大數據引領能源領域新變革

◎ 文/史丹

大數據引領能源領域新變革

◎ 文/史丹

近年來隨著互聯網和社會信息化、企業信息化的發展，傳感設備、移動終端越來越多地接入到網絡，各種統計數據、交易數據、交互數據、傳感數據以及視頻、語音、圖片等半結構化數據和非結構化數據，以每兩年大約翻一番的速度源源不斷地從各行各業生成，世界已進入了“數字摩爾時期”。海量、多樣化的數據使人們沒有辦法在可容忍的時間內，使用常規軟件方法，來完成對大數據的存儲、管理和處理任務，需要通過快速獲取、處理、分析以從中提取有價值的數據，大數據的概念由此誕生。當前，大數據的挖掘與分析，使計算機軟件和服務領域空前繁榮，為信息產業帶動經濟發展增加了新的動力。同時也為企業發展帶來前所未有的機遇。在大數據時代，真正能利用好大數據，并將其價值轉化為生產力的企業將成為行業的領導者。

能源領域應用大數據的變革與成效

能源行業是國民經濟中重要的基礎產業，也是產生海量數據，并對數據分析有著重要依賴的行業。

1.大數據促進新能源的開發與利用

杰里米·里夫金在其《第三次工業革命》著作中指出，“經濟和社會變革總是來自新能源與新通信方式的交匯”。風能、太陽能等能源資源是可以免費獲得的，并且分布廣泛、能量低、具有不確定性等特點，因此發電質量較低，難以滿足穩定能源供應的要求。大數據的利用為改善可再生能源發電質量提供了可能性，通過“大數據”分析進行有效地調節，可以使新能源更好地與傳統的水火電進行互補，更為靈活地出力。如美國通用公司通過分析每秒上萬個數據點，融合能量儲存和先進的預測算法，開發出能靈活撐控120米長葉片的2.5-120型風機，并無縫隙地將數據傳遞給鄰近的風機，效率和電力輸出分別比原來提高了25%和15%。冰島的Green Earth Data與Green Qloud公司依靠冰島豐富的地熱與水、電資源驅動，為數據中心提供了100%的可再生能源。

2.為能源規劃和布局提供更精準的數據技術

美國加州大學洛杉磯分校的研究者根據大數據理論，將人口調查信息、電力企業提供的用戶實時用電信息和地理、氣象等信息全部整合，設計了一款“電力地圖”。該圖以街區為單位，可以反映各時刻的用電量，并可將用電量與人的平均收入、建筑類型等信息進行比照。通過完善“電力地圖”，能更準確地反映該區經濟狀況及各群體的行為習慣，以輔助投資者的決策，也可為城市和電網規劃提供基礎依據。

地理、電網接入、周邊新能源項目狀態、裝備實際性能和需求側消納等所有相關數據的云數據信息平臺，可以從項目投資的整體生命周期考慮整個城市的新能源規劃。丹麥風電司VESTAS計劃將全球天氣系統數據與公司發電機數據結合，利用氣溫、氣壓、空氣濕度、空氣沉淀物、風向、風速等數據以及公司歷史數據，通過使用超級計算機及大數據模型解決方案，來支持其風力發電機的選址，以充分利用風速、風力、氣流等因素達到最大發電量，并減少能源成本。此外，VESTAS還將添加全球森林砍伐追蹤圖、衛星圖像、地理數據以及月相與潮汐數據，以便更好地支持基礎建設的決策。

3.為消費者提供增值服務、及時把握市場動態

電力企業通過給用戶提供其各月份分時明細用電視圖，可比用戶的用電量等數據，使消費者能夠了解自身的用電習慣和可以減少的電力需要，同時也使得電力收費過程更透明。智能家居是在物聯網的影響之下物聯化體現，智能家居通過室內電力線將家中的各種設備（如音視頻設備、照明系統、窗簾控制、空調控制、安防系統、數字影院系統、網絡家電以及三表抄送等）連接到一起，提供家電控制、防盜報警、環境監測、暖通控制等功能。電力大數據通過分析用戶用電設備喜好、用電時長、用電周期等信息，幫助家庭與外部保持信息交流暢通，優化設備啟動時間、運轉功率等，為用戶節約用電資金。

我國電力系統已經成為世界上最大規模關系國計民生的專業物聯網，通過與外界數據的交換，挖掘用戶用電與電價、天氣、交通等因素所隱藏的關聯關系，將十分有助于完善用戶用電需求預測模型，為各級決策者提供多維、直觀、全面、深入的預測數據，主動把握市場動態，從時間和空間等多個維度進行大范圍的能源資源配置。用電數據是一個地區經濟運行的“風向標”，可作為投資決策者的參考依據。此外，電力企業通過歷史銷量數據進行用戶用電行為分析和用戶市場細分，使管理者能有針對性地優化營銷組織，改善服務模式。在電動汽車智能充電系統中，電力大數據可以收集汽車的電池電量、汽車的位置、一天中的時間以及附近充電站的可用插槽等，通過數學模型預測，將這些數據與電網的電能消耗及歷史功率使用模式結合起來。通過分析來自多個數據源的巨大實時數據流和歷史數據，能夠確定司機為汽車電池充電的最佳時間和地點，并提出充電站的最佳設置點，保證所有充電設備都能被有效利用，降低閑置率。

4.及時發現安全生產隱患

通過大數據相關技術讓微觀數據得到關聯，并通過表面不相關的數據發現數據背后的秘密。使以非結構化和半結構化數據為主的海量微觀數據轉換為結構化的大數據，這些從微觀數據中提取出的規則為大數據輔助決策提供有力支持，使管理者對安全生產“宏觀”把握轉變為“微觀”運用成為可能。如我國某大型石化企業基于大量歷史數據的分析發現，違章作業是造成該企業事故發生的重要原因之一。英國石油公司在某采油廠安裝無線感應器，通過全網式的數據采集，發現有些種類的原油比其它種類更有腐蝕性，這個發現無疑可以在設備和管線的使用上加強防范，使生產更安全。

有物混成

陳寶林/攝

5.提高油氣勘探水平

目前在石油勘探中最常用的是地球物理方法，其中以地震波法最為重要。地震波法的基本流程是用炸藥在地面激起人工地震波，通過地震波傳入地下，碰到不同形態的巖層時形成不同的反射波，這些反射波經過收集、轉變成電子信號后存儲為數據，然后通過對數據進行計算處理、解釋和反演，就能清晰模擬出勘測區域的地下地質構造，并找到存有石油巖層的精確位置。為了了解和模擬出地下數千米的地質構造，通過地震波反射方式來收集海量數據，一般二維數據可達1-2TB，三維數據可高達幾百TB甚至PB級， 然后進行大量的密集計算和模擬，計算結果出來后還要轉換成直觀的可視畫面，方便專家對數據進行解釋，為油氣鉆井定位提供參考。大數據分析在油氣開采中具有重要價值，許多油氣公司已開展這方面的工作。大數據分析幫助這些公司快速發現石油，降低生產成本，提高鉆井安全性，增大產量。

能源行業大數據挖掘需要解決的問題與建議

1.打破數據壁壘，提高數據集成度

（1）大數據的價值來源在于其數據規模巨大，比傳統的抽樣數據包含更多的信息，因此，大數據的前提是數據開放。如果企業數據、行業數據不能開放，大數據分析就缺乏基本條件。目前我國能源行業缺乏行業層面的數據模型定義與主數據管理，各單位數據口徑不一致，行業中存在較為嚴重的數據壁壘，業務鏈條間也尚未實現充分的數據共享，數據重復存儲的現象較為突出。

（2）大數據的核心是不同行業、不同領域的數據交叉融合，其本質是從關聯復雜的數據中挖掘知識，提升數據價值。單一類型的數據即使體量再大，缺乏共享集成，其價值也會大打折扣。由于數據涉及企業、公民等一些秘密和隱私，數據公開并非易事，目前能夠從大數據獲得收益的企業主要是能夠取得海量數據的企業。

2.有相關的法律保障數據質量

數據的分析必須建立在真實數據的基礎上，否則會產生錯誤的結果，這就需要建立相關的法律保障數據質量。

3.高度關注數據安全問題和數據負擔成本

大數據來源是多種多樣的，有些源于人的消費行為，有些則是民意收集，對于能源行業來說，更多是交互與傳感數據以及統計數據。在數據收集過程中，必須考慮數據安全和為此所支付的成本。研究表明，在能源行業大數據面臨的問題中數據量大占24.6%，數據分散占19.5%，缺乏有效的分析方法占18.6%，數據格式多占16.2%，數據傳輸效率低占11.4%，數據重復占9.7%。為此，要盡量推行自動計算功能的網絡填報方式，在確保安全的條件下，使用電子簽名，減少信息傳遞、投遞的時間，降低信息收集的頻度等。大數據對信息安全也提出了更高的要求，要建立與大數據相適應的安全和隱私保護機制，通過技術手段和加強企業自律來保證數據的安全。

4.最大限度地公開政府統計數據

政府統計數據是公共資源，目前我國統計數據總體看來，比較粗線條，發布滯后時間較長，不能滿足數據分析的需要。從行業數據來看，能源行業的數據，尤其是電力行業數據是比較豐富的，電力數據以其同國民經濟的緊密耦合可以實現對區域經濟走勢的準確還原，及時、全面公布能源利用數據可以加強對宏觀經濟發展形勢的研判，規避經濟風險。

5.加強信息化建設，加快人才培養

大數據是信息化發展到一定程度的產物，信息化建設為大數據發展創造了有利的市場環境。我國信息化建設水平與美國等發達國家相比還有一定差距。此外，美國一些IT行業的企業吸引了全球大量的年青優秀人才，使得這些公司不斷推出創新產品。加快人才培養，尤其要為青年人發展創造有利的制度環境是我國加快信息化建設和大數據發展的重要條件。

（作者系中國社會科學院工業經濟研究所黨委書記）

編輯：張涵