面向发电企业的商务智能系统简介

面向发电企业的商务智能系统简介： 1、引 言

随着信息处理技术的不断发展以及数据库管理系统(DBMS)的广泛应用，各行各业已建立了很多不同的计算机信息系统，积累了大量的数据。随着时间的增长和业务的不断增多，这些数据量和规模也急剧增长。人们正面临着数据的海洋，决策者如何从中得到有用的决策信息已成为一件难事。在目前日益激烈的企业竞争环境中，要求企业决策更加科学化，使企业决策层越来越意识到科学决策的重要性，而科学决策的关键是信息。数据仓库技术正是可以根据决策要求将企业里多种不同计算机系统中的有关数据集成起来，并存储到数据仓库系统(Data Warehouse，简称DW)中，通过对数据仓库中的数据的查询、分析和挖掘，发现对决策有用的信息。

现代发电企业可以通过数据仓库系统(Data Warehouse System，简称DWS)将发电企业MIS／ERP、SIS中预算数据、生产运行数据、销售数据、财务数据、市场数据等企业的内部数据和外部数据进行有效地集成，来建立发电商务智能系统(Business Intelligence，简称BI)。通过聚类、挖掘、预测等数据处理技术，来向各层决策分析人员直观显示发电企业各类生产经营和市场规律。让发电企业利用商务智能系统可以来了解市场、改进业务流程、加强客户服务和促进销售，通过分析的各种数据，透析生产经营中的内在规律，来更好地进行决策支持，提高发电企业的生产经营管理和决策水平。

在发电企业DWS中，企业的高层决策者通过主管信息系统(EIS)来进行定制容易的决策分析；企业的中层领导和业务分析人员通过联机分析处理(OLAP)中的灵活丰富的多维分析与查询，从不同的角度去分析企业的生产经营情况，对未来进行预测；业务分析人员通过即席查询(Ad Hoc Query)来从多个角度对企业内部信息资源进行灵活查询；通过灵活报表(Reporting)工具来进行灵活报表的设计。发电企业通过建立的数据仓库系统和商务智能系统，实现真正的信息共享，进行有效的预测分析，建立基于全局的辅助决策系统。

面向发电企业的商务智能系统简介： 2、发电BI系统总体结构

发电BI主要是由企业门户、知识和数字管理、数据仓库及其与外部接口、实时数据仓库等组成。发电BI系统的总体结构如图1所示。

图1 发电BI系统总体结构

1)企业门户

用户只能通过系统提供单一入口——企业门户进入系统，访问所需要的信息。

2)发电企业知识化和数字化

发电企业知识化强调发电知识管理，是以知识仓库建设为核心，对发电企业内的所有知识进行识别、组织、储存、开发、利用、传递、更新管理。发电企业数字化强调发电企业数据管理，是以发电企业管理数据模型为核心，用管理数据体系实现发电企业各层级的管理与考核。知识化电厂模型如图2所示。

图2 知识化电厂模型

3)发电企业知识管理和数据管理层次

发电企业知识管理分为知识源层、知识利用层和知识展现层；数据管理分为数据源层、数据利用、数据展现层。

知识源层提供知识管理的知识源，即知识仓库系统；数据源层提供数据管理的数据源，即业务数据库。

知识利用层是指采用知识管理工具实现对知识的搜集、组织、储存、开发、利用、传递、更新全过程管理，实现知识沉淀、知识传播、知识推进、知识安全四个机制，并采用知识挖掘工具对知识进行挖掘；数据利用层是将业务数据库中的管理数据提取到数据仓库中，利用数据仓库展现和挖掘工具实现系统的决策支持功能。

知识展现层指在企业门户上展现所有知识仓库，用户根据权限和需要访问各知识仓库；数据展现层指在企业门户上展现所有数据，包括业务系统数据和数据仓库系统数据，实现数据查询和分析。

4)外部接口

考虑到系统的扩充性及先进性，将来与总公司以及外部的信息系统连接，分别设有相应的接口，实现知识接口功能与数字接口功能。实现了发电企业与外部的知识与数据的共享与互动，也为整个集团公司的信息系统建设提供了准备。

知识管理工具与外部的知识接口。主要包括与总公司的外部知识接口，以及与外部社会团体、政府主管部门等的知识接口。知识接口利用对知识仓库的管理，将对外知识资料等汇总管理，实现了与发电企业外部的知识交流与一体化。

数据仓库与总公司数据仓库的接口。总公司数据仓库从发电企业数据仓库提取数据，通过数据模型及分析，有效掌握发电企业生产经营等各方面状态，实现了对发电企业的即时监督和控制。

5)实时数据仓库

通过发电DWS和发电企业厂级监控信息系统(SIS)将每台机组的分散控制系统(DCS)、辅助车间控制系统网和其它系统有机的集成起来，把各种不同硬件设备、不同操作系统、不同数据库管理模式的监控系统的实时数据集成起来，将全厂生产过程的实时数据和历史资料存储到实时数据仓库中，并对生产过程的资料进行计算和分析，为全厂生产过程的运行和管理提供决策依据。为保证发电企业管理决策层能够随时查看整个企业的生产情况，并及时、有效地进行生产指挥；同时为机组经济性能、安全性能的分析预测及状态检修提供数据支撑。

通过发电企业实时数据仓库与发电ERP中心数据仓库系统进行信息通讯，并向发电ERP系统提供所需要的生产过程信息，如设备运行状态、投入产出、生产技术指标等生产实时信息。并将动态数据经采集、转发、压缩、抽取后转化为所能接受的静态参数数据，供系统查询、处理、深度挖掘使用。并且，为了能够实现预知维修，在系统中留有与状态监测与故障诊断专家系统的数据接口。

充分利用发电企业实时数据仓库中的生产运行实时数据，实现对机组安全性能与经济性能的实时分析与预测；支持状态检修；提供多种分析模型和预测模型，实时成本计算，实现上网报价的辅助决策，支持竞价上网。

面向发电企业的商务智能系统简介： 3、发电BI系统功能设计

发电BI主要包括数据仓库设计和建模、数据集成(ETL)、数据存储与管理、数据分析、前端展现与可视化、信息门户等功能模块。发电BI功能逻辑结构如图3所示。

图3 发电BI逻辑结构

其中，信息的收集是按照企业管理层和决策者对信息的需求，从已有的各信息系统数据源中进行抽取、转换、装载，形成数据仓库系统所需的信息。信息的存储是对数据仓库系统中各类信息以便于统计分析的方式进行组织、存储与访问控制管理。信息的展现是利用成熟、专业、方便的前端展现工具，包括报表、OLAP分析、即席查询等，使得企业决策者、管理者、各业务部门通过上层提供的各种应用，利用WEB、GUI、API等方式对经营信息进行查看和访问，进而分析企业运行现状及趋势，以便于迅速做出科学的决策。

3.1 数据仓库和数据集市

通过发电BI可以将整个发电企业ERP、发电OA、发电企业DCS／SIS等多个数据源的信息进行集成到统一模式下进行存储，并通常将这些信息驻留在单个站点。数据仓库通过数据清理、数据变换、数据集成、数据装入和定期数据刷新来构造其内容。数据仓库收集了整个组织的主题信息，因此，它是企业范围的数据存储。发电BI允许将各种应用系统集成在一起，为统一的历史数据分析提供坚实的平台，对信息处理提供支持。

(1)数据准备

对企业的决策需求进行分析，确定相应的决策主题，并按数据仓库方法来设计数据仓库结构。通过ETL工具实现业务系统数据向数据仓库结构中进行复制、抽取、清洗。根据决策要求，将数据仓库数据向小规模数据集市的数据复制和分布。

(2)多种源数据的自动抽取、转换和加载

可以从各种关系型数据库如Oracle、DB2、SQL Server等数据库，Excel数据文件、文本文件、XML数据流等各种不同数据源进行数据的抽取、清洗、过滤、转换、计算，并且自动加载到中央数据仓库或者数据集市。

(3)数据存储和管理

数据仓库中存放着不同层次、不同粒度的大量数据。由数据存储和管理组件来负责数据仓库的内部维护和管理，包括数据存储的组织、数据的维护、数据的分发、数据仓库的例行维护等。

(4)元数据管理

元数据是整个发电BI系统的基础，系统的设计、开发和使用都是基于元数据进行的。元数据管理模块存放BI系统中的所有元信息，主要包括应用功能元信息，模板元信息，报表元信息，知识元信息，算法元信息，数据仓库元信息，ETL规则等。

3.2 决策分析平台

发电BI主要提供在线联机分析(OLAP)和数据挖掘(DM)等决策支持分析工具组成的决策分析平台。

OLAP主要以多维的形式组织和分析数据，并把在数据分析中经常要用到的求和、总计、平均、最大、最小等操作预先计算，生成同期、同比、环比、增减度等多个指标，加快查询速度。管理与分析人员可以利用OLAP复杂的查询能力、数据对比、数据抽取和报表来进行探测式数据分析了。用户可以通过OLAP从多种角度对从原始数据中转化出来的、能够真正为用户所理解的、并真实反映企业维度特性的信息进行快速、一致、交互地存取，选择相关数据后，通过切片、切块、上钻、下钻、旋转等操作，可以在不同的粒度上对数据进行分析尝试，得到不同形式的知识和结果，从而获得对数据的更深入地了解。

决策者可以通过DM按一定的规则对数据库和数据仓库中已有的数据进行信息开采、挖掘和分析，从中识别和抽取隐含的模式和有趣知识，并利用它们为决策者提供决策依据。DM根据业务主题和数据模型，从纷繁复杂的海量数据中找出其规律，进行关联、聚类、分类、预测等方面的分析。

通过基于．Net标准的中间层结构的数据分析和决策支持平台，提供权限控制、报表模板管理、流程管理、数据展现、分析应用输出等功能。负责向用户提供OLAP报表、统计报表等查询功能。

3.3 数据可视化和Web技术

系统采用多种发现知识的工具，来发现这些不同类型的知识。采用发现知识的可视化技术，使发现知识的过程和结果易于理解和在发现知识过程中进行人机交互，来了解数据之间的相互关系及发展趋势。并在互联网的架构下，支撑商业智能的各项技术是一种交融、整合的关系，以提高商业智能方案的协同性和开放性。

将各种分析结果以丰富的图形、表格、地理位置、甚至动画等直观、形象地表现出来，便于使用者观察和分析数据。

3.4 行业分析模型库

可以根据用户的需求，为不同层次的用户建立行业分析模型库，如发电行业的量本利正反预测模型、成本分析模型等科学管理和决策模型等，来辅助决策，提高客户的满意度和忠诚度，降低销售成本，提高企业盈利。

1)利润预测

根据电力市场需求的估计、生产状况估计计划产量；依据对外部价格形势的估计，确定的产品销售单价；按照公司确定的各项技术经济指标和费用指标的目标值，测算出全年可能获得的利润，并进行测算结果的分析比较，调整测算依据进行滚动测算，得出生产经营上需要达到的预计目标。

2)销售量预测

根据公司下达的利润指标和当年各类费用预测值，再按照实际可能发生的消耗值以及预测的当年单位可变成本，并根据预测的全年电价测算出全年必须完成的基础电量与竞价电量。

3)成本预测

根据公司计划确定的目标利润，根据市场需求及生产设备运行状况确定的目标产量、根据市场外部价格信息确定得产品销售单位水平及各项技术经济指标目标值，倒算出目标成本，并进行明细分解，确定最终执行成本，以及预测未来几天的不同负荷下的煤耗率和单位变动成本。

4)成本计算与报价

系统能够用从发电机组监控系统采集的各种监测数据，实时地计算出每分钟的煤流量、油流量、发电量、上网电量、厂用电量、发电煤耗率、供电煤耗率、厂用电率等。

实时地了解发电生产成本变化情况，以便采取最佳的经营策略，使利润最大化。

(1)实时成本核算

系统每天采集实时的发电量和变动成本数据，财务核算出的实际发生的和分摊的固定成本费用数据，核算出每天的实时成本、单位固定成本、单位发电成本、产量、售电收入和利润等。累计固定成本回收数额，已经完成的发电量和已经获得的利润。

(2)实时成本预测

系统能够根据成本预测数学模型预测未来一天／月／年的成本水平和变化趋势，包括预测的单位固定成本、分负荷单位变动成本、分负荷单位发电成本、分时变动成本、分时发电成本，预测的发电量、上网电量、收入和利润、保本电量、保本电价等。

(3)实时成本信息

系统每天采集实时的生产数据，实时计算出变动成本，包括煤流量、油流量、燃煤成本、燃油成本、水成本、单位变动成本等。

面向发电企业的商务智能系统简介： 4、系统关键技术

发电BI采用数据仓库和OLAP技术，对发电企业的内部和外部数据进行多层次、多角度、全方位的分析和挖掘，揭示电力市场和生产经营中等内在规律，科学地、快速地指出存在的问题、隐患并能发现对于企业至关重要的变化趋势，形成极具决策价值的战略信息。发电BI总体目标为：规划企业级数据仓库，建立一个高性能、稳定可靠，具开放性、可扩展性的数据仓库系统，完成包括对MIS／ERP中生产管理、设备运行管理、资产管理、财务管理、预算管理、燃料管理、物资管理、人力资源管理等数据以及对决策支持有价值的外部数据的整合，保证数据一致性、准确性，提供辅助决策的全局数据视图。

在此基础上依靠OLAP及数据挖掘技术建立高效、易用、实用、灵活的面向供电企业的全方位、多层次的决策支持应用分析模型以及实用的数学算法和智能的数据挖掘模型。系统实现的主要关键技术如下：

1)实现异构数据高度集成

利用XML等先进技术对发电企业的多源异构数据在语义层进行信息集成，将发电企业MIS／ERP、SIS&DCS等生产运行数据、经营管理数据、实时数据、市场分析数据等企业内部与外部的异构数据在语义层进行有效地集成，并存储到企业中心数据仓库和商务智能系统中。有效全面整合企业的人力、物流、资金流和信息流，建立企业决策完善的数据体系和信息共享机制。

充分利用发电商务智能系统中的生产实时系统数据、状态监测／故障诊断数据、性能和效率优化模型、机组基础数据、各类知识库／模型及其他生产经营管理数据等各类模型和数据，通过数据仓库、数据挖掘技术，以及与行业决策模型库等支持系统相结合，为电厂生产经营不同的管理层次提供科学、实时的决策依据，指导和优化生产经营活动。

2)提供统一决策平台

利用数据仓库技术和商务智能技术，为发电企业以及电力行业各级管理层和决策层提供一个统一的决策分析平台。通过统一决策分析平台上的一组功能强大的OLAP工具、数据挖掘工具、智能报表工具等决策分析工具，及时向发电企业经营管理和决策人员提供决策分析数据。

3)建立科学的决策模型

通过量本利预测模型、成本分析模型、费用控制模型、指标监测模型、设备监测模型等电力行业科学管理和决策模型，把电厂的管理从定性管理推向定量管理，实现从粗放管理到精细管理的跨越，一年单就各项费用(工程、燃料、材料、管理)就可为电厂可节约成本上千万，另外还可提高设备利用率，减低设备运行成本等。通过决策模型中的“实时数据及信息”、“成本综合分析”、“投入产出分析”、“报价辅助决策”等模型分析功能，是发电企业参与电力市场运营的全面、强大的技术支持系统。

4)平台技术实用化

采用目前成熟的先进技术，形成成熟的面向发电企业经营管理层和决策层的决策分析平台软件产品。我们在该平台软件实现中推行软件配置思想，采用软件复制技术和软件定制技术，具体采用数据仓库和数据挖掘技术、异构多源数据信息集成技术、联机分析处理(OLAP)、智能报表技术、组态技术(界面组态、功能组态、权限组态、报表组态)、组件技术、平台技术、工作流技术等一系列技术，充分考虑软件的可扩充性、可维护性、先进性、高效性，并通过客户的试用，测试模型、总结经验，实现决策分析平台产品的实用化。

5)个性化服务

采用基于J2EE／．net组件技术开发结构可以灵活配置的OLAP、数据挖掘、报表等决策分析工具，用户根据需要进行个性化的灵活设置。通过工作流技术来实现不同级别的用户只能看到与自己相关的数据，确保平台的安全性。

面向发电企业的商务智能系统简介： 5、结束语

利用数据仓库的集成技术，通过ETL系统集成工具将发电ERP各业务系统、以及实时数据仓库中的数据进行统计计算，存储在发电企业统一的中心数据仓库中。通过OLAP实现多维数据分析，对数据仓库中的数据进行查询和在线分析，快速发现数据之间的规律；利用数据挖掘工具对数据仓库中的数据进一步发掘出有用的知识；用决策模型库来实现多个广义模型进行组合辅助决策，建立了电力成本、利润、电量预测模型，以及预算预测模型，对发电企业的量本利等进行实时的决策分析，将它们有机集成起来形成智能决策支持系统，相互补充、相互依赖，发挥各自的辅助决策优势，更加有效地进行辅助决策。

大陆科技正致力于通过基于数据仓库技术的发电BI在发电企业信息化中进行推广应用，在华能大连电厂、山东菏泽电厂等ERP项目中发电BI均得到了有效应用。发电BI的推广应用将有利于提高电力企业尤其是发电企业的科学管理和决策水平，发挥其更大的经济效益和社会效益。