能源大数据信息的特征和价值分析

能源大数据的数据来源不仅仅是采集企业能源数据,还包含了企业的生产数据、经济数据、用能设备数据等多方面的数据源。这些数据都直接或间接地反映了企业的生产状况、能耗状况、经营状况等。

图18 能源大数据特征示意

能源大数据的特征可以概括为“3V”和“3E”,如图18所示。其中“3V”分别是体量(volume)大、类型(variety)多和速度(velocity)快,“3E”分别是数据即能量(energy)、数据即交互(exchange)、数据即共情(empathy)。如仅从体量特征和技术范畴来讲,能源大数据是大数据在各个行业的聚焦和子集。但能源大数据更重要的是其广义的范畴,其超越大数据普适概念中的泛在性,有着其他行业数据所无法比拟的丰富的内涵和专用特性。

(1)体量大。体量大是能源大数据的重要特征。随着工业企业信息化快速建设和智能电力系统的全面建成,企业能源数据的增长速度将远远超出企业能源管理系统(中心)的预期处理能力。以发电侧为例,电力生产自动化控制程度的提高,对诸如压力、流量和温度等指标的监测精度、频度和准确度更高,对海量数据采集处理提出了更高的要求。就用电侧而言,一次采集频度的提升就会带来数据体量的“指数级”变化,见表1-3。

表1-3 表计数量与采集频率决定的数据量变化

对于政府或企业主管部门来说,一个地区的全部工业企业,其表计数量就很可观,仅电力能源一项就会带来大量的能源计量数据。

(2)类型多。能源大数据涉及多种类型的数据,包括结构化数据、半结构化数据和非结构化数据。随着工业企业能源管理系统(中心)视频应用不断增多,音视频等非结构化数据在全部能源数据中的占比进一步加大。此外,能源大数据应用过程中还存在对行业内外能源数据、天气数据等多类型数据的大量关联分析需求,而这些都直接导致了数据类型的增加,从而极大地增加了能源大数据的复杂度。

(3)速度快。主要指对能源数据采集、处理、分析速度的要求。鉴于能源管理系统(中心)中某些业务对系统处理时限的要求较高,如电力能源数据的实时处理就是以“1s”为目标,因此需要能源管理系统(中心)有较快的响应及数据处理分析能力,这也是能源大数据与传统的事后处理型的商业大数据、数据挖掘间的最大区别。

(4)数据即能量。能源大数据具有无磨损、无消耗、无污染、易传输的特性,并可在使用过程中不断精炼而增值,可以在保障能源大数据平台用户利益的前提下,在能源管理系统(中心)各个环节的低耗能、可持续发展方面发挥独特而巨大的作用。通过节约能量来提供能量,具有与生俱来的绿色性。能源大数据应用的过程,即能源数据能量释放的过程,从某种意义上讲,通过能源大数据分析达到节能减排的目的,就是对能源基础设施的最大投资。

(5)数据即交互。能源大数据以其与国民经济社会广泛而紧密的联系,具有无与伦比的正外部性。其价值不局限于工业内部,更体现在整个国民经济运行、社会进步以及各行各业创新发展等方方面面,而其发挥更大价值的前提和关键是能源数据与行业外数据的交互融合,以及在此基础上全方位对能源数据的挖掘、分析和展现。

(6)数据即共情。企业的根本目的在于创造客户、创造需求、创造效益。能源大数据平台的应用必然会联系千万家用能企业及政府机构等部门,通过对政府部门和企业用户需求的充分挖掘和满足,建立情感联系,为广大能源数据用户提供更加优质、安全、可靠的能源大数据服务。(www.xing528.com)

能源大数据没有一个严格的标准限定多大规模的数据集合才是能源大数据。作为重要的基础设施信息,能源大数据的变化态势从某种程度上决定了整个国民经济的发展走向。如将能源数据单独割裂来看,其仅仅是企业进行能源管理的一种手段,则能源数据的大价值无从体现。传统的商业智能(business intelligence,BI)分析只关注单个领域或主题的数据,这造成了各类数据之间强烈的断层。而大数据分析则是一种总体视角的改变,是一种综合关联性分析,发现具有潜在联系之间的相关性。注重相关性和关联性,并不仅仅囿于行业内的因果关系,这也是能源大数据应用与传统数据仓库和BI技术的关键区别之一。

能源大数据是能源变革中工业信息技术革新的必然过程,而不是简单的技术范畴。能源大数据不仅仅是技术进步,更是下一代智能化能源管理系统(中心)在大数据时代下价值形态的跃升(图19)。人类社会经过工业革命两百多年来的迅猛发展,能源和资源的快速消耗以及全球气候变化已经上升为影响全人类发展的首要问题。传统投资驱动、经验驱动的快速粗放型发展模式,已面临越来越大的社会问题,亟待转型。

图19 能源大数据的价值

能源大数据通过对能源管理系统(中心)生产运行方式的优化、对间歇式可再生能源的消纳以及对全社会节能减排观念的引导,能够推动工业企业由高耗能、高排放、低效率的粗放发展方式向低耗能、低排放、高效率的绿色发展方式转变。

以电力行业为例,基于电力能源的大数据分析技术可以有效提升电力生产、传输和终端使用的能效。电力需求侧管理是在政府法规和政策的支持下,通过有效的激励和引导措施,配合适宜的运作方式,促使电力公司、能源服务公司、中介机构、节能产品供应商、电力用户等共同努力,在满足同样用电功能的同时,提高终端用电效率和改善用电方式,减少电量消耗和电力需求,实现能源服务成本最低、社会效益最佳、节约资源、保护环境、各方受益所进行的管理活动。

目前,能源大数据平台的应用还面临多方面的技术挑战:

(1)数据质量的挑战。高质量的数据是能源大数据应用的基础。数据准确性、完整性不高,将影响决策分析的质量,甚至产生错误的决策建议。

(2)多数据融合的挑战。多数据融合是能源大数据应用的关键。长期以能源信息系统为主的信息化建设,导致企业内部一些生产、运营的数据及社会发展的宏观经济数据等外部数据与企业的能源管理数据相互独立,这对能源大数据平台来说会形成信息孤岛。为破除信息孤岛的数据壁垒,需要融合能源生产、传输、利用,生产、设备运行和社会宏观经济发展状况等有关数据。通过大数据分析技术挖掘出能服务于国家、社会和企业的有价值能源数据信息。

(3)数据可视化信息传递的挑战。能源大数据的可视化是数据价值传递的最有效、最直观的方式,能源大数据中蕴藏着能源生产和服务经济社会发展的规律和特征,一般较抽象,难以发现。大数据可视分析将易于大数据规律的发现,展示海量数据中的特征和规律,便于数据价值的传递与知识的分享。

(4)大数据存储与处理的挑战。能源大数据对数据存储与计算能力需求巨大。能源大数据对多个数据源的结构化和非结构化数据进行分析处理,需要存储海量的数据,并提供快速的计算能力。分布式数据存储和计算是解决能源大数据存储和计算的有效途径。