數(shù)據(jù)是最基本的元素，也許是市政公司最寶貴的資產(chǎn)。然而，大多數(shù)市政公司僅使用他們擁有的很小一部分?jǐn)?shù)據(jù)。目前正在討論的“大數(shù)據(jù)”，我們看到市政公司正在挖潛，利用他們具有的這些財富推出新的想法，并產(chǎn)生新的價值。這不是小數(shù)據(jù)，市政公司可以從整個公共市政的無數(shù)系統(tǒng)和子系統(tǒng)獲取數(shù)據(jù)，能夠獲得對整個城市基礎(chǔ)設(shè)施方面的全面了解。這包括實(shí)時生成的結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)和非操作性數(shù)據(jù)。市政公司還可以收集和使用大量來自外部，如氣象臺和金融市場的數(shù)據(jù)。
市政的運(yùn)營每天都會產(chǎn)生大量數(shù)據(jù)，智能電網(wǎng)技術(shù)的部署會急劇增加這些數(shù)據(jù)量。數(shù)據(jù)產(chǎn)生在不同的地方，通常是職能部門，包括資產(chǎn)管理、電水氣運(yùn)營、客戶服務(wù)，市政財務(wù)、合規(guī)監(jiān)管、計劃、設(shè)計、工程和維護(hù)。這些數(shù)據(jù)通常分散在不同的數(shù)據(jù)區(qū)，有些市政公司會在中央數(shù)據(jù)區(qū)不斷同步和集中這些數(shù)據(jù)。
市政數(shù)據(jù)的最大消費(fèi)者和生產(chǎn)者是那些數(shù)以億計嵌入在設(shè)備中的傳感器或控制器，他們安裝在建筑物、變電站、發(fā)電機(jī)、變壓器和各種電水氣輸配網(wǎng)絡(luò)的設(shè)備中。這些設(shè)備用連續(xù)或離散的方式與其他設(shè)備進(jìn)行通信和互動，結(jié)合歷史或?qū)崟r數(shù)據(jù)，產(chǎn)生新的統(tǒng)計數(shù)據(jù)，這些就是市政公司數(shù)據(jù)資產(chǎn)。
新技術(shù)的測量優(yōu)勢
用大數(shù)據(jù)對現(xiàn)實(shí)電網(wǎng)進(jìn)行性能預(yù)測，這項技術(shù)引起了高管們的注意，使用新技術(shù)還需要新的度量指標(biāo)。市政公司還必須面對可再生能源、需求響應(yīng)、分布式能源等所帶來的不確定性;還必須應(yīng)對監(jiān)管、勞動力老化、電網(wǎng)資產(chǎn)老化，以及其他外部因素，如極端天氣事件等。
此外，隨著智能電網(wǎng)的投資不斷增加，政策制定者、監(jiān)管者、客戶、股東和市政公司都想利用測量新技術(shù)所帶來的優(yōu)勢。這些優(yōu)勢包括：智能電網(wǎng)對其他系統(tǒng)是否提高了柔性?諸如靈活性、可控性，可測性、可配置性、可調(diào)度性、可預(yù)測性、互操作性、可到達(dá)性、堅固性和安保性等。
基于市政公司定義和評估的度量(Metric)和關(guān)鍵績效指標(biāo)(KPI)，僅是整個數(shù)據(jù)庫中的一個子集。例如，電網(wǎng)可靠性度量：系統(tǒng)平均供電干擾時間(SAIDI)，客戶平均斷電持續(xù)時間(CAIDI);是基于配電管理系統(tǒng)和停電管理系統(tǒng)，而資產(chǎn)的健康和維護(hù)度量是從資產(chǎn)管理系統(tǒng)中導(dǎo)出。同樣，業(yè)務(wù)模式的KPI來源于法規(guī)和政策的信息，客戶服務(wù)的度量是客戶滿意度調(diào)查的結(jié)果。
只有在極少數(shù)情況下，市政公司今天的KPI是用全部可用的數(shù)據(jù)來計算的。
相關(guān)分析支持運(yùn)行預(yù)測
對人類 -- 網(wǎng)絡(luò) -- 物理系統(tǒng)(即智能電網(wǎng)和能源交換網(wǎng)絡(luò))進(jìn)行因果分析比較困難，因?yàn)檫@種系統(tǒng)非常復(fù)雜，他們實(shí)際上是系統(tǒng)套系統(tǒng)(SOS)，受眾多的變量和現(xiàn)象影響。基于因果關(guān)系的度量對理解智能電網(wǎng)以什么方式運(yùn)行非常有幫助。然而，這個環(huán)境充滿了復(fù)雜性、不確定性和相互依賴性，可能不能用因果關(guān)系來識別和解釋。
另一方面，如果把大數(shù)據(jù)相關(guān)性分析與預(yù)測、統(tǒng)計和數(shù)據(jù)挖掘工具相結(jié)合，能夠幫助市政公司發(fā)現(xiàn)：兩個變量或兩個度量的相關(guān)程度和一個量影響其他量的可能性。
相關(guān)分析并不否定理解因果關(guān)系的必要性，而是提供了更多有價值的洞察力，預(yù)測什么會影響什么。有了這些信息，可以進(jìn)行更深入的分析，更好理解問題的因果維度。
通常，很強(qiáng)的相關(guān)性意味著兩個變量之間的鏈接有更高的可能。這是一個由肯尼斯?庫基爾(Kenneth Cukier)和維克多·邁耶?舒恩伯格(Viktor Mayer-Schonberger)在大數(shù)據(jù)一書給出的重要特性。
按照他們的說法，“相關(guān)性有助于我們把握現(xiàn)在，預(yù)測未來：如果A經(jīng)常??與B一起發(fā)生，我們需要觀察B來預(yù)測A的發(fā)生。把B作為一個代理服務(wù)器，可以幫助我們捕捉A發(fā)生的可能性，甚至我們不能直接測量或觀察A。它有助于預(yù)測A在未來可能會發(fā)生什么。”
