數據是泛在電力物聯網建設的最基礎元素，其“四層”架構——感知層、網絡層、平臺層、應用層之間的有機關聯是以數據流動為紐帶實現的，通過對電力行業內外部數據的整合，最終形成泛在電力物聯網落地閉環。

同時，泛在電力物聯網建設涉及數據的分類眾多，從方便實操的角度來看，應重點在數據收集環節摒棄“數據端”思維，在數據管理環節打破數據“孤島”，在數據應用環節克服“3B”（BelowSurface、Broken、BadQuality，即隱匿性、碎片性、低質性）特征，建立以用戶為中心的泛在電力物聯網統一數據環境。

摒棄“數據端”思維 明確數據采集應用目的

在物聯網建設及工業大數據的應用實踐中，人們習慣于從“數據端”去思考問題，即不對數據進行優先級排序，而是僅基于傳感體系實現數據的被動收集，由此，海量數據導致了管理“混亂”及分析的“低效率”。當然，目前尚無法對支撐泛在電力物聯網建設的基礎數據進行“細致且精確”的分類，但至少可以從泛在電力物聯網建設的外部大環境出發，做一個“粗略且準確”的劃分，即數據收集梳理必須做到“以用戶為中心”，這體現在兩個方面：

一是采取“更好適應能源革命”的數據獲取原則。重點圍繞能源供需兩側的“不確定性”開展數據采集工作，其中供應側主要聚焦刻畫新能源“間歇性、隨機性”特征的出力數據；需求側主要聚焦用能客戶的精準需求數據、電動汽車等新型用能習慣數據、綜合能源服務數據等。

二是采取“更好滿足人們對美好生活向往”的數據獲取原則。從生產側來看，在行業加總數據的基礎上，需進一步加強對企業個體生產行為的刻畫，尤其是在產業“新舊動能轉換”過程中，準確描述新動能產業的用能用電特征；從消費側來看，需要基于智能電表、智能家居的深度應用，獲取家庭用電設備各時段的負載信息，感知、預測人的價值獲取意愿和行為。

打破數據“孤島” 提升泛在電力物聯網的成長性

作為泛在電力物聯網的主體推進單位，國家電網有限公司通過SG186/SG-ERP工程和基本多級數據傳輸網建設，具備了“系統級”數據基礎雛形。

以電力大數據應用為例，隨著電力信息化的推進，以及智能變電站、智能電表、實時監測系統、現場移動檢修系統、測控一體化系統和一大批服務于電網各專業的信息管理系統的建設、應用，數據規模、種類將快速增長。

電力大數據主要包括電網運行及設備監測數據、電力企業營銷數據、電力企業管理數據及來源于電網外部的公共服務數據、氣象數據、電動汽車充換電數據等。通過進一步梳理可以發現，這些數據分別由不同單位/部門管理，具有分散放置、分布管理的特性，數據管理的專業壁壘凸顯，數據未能有效貫通，人工錄入問題普遍存在，數據質量也有待提高，尤其是對外部數據的獲取整合能力有待進一步提高。

因此，需要建立數據中臺，盡可能采集全生命周期的信息數據，打破過去以設備獨立感知、部門獨立管理的數據“孤島”壁壘，建立互聯互通的數據環境。只有解決泛在電力物聯網數據接口的標準化問題，才能使所有上層建筑的功能層在同一個數據框架下運行，從而更好地發揮梅特卡夫定律，有利于降低新功能開發及部署成本，為系統動態拓展提供良好的成長性基礎。

克服“3B”特征 提升數據的價值密度

“3B”特性與電網應用低容錯性之間的矛盾是電力大數據分析所要解決的主要矛盾。

在電力數據的采集傳輸過程中，遠程終端單元采集、電表采集等多個環節均會對數據質量產生影響，具體表現為數據不刷新、數據跳變、數據錯誤、報表出錯等；在數據集成過程中，存在著多數據源的異構問題、數據缺失及重復記錄問題；目前還存在一些人工錄入的數據，這些數據受制于人工成本，時間間隔長且監測目標有限，會存在錄入有誤的問題。此外，當涉及到內外部數據交互應用時，由于缺少對外部數據的感知收集及關聯性分析將導致數據價值難以有效發揮。

以電力需求預測為例，當前學界及政策界在預測短期電力消費時，往往沿用中長期電力需求預測思路，將GDP增長、產業結構調整等長期因素考慮進來，缺少對中頻或高頻經濟數據的挖掘及其與電力消費數據的關聯分析，同時，也忽視了短期內對電力消費影響巨大的“小概率”事件，如極端天氣等。這導致當前對年度電力需求的預測精度較低，調整頻率較為頻繁，進而對能源電力規劃的指導作用微乎其微。

因此，需要分析基于微觀主體的高頻經濟生產及能源電力消費特征的關聯關系，不斷提升電力需求的預測精度，如將反映行業生產周期的工業生產資料PPI數據引入分析模型，可以大幅提高預測的準確度和結果的穩健性。