北京博明信德科技有限公司：大數據在智慧能源建設中的應用

智慧能源這一概念已經提出很多年，這是一種全新的能源形式，以互聯網技術為基礎，以電力系統為中心，將電力系統與天然氣網路、供熱網路以及工業、交通、建築系統等緊密耦合，橫向實現電、氣、熱、可再生能源等「多源互補」，縱向實現「源、網、荷、儲」各環節高度協調，集中與分布相結合的能源服務網路。其依託互聯網、物聯網、大數據、雲計算等新技術對能源的生產、存儲和使用進行實時監測、數據分析和優化處理，並通過數字化、網路化、智能化手段，實現能源的安全、高效、綠色、智慧應用。

智慧能源已經是我國重要的戰略方向。國家在近年發布了一系列相關政策，都在指向新型、更智慧化的能源體系建設。截至去年底，我國能源行業大數據應用市場規模已達8.29億元人民幣，近5年投資規模都有較大增長。

智慧能源體系的架構

智慧能源體系由下至上可以分為能源層、網路層和應用層。

其中，能源層主要是進行能源的生產、轉換、傳輸和利用，包括化石燃料的發電、清潔可再生能源的多能轉化、電力利用等;網路層主要是通過廣域布局的智能感測進行能源相關數據的採集和傳輸，利用互聯網技術，實時獲取海量數據;應用層主要是利用大數據、雲計算、人工智慧等技術進行能量信息的數據共享，主要包括能源設備的運行狀態和各能源系統的實時運轉狀況等，主要實現途徑是對海量數據信息進行分析和處理，從而搭建能源交易平台來對各種能源交易進行數據支撐，承擔能源互聯網的信息採集、管理方案、能源交易等方面的運行工作。

大數據在能源生產端的應用

能源生產端主要是指煤炭、石油、天然氣、太陽能、風能、地熱能等一次能源和電力、汽油等二次能源。隨著新能源技術的不斷發展，分散式發電方式不斷接入，打破了原有電網運行管理的模式，不但需要考慮負荷側的波動，還要考慮新能源出力的間歇性。在此背景下，智慧能源中大數據應用眾多，涉及電網安全穩定運行、節能經濟調度、供電可靠性、經濟社會發展分析等諸多方面。

以光伏發電方式為例，光伏大數據的應用主要集中在在線預測、發電量模擬、實時監測、設備預警和診斷、資源調度、電力交易以及需求響應等方面。對光伏行業來說，大數據分析是貫穿始終的。從前期規划到電站投資建設、後期運營，以及整個資產全生命周期的管理都可以通過數據分析、數字化的模型為各個環節提供量化的分析和決策服務，服務於投資商、生產商、運營公司等各類角色。

另外，風力發電與光伏發電類似，都具有波動性和間歇性，大規模併網運行會影響電力系統運行的安全穩定，而且在高風力等級條件下還可能造成風機損壞，所以以數值天氣預報模型為基礎，結合實時氣象數據、電站運行狀態數據等，通過大數據建模分析可大幅提高電站運行的安全性和電力系統的穩定性。

大數據在能源消費端的應用

能源消費端主要包括所有的電力用戶，電力改革及電力產業鏈的細化推動著電力交易品種、交易周期、交易方式、競爭格局等因素髮生了顯著變化，電力用戶需求更加多樣，同時也對發電企業、售電公司的能力提出新的要求：如何適應這些變化，細分用戶，提出差異化的服務;如何規避交易風險，提升服務能力等，這些是目前普遍關注的問題。

消費端管理伴隨著行業轉型的壓力而來，無論是電源端還是電網端，其核心就是如何利用負荷資源化進行有效管理，反饋給電源和電網端，達到供需匹配靈活的目的。屆時售電公司的綜合服務除了滿足用戶的能源需求，還需要為用戶提供降低能耗、提高能效等解決方案，通過智能終端，及時為用戶推送電價信息、節能貼士、當地天氣及交通情況等附加服務，拉近與用戶的距離。藉助大數據，售電公司可以根據用戶的生活習慣作出更優的電力調配計劃。

負荷預測作為電網電量管理系統的重要組成部分，其預測誤差的大小直接影響電網運行的安全性及可靠性，較大的預測誤差會給電網運行帶來較高的風險。現階段負荷預測主要是通過負荷歷史數據，利用相似日或者其他演算法預測負荷的大小，短期預測精度較高，中長期精度較差。隨著電網採集數據範圍的增加，利用大數據技術可以將氣象信息、用戶作息規律、宏觀經濟指標等不同種類的數據，通過抽象的量化指標表徵與負荷之間的關係，實現對負荷變化趨勢更為精確的感知，提高預測精度。如果新能源預測誤差較大，則需要在新能源設施周邊建立配套的常規能源作為備用，以彌補新能源預測精度方面的不足。作為備用的常規電源，長期不能工作在最佳運行點，將造成其發電效率低以及能源的浪費。

大數據將深刻影響智慧能源發展

隨著新技術的不斷湧現，能源結構不斷發生變革，傳統的電網規劃方法往往與實際需求差別較大，需要利用大數據技術綜合考慮多種因素，如分散式能源的接入、電動汽車的增長趨勢、電力市場環境下為用戶提供個性化用電服務等。多類型、海量數據的引入，可以有效減少電網規划過程中的不確定性，使得整個規劃更加合理、有序。