导语
在数据空间内,通过数据挖掘的方法,以深度智能学习为核心,解决多源异构庞大复杂的影响,以此来提高电力预测精度。
牛东晓 国际欧亚科学院院士,华北电力大学经济与管理学院院长,博士生导师,教育部“长江学者”特聘教授
国家正朝着数字经济逐步转型,所有人都期待着数字经济能够创造产生更多增量价值。在这样的背景下,我们设计并提出了企业数据空间的理论体系,从定义到内容、操作,再到流程实现,将来用于支撑我们企业的数字化的腾飞。
以电力预测为例,在电力工业里面,电力预测是一件大事情。以往数据缺失、精度不够的情况下,很难做到精准预测。但随着多源数据的引入,电力预测正在变得可控。
关于电力预测,数据的来源是多样性的,有气象的、有政策的,有经济的,有系统的,同时,数据的结构又是各不相同的,从过去的纯数字型的,到现在数字+文字+图像+视频、音频这些数据,如何将这些多源异构数据处理、建模,就需要我们仔细考虑了。
早在上世纪90年代初我就开始编程做这种数据,那时候我们用的数据库,但是数据库的问题在于过于死板,在非结构化数据的处理上效率极低,并且,数据管理能力也比较低端,尤其是不能处理一些全过程使用的数据。在这样的情况下,我们一步步转型,逐渐从数据库过渡到了