大数据引领能源领域新变革

◎ 文/史丹

大数据引领能源领域新变革

◎ 文/史丹

近年来随着互联网和社会信息化、企业信息化的发展，传感设备、移动终端越来越多地接入到网络，各种统计数据、交易数据、交互数据、传感数据以及视频、语音、图片等半结构化数据和非结构化数据，以每两年大约翻一番的速度源源不断地从各行各业生成，世界已进入了“数字摩尔时期”。海量、多样化的数据使人们没有办法在可容忍的时间内，使用常规软件方法，来完成对大数据的存储、管理和处理任务，需要通过快速获取、处理、分析以从中提取有价值的数据，大数据的概念由此诞生。当前，大数据的挖掘与分析，使计算机软件和服务领域空前繁荣，为信息产业带动经济发展增加了新的动力。同时也为企业发展带来前所未有的机遇。在大数据时代，真正能利用好大数据，并将其价值转化为生产力的企业将成为行业的领导者。

能源领域应用大数据的变革与成效

能源行业是国民经济中重要的基础产业，也是产生海量数据，并对数据分析有着重要依赖的行业。

1.大数据促进新能源的开发与利用

杰里米·里夫金在其《第三次工业革命》著作中指出，“经济和社会变革总是来自新能源与新通信方式的交汇”。风能、太阳能等能源资源是可以免费获得的，并且分布广泛、能量低、具有不确定性等特点，因此发电质量较低，难以满足稳定能源供应的要求。大数据的利用为改善可再生能源发电质量提供了可能性，通过“大数据”分析进行有效地调节，可以使新能源更好地与传统的水火电进行互补，更为灵活地出力。如美国通用公司通过分析每秒上万个数据点，融合能量储存和先进的预测算法，开发出能灵活撑控120米长叶片的2.5-120型风机，并无缝隙地将数据传递给邻近的风机，效率和电力输出分别比原来提高了25%和15%。冰岛的Green Earth Data与Green Qloud公司依靠冰岛丰富的地热与水、电资源驱动，为数据中心提供了100%的可再生能源。

2.为能源规划和布局提供更精准的数据技术

美国加州大学洛杉矶分校的研究者根据大数据理论，将人口调查信息、电力企业提供的用户实时用电信息和地理、气象等信息全部整合，设计了一款“电力地图”。该图以街区为单位，可以反映各时刻的用电量，并可将用电量与人的平均收入、建筑类型等信息进行比照。通过完善“电力地图”，能更准确地反映该区经济状况及各群体的行为习惯，以辅助投资者的决策，也可为城市和电网规划提供基础依据。

地理、电网接入、周边新能源项目状态、装备实际性能和需求侧消纳等所有相关数据的云数据信息平台，可以从项目投资的整体生命周期考虑整个城市的新能源规划。丹麦风电司VESTAS计划将全球天气系统数据与公司发电机数据结合，利用气温、气压、空气湿度、空气沉淀物、风向、风速等数据以及公司历史数据，通过使用超级计算机及大数据模型解决方案，来支持其风力发电机的选址，以充分利用风速、风力、气流等因素达到最大发电量，并减少能源成本。此外，VESTAS还将添加全球森林砍伐追踪图、卫星图像、地理数据以及月相与潮汐数据，以便更好地支持基础建设的决策。

3.为消费者提供增值服务、及时把握市场动态

电力企业通过给用户提供其各月份分时明细用电视图，可比用户的用电量等数据，使消费者能够了解自身的用电习惯和可以减少的电力需要，同时也使得电力收费过程更透明。智能家居是在物联网的影响之下物联化体现，智能家居通过室内电力线将家中的各种设备（如音视频设备、照明系统、窗帘控制、空调控制、安防系统、数字影院系统、网络家电以及三表抄送等）连接到一起，提供家电控制、防盗报警、环境监测、暖通控制等功能。电力大数据通过分析用户用电设备喜好、用电时长、用电周期等信息，帮助家庭与外部保持信息交流畅通，优化设备启动时间、运转功率等，为用户节约用电资金。

我国电力系统已经成为世界上最大规模关系国计民生的专业物联网，通过与外界数据的交换，挖掘用户用电与电价、天气、交通等因素所隐藏的关联关系，将十分有助于完善用户用电需求预测模型，为各级决策者提供多维、直观、全面、深入的预测数据，主动把握市场动态，从时间和空间等多个维度进行大范围的能源资源配置。用电数据是一个地区经济运行的“风向标”，可作为投资决策者的参考依据。此外，电力企业通过历史销量数据进行用户用电行为分析和用户市场细分，使管理者能有针对性地优化营销组织，改善服务模式。在电动汽车智能充电系统中，电力大数据可以收集汽车的电池电量、汽车的位置、一天中的时间以及附近充电站的可用插槽等，通过数学模型预测，将这些数据与电网的电能消耗及历史功率使用模式结合起来。通过分析来自多个数据源的巨大实时数据流和历史数据，能够确定司机为汽车电池充电的最佳时间和地点，并提出充电站的最佳设置点，保证所有充电设备都能被有效利用，降低闲置率。

4.及时发现安全生产隐患

通过大数据相关技术让微观数据得到关联，并通过表面不相关的数据发现数据背后的秘密。使以非结构化和半结构化数据为主的海量微观数据转换为结构化的大数据，这些从微观数据中提取出的规则为大数据辅助决策提供有力支持，使管理者对安全生产“宏观”把握转变为“微观”运用成为可能。如我国某大型石化企业基于大量历史数据的分析发现，违章作业是造成该企业事故发生的重要原因之一。英国石油公司在某采油厂安装无线感应器，通过全网式的数据采集，发现有些种类的原油比其它种类更有腐蚀性，这个发现无疑可以在设备和管线的使用上加强防范，使生产更安全。

有物混成

陈宝林/摄

5.提高油气勘探水平

目前在石油勘探中最常用的是地球物理方法，其中以地震波法最为重要。地震波法的基本流程是用炸药在地面激起人工地震波，通过地震波传入地下，碰到不同形态的岩层时形成不同的反射波，这些反射波经过收集、转变成电子信号后存储为数据，然后通过对数据进行计算处理、解释和反演，就能清晰模拟出勘测区域的地下地质构造，并找到存有石油岩层的精确位置。为了了解和模拟出地下数千米的地质构造，通过地震波反射方式来收集海量数据，一般二维数据可达1-2TB，三维数据可高达几百TB甚至PB级， 然后进行大量的密集计算和模拟，计算结果出来后还要转换成直观的可视画面，方便专家对数据进行解释，为油气钻井定位提供参考。大数据分析在油气开采中具有重要价值，许多油气公司已开展这方面的工作。大数据分析帮助这些公司快速发现石油，降低生产成本，提高钻井安全性，增大产量。

能源行业大数据挖掘需要解决的问题与建议

1.打破数据壁垒，提高数据集成度

（1）大数据的价值来源在于其数据规模巨大，比传统的抽样数据包含更多的信息，因此，大数据的前提是数据开放。如果企业数据、行业数据不能开放，大数据分析就缺乏基本条件。目前我国能源行业缺乏行业层面的数据模型定义与主数据管理，各单位数据口径不一致，行业中存在较为严重的数据壁垒，业务链条间也尚未实现充分的数据共享，数据重复存储的现象较为突出。

（2）大数据的核心是不同行业、不同领域的数据交叉融合，其本质是从关联复杂的数据中挖掘知识，提升数据价值。单一类型的数据即使体量再大，缺乏共享集成，其价值也会大打折扣。由于数据涉及企业、公民等一些秘密和隐私，数据公开并非易事，目前能够从大数据获得收益的企业主要是能够取得海量数据的企业。

2.有相关的法律保障数据质量

数据的分析必须建立在真实数据的基础上，否则会产生错误的结果，这就需要建立相关的法律保障数据质量。

3.高度关注数据安全问题和数据负担成本

大数据来源是多种多样的，有些源于人的消费行为，有些则是民意收集，对于能源行业来说，更多是交互与传感数据以及统计数据。在数据收集过程中，必须考虑数据安全和为此所支付的成本。研究表明，在能源行业大数据面临的问题中数据量大占24.6%，数据分散占19.5%，缺乏有效的分析方法占18.6%，数据格式多占16.2%，数据传输效率低占11.4%，数据重复占9.7%。为此，要尽量推行自动计算功能的网络填报方式，在确保安全的条件下，使用电子签名，减少信息传递、投递的时间，降低信息收集的频度等。大数据对信息安全也提出了更高的要求，要建立与大数据相适应的安全和隐私保护机制，通过技术手段和加强企业自律来保证数据的安全。

4.最大限度地公开政府统计数据

政府统计数据是公共资源，目前我国统计数据总体看来，比较粗线条，发布滞后时间较长，不能满足数据分析的需要。从行业数据来看，能源行业的数据，尤其是电力行业数据是比较丰富的，电力数据以其同国民经济的紧密耦合可以实现对区域经济走势的准确还原，及时、全面公布能源利用数据可以加强对宏观经济发展形势的研判，规避经济风险。

5.加强信息化建设，加快人才培养

大数据是信息化发展到一定程度的产物，信息化建设为大数据发展创造了有利的市场环境。我国信息化建设水平与美国等发达国家相比还有一定差距。此外，美国一些IT行业的企业吸引了全球大量的年青优秀人才，使得这些公司不断推出创新产品。加快人才培养，尤其要为青年人发展创造有利的制度环境是我国加快信息化建设和大数据发展的重要条件。

（作者系中国社会科学院工业经济研究所党委书记）

编辑：张涵