、模型的使用。运营监测模型抽取新的（实时）数据资产，使用在线计算手段对数据资产中的重要监测指标、明细数据进行统计分析，并将相关结果与两个库中存储的关联关系阈值等进行比较实现关联关系的异动监测；通过调用两个库中存储的预测模型等进行实时分析，实现趋势预测目标。运营监测模型抽取实时数据，调用两库中的关联关系、判断规则、仿真模型、决策树等模型，并结合专家经验实现对问题的穿透分析，以及方案的辅助决策目标。

关联库立足于数据角度，通过大数据挖掘以及人工梳理进行创建。关联库的创建主要有三个来源：一是通过大数据技术对海量数据资产的挖掘产生隐性、模糊的数据关系；二是通过对业务关系分析产生显性、明确的数据关系；三是通过对主题相关规则整理产生显性数据关系。

主题库立足于业务角度，考虑公司要求与专家经验的同时，通过大数据分析规律进行创建。主题库创建的基础来源于设计人员对热点难点和问题的收集、整理。监测主题对应的监测专题以及判断规则主要也有两个来源：一是对专家业务经验进行固化；二是通过大数据挖掘技术产生数据之间的关联规律及规则。大数据挖掘既可以直接作用于主}库，又可以通过关联库间接作用于主题库。

大数据技术贯穿整个运营监测的始终，是对专家经验的补充、验证与提升，是公司运营监测工作实现科学、高效、经济的有力保障。

3.2大数据挖掘对运营监测（控）工作的支撑作用

3.2.1扩充或更新业务监测范围

运用大数据技术创建数据关联关系，发现数据关联规律，设定关联关系阈值，进而扩充业务监测范围或更新监测内容。

3.2.2对实时监测分析的支撑

运用大数据在线计算、分布式计算等技术，丰富业务的监测计算手段，实现业务的实时监测分析。实时监测分析主要包括业务数据及其关联关系异动监测两个方面。对于业务数据，重点关注监测对象的选取，同时考虑准确性、及时性；对于关联关系的异动监测，首先选择核心的关联关系，对其变动趋势进行实时监测。

3.2.3对问题穿透分析的支撑

大数据挖掘技术对问题穿透分析主要体现在两个方面：一是采用大数据挖掘技术寻找数据之间的关联关系来深入发现问题。通过大数据关联分析方法可以很好地分析出数据之间存在的关联关系，并确定关联关系的强弱来寻找潜在的问题细节。二是基于某个业务主题，采用大数据技术对数据进行深入挖掘和分析，在关联分析的基础上，结合专家经验的梳理可以很好地促进公司对于问题因果原因的判断，追本溯源，定位问题的根源。

3.2.4对业务趋势预测的支撑

主动探寻事前预防监测的范围，并运用大数据挖掘技术创建业务预测分析模型，使运营监测从事后寻因转为事前预防监测。大数据挖掘中通常构建各类预测模型来实现对指标数据以及业务明细数据的预测。对于离散型的数据通常使用分类模型来实现预测，对于连续性的数据通常使用回归模型来实现预测。常用的分类分析方法有决策树、神经网络、支持向量机等，常用回归分析方法有线性回归分析、逻辑回归分析、Cox回归分析等。不论是分类预测还是回归预测，基于大数据的预测通常都需要对大量准确、全面的历史数据进行训练，不断地调整相关参数才能得出准确的预测模型。通常利用大数据的分布式计算来实现预测模型的创建，利用内存计算来实现对于监测指标或者业务明细数据的实时预测。

3.2.5大数据挖掘对数据资产关联库、运营监测主题库的支撑

大数据挖掘对数据资产关联库的支撑作用主要是通过大数据挖掘技术发现数据之间关联关系和统计规律，创建重要数据的预测分析模型。

大数据挖掘对运营监测业务主题库的支撑作用主要是大数据挖掘技术将主题的监测分析对象拓展到明细数据，促进规则和算法的产生并实现实时监测和在线分析，通过挖掘数据关联支持穿透分析，借助预测算法和模拟仿真等技术完成影响分析和改进策略研究。

3.3数据分析成果的可视化展示

为有效推进运用大数据挖掘进行主动式运营监测工作，需建立成果与可视化展示管理体系，实现相关工具、模型、典型经验和创新成果等统一管理和展示。

通过对数据资产关联库中的指标与指标、指标与明细数据、明细数据与明细数据之间的关联关系进行常规的大数据挖掘以及成果展现，对其中清晰的、明确的关联关系进行数据关联展示，对于模糊的、隐藏的关联关系可以通过数据溯源、数据模拟和穿透查询，在组织机构层级、数据频率等维度进行明细数据查看，支撑运监业务主题库的进一步分析。数据资产关联库可视化展现分为数据溯源展示、数据关联展示和数据模拟展示三部分。

对运监业务主题库中的主题进行长期、持续的大数据挖掘以及成果分析后，将其中数据稳定、结果可靠的主题形成固定的可视化展现场景。可视化场景包括主题故事线、监测对象、监测数据、轻度数据处理工具、可视化UI展现界面等内容。通过可视化展现方式，借助图形化手段将大量数据展示，提升监测主题的交互性，并能够从大量的数据中快速发现异常、捕捉规律，同时达到信息的快速传递。

3.4运营监测（控）工作的协调与控制

协调控制业务是运营监测（控）中心围绕公司运营管理，基于运营监测业务需求，通过横向协同和纵向管控方式，针对运营数据资产管理、数据资产关联库和运营监测（控）业务主题库建设及应用全过程，开展数据管理、异动协调、专项协调、辅助决策等工作内容，协调相关部门消除异动、解决问题、防范风险。

协调控制是运营监测（控）中心的重点工作之一，贯穿主动式运营监测业务的所有关键环节，通过协调控制发挥中心对外沟通的桥梁作用。协调控制机制的建设能够促进数据资产关联库、运营监测（控）业务主题库建设过程中相关数据管理、异动协调、专项协调、辅助决策等内容的高效办理，以“运转灵活”“沟通到位”“信息流畅”为关键工作特色，推动数据资产关联库和运营监测（控）业务主题库研究工作深入，提高协调控制任务及其工作单的办理效率，推进跨部门业务协同。

基于大数据挖掘的运营监测（控）体系建设是公司挖掘数据资产价值，促进经营管理变革，适应电力体制改革的必由之路，建议在遵循大数据挖掘、运营监测（控）业务以及信息化建设等客观规律的基础上，合理规划，高效推进，力争早出成效，为公司把握时代脉搏，加快发展提供有力支撑。

参考文献：

[1] 李小兰，田小蕾，倪志坚，冯柳.基于大数据挖掘的运营监测分析研究[J].东北电力技术，2016 37（3）：38-42.

[2] 张婧，王文辉.大数据挖掘平台在电力运营监测工作的应用[J].电力设备，2016（20）.

[3] 于海平.基于数据挖掘技术的运营监控系统[J].电气技术，2016 17（9）：147- 149.

[4] 卢建昌，樊围国.大数据时代下数据挖掘技术在电力企业中的应用[J].广东电力，2014（9）：88- 94.