2011年，麦肯锡向全球发布研究报告《大数据：创新、竞争和生产力的下一个前沿领域》使得大数据在学术界产业界迅速火热。现代产业与信息技术的发展助推数据资源成为越来越重要的社会生产要素。中国国家层面提出大数据战略，鼓励深入挖掘数据资源价值，推动数据要素发力，助力社会数字化转型和高质量发展。
大数据是一个抽象概念，通常指量大、多源、异构、复杂、增长迅速，无法用常规方法处理的数据集合。大数据技术不仅是对数据的广泛收集，更重要的是要从大数据中提取知识并应用于解决实际问题。
在能源电力行业中，电力市场被看作是大数据应用的重要技术领域之一。电力市场连接着电力行业发电、输电、配电、售电、用电各环节，随着电力信息化建设的推进，市场业务从线下转为线上自动化，同时交易周期从年扩展至多日，甚至现货市场的实时交易，使得电力市场中的大数据体量巨大且复杂多样。通过对数据的科学分析和处理，挖掘应用价值，为市场交易提供决策支撑，推动电力市场健康发展。
1 电力市场中的大数据及其特点
1.1 大数据来源
电力交易中心建设服务市场的交易平台，贯通了调度、营销、财务等相关业务系统，积累了大量的数据资源，电力市场业务数据从总量和种类上都已经颇具规模，具有良好的数据基础。根据来源的不同，可以将电力市场大数据分为电力交易内部数据和外部数据。电力交易内部数据产生于市场主体注册、交易组织、结算管理等。外部数据辐射到社会经济运行数据、金融政策、一次能源供给情况、地理信息、气象信息、互联网数据、公共服务部门数据等众多数据，这些数据为市场运行、管理、服务等提供支持。
1.2 大数据特点
电力市场大数据规模庞大、机构复杂、种类繁多，除交易平台结构化数据外，还包括大量的半结构化、非结构化数据，如市场主体上传的图像资料。电力市场数据的特点具有以下几点：1）体量大。智能电表、广域测控设备的部署，使源、网、荷、储各主体产生大量历史数据且快速增长，交易平台实现关联多业务系统的贯通后可共享数据。而交易业务本身也产生大量交易各环节数据。2）多样性。交易主体、品种、周期的不同，天然使得电力市场数据多种类、多维度，需要采用如云服务等新技术和方法对其进行存储、查找、调用和管理。3）复杂性。数据之间相互作用，存在着复杂关系，有些关系随时间演变，而且由于数据的多源异构、实时性强等特点无法用传统方法充分发现其内在隐藏关系，需要引入新的分析处理手段。4）高价值。数据中蕴含着巨大的价值，可为交易中心自身以及市场主体发展提供有力的支撑，推动电力市场运营、管理和服务模式的变革。
2 电力市场大数据应用需求分析
2.1 整体应用需求
随着交易品种的丰富、交易频次的增多，给电力市场数据的价值挖掘带来了更大的空间，在市场交易、电网运行、用电营销、气象信息、地理位置、社会经济、互联网等多源数据融合的基础上，可衍生出大量新的应用，给电力市场运营和精益化管理带来新的技术手段，同时对提升市场运营效率、优化市场规则、提高市场主体决策能力、政府有效监管等方面起到积极作用。
根据服务对象的不同，可将电力市场大数据应用分为面向交易中心运营管理、面向市场主体服务和面向政府监管决策3大类，如表1。整合电力市场各环节产生的大量交易中心内部数据和外部数据，利用大数据技术充分挖掘其中的价值，对交易中心、市场主体和政府部门都具有重要意义。交易中心能够更好地掌握市场运营状态，发现市场问题，看到更多市场本质，以提高市场主体服务水平，市场主体能够更精准申报量价获取更大市场利益，同时分析结果能够帮助政府部门了解市场现状和发展走势，为制定政策提供决策支持。
表1 电力市场大数据应用场景分类
2.2典型应用场景
2.2.1成交电价预测
电力市场化改革的目的是充分优化资源配置，从而提供效率、降低成本、推动电力行业持续健康发展，促使社会效益最大化，而电价是电力市场的核心内容。能源互联网已成为能源行业的发展战略目标，是能源与信息通信系统高度融合而成的复杂大系统，区域电网互联、高比例可再生能源的接入和电动汽车的发展等，增加了市场价格预测难度。
为给市场参与者提供投资参考，协助安排生产优化计划和进一步规避市场风险，在融合市场供求关系、上网竞价发电功率、用户负荷需求、燃料价格、物价指数、消费水平、市场主体投机行为和天气等元素的基础上，考虑不同电价影响因子的影响程度，利用数据挖掘技术得到所预测的电价值。
2.2.2 市场主体行为分析
交易中心、发电企业、电网企业、调度中心、售电公司、电力用户等各类市场成员活跃于市场产生了海量市场信息，全面综合分析利用各类市场交易数据和市场主体行为相关的各种自然、社会因素相关数据，发现并认知市场主体参与市场模式，挖掘影响市场主体报量报价的关联因素，深入理解市场主体的交易行为规律(如，用户用能行为作用于交易行为)，为制定电力交易运营决策提供参考。
根据不同市场主体差异特征，建立多层次、多维度、多刻面的交易行为模型，从不同视角（如交易规模、价格等）、不同时空粒度，综合全面描述市场主体交易行为，为市场主体“贴标签”，可有效展现市场主体属性，从而提供精准服务。
2.2.3 市场主体信用评估
市场主体信用管理关乎电力市场健康。建立完善的市场主体信用评估体系，有助于规范电力市场交易，提高电力市场的机制建设和行业水平。信用评估涉及数据源广、维度多，具有典型大数据特性，借助大数据分析技术得出准确客观的评估结果，为市场主体间的互选提供可靠依据。
市场主体信用指标涉及市场主体基本信息、守信意愿、守信能力、守信表现、财务状况和信用记录6大方面，进一步可细化更多的二级、三级指标，涵盖结构化数据和非结构化数据，采用主成分分析、模糊隶属度等方法进行降维确定指标权重，利用神经网络、物元可拓等算法建模，实现准确合理评定市场主体信用等级。
3 电力市场大数据技术路线
大数据在电力市场中的应用可以分为数据收集、数据清洗、数据存储及处理、数据分析、数据解读、数据应用6个环节，每个环节的关键技术构成了电力市场大数据的技术体系。数据收集要求开发各业务系统接口实现数据贯通，为便于后续调用将数据集中存储到中央化的存储系统。数据清洗环节去掉无效、重复数据，填充缺失值，提高后面分析工作质量。数据存储及处理是数据分析和数据解读的前提，而数据分析和解读紧密联系、相互印证，共同实现大数据深层次洞察与多维度掌控，为电力市场数据应用提供知识基础。
借助于数据统计、机器学习、聚类分析、回归分析、神经网络、模糊集方法，以及数据可视化等技术，洞察并展现隐藏于电力市场大数据中的分布、关系、趋势、模式、规律乃至属性等，从中获悉市场主体交易行为模式、不同市场主体报价策略、不同规模主体议价能力、一次能源影响程度、体制机制完善方向等，衍生各类数据应用，不断提高市场效率、优化市场服务。
结束语
本文对电力市场大数据来源和特点进行分析，对大数据技术在电力市场中的典型应用场景进行具体的描述，并提出电力市场大数据应用技术路线。
电力市场信息化建设利用大数据技术，在共享平台下获取商务数据、交易数据、履约数据、结算数据，融合经济数据、地理位置、气象数据、一次能源数据、公共服务等有效数据，提炼出准确的、有价值的数据，为电力市场管理效益、决策能力提升提供帮助，带来可观的经济价值和社会效益。