直面大数据
　　不久前，互联网巨头马云在一封内部邮件中提到的，以控制为出发点的IT时代正在走向激活生产力为目的的DT（Data Technology）数据时代。这不仅仅是技术的升级，更是思想意识的巨大变革，大数据应用已经成为各行各业的前沿领域。作为正向能源互联网转型的能源电力行业，大数据时代的到来为能源电力行业的发展带来了新的机遇，有可能产生革命性的影响。
　　其实，在能源电力行业，数据的分析利用并非新鲜事物，在油气领域，地面上的作业者对于地下几千米处的油气藏的情况只有通过数据分析才能判断，在钻探和开采的过程中，也只能通过过程数据来推测井下情况。在电力领域，由于电力“发输变配用”系统的紧耦合性和生产消费的即时性，电网公司和管理机构也只能通过各项电网运行数据的分析来解读电网的运行情况。
　　首先，虽然理论上，如果知道每台风机的准确布局，就能精确计算出每台风机的最佳效率。但是由于风场的风机数量众多，每台风机除了捕获风能发电外，对附近的气流还会产生一定影响，每台风机都会对后面的风机造成影响，之间所有的影响的叠加实在难以预计，理论上的计算是可行的，但实际中并不方便，这就是多个主体相互影响带来的复杂性。
　　其次，由于地表特征、热蒸汽和天气变化，地表气流变幻莫测，因此，风不仅是每天在变化，而是每时每刻都在变化。换句话说，风场这个动力系统对于微小的扰动是非常敏感的，这远比理想状态复杂得多。类似这样的系统，就是非线性的混沌系统，原来遵循简单规律的有序形态，在某种条件下突然偏离预期的规律性而变成了无序的形态。其实整个自然界包括人类社会到处都是非线性系统，但人类总是希望用线性系统来简单归纳这个非线性的世界，这其实是人类懒惰和无能的表现，也是人类面对无穷的混沌未知一种自我安慰和自我保护的鸵鸟手段。
　　过去，整个能源电力价值链还算比较简单，可以用简单的线性系统来近似模拟真实的非线性系统。但是，未来我们要面对的将是一个无比复杂的能源电力行业，到处都是非线性系统。在油气领域，传统油气生产正在转向各种勘探开采都十分艰难的非传统油气，比如页岩油气、海上油气、甲烷水合物、极地油气等。在电力领域，波动性极强的各种可再生能源正在全球范围内代替化石能源和核能，能源消费的随机性也在迅速增加。此外，由于互联网和信息通信技术的发展，未来电力整条价值链上的所有主体都能够积极参与互动，这和过去自上而下，消费者完全被动接受电力的电力系统完全不一样，因此数十亿主体之间的互相影响将形成一个超级混沌系统。而这种超级混沌系统的复杂性将让执著于因果的传统统计学分析手段完全无能为力。更重要的是，拜互联网所赐，不仅仅是能源电力价值链上各环节正在端到端融合，整个世界各行业之间也正在前所未有的快速融合，整个世界将变成一个数千亿智能主体互动的超级混沌系统。面对这种混沌，传统统计学手段已经力不从心，而关注相关性的大数据手段将是解释和预测的最佳手段。因此，大数据对于能源电力行业来说，不是个可选项，而是一条迈向下一代能源系统必须的道路。
　　相对于其他行业，能源电力行业的具有其特殊的数据特点：
　　首先，能源电力行业数据类型繁杂，数据维度多。以配电网为例，不仅包括各节点的电压、电流、频率、有功和无功功率等，还包括大量的消费者的能源消费数据。此外，采集的数据既有结构化数据，又有非结构化数据。而且非结构化数据越来越多，包括网络日志、气象图片、地理位置信息等，这些多类型的数据对数据的处理能力提出了更高要求。
　　其次，能源电力行业价值密度低。由于能源电力数据多为常规性数据，一个风力发电机运行的过程中，在连续不间断的监控过程中，有用数据可能仅有一两个，价值密度的高低与数据总量的大小成反比。
　　另外CONTROL ENGINEERING China版权所有，能源电力行业对数据处理速度要求高。电力行业要求实时的电力电量大平衡和瞬时性，因此巨量的用电数据和巨量的发电数据，必须在非常快的时间内处理完毕，才能确保整个电力系统的安全和高效。
　　油气行业
　　在能源电力行业中，最早应用大数据技术的其实是油气行业。油气行业对于新技术一直很敏感，大数据应用于油气行业已经很长时间，范围也很广。很早之前，国际油服公司就应用大数据技术处理地震数据，以推测计算储层结构和油气储量。最新的趋势是，大数据技术正在被海上油气广泛应用，用来提高海上钻采的效率，并且达到油气产出最大化，大数据技术还被油气公司用来预防和管理油气勘探开采过程中的环境风险，尤其是在敏感区域，比如海洋、湿地、水源地、自然保护区等。
　　流程整合是油气行业大数据应用的一个主要推动因素，而推动流程整合的最重要原因则是油气行业勘探生产过程中的高额成本，通过将勘探生产过程中的大量跨领域、跨设备、跨流程的数据和知识整合后，可以有效降低成本。目前，油气行业的流程整合已经是非常数据密集型。同时，油气勘探开采过程中所需要使用的设备和系统也正在向远程化、服务化、诊断化方向发展，这种智能化的趋势不仅将额外产生大量数据，还能真正通过大数据技术的应用，有效优化设备和系统的运行，允许设备和系统的操作者和服务者不必再进行既麻烦危险又没有必要的定期巡检，只需通过系统分析就可以进行基于风险预测的目标性维护，节省了大量人力，和昂贵的备品备件，大幅下降了油气的勘探开采成本。
　　这种趋势将在油气行业愈发明显，能够提供先进的分析服务和优化服务的新型专业油气行业数据服务企业，以及基于大数据的第三方智慧服务企业，将在油气行业迅速崛起。
　　在油气生产领域，钻井成本一直是油气生产成本的重要组成部分，智慧的自动化方案可以有效提升钻井的效率，从而大量降低成本。挪威公司SekalAS，是油气钻井大数据服务的典型企业，这家公司提供基于数据模型的实时钻井监测和控制方案，利用的就是钻井过程中产生的巨量数据。此外，当能够分析跨系统的数据时候www.cechina.cn，操作者就可以发现解决很多在单个子系统分析过程中无法发现或者解决的问题。
　　Sekal是一家由挪威国家石油公司投资的新兴数据服务公司，Sekal提供一系列能够帮助降低钻采过程中风险和支出的产品。通过使用先进的物理模型来全面精确模拟钻采过程中井体的实时状况，并且将模拟结果可视化，使用基于大数据的模型之后，模拟结果的精确性和可靠性比以前单纯靠专家解读有限数据的方法有了大幅提升。Sekal的产品能够做到实时的模拟，并且可以对钻采中发生的问题立即做出风险提示，甚至可以提前几个小时预测可能发生的问题。在过去，由于井下环境特别复杂，是典型的高温高湿高压高腐蚀环境，因此，钻井过程中问题频出，不仅可能导致安全事故，破坏自然环境，而且也使油气开采成本居高不下，难以控制。油气开发公司使用了Sekal的产品之后，就可以大幅提升钻采的安全性和效率，堪称革命性的变化。
　　在油气行业，另外一个行业应用趋势，就是利用大数据进行智慧化的环境风险管理，在海上钻采的过程中保持实时环境监测。欧洲一些公司联合开发了一套环境综合监测系统，系统通过现场传感器的数据采集，建立综合性的现场环境模型，能够对油气开采所造成的环境破坏和生态影响进行模拟和预测。未来，油气在开采前，就可以使用此系统进行多方案的模拟，大大减少了环境风险和相应的经济成本。康菲公司正在应用大数据分析工具来管理北极的环境风险，油气公司在极地油气的开采过程中最担心的就是浮冰的影响，浮冰数量众多，并且运动的方向难以预测，随海流和风向随时会发生变化，一旦撞上油气开采设施就会发生严重事故。康菲公司开发了一套系统，使用大数据技术每秒采集和分析数以千计的数据，通过预测性分析，康菲的系统可以将浮冰情况进行可视化预测，能够有效避免浮冰对钻采生产造成的破坏。
　　能源结构不断改变
　　全世界的能源结构都在发生历史性的变化，可再生能源的比例正在快速上升，不过，可再生能源的间歇性对电网安全和负荷平衡带来了巨大挑战。目前，能源互联网正在掀起一波电力互联化和智慧化的热潮，各种发电、输电、配电、用电以及计量的设备都在智能化，每天都在产生PB级别的数据量。在大数据和“互联网+”的时代，数据就是新的石油，能源互联网生产的大量数据将孕育巨大的商业机会。不过，只有具备分析和行动能力的企业才能抓住这个巨大机会。
　　现在，国际电力设备巨头CONTROL ENGINEERING China版权所有，比如ABB、GE、西门子、阿尔斯通、施耐德、伊顿等公司，正在踊跃布局能源互联网大数据。其中，GE的基于云的“电网IQ解决方案”服务最为典型，GE向使用此服务的客户收取基于服务的费用，客户的数据被储存在设置于美国亚特兰大的GE数字能源数据中心中，客户不用为数据储存支付费用，但如果客户希望使用GE提供的数据分析工具和服务来优化自己的能源业务，则就要向GE支付相应的费用。
　　除了能源结构的变化以外，中国的电力行业正在推进去管制化的市场化导向电改。电改后，电网的角色将发生变化，不再承担电力统购统销的角色，发电企业需要直接同不同的售电企业进行交易，而电力用户也能够在不同的售电公司中选择电力供应和服务企业。此外，随着管制的放开，中国将出现大量的自发自用的微小型可再生能源电站，以及小型的地区分布式电站，这将使的电力行业的复杂性前所未有的增加。不管是传统的发电企业，还是新兴的售电公司，抑或是转变职能的电网企业www.cechina.cn，当然也包括电力消费企业，将面临很多新的挑战和机会。
　　为了解决挑战，利用机会，各方都需要仰赖专业第三方数据服务企业的帮助。此外，大型知名的专业第三方数据服务企业，还能够为与其合作的电力服务企业的数据安全性和隐私性提供信任背书。未来，在能源互联网时代，服务，尤其是基于大数据的服务，将成为电力市场的核心产品和竞争优势。
　　能源互联网市场将是一个开放的竞技场，大量小型的初创企业将在里面崭露头角，比如美国的Opower公司，这家公司每年能够从全美国75家电力公司这里采集900亿次的电表读数。Opower为电力公司提供四种服务：
　　1，帮助电力公司向客户提供更全面详细的电力消费数据；
　　2，帮助电力公司分析客户电力消费行为；
　　3，为电力公司设计和改善电力营销服务；
　　4，为电力公司提供需求侧数据界面。
　　这四类服务中，Opower及扮演数据收集整合的角色，也为客户提供基于深入分析的有效性建议，而这四类服务都基于可扩展的Hadoop大数据分析平台。
　　大数据除了能够帮助电力公司向客户更好地提供服务之外，还可以有效解决电力公司设备维护保养问题。根据设备运行过程采集的过程数据,企业可以开发预测性维修方案。咨询公司埃森哲开发了一套电力资产分析解决方案，基于电力企业现有的ERP，GIS及其他历史数据库就可以为电力资产作出风险诊断，并通过后台专家系统提供维护保养的建议，有效提升企业固定资产的投资产出，降低运营成本。除了埃森哲这样的专业企业，ABB、远景能源、罗尔斯罗伊斯这样的电力设备企业都有基于运行数据的设备远程运维系统。
　　可再生能源
　　大数据技术在可再生能源领域最大的用武之处在风电领域，由于风的难以预测性和激烈波动性，以及风机的重资产属性，风电领域的大数据应用空间十分巨大。比如，气象大数据可以用于气象预测www.cechina.cn，为风电场预测精确的风力发电输出，并提前预知台风暴雨等气象灾害，风机运行数据可以用于优化风机的出力曲线，并帮助诊断风机设备的故障情况。
　　国际上公认的智能风机领先企业Vestas就是风电大数据运用的高手，Vestas通过自有的“Firestorm”超级计算机，持续监视并采集25000台遍布全球的风机的运行数据，以及风机所在地区的风速和气象数据，电站业主可以通过Vestas的在线平台“Vestas Online”即时调取风机和风场的海量数据。并且，给予海量数据，Vestas还开发了简便易用的应用“Power Forecast”和“Vestas Online Maintenance”,Power Forecast帮助用户随时预测风场的未来出力情况，而Vestas Online Maintenance帮助用户便捷规划风机的运维周期，Vestas已经将基于大数据的服务作为未来公司的业务重点。
　　在国内，也有一家智能风机公司一直在深耕风电大数据领域，成绩不亚于国际巨头Vestas，这家公司就是远景能源。远景通过风电管理平台格林云，用大数据产品Data Ocean将公共天气数据，风电场设计数据、风电场实时流体模型数据、风电场设备运行数据、风电场生产检修数据、风机设计数据、风机模拟数据等全生命周期的风电企业数据整合成一体，基于公共信息模型把现实存在广泛关联的数据建立了系统化的数据链接，支持强大的数据管理、数据质量和数据治理模型，并利用Hadoop等大数据技术平台管理上PB级的对象数据、采样数据、风资源和地理数据等，提供结构化数据和非结构化数据的访问，以不同的方式有效管理不同的数据集，从而得到企业数据的“唯一版本事实”，有效支持后续的大数据分析挖掘和价值创造。
　　除风电以外，光伏行业的大数据利用也正在快速发展中，国内的逆变器龙头企业之一的阳光电源，今年四月发布了其第四代光伏电站运维管理系统，特别突出的是该系统引入了大数据分析和阿里云计算平台。所以也称为智慧光伏云iSolarCloud，智慧光伏云结合大数据分析，实时了解各设备的故障甚至亚健康状态，合理安排维护人员和路线，有望实现光伏电站最低维护成本。
　　远景的阿波罗光伏云平台，可以实现全方位数据采集、数据分析和智能化运维管理。除了逆变器数据，“阿波罗”光伏云平台还从气象站、汇流箱、直流柜、电表，甚至直接从组串、组件上采集数据，进而形成一套具备多样性的数据，这比单一的数据更可靠。在接入项目运行数据之后,“阿波罗”可以进行电站绩效的对标、电站健康度体检、以及损失电量分析等工作。与此同时，“阿波罗”还可以对每个电站进行全生命周期的资产风险评估和评级,综合评测电站整体性能,从而判断电站的交易可能和潜在交易价值。
　　总的来说，我们可以把能源电力大数据应用分成七个阶段：
　　第一阶段：知道以前发生了什么；
　　第二阶段：理解为什么会发生；
　　第三阶段：观察当前正在发生什么；
　　第四阶段：预测未来会发生什么；
　　第五阶段：能源系统全局优化；
　　第六阶段：跨系统跨行业全局优化；
　　第七阶段：全局高度智能化。
　　目前，全世界对于能源电力的数据应用能力都处于探索期，而我国能源电力行业的“大数据”更只能算是刚刚起步，差不多刚到第二阶段的门口。我们能源电力行业的数据运用水平其实刚刚能够理解为什么发生而已，差距和未来发展潜力同样巨大，期盼着国内能源电力企业能正视大数据的价值，迎头赶上，更希望我国政府能够致力于打造面向数据时代的开放社会，促使相关部门和公司能尽力推动能源电力数据的公开化和脱敏化，否则，我国在这一轮全球数据时代大潮中又将陷于落后局面。
　　作者：曹寅