摘要：随着科学技术水平的逐渐提升，大数据已经进入到人们的实际生活中，并改变了传统的生活工作方式，本文将在大数据环境下，对电力数据质量的评价模型以及治理体系展开研究，实现对电力数据的高效准确处理。在当今时代，电力系统中的数据数量快速增长，因此传统的数据处理方式已经无法满足电力行业的要求，而在大数据环境的基础上，建立数据质量评估模型以及管理体系，则能够有效解决这一问题。
关键词：大数据；数据分析；体系建立
0引言：在大数据环境下，数据评价模型以及治理体系已经被广泛应用在各个领域中，同时也是智能化发展的重要组成部分。随着电力系统的信息化和智能化发展，其在实际运行中产生的历史数据非常多，并且处于快速增长状态。在该种条件下，要想对数据进行准确有效的处理，则需要采用与其要求相符的数据评价管理系统，实现整合电力系统数据的高效分析，本文将针对大数据环境电力数据质量评价模型以及治理体系进行重点研究。
一、大数据环境下电力数据质量评价模型
在对电力数据质量评价模型进行研究的过程中，可以从以下几个方面进行：
第一，电力数据接入数量。其中主要包括电力数据应接入量、实际接入数量以及历史数据等方面，并将以上数据作为指标进行评价考核。数据接入量需要通过数据自动采集率以及历史数据接入率进行衡量，其中历史数据接入率能够将电力系统数据中的历史数据充分反应出来，历史数据在一定的时间以及周期之内接入到实际系统中。
第二，电力数据接入时间。其中包含业务数据计入系统的及时性、上报及时性等，数据接入系统的及时性能够反映出数据在相应时间以及周期之内，实际接入到系统中的所占比例。其中可以将月、周、日作为单位对指标数据进行分析。
第三，电力数据接入的完整性。这一过程需要从数据组合的完整性、单位的完整性、指标完整性等方面进行考核评价。
第四，电力数据接入准确性。电网统计指标数据中包括线损率、供电量、线损电量以及平均用电负荷率等，在对电网数据进行质量评估的过程中，将电力数据一致性、准确性、完整性以及及时性作为评价指标，根据指标中的实际意义，确定指标评估规则，并对数据进行统一归一计算，确定数据的平均值，在此基础上确定各个评价指标所占权重。进而确定各个评估指标数据的百分比，针对不同的评估指标，确定不同的期望值。
二、大数据环境下电力数据治理体系
2.1确定电力数据治理体系框架
在建立电力数据治理框架的过程中，可以将其大致划分为以下几种类型，分别为业务数据规划设计、数据标准管理、数据质量管理以及数据安全管理四方面。
第一，业务数据规划设计。业务数据规划设计为整个数据治理工作开展的基础条件，根据电力数据治理的目标以及目前电力数据未来发展情况，制定具有前瞻性的规划工作，保证电力数据能够在今后发展中，满足外部环境的监督管理需求以及信息披露需求，进而达到内部经营管理要求，对内部的发展目标进行分析规划。而数据管理工作开展的主要目的为试下数据内部信息的共享。
第二，数据标准管理。数据标准管理能够将不同管理部门的数据需求相互统一，从全公司的数据角度入手，实现数据的有效共享，在此基础上为数据建立统一的管理标准以及管理流程，这种方式能够实现整个数据管理流程的高效统一开展，为接下来的数据共享工作提供条件。
第三，数据质量管理。数据质量管理将重点放在数据质量中，针对数据质量建立管理指标以及管理流程，利用这种方式保证数据在一定的周期内，满足整个业务数据的实际需求，进而保证数据管理质量。
安全是电力数据治理体系中的基础条件，所以需要保证整个电力系统中数据的安全性和完整性，数据安全管理能够实现这一目标。
第四，数据安全管理。在数据安全管理的过程中，根据数据监管以及业务工作的实际需求，根据电力系统中的数据信息，制定科学合理的数据分类标准，在这一标准的基础上，完成数据采集以及数据存储工作。利用安全数据管理中的分类标准，建立数据的使用机制以及授权机制，通过这种方式满足实际业务在数据安全方面的需求。
2.2建立治理体系标准
在确定数据体系标准的过程中，需要将其渗透到数据标准的制定、审核、执行以及反馈工作中，进而实现各个环节的有效渗透，以上过程可以参考同行业的监督管理标准，根据自身实际情况确定自身数据标准。采用系统的方式，实现数据业务标准的有效实施和推广。
首先，数据标准管理的实施目标，就是利用较为完整的数据通标准，为数据标准问题反馈提供渠道，实现数据管理过程中的问题的有效反馈。这一过程能够对数据标准体系以及数据标准问题反馈机制进行优化完善，并对更新数据标准进行有效维护，优化完善整个工作流程。同时确定各个岗位中的职责，保证工作模板的全面性和有效性。在数据需求定义以及理解中，实现系统内部建设以及业务部门的统一，提高业务部门以及技术部门在数据需求分析中的统一性，在该种条件下，能够保证新系统开发中数据标准的有效应用。
其次，数据质量管理能够对支持业务需求的数据，展开全面深入的管理，其中包括数据生产、数据存储以及数据使用等环节，在其中建立质量控制点，能够确定数据质量控制标准，进而对整个数据质量展开有效控制。这一过程开展的目标要根据数据在各个阶段不同的特点，建立相应的数据质量控制体系，利用这一体系及时发现数据中存在的问题，进而对数据的实际使用质量进行优化完善，最终达到提高数据实际应用价值的目的。
最后，数据安全管理则需要根据电力行业监督管理以及电力业务的实际需求，制定科学安全的数据分析标准，同时利用数据授权访问机制的方式，对整个数据的存储和应用进行规范管理。数据安全管理在实际实施的过程中，能够根据数据的敏感性、重要性建立相应的数据安全等级划分标准，并在此基础上对数据安全等级进行划分，明确数据使用人员的实际工作职责以及权限，保证数据在实际使用中的安全性和合理性。
结束语：通过以上分析能够看出，在大数据环境下，建立电力数据质量评价模型以及治理体系，能够保证各个系统以及各个业务之间的数据共享工作顺利开展，同时提高电力体系在实际运行中的数据质量以及信息化建设水平，通过提高数据质量的方式，不断提高数据应用效果，保证整个数据治理工作的可持续开展，最终达到提高电力系统实际运行水平的目的。
参考文献：
[1]乔克,颜红,江熙.基于电力数据及信息融合的电力客户行为分析[J].供用电,2020,37(06):27-32.
[2]林成,宋伟杰,廖志戈,周雅怡.大数据背景下用户侧用电数据在电力系统的应用[J].科技创新与应用,2020(16):167-168.
[3]杨桥桥,孙益楠,龚强.基于电力数据的企业复产指数研究[J].财富时代,2020(04):41.
[4]荀华,韩荀杰,张森.基于规则的电力数据指标检查系统设计与实现[J].江西电力,2020,44(04):15-19.
[5]刘杰,何靖治.广州:电力大数据凸显社会治理应用价值[J].中国电力企业管理,2020(11):93.