智能電網大數據分析（簡體書）

主要內容如下：
解決了運用大數據技術和方法對構成公用電網的關鍵基礎設施進行分析的需求問題；
介紹了如何建立一個數據分析方案，並以此來應對現代電網操作方面的挑戰，同時該方案也會滿足溫室氣體法規中對電網運營的要求；
介紹了如何解決收集和存儲電網信息的問題，以及如何分析和處理這種新形式的信息，進而確保實現智能電網投資中獲益。

Carol L. Stimmel於1991年在為氣候研究寫代碼和為3D系統建模時開始使用“大數據分析”一次=詞――很多年後，這個詞已經變成流行詞。在這23年中，她花了7年的時間關注能源行業，包括智能電網的數據分析、微電網、家用自動化、數據的安全和隱私、智能電網的標準以及利用可再生能源發電。同時她也主要參與新興技術市場研究，包括工程、設計新產品以及向電力公司和其他能源行業的利益相關者提供市場情報和數據分析。

第 一部分　數據分析的變革力量
第 1章　將智能引入電網　3
1.1　章節目標　4
1.2　建立數據驅動型電力公司的必要性　5
1.3　大數據：當我們看到它時，我們瞭解了　7
1.4　什麼是數據分析　9
1.5　從頭開始　11
1.5.1　注意差距　11
1.5.2　文化轉型　12
1.5.3　個人案例研究　13
1.5.4　“靈應盤”經濟學　14
1.5.5　一如既往的業務對電力公司是致命的　16
1.5.6　生存與滅亡　16
1.6　通過智能電網數據分析發現機會　18
第 2章　構建數據分析基礎　19
2.1　章節目標　20
2.2　毅力是最重要的工具　21
2.3　構建數據分析架構　22
2.3.1　數據管理的藝術　24
2.3.2　管理大數據是一個大問題　24
2.3.3　真相不會給你自由　24
2.3.4　每個辦法不能“包打天下”　27
2.3.5　解決“特定情境”的難題　27
2.3.6　自主構建與外包之爭如火如荼地進行著　29
2.3.7　當“雲”有意義時　31
2.3.8　變革既是危險也是機遇　32
第3章　讓大數據為高價值行動服務　35
3.1　章節目標　36
3.2　數據型的電力公司　37
3.3　算法　38
3.3.1　算法業務　39
3.3.2　數據類別　40
3.3.3　及時性　40
3.4　看得見的智能　42
3.4.1　記住人類　44
3.4.2　客戶的問題　44
3.4.3　電力公司的變革　46
3.4.4　越大未必越好　47
3.5　評估業務問題　48

第二部分　智能電網數據分析的優勢
第4章　在電力公司中應用數據分析模型　53
4.1　章節目標　54
4.2　瞭解數據分析模型　55
4.2.1　到底什麼是模型　57
4.2.2　警告：相互關係並不意味著因果關係　58
4.3　使用描述性模型進行數據分析　59
4.4　使用診斷性模型進行分析　60
4.5　預測性分析　61
4.6　規範性分析　63
4.7　電力公司的優化模型　64
4.8　面向情境智能　65
第5章　企業數據分析　67
5.1　章節目標　68
5.2　超越商業智能　69
5.2.1　電力預測　70
5.2.2　資產管理　70
5.2.3　需求響應和能源分析　72
5.2.4　動態定價分析　78
5.2.5　收入保護分析　80
5.2.6　打破部門間壁壘　81
第6章　運營分析　83
6.1　章節目標　84
6.2　調整力量以改善決策　85
6.3　洞察的機會　86
6.4　關注有效性　87
6.5　分布式發電運營：管理混亂　90
6.6　電網管理　91
6.7　彈性分析　94
6.8　從運營數據分析中提取價值　95

第7章　客戶運營和參與分析　97
7.1　章節目標　99
7.2　提升客戶價值　99
7.2.1　客戶服務　99
7.2.2　高級客戶細分　100
7.2.3　情緒分析　101
7.2.4　收入追繳　102
7.2.5　呼叫中心運營　103
7.2.6　客戶溝通　104
7.3　為了客戶需要具備什麼　107
7.3.1　提升賬單的價值和面向客戶的Web門戶　108
7.3.2　家庭能源管理　110
7.3.3　戰略價值　111
第8章　網絡安全分析　113
8.1　章節目標　114
8.2　電力行業的網絡安全　115
8.2.1　對關鍵基礎設施的威脅　115
8.2.2　智能電網是如何增加風險的　116
8.2.3　智能電網是阻止黑夜災禍的機會　117
8.3　大數據網絡安全分析的作用　119
8.3.1　預測和保護　120
8.3.2　網絡安全應用　122
8.3.3　主動方法　123
8.3.4　協調網絡安全的全球行動　123
8.3.5　風險變化的格局 124

第三部分　實施持續變化的數據分析程序
第9章　尋源數據　129
9.1　章節目標　130
9.2　瞭解尋源數據　131
9.2.1　智能電錶　132
9.2.2　傳感器　134
9.2.3　控制設備　135
9.2.4　智能電子設備　136
9.2.5　分布式能源　136
9.2.6　消費者設備　137
9.2.7　歷史數據　138
9.2.8　第三方數據　139
9.3　如何處理大量的數據源　140
第 10章　大數據集成、框架和數據庫　143
10.1　章節目標　145
10.2　這是要花成本的　145
10.3　存儲方式　146
10.3.1　超大規模存儲　146
10.3.2　網絡連接存儲　146
10.3.3　對象存儲　147
10.4　數據集成　147
10.5　低風險方法的成本　148
10.6　讓數據流動起來　149
10.6.1　Hadoop　150
10.6.2　MapReduce　151
10.6.3　Hadoop分布式文件系統　152
10.6.4　如何幫助電力公司　153
10.7　其他大數據庫　154
10.7.1　NoSQL　154
10.7.2　內存或主內存數據庫　155
10.7.3　面向對象的數據庫管理系統　156
10.7.4　時間序列數據庫服務器　156
10.7.5　空間和GIS數據庫　156
10.8　豐富並非好事　157
第 11章　提取價值　159
11.1　章節目標　160
11.2　我們需要明確的答案　161
11.3　從數據中挖掘信息和知識　164
11.4　數據提取過程　166
11.4.1　當更多不總是更好的時候　168
11.4.2　提升性能　169
11.4.3　Hadoop：專門為批量數據服務的平臺　169
11.5　流處理　171
11.5.1　複雜事件處理　171
11.5.2　過程歷史數據庫　172
11.6　避免非理性繁榮　173
第 12章　電力公司的展望　175
12.1　章節目標　176
12.2　大數據的理解　177
12.3　為什麼人類需要可視化　178
12.4　人類感知的作用　180
12.5　可視化的電力公司　184
12.5.1　推進商業智能　186
12.5.2　高影響力的運營　187
12.5.3　提高客戶價值　188
12.6　實現這一切　189
第 13章　變革夥伴關係　191
13.1　章節目標　192
13.2　大數據帶來重大責任　193
13.3　隱私，不是承諾　195
13.3.1　同意　195
13.3.2　數據管理　197
13.3.3　治理　198
13.4　加強隱私　199
13.4.1　使同意成為可能　200
13.4.2　使數據最小化　201
13.4.3　元數據的作用　201
13.5　未來的電力公司是一個很好的合作夥伴　202
關鍵詞　205