3. 数据质量治理框架与标准

调度自动化系统的数据质量治理不能靠“临时补数据、事后改台账”来维持，它需要一套可复用的框架把标准、组织、流程和制度串起来。本节讨论三类主流框架在调度自动化场景中的落地方式：DAMA-DMBOK 提供数据管理职能的全景视角，GB/T 36344 给出数据质量评价的维度与指标方法，而调度自动化自身的 DL/T 系列规范与《电力调度自动化系统运行管理规程》则规定了实时性、完整性、一致性的行业底线。治理工作的关键，是把这些标准“翻译”成调度主站、厂站、通信通道、模型参数等具体对象上的可执行动作。

一、标准框架的映射逻辑

DAMA-DMBOK 把数据管理划分为数据治理、数据架构、数据质量、元数据、主数据等职能域。映射到调度自动化，可以这样对应：数据治理对应自动化专业的数据质量责任体系；数据架构对应主站系统、前置采集、SCADA/EMS、模型中心之间的数据流；数据质量对应遥测、遥信、电能量、模型参数的准确率与及时率；元数据对应点表、量测定义、设备台账；主数据对应电网模型中的厂站、线路、变压器、断路器唯一标识。GB/T 36344 则从规范性、完整性、准确性、一致性、时效性、可访问性等维度评价数据质量，这些维度在调度自动化中可直接量化为：点表规范率、遥信抖动率、遥测越限误报率、模型与现场一致率、数据刷新周期达标率。

映射不是简单贴标签，而是要落到“谁负责、按什么周期、用什么指标、异常怎么处置”。例如 GB/T 36344 的“时效性”在调度自动化中对应遥测刷新周期和 SOE 时标精度，通常要求遥测刷新周期不大于 3 秒、SOE 分辨率不大于 1 毫秒；若某厂站通道中断导致数据延迟超过 10 秒，就应触发数据质量事件，而不是等调度员发现画面不刷新才处理。

二、治理组织：从“谁都能改”到“谁负责”

调度自动化数据质量问题的根源，往往不是技术能力不足，而是责任边界模糊。点表由厂站上报、主站审核、自动化处入库，但一旦出现遥信抖动或遥测跳变，常常出现“厂站说主站没核对、主站说厂站没维护”的推诿。治理组织要解决的就是这个问题。建议采用三层结构：决策层由调度自动化专业分管领导与各厂站技术负责人组成数据治理小组，负责制度审批和重大争议裁决；管理层由自动化处专职数据管家牵头，负责点表审核、模型入库、质量指标统计和月度通报；执行层由主站运行人员、厂站自动化人员、通信运维人员分别承担采集、校验、通道保障的具体责任。每个数据对象都要有明确的数据主人，例如某 220kV 线路的遥测点，其数据主人是所属厂站自动化专责，数据管家是主站自动化处对应责任人。

三、治理流程：采集、校验、发布、评价的闭环

调度自动化数据质量治理流程可以概括为四个环节，但每个环节都有具体的操作内容。采集环节要明确数据源和采集方式：遥测遥信通过 IEC 60870-5-104 或 DL/T 634.5104 规约从厂站 RTU/测控装置上送，电能量通过 DL/T 719 或 102 规约采集，模型参数通过 CIM/E 文件或模型中心同步。校验环节是治理的核心，至少包括三类校验：一是点表规范性校验，检查点号、点类型、系数、偏移量是否符合命名规范；二是量测合理性校验，检查遥测值是否在量程范围内、遥信变位是否伴随 SOE、电能量是否单调递增；三是模型一致性校验，检查主站模型与厂站实际设备、参数是否一致。发布环节要确保校验通过的数据才能进入 SCADA/EMS 实时库，未通过的数据进入待处理队列并生成告警工单。评价环节按月统计各厂站、各通道、各数据类型的质量指标，形成排名和整改清单。

以一个具体示例说明：某 110kV 变电站 10kV 出线遥测点“有功功率”上送值为 0，但该线路实际负载约 2MW。主站校验规则发现“遥测值连续 5 分钟为 0 且对应开关在合位”，触发“疑似采集异常”告警。数据管家通知厂站自动化人员检查测控装置 TA 回路和通信映射，确认是点表系数配置错误（实际变比 200/5，点表误配为 100/5），修正后重新下装并核对，遥测恢复为 2.1MW。整个过程从告警到闭环用时 2 小时，工单记录进入月度质量档案。这个例子说明，流程的价值在于让异常“被看见、被跟踪、被关闭”。

四、制度设计：让治理有据可依

制度是治理框架的“硬约束”。调度自动化数据质量治理至少需要以下几类制度：点表与模型变更审批制度，规定任何点表新增、删除、修改必须经过厂站申请、自动化处审核、主站验证三步，禁止口头通知或直接改库；数据质量考核制度，将遥测准确率、遥信正确率、模型一致率、通道可用率纳入厂站和自动化班组的月度考核，明确扣分项和整改时限；数据质量事件报告制度，规定通道中断超过 10 分钟、遥测异常超过 5 分钟、模型错误导致调度误判等情形必须形成事件报告，分析原因并制定预防措施；数据资产管理制度，明确点表、模型、历史数据、告警记录的保存周期和访问权限，防止数据被误删或未授权修改。

五、标准映射的落地检查表

为了便于实际执行，可以把标准映射关系整理成一张检查表，按季度对调度自动化数据质量治理工作进行自评。检查表不追求大而全，而是聚焦可验证的条目：标准要求是否有对应的制度文件、是否有明确的责任人、是否有系统支撑、是否有指标数据、是否有整改记录。例如 GB/T 36344 的“一致性”对应“主站模型与厂站现场一致率”，检查项包括：是否每季度开展模型核对、不一致项是否在 5 个工作日内整改、整改结果是否复核。DAMA-DMBOK 的“元数据管理”对应“点表元数据完整率”，检查项包括：点表是否包含量测类型、系数、偏移量、关联设备、采集通道等字段，缺失字段是否补录。通过这种映射检查，标准不再是抽象条文，而是可执行、可考核的治理动作。

需要强调的是，调度自动化数据质量治理不是一次性项目，而是持续运行的管理体系。标准提供框架，组织提供责任，流程提供方法，制度提供约束，四者缺一不可。实际工作中，可以先从遥测遥信准确率和模型一致率两个最关键的指标入手，建立最小可行的治理闭环，再逐步扩展到电能量、历史数据、告警数据等对象。每季度复盘一次指标变化和事件闭环情况，根据结果调整校验规则、考核权重和制度条款，使治理框架与调度自动化系统的实际运行状态保持同步。