2003年8月14日美加大停电，殃及美国东北部的密歇根、俄亥俄、纽约、新泽西、麻萨诸塞、康涅钬格等8个州及加拿大的安大略、魁北克2省。共损失61,800MW负荷，100多座电厂停机（其中包括22个核电厂），停电范围9300多平方公里，受影响区域人口5000万。

    我国电网也有过类似的事故。如2000年10月13日，由于四川二滩水电站的异常停机，造成7秒甩出力89万KW，川渝电网几乎瓦解等。

    8.14美加大停电的最终分析报告在半年后（2004年4月）形成，其中首要的四个原因为：（参见《Final Report on the August 14, 2003 Blackout in the United States and Canada: Causes and Recommendations》）

● 没有正确评估和理解输电系统存在的薄弱环节和事故隐患，没有控制电网电压在正常的范围之内；
● 缺少紧急状况的预警，输电公司没有正确意识到系统状态恶化的严重后果；
● 没有正确和及时处理电网的重建，造成事故的扩大；
● 没有取得电网的实时数据进行分析，错过了事故分析和预警的技术支持时机。

    目前我国的总装机容量已经跃居世界第二位，仅次于美国。随着国内经济的快速发展，电力的需求量也在快速增长。我国目前处在一个能源消耗总量和GDP能耗双高的状态。电力输送作为电力生产和消费之中非常重要一环，如何既保证电力输送过程中的安全可靠，又要实现经济输电，为降低单位GDP的能源消耗做出应有的贡献？是一个值得认真研究的课题。

    安全输电意味着及时和准确掌握系统中的设备状况、系统的运行状况、电力的供求关系，随时分析系统中可能的隐患，和出现问题的及时处理等。而经济输电就是电力供应的合理调配、合格理利用可再生能源、减少输送过程中的损失，及利用经济杠杆对用电量进行调节等。

我国的电力系统，无论是电力生产还是电力输送，由于引进了大量的国外先进技术，再加上国内电力行业科技有迅速发展，自动化控制程度和信息化程度都是很高的。这些先进的技术主要集中在发电厂、变电站和调度中心等环节。这些环节都有各自的完善的控制和保护系统，可以很好的起到安全、经济运行的目的。

    电网公司作为一个大的输电网络，包含了许许多多这样的完善的环节。如何让这些电力生产和输送过程中的众多环节更好地协同工作，实现又全安又经济的模式？这恰恰是一个涉及面广、复杂度高、需要综合分析和及时反应的‘宏观’问题。

    以解决海量数据的及时、全面、准确的分析为目的的商务智能技术，正好为解决电网公司的所面临的分析和决策问题提供了技术解决方案。

    商务智能技术于90年代初起源于北美，近两年传入中国。经十余年的发展，商务智能技术在欧美等国已经成为一项十分成熟的技术，是各行各业在信息化达到一定程度后的一种依赖性技术。无论是商业公司还是政府机关，都在广泛地利用商务智能技术。商务智能的英文叫做Business Intelligence（简称BI），所以也有人把它翻译成“业务智能”。也就是说商务智能技术是基于信息和数据从业务的角度对管理和决策提供智能化的支持。

    近几年在北美的电力输送公司（Independent System Operator (ISO)）陆续启动自己的商务智能系统。用于分析和支持电力的输送和销售中的问题。其中加利福尼亚的输电公司使用BI系统建立电网数据仓库就是很好的例子。（参见《Using BI Tools to Consolidate Energy Grid Data》 by Heather Havenstein）

    建设电网商务智能系统第一步是设站电网的数据仓库（Data Warehouse）。如下图所示。数据仓库中集中了：发电、输电、变电、配电、用电各个环节的运营数据，以及电力地理信息系统数据、电网所覆盖区域的社会经济数据，另外还有MIS系统数据、设备的状况、人员状况，及其它相关的历史和现在的数据。

    数据仓库提供用户用于决策支持的当前和历史数据，这些数据在传统的操作型数据库中很难或不能得到（如控制系统，或MIS系统中的数据库）。数据仓库技术是为了有效的把操作型数据集成到统一的环境中以提供决策型数据访问的各种技术和模块的总称。所做的一切都是为了让用户更快更方便查询所需要的信息，提供决策支持。

    数据仓库建立时遵循以下四个原则：

    数据集市是为了特定的应用目的或应用范围，而从数据仓库中独立出来的一部分数据，也可称为部门数据或主题数据（subjectarea）。针对于我们目前所关心的问题，可分为以下六个主题来建立数据集市：事故分析集市、损失评估集市、系统状态集市、电力生产/使用平衡分析集市、输电损耗分析集市、经济效益评测集市等。

    数据集市中的数据以多维的形式进行组织。在电网系统中，我们可以考虑以下通用维度，并可以在特定的集市中增加其它维度。通用的维度包括：地域维度、时间维度、变电级别维度（电力输送自然维度）、行政管理维度、电力消耗者的行业维度、输电过程中的保护逻辑上的自然维度等。

    主题分析是基于数据集市使用OLAP技术进行多维分析，即从多角度分析和查找同一个问题。专题应用是主题分析的进一步扩展。围绕着多维数据的分析，针对某一特定的问题进行深入的分析。我们在后面将给出具体的主题分析和专题应用的实例。

    数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据集中识别有效的、新颖的、潜在有用的，以及最终可理解的模式的非平凡过程。它以数据仓库为基础，涉及到数理统计、神经网络、数据库、模式识别、粗糙集、模糊数学等相关技术。通过数据挖掘可能帮助我们实现电力输送过程中可能涉及到的：分类或预测模型数据挖掘、数据总结、数据聚类、关联规则发现、序列模式发现、依赖关系或依赖模型发现、异常和趋势发现等等。从而实现人工及其它系统无法发现的规律或异常情况。

    电网BI系统建成后，可以根据不同时期的需求，在数据仓库的基础上搭建各种具体的应用。下面举几个可能的实例进行说明。

    而电网BI系统则不同。它综合了各种与事故可能相关的数据在一起。这些数据被有机的整合或关联在一起。再通过成熟的BI分析工具及分析方法，很快就能找到事故的原因所在。

    事故发生后，系统马上获得数据范围的数据。而与事故范围内的设备状况、社会经济状况、恢复系统所需的时间和费用数据等等相关数据已经是系统已知的数据。此时一个准确的事故评估就会在瞬间得出。

    如果我们在事故的中间进行这种快速的评估，就能为事故的紧急处理提供及时准确的决策支持。帮助我们选择损失最小的处理方案。

    BI系统不但保存着大量的历史数据，同时也获取输电过程中的实时数据。通过必要的设置，系统就会随时对各种异常进行提示。为避免事故的发生提供宝贵的时间。

    注意，这里的预警并不是控制系统级别的报警。设备的异常、负荷的异常波动等，控制系统都有自己的声光报警。单独对控制或调度系统来讲，本身的声光报警功能是可能满足安全运行的需要的。BI系统的预警功能是综合了更多的外界因素，在综合分析、比较及预测的基础上产生的。比如，能预测到用电量进入高峰前有大量的线路仍处在查修或长期没有检修状态。又如一时期的某一局部（任何维度）的部用电量与往年比较出现大幅度的变化。

    事故预想和制订事故处理预案是电力输送过程中常用的方法。而如何制订预案、制订哪些预案，又何时应该启动预案呢？常规的做法需要运行人员在长期的运行过程中积累经验，一点一点的总结。

    而BI系统不仅可以把预案从运行的角度扩展到运营的广度来考虑，还可以根据预案的启动条件，在需要时自动启动预案的处理过程。让电网的运营做到事事有准备，临危不乱。

    今天的电网调度除了保证电力的供需平衡、和安全运行外，具有更多的责任。如何保证重点地区、重点时间、重点单位的用电？如何充分利用可再生绿色能源？如果考虑电网的设备状况、负荷分布，峰峪负荷、各电厂的能耗率、电价的差异等等各项批示，如何决定又安全又经济的调度方案呢？

    这些时时变化的，复杂的相互影响因素，只靠经验来做决策是不科学的，也是不现实的。此时只有BI系统可以给我们提供及时的可靠的证据，帮助我们做出正确的决断。

    有了整合后的大量历史数据和各种可能影响电力需求的数据，有很多途径可以实现用电量的预测。

    其中常用的方法包括：趋势分析、横向和纵向的比较分析，以及数据挖掘等方法。也可能通过综合手段建立一个预测分析模型来实现各地区不同时期、不同时段的电力需求预测。

    随着我国电力市场的发展，竞价上网已经是必然趋势。但如何决定不同性质的发电、不同地区、不同时间段的上网电价是一个困难的课题。它不仅是输电集团、发电集团的课题，也是整个国家经济发展的课题。

    无论是哪个环节，竟价上网意味着电力的进一步商品化和市场化。市场化了，就不能单纯从生产一个角度考虑问题。而是要从产、供、销多个环节综合的评定。具有综合分析能力的BI平台正是解决这一问题的关键平台。

    目前煤炭和原油可以有期货交易，具有预测能力BI系统就不能带来电力的期货交易吗？

    有了上面的几个例子。BI系统帮助投资方案的决策就很好理解。通过评估、预演等手段，不难找出故障隐患最大的地方，或是投资回报最高的地方，或是将来电力缺口最大的地区等等。

    通过BI系统的各种综合分析手段，科学地制定上网电价和销售电价，以输电过程为纽带，就可以实现用经济杠杆来调节发电企业和高能耗产业主动降低能源消耗。

    此外，及时提高事故预警、对事故的快速反应、优化的配电方案等又有力保证和电网本身要输配电过程中的内耗降低。从而为降低单位GDP能耗做出电网集团应用的作用。