直面大數據

其實，在能源電力行業，數據的分析利用并非新鮮事物，在油氣領域，地面上的作業者對于地下幾千米處的油氣藏的情況只有通過數據分析才能判斷，在鉆探和開采的過程中，也只能通過過程數據來推測井下情況。在電力領域，由于電力“發輸變配用”系統的緊耦合性和生產消費的即時性，電網公司和管理機構也只能通過各項電網運行數據的分析來解讀電網的運行情況。

首先，雖然理論上，如果知道每臺風機的準確布局，就能精確計算出每臺風機的最佳效率。但是由于風場的風機數量眾多，每臺風機除了捕獲風能發電外，對附近的氣流還會產生一定影響，每臺風機都會對后面的風機造成影響，之間所有的影響的疊加實在難以預計，理論上的計算是可行的，但實際中并不方便，這就是多個主體相互影響帶來的復雜性。

其次，由于地表特征、熱蒸汽和天氣變化，地表氣流變幻莫測，因此，風不僅是每天在變化，而是每時每刻都在變化。換句話說，風場這個動力系統對于微小的擾動是非常敏感的，這遠比理想狀態復雜得多。類似這樣的系統，就是非線性的混沌系統，原來遵循簡單規律的有序形態，在某種條件下突然偏離預期的規律性而變成了無序的形態。其實整個自然界包括人類社會到處都是非線性系統，但人類總是希望用線性系統來簡單歸納這個非線性的世界，這其實是人類懶惰和無能的表現，也是人類面對無窮的混沌未知一種自我安慰和自我保護的鴕鳥手段。

過去，整個能源電力價值鏈還算比較簡單，可以用簡單的線性系統來近似模擬真實的非線性系統。但是，未來我們要面對的將是一個無比復雜的能源電力行業，到處都是非線性系統。在油氣領域，傳統油氣生產正在轉向各種勘探開采都十分艱難的非傳統油氣，比如頁巖油氣、海上油氣、甲烷水合物、極地油氣等。在電力領域，波動性極強的各種可再生能源正在全球范圍內代替化石能源和核能，能源消費的隨機性也在迅速增加。此外，由于互聯網和信息通信技術的發展，未來電力整條價值鏈上的所有主體都能夠積極參與互動，這和過去自上而下，消費者完全被動接受電力的電力系統完全不一樣，因此數十億主體之間的互相影響將形成一個超級混沌系統。而這種超級混沌系統的復雜性將讓執著于因果的傳統統計學分析手段完全無能為力。更重要的是，拜互聯網所賜，不僅僅是能源電力價值鏈上各環節正在端到端融合，整個世界各行業之間也正在前所未有的快速融合，整個世界將變成一個數千億智能主體互動的超級混沌系統。面對這種混沌，傳統統計學手段已經力不從心，而關注相關性的大數據手段將是解釋和預測的最佳手段。因此，大數據對于能源電力行業來說，不是個可選項，而是一條邁向下一代能源系統必須的道路。

相對于其他行業，能源電力行業的具有其特殊的數據特點。

首先，能源電力行業數據類型繁雜，數據維度多。以配電網為例，不僅包括各節點的電壓、電流、頻率、有功和無功功率等，還包括大量的消費者的能源消費數據。此外，采集的數據既有結構化數據，又有非結構化數據。而且非結構化數據越來越多，包括網絡日志、氣象圖片、地理位置信息等，這些多類型的數據對數據的處理能力提出了更高要求。

其次，能源電力行業價值密度低。由于能源電力數據多為常規性數據，一個風力發電機運行的過程中，在連續不間斷的監控過程中，有用數據可能僅有一兩個，價值密度的高低與數據總量的大小成反比。

另外，能源電力行業對數據處理速度要求高。電力行業要求實時的電力電量大平衡和瞬時性，因此巨量的用電數據和巨量的發電數據，必須在非?？斓臅r間內處理完畢，才能確保整個電力系統的安全和高效。

油氣行業

在能源電力行業中，最早應用大數據技術的其實是油氣行業。油氣行業對于新技術一直很敏感，大數據應用于油氣行業已經很長時間，范圍也很廣。很早之前，國際油服公司就應用大數據技術處理地震數據，以推測計算儲層結構和油氣儲量。最新的趨勢是，大數據技術正在被海上油氣廣泛應用，用來提高海上鉆采的效率，并且達到油氣產出最大化，大數據技術還被油氣公司用來預防和管理油氣勘探開采過程中的環境風險，尤其是在敏感區域，比如海洋、濕地、水源地、自然保護區等。

流程整合是油氣行業大數據應用的一個主要推動因素，而推動流程整合的最重要原因則是油氣行業勘探生產過程中的高額成本，通過將勘探生產過程中的大量跨領域、跨設備、跨流程的數據和知識整合后，可以有效降低成本。目前，油氣行業的流程整合已經是非常數據密集型。同時，油氣勘探開采過程中所需要使用的設備和系統也正在向遠程化、服務化、診斷化方向發展，這種智能化的趨勢不僅將額外產生大量數據，還能真正通過大數據技術的應用，有效優化設備和系統的運行，允許設備和系統的操作者和服務者不必再進行既麻煩危險又沒有必要的定期巡檢，只需通過系統分析就可以進行基于風險預測的目標性維護，節省了大量人力，和昂貴的備品備件，大幅下降了油氣的勘探開采成本。

這種趨勢將在油氣行業愈發明顯，能夠提供先進的分析服務和優化服務的新型專業油氣行業數據服務企業，以及基于大數據的第三方智慧服務企業，將在油氣行業迅速崛起。

在油氣生產領域，鉆井成本一直是油氣生產成本的重要組成部分，智慧的自動化方案可以有效提升鉆井的效率，從而大量降低成本。挪威公司SekalAS，是油氣鉆井大數據服務的典型企業，這家公司提供基于數據模型的實時鉆井監測和控制方案，利用的就是鉆井過程中產生的巨量數據。此外，當能夠分析跨系統的數據時候，操作者就可以發現解決很多在單個子系統分析過程中無法發現或者解決的問題。

Sekal是一家由挪威國家石油公司投資的新興數據服務公司，Sekal提供一系列能夠幫助降低鉆采過程中風險和支出的產品。通過使用先進的物理模型來全面精確模擬鉆采過程中井體的實時狀況，并且將模擬結果可視化，使用基于大數據的模型之后，模擬結果的精確性和可靠性比以前單純靠專家解讀有限數據的方法有了大幅提升。 Sekal的產品能夠做到實時的模擬，并且可以對鉆采中發生的問題立即做出風險提示，甚至可以提前幾個小時預測可能發生的問題。在過去，由于井下環境特別復雜，是典型的高溫高濕高壓高腐蝕環境，因此，鉆井過程中問題頻出，不僅可能導致安全事故，破壞自然環境，而且也使油氣開采成本居高不下，難以控制。油氣開發公司使用了Sekal的產品之后，就可以大幅提升鉆采的安全性和效率，堪稱革命性的變化。

在油氣行業，另外一個行業應用趨勢，就是利用大數據進行智慧化的環境風險管理，在海上鉆采的過程中保持實時環境監測。歐洲一些公司聯合開發了一套環境綜合監測系統，系統通過現場傳感器的數據采集，建立綜合性的現場環境模型，能夠對油氣開采所造成的環境破壞和生態影響進行模擬和預測。未來，油氣在開采前，就可以使用此系統進行多方案的模擬，大大減少了環境風險和相應的經濟成本。康菲公司正在應用大數據分析工具來管理北極的環境風險，油氣公司在極地油氣的開采過程中最擔心的就是浮冰的影響，浮冰數量眾多，并且運動的方向難以預測，隨海流和風向隨時會發生變化，一旦撞上油氣開采設施就會發生嚴重事故。康菲公司開發了一套系統，使用大數據技術每秒采集和分析數以千計的數據，通過預測性分析，康菲的系統可以將浮冰情況進行可視化預測，能夠有效避免浮冰對鉆采生產造成的破壞。

能源結構不斷改變

全世界的能源結構都在發生歷史性的變化，可再生能源的比例正在快速上升，不過，可再生能源的間歇性對電網安全和負荷平衡帶來了巨大挑戰。目前，能源互聯網正在掀起一波電力互聯化和智慧化的熱潮，各種發電、輸電、配電、用電以及計量的設備都在智能化，每天都在產生PB級別的數據量。在大數據和“互聯網+”的時代，數據就是新的石油，能源互聯網生產的大量數據將孕育巨大的商業機會。不過，只有具備分析和行動能力的企業才能抓住這個巨大機會。

現在，國際電力設備巨頭，比如ABB、GE、西門子、阿爾斯通、施耐德、伊頓等公司，正在踴躍布局能源互聯網大數據。其中，GE的基于云的“電網IQ解決方案”服務最為典型，GE向使用此服務的客戶收取基于服務的費用，客戶的數據被儲存在設置于美國亞特蘭大的GE數字能源數據中心中，客戶不用為數據儲存支付費用，但如果客戶希望使用GE提供的數據分析工具和服務來優化自己的能源業務，則就要向GE支付相應的費用。

除了能源結構的變化以外，中國的電力行業正在推進去管制化的市場化導向電改。電改后，電網的角色將發生變化，不再承擔電力統購統銷的角色，發電企業需要直接同不同的售電企業進行交易，而電力用戶也能夠在不同的售電公司中選擇電力供應和服務企業。此外，隨著管制的放開，中國將出現大量的自發自用的微小型可再生能源電站，以及小型的地區分布式電站，這將使的電力行業的復雜性前所未有的增加。不管是傳統的發電企業，還是新興的售電公司，抑或是轉變職能的電網企業，當然也包括電力消費企業，將面臨很多新的挑戰和機會。

為了解決挑戰，利用機會，各方都需要仰賴專業第三方數據服務企業的幫助。此外，大型知名的專業第三方數據服務企業，還能夠為與其合作的電力服務企業的數據安全性和隱私性提供信任背書。未來，在能源互聯網時代，服務，尤其是基于大數據的服務，將成為電力市場的核心產品和競爭優勢。

能源互聯網市場將是一個開放的競技場，大量小型的初創企業將在里面嶄露頭角，比如美國的Opower公司，這家公司每年能夠從全美國75家電力公司這里采集900億次的電表讀數。Opower為電力公司提供四種服務：

1，幫助電力公司向客戶提供更全面詳細的電力消費數據；

2，幫助電力公司分析客戶電力消費行為；

3，為電力公司設計和改善電力營銷服務；

4，為電力公司提供需求側數據界面。

這四類服務中，Opower及扮演數據收集整合的角色，也為客戶提供基于深入分析的有效性建議，而這四類服務都基于可擴展的Hadoop大數據分析平臺。

大數據除了能夠幫助電力公司向客戶更好地提供服務之外，還可以有效解決電力公司設備維護保養問題。根據設備運行過程采集的過程數據,企業可以開發預測性維修方案。咨詢公司埃森哲開發了一套電力資產分析解決方案，基于電力企業現有的ERP，GIS及其他歷史數據庫就可以為電力資產作出風險診斷，并通過后臺專家系統提供維護保養的建議，有效提升企業固定資產的投資產出，降低運營成本。除了埃森哲這樣的專業企業，ABB、遠景能源、羅爾斯羅伊斯這樣的電力設備企業都有基于運行數據的設備遠程運維系統。

可再生能源

大數據技術在可再生能源領域最大的用武之處在風電領域，由于風的難以預測性和激烈波動性，以及風機的重資產屬性，風電領域的大數據應用空間十分巨大。比如，氣象大數據可以用于氣象預測，為風電場預測精確的風力發電輸出，并提前預知臺風暴雨等氣象災害，風機運行數據可以用于優化風機的出力曲線，并幫助診斷風機設備的故障情況。

國際上公認的智能風機領先企業Vestas就是風電大數據運用的高手，Vestas通過自有的“Firestorm”超級計算機，持續監視并采集25000臺遍布全球的風機的運行數據，以及風機所在地區的風速和氣象數據，電站業主可以通過Vestas的在線平臺“Vestas Online”即時調取風機和風場的海量數據。并且，給予海量數據，Vestas還開發了簡便易用的應用“Power Forecast”和“Vestas Online Maintenance”,Power Forecast幫助用戶隨時預測風場的未來出力情況，而Vestas Online Maintenance幫助用戶便捷規劃風機的運維周期，Vestas已經將基于大數據的服務作為未來公司的業務重點。

在國內，也有一家智能風機公司一直在深耕風電大數據領域，成績不亞于國際巨頭Vestas，這家公司就是遠景能源。遠景通過風電管理平臺格林云，用大數據產品Data Ocean將公共天氣數據，風電場設計數據、風電場實時流體模型數據、風電場設備運行數據、風電場生產檢修數據、風機設計數據、風機模擬數據等全生命周期的風電企業數據整合成一體，基于公共信息模型把現實存在廣泛關聯的數據建立了系統化的數據鏈接，支持強大的數據管理、數據質量和數據治理模型，并利用 Hadoop等大數據技術平臺管理上PB級的對象數據、采樣數據、風資源和地理數據等，提供結構化數據和非結構化數據的訪問，以不同的方式有效管理不同的數據集，從而得到企業數據的“唯一版本事實”，有效支持后續的大數據分析挖掘和價值創造。

除風電以外，光伏行業的大數據利用也正在快速發展中，國內的逆變器龍頭企業之一的陽光電源，今年四月發布了其第四代光伏電站運維管理系統，特別突出的是該系統引入了大數據分析和阿里云計算平臺。所以也稱為智慧光伏云iSolarCloud，智慧光伏云結合大數據分析，實時了解各設備的故障甚至亞健康狀態，合理安排維護人員和路線，有望實現光伏電站最低維護成本。

遠景的阿波羅光伏云平臺，可以實現全方位數據采集、數據分析和智能化運維管理。除了逆變器數據，“阿波羅”光伏云平臺還從氣象站、匯流箱、直流柜、電表，甚至直接從組串、組件上采集數據，進而形成一套具備多樣性的數據，這比單一的數據更可靠。在接入項目運行數據之后,“阿波羅”可以進行電站績效的對標、電站健康度體檢、以及損失電量分析等工作。與此同時，“阿波羅”還可以對每個電站進行全生命周期的資產風險評估和評級,綜合評測電站整體性能,從而判斷電站的交易可能和潛在交易價值。

總的來說，我們可以把能源電力大數據應用分成七個階段：

第一階段：知道以前發生了什么；

第二階段：理解為什么會發生；

第三階段：觀察當前正在發生什么；

第四階段：預測未來會發生什么；

第五階段：能源系統全局優化；

第六階段：跨系統跨行業全局優化；

第七階段：全局高度智能化。

目前，全世界對于能源電力的數據應用能力都處于探索期，而我國能源電力行業的“大數據”更只能算是剛剛起步，差不多剛到第二階段的門口。我們能源電力行業的數據運用水平其實剛剛能夠理解為什么發生而已，差距和未來發展潛力同樣巨大，期盼著國內能源電力企業能正視大數據的價值，迎頭趕上，更希望我國政府能夠致力于打造面向數據時代的開放社會，促使相關部門和公司能盡力推動能源電力數據的公開化和脫敏化，否則，我國在這一輪全球數據時代大潮中又將陷于落后局面。