区别好对象模型数据与记录数据是大数据分析的基础，尽管描述事物对象的数据也可以达到PB级，如人类的基因图谱、地球大气层流动模型、电网的网络结构模型等，这些数据不是大数据，在这些对象模型上构建软件并记录的业务变化是大数据。所以在大数据应用方面存在两类数据的预处理，一类是模型数据预处理，另一类是记录数据预处理。模型层面的预处理本质是信息化建设方案的科学性、合理性。记录的完整性很大程度上也是取决于信息化方案，同时也取决于信息系统的应用过程。一旦软件上线，再作数据治理来解决模型之间的不一致性或对记录的二次“模型化”加工是一种方法论上的误导，正确的方法应该是依据企业架构和行业解决方案完善信息化架构，实现企业信息化架构规范和引导下的信息系统建设和应用，在企业层面统筹企业模型、统筹系统结构和功能界面、统一业务系统应用规范。企业的数据治理必须在建设方案中完成，系统建成系统后的数据治理是无效的，当然在系统运行过程中数据库的技术数据治理是必须的。

　　大数据应用在电网领域大有可为

　　在电网企业中，电量数据是一组典型的大数据。客户和客户的电表台账是电量数据的宿主对象，采集系统中对客户和电表台账进行建模，各用户电表的时序记录就是电量大数据。下面结合国网江苏电力开展的负荷预测大数据应用简述大数据应用方法。

　　首先是数据预处理。对象模型的预处理，依托营配调一体化，建立客户和电表台账与电网供电逻辑关系，构建电网各电压层级直至各台区到用户的关联模型；记录数据的预处理，对电量记录电度值进行年度节假日除权回原，去除电量的节假日因素，去除记录奇点和内插补全个别记录缺点等。

　　其次是分行业回归建立日电量与气温、湿度等因素用电模型，依据实时运行方式累计各台区日电量、日负荷，完成各区域、各电压等级的电量和负荷预测模型的构建，并构建模型机器学习，保持模型的时效性。

　　最后，由大数据平台给预测模型导入实时气温与前一时段的电量和负荷，实现短期、超短期的全网负荷预测。同样原理，关联宏观GDP与电量指数，结合业扩包装量变化，实现中长期负荷预测。

　　2015年，江苏电网以全样本的用户每日实时采集用电数据，结合十多年用电、业扩、气象等历史数据，建立起涵盖全省各地区、分行业以及25万专变用户和40万台公用变压器的包括温度、湿度、节假日、周末等要素的多维度用电影响模型，模型包含的数据关联关系超过110亿项，开展负荷中长期、短期、超短期预测工作，有效指导了生产工作。

　　此外，电量大数据的应用在行业内外还有大量的可应用价值，如从用电设备节能潜力分析全社会节能潜力、大用户用电特征分析行业产能利用情况、居民用户家庭活动特征等，大数据应用在电网领域大有可为。