数据是泛在电力物联网建设的最基础元素，其“四层”架构——感知层、网络层、平台层、应用层之间的有机关联是以数据流动为纽带实现的，通过对电力行业内外部数据的整合，最终形成泛在电力物联网落地闭环。

同时，泛在电力物联网建设涉及数据的分类众多，从方便实操的角度来看，应重点在数据收集环节摒弃“数据端”思维，在数据管理环节打破数据“孤岛”，在数据应用环节克服“3B”（BelowSurface、Broken、BadQuality，即隐匿性、碎片性、低质性）特征，建立以用户为中心的泛在电力物联网统一数据环境。

摒弃“数据端”思维 明确数据采集应用目的

在物联网建设及工业大数据的应用实践中，人们习惯于从“数据端”去思考问题，即不对数据进行优先级排序，而是仅基于传感体系实现数据的被动收集，由此，海量数据导致了管理“混乱”及分析的“低效率”。当然，目前尚无法对支撑泛在电力物联网建设的基础数据进行“细致且精确”的分类，但至少可以从泛在电力物联网建设的外部大环境出发，做一个“粗略且准确”的划分，即数据收集梳理必须做到“以用户为中心”，这体现在两个方面：

一是采取“更好适应能源革命”的数据获取原则。重点围绕能源供需两侧的“不确定性”开展数据采集工作，其中供应侧主要聚焦刻画新能源“间歇性、随机性”特征的出力数据；需求侧主要聚焦用能客户的精准需求数据、电动汽车等新型用能习惯数据、综合能源服务数据等。

二是采取“更好满足人们对美好生活向往”的数据获取原则。从生产侧来看，在行业加总数据的基础上，需进一步加强对企业个体生产行为的刻画，尤其是在产业“新旧动能转换”过程中，准确描述新动能产业的用能用电特征；从消费侧来看，需要基于智能电表、智能家居的深度应用，获取家庭用电设备各时段的负载信息，感知、预测人的价值获取意愿和行为。

打破数据“孤岛” 提升泛在电力物联网的成长性

作为泛在电力物联网的主体推进单位，国家电网有限公司通过SG186/SG-ERP工程和基本多级数据传输网建设，具备了“系统级”数据基础雏形。

以电力大数据应用为例，随着电力信息化的推进，以及智能变电站、智能电表、实时监测系统、现场移动检修系统、测控一体化系统和一大批服务于电网各专业的信息管理系统的建设、应用，数据规模、种类将快速增长。

电力大数据主要包括电网运行及设备监测数据、电力企业营销数据、电力企业管理数据及来源于电网外部的公共服务数据、气象数据、电动汽车充换电数据等。通过进一步梳理可以发现，这些数据分别由不同单位/部门管理，具有分散放置、分布管理的特性，数据管理的专业壁垒凸显，数据未能有效贯通，人工录入问题普遍存在，数据质量也有待提高，尤其是对外部数据的获取整合能力有待进一步提高。

因此，需要建立数据中台，尽可能采集全生命周期的信息数据，打破过去以设备独立感知、部门独立管理的数据“孤岛”壁垒，建立互联互通的数据环境。只有解决泛在电力物联网数据接口的标准化问题，才能使所有上层建筑的功能层在同一个数据框架下运行，从而更好地发挥梅特卡夫定律，有利于降低新功能开发及部署成本，为系统动态拓展提供良好的成长性基础。

克服“3B”特征 提升数据的价值密度

“3B”特性与电网应用低容错性之间的矛盾是电力大数据分析所要解决的主要矛盾。

在电力数据的采集传输过程中，远程终端单元采集、电表采集等多个环节均会对数据质量产生影响，具体表现为数据不刷新、数据跳变、数据错误、报表出错等；在数据集成过程中，存在着多数据源的异构问题、数据缺失及重复记录问题；目前还存在一些人工录入的数据，这些数据受制于人工成本，时间间隔长且监测目标有限，会存在录入有误的问题。此外，当涉及到内外部数据交互应用时，由于缺少对外部数据的感知收集及关联性分析将导致数据价值难以有效发挥。

以电力需求预测为例，当前学界及政策界在预测短期电力消费时，往往沿用中长期电力需求预测思路，将GDP增长、产业结构调整等长期因素考虑进来，缺少对中频或高频经济数据的挖掘及其与电力消费数据的关联分析，同时，也忽视了短期内对电力消费影响巨大的“小概率”事件，如极端天气等。这导致当前对年度电力需求的预测精度较低，调整频率较为频繁，进而对能源电力规划的指导作用微乎其微。

因此，需要分析基于微观主体的高频经济生产及能源电力消费特征的关联关系，不断提升电力需求的预测精度，如将反映行业生产周期的工业生产资料PPI数据引入分析模型，可以大幅提高预测的准确度和结果的稳健性。