可以肯定地说，卡罗尔·L.斯蒂米尔著的《智能电网大数据分析》是一本实用的书，也是一本能够带来希望和积极改变的书。电力供应应该深深植根于普遍使用的原则。当所有人都能用上电时，清洁可靠的能源有助于减轻贫困、改善社会现状、加强经济发展。在发达国家，我们知道这是真实的。我们生活的数字化时代证明了能源安全的重要性。在全球范围内，我们看到电气化为经济发展和提高生活质量带来的重要贡献。尽管如此，要实现这个至高无上的工程成就，我们仍然面临着很大的挑战。

卡罗尔·L.斯蒂米尔著的《智能电网大数据分析》解决了运用大数据技术和方法对构成公用电网的关键基础设施进行分析的需求问题；介绍了如何建立一个数据分析方案，并以此来应对现代电网操作方面的挑战，同时该方案也会满足温室气体法规中对电网运营的要求；介绍了如何解决收集和存储电网信息的问题，以及如何分析和处理这种新形式的信息，进而确保实现智能电网投资中获益。

第一部分 数据分析的变革力量

 第1章 将智能引入电网

1.1 章节目标

1.2 建立数据驱动型电力公司的必要性

1.3 大数据：当我们看到它时，我们了解了

1.4 什么是数据分析

1.5 从头开始

 1.5.1 注意差距

 1.5.2 文化转型

 1.5.3 个人案例研究

 1.5.4 “灵应盘”经济学

 1.5.5 一如既往的业务对电力公司是致命的

 1.5.6 生存与灭亡

1.6 通过智能电网数据分析发现机会

 第2章 构建数据分析基础

2.1 章节目标

2.2 毅力是最重要的工具

2.3 构建数据分析架构

 2.3.1 数据管理的艺术

 2.3.2 管理大数据是一个大问题

 2.3.3 真相不会给你自由

 2.3.4 每个办法不能“包打天下”

 2.3.5 解决“特定情境”的难题

 2.3.6 自主构建与外包之争如火如荼地进行着

 2.3.7 当“云”有意义时

 2.3.8 变革既是危险也是机遇

 第3章 让大数据为高价值行动服务

3.1 章节目标

3.2 数据型的电力公司

3.3 算法

 3.3.1 算法业务

 3.3.2 数据类别

 3.3.3 及时性

3.4 看得见的智能

 3.4.1 记住人类

 3.4.2 客户的问题

 3.4.3 电力公司的变革

 3.4.4 越大未必越好

3.5 评估业务问题

第二部分 智能电网数据分析的优势

 第4章 在电力公司中应用数据分析模型

4.1 章节目标

4.2 了解数据分析模型

 4.2.1 到底什么是模型

 4.2.2 警告：相互关系并不意味着因果关系

4.3 使用描述性模型进行数据分析

4.4 使用诊断性模型进行分析

4.5 预测性分析

4.6 规范性分析

4.7 电力公司的优化模型

4.8 面向情境智能

 第5章 企业数据分析

5.1 章节目标

5.2 超越商业智能

 5.2.1 电力预测

 5.2.2 资产管理

 5.2.3 需求响应和能源分析

 5.2.4 动态定价分析

 5.2.5 收入保护分析

 5.2.6 打破部门间壁垒

 第6章 运营分析

6.1 章节目标

6.2 调整力量以改善决策

6.3 洞察的机会

6.4 关注有效性

6.5 分布式发电运营：管理混乱

6.6 电网管理

6.7 弹性分析

6.8 从运营数据分析中提取价值

 第7章 客户运营和参与分析

7.1 章节目标

7.2 提升客户价值

 7.2.1 客户服务

 7.2.2 高级客户细分

 7.2.3 情绪分析

 7.2.4 收入追缴

 7.2.5 呼叫中心运营

 7.2.6 客户沟通

7.3 为了客户需要具备什么

 7.3.1 提升账单的价值和面向客户的Web门户

 7.3.2 家庭能源管理

 7.3.3 战略价值

 第8章 网络安全分析

8.1 章节目标

8.2 电力行业的网络安全

 8.2.1 对关键基础设施的威胁

 8.2.2 智能电网是如何增加风险的

 8.2.3 智能电网是阻止黑夜灾祸的机会

8.3 大数据网络安全分析的作用

 8.3.1 预测和保护

 8.3.2 网络安全应用

 8.3.3 主动方法

 8.3.4 协调网络安全的全球行动

 8.3.5 风险变化的格局

第三部分 实施持续变化的数据分析程序

 第9章 寻源数据

9.1 章节目标

9.2 了解寻源数据

 9.2.1 智能电表

 9.2.2 传感器

 9.2.3 控制设备

 9.2.4 智能电子设备

 9.2.5 分布式能源

 9.2.6 消费者设备

 9.2.7 历史数据

 9.2.8 第三方数据

9.3 如何处理大量的数据源

 第10章 大数据集成、框架和数据库

 10.1 章节目标

 10.2 这是要花成本的

 10.3 存储方式

 10.3.1 超大规模存储

 10.3.2 网络连接存储

 10.3.3 对象存储

10.4 数据集成

10.5 低风险方法的成本

10.6 让数据流动起来

 10.6.1 Hadoop

 10.6.2 MapReduce

 10.6.3 Hadoop分布式文件系统

 10.6.4 如何帮助电力公司

10.7 其他大数据库

 10.7.1 NoSQL

 10.7.2 内存或主内存数据库

 10.7.3 面向对象的数据库管理系统

 10.7.4 时间序列数据库服务器

 10.7.5 空间和GIS数据库

10.8 丰富并非好事

 第11章 提取价值

11.1 章节目标

11.2 我们需要明确的答案

11.3 从数据中挖掘信息和知识

11.4 数据提取过程

 11.4.1 当更多不总是更好的时候

 11.4.2 提升性能

 11.4.3 Hadoop：专门为批量数据服务的平台

11.5 流处理

 11.5.1 复杂事件处理

 11.5.2 过程历史数据库

11.6 避免非理性繁荣

 第12章 电力公司的展望

12.1 章节目标

12.2 大数据的理解

12.3 为什么人类需要可视化

12.4 人类感知的作用

12.5 可视化的电力公司

 12.5.1 推进商业智能

 12.5.2 高影响力的运营

 12.5.3 提高客户价值

12.6 实现这一切

 第13章 变革伙伴关系

13.1 章节目标

13.2 大数据带来重大责任

13.3 隐私，不是承诺

 13.3.1 同意

 13.3.2 数据管理

 13.3.3 治理

13.4 加强隐私

 13.4.1 使同意成为可能

 13.4.2 使数据最小化

 13.4.3 元数据的作用

13.5 未来的电力公司是一个很好的合作伙伴

关键词