一文读懂大数据分析在能源行业的价值

实时分析型数据库软件始终是柏睿数据的核心产品，也是与大数据时代能源行业更加匹配的数据库系统，包括全内存分布式数据库RapidsDB、流数据库Rapids StreamDB、人工智能并行算法库Rapids ParallelR等等，为能源、金融大数据的实时分析应用构建起了高可用、高扩展的安全可控基础数据库技术架构支撑，在数据库层就将数据分析的基因注入整个大数据系统当中。

为什么我们要如此重视对大数据分析，尤其是在能源行业，我们说只有懂大数据分析，才能掌握能源行业的未来。

大数据将会将深刻影响智慧能源的发展，这基本已经成了行业共识。随着新技术不断涌现，能源结构不断发生变革，使得传统的电网规划方法往往与实际需求差别较大。需要利用大数据技术综合考虑多种因素如分布式能源的接入、电动汽车的增长趋势、电力市场环境下为用户提供个性化用电服务等，多类型、海量数据的引入，可以有效减少电网规划过程中的不确定性，使得整个规划更加合理、有序。重点任务可以概括为: 打造能源生产新手段，建设分布式能源新网络，探索能源消费新模式，统筹部署电网和通信网深度融合的新基础设施。

能源大数据总体架构

我们今天谈的主要是“大数据分析”在智慧能源建设应用。首先是在能源的生产端。能源生产端主要是指煤炭、石油、天然气、太阳能、风能、地热能等一次能源和电力、汽油等二次能源。新能源技术的不断发展打破了原有电网运行管理的模式，不但需要考虑负荷侧的波动，还要考虑新能源出力的间歇性。在此背景下智慧能源中大数据应用众多，涉及电网安全稳定运行、节能经济调度、供电可靠性、经济社会发展分析等诸多方面。应用主要集中在在线预测、发电量模拟、实时监测、设备预警和诊断、资源调度、电力交易以及需求响应等方面。智慧能源中，大数据分析是贯穿始终的。从前期规划到电站投资建设、后期运营，以及整个资产全生命周期的管理都可以通过数据分析、数字化的模型为各个环节提供量化的分析和决策服务，服务于投资商、生厂商、运营公司等各类角色。

此外以数值天气预报模型为基础，结合实时气象数据、电站运行状态数据等，通过大数据建模分析可大幅提高电站运行的安全性和电力系统的稳定性也是智慧能源大数据分析中的典型应用。

在能源消费端，大数据分析应用同样是相当必要的。

能源消费端主要包括所有的电力用户，电力改革及电力产业链的细化推动着电力交易品种、交易周期、交易方式、竞争格局等因素发生了显著变化，电力用户需求更加多样，同时也对发电企业、售电公司的能力提出新的要求：如何适应这些变化，细分用户，提出差异化的服务；如何规避交易风险，提升服务能力等，这些是目前普遍关注的问题。

消费端管理伴随着行业转型的压力而来，无论是电源端，还是电网端，其核心就是如何利用负荷资源化进行有效管理，反馈给电源和电网端，达到供需匹配灵活的目标。届时售电公司的综合服务除了满足用户的能源需求，还需要为用户提供降低能耗、提高能效等解决方案，通过智能终端，及时为用户推送电价信息、节能贴士、当地天气及交通情况等附加服务，拉近与用户的距离。借助大数据，售电公司可以根据用户的生活习惯做出更优的电力调配计划。

负荷预测作为电网电量管理系统的重要组成部分，其预测误差的大小直接影响电网运行的安全性及可靠性，较大的预测误差会给电网运行带来较高的风险。现阶段负荷预测主要是通过负荷历史数据，利用相似日或者其他算法预测负荷的大小，短期预测精度较高，中长期精度较差。随着电网采集数据范围增加，利用大数据技术可以将气象信息、用户作息规律、宏观经济指标等不同种类的数据，通过抽象的量化指标表征与负荷之间的关系，实现对负荷变化趋势更为精确的感知，提高预测精度。如果新能源预测误差较大，则需要在新能源设施周边建立配套的常规能源作为备用，以弥补新能源预测精度方面的不足。作为备用的常规电源，长期不能工作在最佳运行点，将造成其发电效率低以及能源的浪费。

另外，大数据分析还将促进源网荷储协同调度。在电力市场不断完善的背景下，可以不通过调节常规电源的出力，而是利用市场手段，使得一部分用户主动削减或者增加一部分负荷去平衡发电侧出力的变化，即通过需求侧管理实现系统电量平衡。若要达到网源荷协调优化调度需要大量的辅助信息，如新能源出力波动大小、电网线路输送能力、负荷削减电量的范围、实时电价等，其中每个因素又受很多条件的影响，因此是一个非常复杂的电力交易过程，此时必须利用大数据技术发掘数据内部之间的联系，从而制定出最佳调度方案。智能电网和传统电网最大的区别在于源网荷三者之间信息流动的双向性，三者之间信息在一个框架内可以顺畅的进行交互，极大地提升电网运行的经济性、可靠性。