大数据服务的重要性与优势

1）中国能源数据服务现状

我国能源数据统计目前普遍存在的问题是统计数据失真、指标不完整、指标不统一、缺乏科学性和综合性，还没有形成完整的工业能源消费统计指标体系。

（1）能源统计体系弱化。统计部门简化了能源消费的统计指标，削减了能源统计人员，削弱了与节能密切相关的统计、计量、公布制度，造成能源消费统计资料缺乏、失真和滞后。

（2）统计功能与目前的要求不相适应。目前国家、地方、企业等各级系统所具有的能源统计功能，仅仅是反映能源的综合平衡，即能源资源与使用的平衡，不具备反映和监测能源动态供需、能源市场运行状况的功能。目前企业能源统计不具备反映能源利用效益的功能。反映能源利用效益方面的指标主要是与经济产出相关的能源消耗强度指标，如万元总产出能源消耗、万元GDP能源消耗等，过去企业的能源平衡表中没有此项指标。

（3）统计范围和内容可比性差。目前企业的能源消费统计分析还没有形成一套较为完整的、科学的指标体系。

我国现有的能源数据采集方式存在严重的不足，比较普遍的问题有：不能对大型设备、关键环节的能耗进行在线监测；由于无法联网的原因，无法实现数据共享，使数据采集与监测分析受到严重的影响，导致不能及时把握能源消耗状况。

2）面向社会的能源大数据服务

基于用电信息采集系统与营销系统积累的用户电量数据，可利用用户历史电量数据，分行业、分区域、分电价类别，多维度开展用电情况与经济发展指标关联关系分析，结合用电量增长与经济增长数据，分析电力与经济运行的均衡关系，为政府把握工业运行情况和宏观经济调控提供决策依据。

通过分析行业用电数据及行业的参考单位GDP能耗，可分析出用户的节能减排潜力，进而汇总成地域的节能减排潜力。通过对电力大客户细分，研究其行为特征，确立客户精细化指标体系，建立电力大客户综合价值评价体系，并通过策略配置，提供不同的专业化服务。扩展用电采集的范围和频次，通过应用有序用电方案编制辅助决策分析，开展用电行为特征深入分析，实施区别化的用户管理策略。

整合居民用电信息、电动汽车充电桩信息、新能源和分布式能源信息以及地理、区域二氧化碳排放信息，通过分类、聚类、关联等数据挖掘方法，将分析结果同时在地图上显示，形成全方位电力地图。通过地图反映不同地区经济状况、各群体行为习惯、城市道路以及电动汽车充电桩分布和利用信息，优化交通设施和公共设施使用频率。

3）规划运行服务

大数据是电网智能运行控制的基础。加强协同管理，整合电力行业生产、运营、销售、管理的数据，实现电力发电、输电、变电、配电、用电、调度全环节数据共享，以用电需求预测为驱动优化资源配置，协调电力生产、运维、销售的管理。依托于大数据技术强大的数据分析与模型预测能力，构建用电负荷大数据分析模型，通过全数据集、全维度的运算、分析，准确地掌握用电负荷分布和变化规律，提高负荷预测的准确率。

通过将体量更大、类型更多的配用电大数据作为分析样本，可以实现有效的配电网运行状态水平评估及风险评估，开发配电网风险预警模块，为配电网运行调度提供依据，提升决策的准确性和有效性。基于大数据技术的配电网运行状态评估可包括：对配电网进行安全性评价，对配电网的供电能力进行评价，对配电网可靠性和供电质量进行评价，对配电网经济性进行评价。

基于负荷的监测数据、用户档案等数据，通过计算风险指标预测风险，根据风险类型辨识结果生成相应的预防控制方案。依据对多源异构的数据分析，将风险准确定位到局部，进一步对全网或局部电网的风险状况进行集中判断、定位以及预防控制。(www.xing528.com)

电力大数据下的能源生态系统将为能源企业及相关产业提供一个数据采集、整理、分析、应用、共享、交易等为一体的平台，为参与方提供咨询、节能环保、产品研发、管理支撑等服务，为消费者提供节能降费服务及相关产品。可应用领域包括智慧城市、智能电网、新能源、智能家居、移动终端等一系列相关产业。

4）面向电站的大数据服务

新能源开发利用及电站建设和管理，均涉及气象、水文、地质等各个方面的历史和实时数据。作为决策支撑，分布式模式的效果和当地负荷规模、性质、习惯、发展规划等相关，这些均需要大量的数据存储和分析。利用机器学习、模式识别等多维分析预测技术，分析新能源出力与风速、光照、温度等气象因素的关联关系，更准确地对新能源发电能力进行预测和管理。

丹麦风电公司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。在电站运维方面，新能源电站的数据中心正向着远程监控、大数据分析、集成控制、图形化展示的方向发展。监控中心通过强大的后台数据库服务器提供海量的数据存储，通过完备的灾难恢复策略保障数据不丢失，通过数据检索、数据写入分离设计有效提高数据库访问速度。

5）用户用电服务

用户用电行为分析主要是基于用户的用电数据，结合用户信息、地理信息、区域属性等数据，并考虑气象、经济、电价政策等多方面因素，利用分类和聚类方法，对用户类型进行细分，建立不同区域、不同行业、不同类别用户的典型负荷模型库，分析各类影响因素与用户用电行为之间的关联关系及其影响机理，为需求侧管理、节能、定制服务等提供支撑。

在实现营配数据一体化基础上，明确各配电台区与用户之间的隶属关系，定期向受到计划停电影响的用户推送停电时间、停电时长等信息。当电网发生故障时，利用配电自动化信息结合电网拓扑，及时定位受到故障影响的用户，告知其停电原因、预计恢复供电时间等信息，同时利用用户反馈信息指导抢修工作。结合电网GIS，对抢修进展情况进行实时展示，帮助用户时刻掌握自身停电状况。利用可视化技术，通过动态网络模型将数据拓扑于地理信息系统。

为实现能源的合理利用，达到节能减排的目标，一家化工企业决定实施“各车间能源数据采集管理系统”。这家企业各生产车间原先都各自装有“分布式控制系统（DCS）”，用于生产过程控制，车间能源消耗数据也存在于DCS中，实现各车间能源数据的自动采集。形成工厂级的能源管理系统，同时保障DCS的信息安全，有两种实施方案。一是把各车间DCS作为能源数据管理系统的数据采集站，每个数据采集站通过OPC协议单向向PIMS服务器传送数据，PIMS服务器对传送上来的数据进行二次处理，制作成用户需要的能源界面、形成报表以及实现设备管理等功能，经硬件防火墙隔离将能源管理界面、数据以Web形式向局域网络发布。二是将能源数据采集系统完全独立于DCS，能源数据采集系统由EPA现场总线标准产品实现。

建设基于电信运营商物联网结合云计算技术的能源管理系统非常必要，以从机房/基站数据中获得能够真正反映设备运行状况的有效信息，利用在线能耗数据挖掘分析结果，辅助实现依据用能设备的负荷变化来动态优化用能设备的配电，大幅度减少电能消耗并为优化能源管理的决策提供科学支持。构建平台主要依托数据感知采集和物联网智能网关技术，包含数据感知采集，采集数据的来源包括通信机房和通信基站两大类用能场所，具体为列头柜、机柜、空调、照明、办公插座等设备的能耗，还可以通过IPMI接口采集服务器设备的功率、温度、CPU使用率、内存使用率、风扇工作参数等服务器状态数据。采集主要是依靠传感器等先进的仪表仪器设备进行，并通过现代先进的通信技术对能源数据进行处理，采用智能网关设备实现同时向多区域能管中心、省能管中心、国家能管中心同时分发报送数据，支持多种工业协议的接入、智能仪表的接入、采集数据的转换及控制管理。

6）支撑大数据服务的云计算市场

云计算可应用于分布式发电和微电网的运行分析。基于电站的监控数据，云计算可实现发电量统计分析、辐照度统计、功率发电量预测、电站效率、损耗分析、设备性能分析等。基于微电网的电源、负荷、储能等设备运行参数和能量供需关系，云计算提供设备启动、卸载、运维等工况决策和出力、分配等运行决策。在电力系统运行方式和规划方案研究中，技术人员需要借助潮流计算比较运行方式，或规划供电方案的可行性、可靠性和经济性。通过加工电网模型和运行数据，云计算为电网规划、调度提供快速可靠的分析支持。应用云计算技术，可为输变电设备评估提供分布式数据存储和计算服务，扩展数据存储空间，提升数据处理和计算性能。电网调度可以通过云计算提供统一访问服务接口，实现数据搜索、获取、计算等。配网管理涉及电网空间分布和设备运行状态变化等复杂问题，地理空间信息和电力生产信息相互集成的综合应用系统是支持智能化配网管理的基本手段，云计算技术能很好地解决由此带来的复杂数据分析难点及性能瓶颈。电网数据中心应用云计算模式，将显著提高设备利用率，降低数据处理中心能耗，扭转服务器资源利用率偏低与信息壁垒问题，全面提升智能电网环境下海量数据处理的效能、效率和效益。

云计算行业在我国尚处于市场导入阶段，但其发展的速度及影响力惊人。2010年，我国云计算市场规模达167.3亿元，较2009年增长81.4%。2013年，我国云计算市场规模达606.8亿元；2014年，我国云计算市场规模达1 174.1亿元。云计算可分为公有云市场和私有云市场两块，就公有云市场来说，2015年一季度同比增长25.5%，市场规模达到39亿美元；私有云市场，2015年一季度同比增长24.4%，市场规模达到了24亿美元。在三种主要IT技术设施之中，服务器的增长最为强劲，其在公有云市场和私有云市场的同比增长分别达到了28%和33%。