能源行業大數據應用案例（格林威治雲平台、阿波羅光伏雲、智慧光伏雲）

文章從格林威治雲平台、阿波羅光伏雲、智慧光伏雲3個大數據應用案例中，以應用背景、數據源、圖說場景、實現途徑、應用效果5個視角去看待大數據在能源行業中的應用狀況。

案例一： 「 格林威治」 雲平台，給風能選址定標準

應用背景：

在風能資源的開發與管理中，風電場選址一直是風電項目的最前端、最關鍵的工作之一。由於風力具有間歇性和難以量化的特徵，傳統風電場選址的難點體現在三個方面：

一是可以利用的統計數據資源較少，可利用的如測風塔的數據，不具有絕對的代表性;

二是依靠當地人的信息和過往經驗做出的判斷並非完全精確，風險較大;

三是人工實地現場選址覆蓋範圍廣，操作難度大且選址周期長。

格林威治平台是遠景能源公司全球首創的基於智能感測網和雲計算的智慧風場全生命周期管理系統。該系統可以為客戶提供風電場規劃、風資源評估、精細化微觀選址等技術解決方案。

數據源:

風電企業數據：風電場設計數據、風電場實時流體模型數據、風機設計數據、風機模擬數據等。

其他數據：地理位置數據、公共天氣數據、風速數據、海拔數據等。

圖說場景：

遠景通過風電管理平台格林雲，用大數據產品將風電企業數據整合，繪製高精度風資源圖譜，用戶可以通過電腦終端登錄雲平台，或者通過雲平台的移動端，迅速查到某個地方的風速、海拔、風資源情

況等等。系統可以在短時間內迅速做出風機布置規劃、項目容量，計算投資收益率，給出具體的測風方案。

應用效果：

查詢方便。 「 格林威治」 的機組排布引擎可以在很短時間內完成宏觀選址規劃;完成高解析度的流體模擬;完成支持多機型混排高精度的高度定製優化微觀選址。在一個風電場設計專業人員的把控下，整個風電場設計過程在 1 小時內全部完成。

精準測量。目前行業常規的風資源圖譜，其精度是 3000 米×3000米，而在「 格林威治」 雲平台上使用的風資源圖譜的精度是 100 米×100 米。高精度的風資源圖譜讓宏觀選址有了全局觀，也將測風方案和整個區域的規劃綁定在一起，這改變了傳統做法，讓測風塔具有真正的代表性。

降低成本。使用雲平台，只需一次性購買軟體服務，就可以在各種終端登錄，不受時間空間限制。對比傳統的選址方法，則需要請專門的設計研究部門進行專項選址工作，不但要耗費更多的時間，而且還需要溝通的精力及不可控的經濟成本。

案例二： 「 阿波羅」 光伏雲，開啟管理新模式

應用背景：

在國家政策的扶持下，光伏分散式項目呈幾何式增加，相應之下，分散式電站運維的各類問題也逐漸顯現：一是在業主與電站投資人非同一家的情況下，電站運維常常被忽視;二是項目規劃大都只考慮到電站建設，而忽略運維環節;三是運維人員緊缺或不夠專業，造成發電效率低，電站出了問題無法及時發現。

遠景能源是國內的一家能源互聯網技術服務提供商，阿波羅光伏雲平台是其針對光伏電站運維管理而推出的一款電站監控和管理軟體，可以實現對分散式光伏電站全方位數據採集、數據分析和智能化運維管理。

數據源:

光伏企業數據：逆變器數據、匯流箱數據、直流櫃數據、電錶數據等。

其他數據：地理位置數據、公共天氣數據、電池板溫度、大氣溫度、日照情況數據等。

圖說場景：

實現路徑：

除了逆變器數據， 「 阿波羅」 光伏雲平台還從氣象站、匯流箱、直流櫃、電錶，甚至直接從組串、組件上採集數據，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後,「 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的交易價值。系統可以在短時間內迅速做出風機布置規劃、項目容量，計算投資收益率，給出具體的測風方案。

應用效果：

降低運維人力成本。以往在一個較為集中電站區域內，需要安排多名值班巡檢員，還會出現顧此失彼、不能兼顧的現象。接入到「 阿波羅」 光伏雲平台後，可以簡化運維組織結構，將多個電站分為若干大區，每個大區只需設置專職後台數據員 1-2 名，同時成立巡檢小組對區域內每個電站定期預防性巡檢。與傳統缺乏自動化分析處理的運維模式相比，人力成本至少可以減少 50%。

減少發電量損失。由於分散式電站分散， 過往匯流箱、逆變器等設備運行故障造成停機，而值班人員不能及時發現造成的發電量損失經常發生。這些分散的電站資產接入到「 阿波羅」 光伏雲平台後，通過大數據分析引擎技術，從電站採集的數據通過自設定的分析邏輯開展自分析，對於數據異常情況， 「 阿波羅」 光伏雲平台會主動推送報警，提醒後台數據員著重關注，極大降低了後台數據員的工作強度，故障預防率得到有效提升。

及時預警，避免安全隱患。光伏電站運維中最關注的是安全問題，而光伏電站內的電氣眾多，隱患也多。 「 阿波羅」 光伏雲平台通過數據分析後的預警功能，則可以避免這樣的安全隱患。

案例三：智慧光伏雲，帶來新變革

應用背景：

2015 年 4 月 1 日，阿里雲與陽光電源公布了戰略合作協議，並發布了其第四代電站運維管理系統 ——「智 慧 光 伏 雲iSolarCloud4.0」 。陽光電源依靠其 1500 個光伏電站的運維經驗和大數據基礎，並通過阿里雲提供海量數據的計算、存儲和網路連接能力，從而使「 智慧光伏雲 iSolarCloud」 成為精細化的光伏電站運行維護管理平台。

陽光電源作為國內最大的光伏逆變器供應商，可以直接將光伏數據採集器集成於光伏逆變器中，這意味著陽光將直接掌握光伏數據監控的「 終端」 。並且通過與阿里雲達成戰略合作之後，可以依靠阿里雲領先的雲計算服務平台，快速步入光伏數據云模式。

數據源:

光伏企業數據：逆變器數據、匯流箱數據、直流櫃數據、電錶數據等。

其他數據：地理位置數據、公共天氣數據、電池板溫度、大氣溫度、日照情況數據等。

實現路徑：

光伏電站管理平台對光伏電站的實時運行數據監測、自動化管理、收益結算、遠程專家諮詢和大數據分析。通過建立相關資料庫，可以達到電站設備故障安全預警的功能，結合天氣環境資料，可實現光伏電站發電量的精準預測。

應用效果：

自動化管理。光伏電站監測、診斷平台可以通過數據採集器導入各類光伏數據，並用可視化的方式呈現，以實現對光伏電站的實時監測的功能。

精準運營。對所監測的光伏數據進行深度挖掘與分析，可以作為光伏行業分析和發展的數據參考，並對光伏電站未來的收益增長、資產評估、風險控制有重要意義。

安全預警。實時監控運行數據大大提高了安全預警的能力，及時解決安全隱患，保障安全生產。

來源：36大數據