能源大数据技术的应用与发展

蔡泽祥 ,  李立浧 ,  刘平 ,  徐敏 ,  陈泽兴 ,  张勇军 ,  韩永霞 ,  许爱东

中国工程科学 ›› 2018, Vol. 20 ›› Issue (2) : 72 -78.

PDF (240KB)
中国工程科学 ›› 2018, Vol. 20 ›› Issue (2) : 72 -78. DOI: 10.15302/J-SSCAE-2018.02.011
专题研究

能源大数据技术的应用与发展

作者信息 +

Application and Development of Energy Big Data

Author information +
文章历史 +
PDF (245K)

摘要

能源大数据技术作为“互联网+”智慧能源的重要组成部分，对推动我国能源革命、促进能源转型以及刺激能源行业创新发展具有重大作用。本文以“互联网+”智慧能源为背景，阐述了能源大数据技术的结构形态与关键特征；立足于大数据在我国新时代下能源行业发展的重要支撑意义，探讨了能源大数据技术的主要应用领域，重点讨论了目前实现能源大数据的主要制约因素；最后提出了几点发展对策，力求助力我国能源大数据的建设与完善，推动“互联网+”智慧能源的深度发展。

Abstract

Energy big data, as a significant part of "Internet Plus" smart energy, plays a critical role in promoting the energy revolution of China, facilitating the country’s energy structure transformation, and stimulating innovative development of energy industries. In the context of "Internet Plus" smart energy, the basic framework and the key features of energy big data are discussed initially in this paper, followed by a discussion on the major applications of energy big data in energy industries. This paper also reveals some dominant obstacles to energy big data development based on the status quo of energy big data in China. Finally, several suggestions are proposed for energy big data development to overcome these obstacles, with the intent of advancing the construction of energy big data and application of "Internet Plus" smart energy in China.

关键词

能源大数据 / 互联网+ / 智慧能源 / 信息通信设施 / 能源产业

Key words

能源大数据 / 互联网+ / 智慧能源 / 信息通信设施 / 能源产业 / energy big data / Internet Plus / smart energy / information and communication infrastructure / energy industries

引用本文

引用格式 ▾
蔡泽祥,李立浧,刘平,徐敏,陈泽兴,张勇军,韩永霞,许爱东. 能源大数据技术的应用与发展[J]. 中国工程科学, 2018, 20(2): 72-78 DOI:10.15302/J-SSCAE-2018.02.011

登录浏览全文

4963

注册一个新账户 忘记密码

一、前言

在全球迫切需要实现能源转型的发展潮流下， “互联网 +”智慧能源已成为广受能源领域关注的热 点，能源网与互联网的深度融合是解决当前能源问 题，重塑全球能源格局的重要变革力量 [1]。能源 大数据融合了海量能源数据与大数据技术 [2]，是 构建“互联网 +”智慧能源的重要手段。它集成多种能源（电、煤、石油、天然气、供冷、供热等） 的生产、传输、存储、消费、交易等数据于一体， 是政府实现能源监管、社会共享能源信息资源、促 进能源体制市场化改革的基本载体 [3,4]。同时，能 源大数据以数据开放共享为核心理念，是应用互联 网机制与技术改造传统能源系统的最佳切入点，是 推进能源系统智慧化转型升级的有效手段。进一步 地，能源大数据是打破行业壁垒，促进各种能源系 统融合的助推剂，将催生一批智慧能源新兴业态， 亦是实现能源行业转型升级、打造新的经济增长点 的关键技术 [5~7]。

为此，本文从能源大数据技术的基本内涵出发， 阐述了能源大数据的基本架构及典型特征，总结了国 内外大数据在能源领域的应用现状，并探讨了目前我 国能源大数据建设中所存在的问题。立足现存问题， 对我国下一步能源大数据产业的布局提出了若干发展 建议，以支撑“互联网 +”智慧能源战略发展。

二、能源大数据技术的基本内涵

大数据是以整个数据集合为研究对象的一项综 合技术，是传感技术、信息通信技术、计算机技术、 数据分析技术与专业领域技术的结合，是对传统的 数据挖掘、数据分析技术的继承和发展 [8~10]。随 着我国“互联网 +”在能源行业的深入发展，所衍 生的“互联网 +”智慧能源融合互联网的思维和技 术，改造传统能源的生产、传输、消费、转换、交 易等全产业链，依托能源大数据技术，形成能源与信息高度融合、互联互通、透明开放、互惠共享的 新型能源体系。面向“互联网 +”智慧能源的能源 大数据基本架构由应用层、平台层、数据层以及物 理层组成，如图 1 所示。

能源大数据的物理层包括了能源生产、能源传 输、能源消费全环节以及每一环节的各类能源装备。 通过装设在能源网络和能源装备的传感器装置和能 源表计获取系统运行信息及设备健康状态信息，并 将数据信息交由智能运营维护与态势感知系统实现 数据可视化展示、状态监测、智能预警和故障定位 等功能。信息通信与智能控制系统则负责能源系统 各环节、各设备间的通信以及控制。所产生的海量 数据均与气象环境等外部系统数据一同存储在能源 大数据的专用数据库中，以进一步加工并用于能效 情况评价、风险辨识评估以及能源经济利用分析等 功能中。基于能源大数据技术可实现能源生产侧的 可再生能源发电功率的精准预测并协同电–气–冷– 热的多样化能源优化配置；在能源传输侧实现智能 化的能源网络在线运营维护，有效监控能源系统的 运行状态，自动辨识故障位置；为能源消费侧的用 户提供能效分析与能效提升服务，并可整合能源消 费侧的各类负荷资源，实现需求侧响应，充分提高 能源利用效益。

本文以表 1 所示的用电大数据为例分析能源大 数据的主要特征。能源大数据一般从多个数据源采 集数据信息，如用电大数据的数据来源形式包括用 户层面的企业报表以及设备层面的电能表计乃至系 统层面的各类控制与运营维护系统的数据信息。与传统能源系统的结构化量测数据相比，每类数据源 的数据采集所覆盖的范围大小不一，数据信息聚焦 的时空尺度有别，在数据多样性方面呈现出明显的 多源异构特征 [11]。由于大数据技术在能源全环节 传感信息采集装置与能源设备中的海量应用，使得 能源大数据的量级达 TB 至 PB 级甚至 EB 级以上； 另一方面，能源大数据强调数据采集的时效性与全 面性，所获得的数据采集频率在分钟级以内，数据 增长速度快。此外，为了更好地应用于“互联网 +” 智慧能源系统中，数据不再仅局限于过去的统计分 析与周期报表制作环节，而是被进一步加工、分析 与利用，并在用户用能特性与潜力的挖掘、源 – 荷 特性的预测分析、能源市场交易以及其他增值服务 等方面得到充分应用。

图 1 能源大数据基本架构

表 1 用电大数据主要来源形式

传统能源系统的结构化量测数据相比，每类数据源 的数据采集所覆盖的范围大小不一，数据信息聚焦 的时空尺度有别，在数据多样性方面呈现出明显的 多源异构特征 [11]。由于大数据技术在能源全环节 传感信息采集装置与能源设备中的海量应用，使得 能源大数据的量级达 TB 至 PB 级甚至 EB 级以上； 另一方面，能源大数据强调数据采集的时效性与全 面性，所获得的数据采集频率在分钟级以内，数据 增长速度快。此外，为了更好地应用于“互联网 +” 智慧能源系统中，数据不再仅局限于过去的统计分 析与周期报表制作环节，而是被进一步加工、分析 与利用，并在用户用能特性与潜力的挖掘、源 – 荷 特性的预测分析、能源市场交易以及其他增值服务 等方面得到充分应用。

三、能源大数据技术的应用领域

随着互联网技术与互联网思维逐步与能源系统 实现融合，能源行业开始意识到能源大数据在能源 行业全环节的巨大应用潜力，新时代对促进可再生 能源的发展、激发能源行业的跨界融合活力与创新 发展动力具有重大的意义。能源大数据技术有利于 政府实现能源监管、社会共享能源信息资源，是推 进能源市场化改革的基本载体，也是贯彻落实国家 “互联网 +”智慧能源发展战略、推进能源系统智慧 化升级的重要手段，同时在为助力跨能源系统融合， 提升能源产业创新支撑能力，催生智慧能源新兴业 态与新经济增长点等方面发挥积极的作用。

能源大数据的应用领域主要体现在以下几个方面：

1. 能源规划与能源政策领域

能源大数据在政府决策领域的应用主要体现在能源规划与能源政策制定两个方面。在能源规划方 面，政府可通过采集区域内企业与居民的用电、天 然气、供冷、供热等各类用能数据，利用大数据技 术获取和分析用能用户的能效管理水平信息与用能 行为信息，为能源网络的规划与能源站的选址布点 提供技术支撑。此外，基于用能数据、地理信息以 及气象数据可分析区域内的基本能源结构与能源资 源禀赋，为实现能源的可持续开发与利用提供指导 方向。在能源政策的制定方面，政府可利用大数据 分析区域内用户的用能水平和用能特性，定位本地 企业的能耗问题，研究产业布局结构的合理性，为 制定经济发展政策提供更为科学化的依据；另一方 面，依托能源大数据对能源资源以及用能负荷的信 息挖掘与提炼，为政府制定新能源与电动汽车补贴 方案、建立电价激励机制等国家和地方政策提供依 据，也为政府优化城市规划、发展智慧城市、引导 新能源汽车有序发展提供重要参考。

2. 能源生产领域

在能源生产领域，大数据技术的应用目前主要 集中在可再生能源发电精准预测、提升可再生能源 消纳能力等方面。由于可再生能源具有天然的间歇 性与随机性，需要合理进行储能等灵活性资源配置 规划并依赖可靠、可信的功率预测信息安排电源的 运行方式，以充分降低可再生电源对电网的冲击影 响，减少弃风弃光现象，并保证供电可靠性。目前， 国内远景能源科技有限公司以实现风电与光伏的智 慧化能源生产为目标，融合物联网、大数据以及机 器学习技术打造的 EnOSTM 平台每天处理将近 TB 级的数据量，在可再生能源功率预测水平及控制精 度等方面领先业内同行。此外，国外学者利用大数 据对气象统计、地理图像等信息研究风场选址以及提升设备运行寿命的自动发电控制等方面进行了深 入的研究 [12,13]。随着互联网技术在能源生产领域 的不断融合，可以通过互联网整合区域内所有风场 功率预测的可用数据，打破单一风电场孤立预测的 传统模式，有利于实现预测信息的开放交互，进一 步提升可再生能源预测的服务质量 [14]。

3. 能源消费领域

随着能源消费侧的可再生能源渗透比例不断提 高以及微电网系统的逐渐成熟，能源用户从传统消 费者的角色向产销者的角色过渡。有效整合能源消 费侧可再生能源发电资源、充分利用电动汽车等灵 活负荷的可控特性以及参与电力市场的互动交易并 实现利润最大化，是目前大数据技术在能源消费领 域的热点研究问题 [10]。对此国内外已对能源消费 终端的大数据技术实际应用开展了有益的探索。美 国的 C3 Energy 和 Opower 公司运用大数据技术开 发了分析引擎平台和用能服务平台，为用户提供 用能服务，为实现需求侧响应提供重要支撑 [15]。 德国的 E-Energy 项目为促进可再生能源预测、能源 服务商业模式的开发以及能源交易等提出了基于大 数据技术的有效解决方案 [16,17]。我国“全国智慧 能源公共服务云平台”于 2015 年 2 月启动，目前 已有 14 个省市单位签约构建智慧能源地方分平台。 该平台主要提供能源数据采集和分析功能，通过云 平台建立实时设备管理数据平台，打造新的销售模 式，从而获得高性价比的产品和解决方案，目标是 实现降低用能成本，提高能源利用效率，打破政府 和金融机构各自封闭的信息孤岛，掌握真实透明数据，实行有效的监管和调控。

4. 智慧能源新业态

随着能源大数据技术在能源系统的深度扩展， 将在能源网络的监控与运维、能源市场化交易等方 面催生一批崭新的智慧能源服务新业态。在能源系 统的运维方面，基于广域量测数据的态势感知技 术已应用于智能电网的输配电站的在线运营维护 中，实现实时事件预警、故障定位、振荡检测等功 能 [18,19]。此外，风电、光伏等可再生能源电站硬 件繁杂、选址分散，需借助大数据技术根据机组回 传数据分析监测各零件的磨损、疲劳情况，据此在 线预测和判定设备的运行状态，有助于简化大规模 监测系统的部署，及早防范潜在的故障因素 [20]。展望未来，能源系统融合必将扩大设备规模与能源 网络的复杂程度，而且随着电力市场的逐步放开完 善，将在同一区域内涌现多家售电主体。这将导致 运营区域和电力资产分散，配备专业运维队伍缺乏 经济性，因此传统的集中式运营维护模式难以适应 能源系统的发展趋势。通过引入互联网共享理念， 利用互联网与大数据技术实现分布式运营维护，依 据运营维护需求与地理信息匹配专业运营维护商将 是未来能源大数据所衍生的新业态模式。

另一个值得关注的是能源大数据技术对能源交 易市场建设与完善的重要推动作用。目前，国内外 的能源大数据在能源交易方面的实际应用仍处于起 步阶段。英国国家电网在美国的纽约布法罗医学院 校区建立了微型光伏售电交易市场试点，运用大数 据技术对该区域内的光伏、储能与用户负荷实现优 化匹配，并提供发电资源的定价服务 [21]。随着能 源大数据技术在能源生产、传输、消费各环节的深 入发展与逐渐成熟，可为能源行业提供开放、共享 的能源信息平台，推进能源自主灵活交易，使得能 源价格信息能够直接反应供需关系，引导资源进行 优化配置，促进公平、公开、共享的能源市场环境 的形成。此外，通过能源大数据技术可有效引导各 类高效能源技术根据需求和技术特点优化组合，形 成各类能源交易与增值服务等综合能源服务新模式。

四、我国能源大数据技术现状分析

目前，随着新型传感器、新的传输机制（如多 址技术、扩频技术等）、光纤传输技术、数据预处 理技术等的发展，信息系统通信质量在不断地提升， 基于能源数据分析处理的能源系统决策在不断地推 进能源系统优化，在能源生产、传输、消费等环节 已得到初步的应用和实践。但由于在信息管理机制、 信息基础设施建设、信息安全等方面仍面临瓶颈， 能源大数据的建设与应用程度较低，成为制约能源 系统“互联网 +”升级的瓶颈。目前能源大数据利 用现状所存在的主要问题可概括为以下几点。

1. 能源系统普遍存在信息孤岛

海量能源数据的获取是建设能源大数据的基 础，但能源领域普遍存在的信息孤岛问题却成为推 进能源数据资源整合的一个重要制约因素。

一方面，在电力、煤炭、石油、天然气、供冷 / 热等能源企业信息化的进程中，由于缺乏有效的统 一管理机制，造成能源企业存在多套独立的能源管 理系统，通过各自的传感器可以采集单独系统的数 据。但由于各系统架构、协议等不一致，各自采集 的数据无法共享，制约了能源大数据进一步地分析 与挖掘。另一方面，传统电力及其他能源系统长期 保持着各自规划、独立运行、条块分割的局面，跨 系统间的行业壁垒严重，封闭了不同能源系统之间 的信息互通，使得信息孤岛问题进一步突出，制约 了能源大数据的发展。

2. 支持能源大数据的基础设施存在短板

大数据需要从底层芯片到基础软件再到应用分 析软件等信息产业全产业链的支撑，在这一系列基 础设施建设上，我国能源信息基础设施仍存在短板。

一方面，无论是在传感技术、新型计算平台、 分布式计算架构方面，还是大数据处理、分析和呈 现方面，我国能源信息技术与国外均存在较大差距， 难以适应电力行业乃至能源行业的多源、多态及异 构数据的广域采集、高效存储和快速处理。以表 1 的智能电网用电数据为例，其来源包括了企业统计、 量测表计、供电公司以及第三方能源公司，从数据 量级、覆盖范围、数据颗粒度以及可获得性等方面 比较均有较大差异。

另一方面，能源信息数据开发应用意识不强， 一体化系统中采集了大量的能源数据，但将现有数 据转化为资源优势，用于提高能源系统的优化运行 水平，仍有待加强。如表 1 的用电数据中供电公司 数据获取量大、集中程度高，但仅用于供电公司业 务范围，数据价值潜力仍亟待充分挖掘。

3. 能源信息安全问题突出

能源系统的开放、兼容和互联必然伴随着风 险，目前整个能源系统的安全形势仍然严峻，特 别是随着互联网技术在能源系统的应用，开放互 联的网络和信息与物理组件的交互使得能源系统 面临着巨大的安全挑战 [22,23]。能源大数据是建 立在能源数据公开、共享的基础之上，因此，能 源大数据的建设与应用需加强能源信息安全防御 能力。另一方面，能源大数据技术将用户大量用 能信息进行集聚，很可能造成隐私泄露。在能源 大数据建设中，协调共享与安全是必须首先解决 的重大课题。

五、我国能源大数据产业发展建议

1. 推动能源系统与大数据技术融合，使大数据 成为能源系统智慧化升级的支撑

由硬件资源、基础软件、网络通信、数据集成、 计算支撑、应用支撑、安全管控等环节推动能源与 大数据的融合。采用统一能源信息采集、集成、存 储标准，解决多源数据异构所带来的信息孤岛问题。 加强广域多时间尺度的能源数据及相关领域数据的 采集、传输和存储，以及从这些大量多源异构数据 中快速提炼出深层知识并发挥其应用价值，同时加 强可视化、人机交互技术的应用，实现能源大数据 的易用性。此外，还需加强能源信息安全建设，落 实信息安全技术防护和管理措施，切实保障能源信 息安全。

2. 完善基础设施建设，补齐多能源物理互联和 信息互联的基础设施短板

加强多能源网络供给侧结构性改革：补齐多能 源物理互联和信息互联的基础设施短板，推进电、 气、热等能源网络及其信息架构基础设施的协调建 设。完善能源大数据基础信息建设，推动透明电网 / 能源网发展，重点攻关基于能源大数据的智能决策， 推进能源生产、传输、消费全过程信息透明及智慧 化，实现能源系统高比例可再生能源的消纳及终端 能效提升。

3. 深化能源体制改革，消除不同能源行业之间 的信息壁垒，实现信息共享

进一步放开能源用户侧、配售侧、需求侧市场： 配电、售电由增量市场扩大到存量市场；油气配售 市场允许民营和外资资本进入；通过用户侧的市场 机制，催生出一批能源金融、第三方综合能源服务 等新兴业态，倒逼能源供给侧结构性改革，推进能 源生产方式和能源利用方式的智能化变革，提升全 社会综合能源效率。在市场化改革下，消除不同能 源行业之间的壁垒，真正推动能源大数据建设。

4. 完善能源大数据产业顶层设计，培育智慧能 源产业新业态

通过政策导向、资金扶持、平台建设、市场设 计，完善市场法律法规，形成长效机制：加快制定 并完善能源产业市场法律法制，试点能源产业市场 负面清单制度。构建能源生产、存储、传输、交易、 消费、增值服务等全产业链，完善能源产业基础架构，形成国家级、区域级、用户级等不同应用范围 的能源大数据平台，利用其公开共享的数据资源， 培育发展智慧能源新业态，带动相关产业升级，促 进智慧能源产业形成新的经济增长点。

六、结语

能源大数据的建立对贯彻我国“互联网 +”智 慧能源发展战略，加快多能系统深度融合，促进能 源市场化改革具有重大意义。本文通过调研我国能 源大数据的发展现状，分析认为存在以下三个主要 问题：

（1）由于各能源系统间存在的行业壁垒导致信 息交流渠道缺失，无法实现跨能源系统的信息互联 互通；

（2）能源系统具有高度的特殊性与复杂性，目 前大数据的基础设施与基本技术仍难以适应其应用 需求；

（3）能源系统的安全运行关乎国计民生，实 现能源大数据的数据与信息安全仍是亟待解决的 难题。

为此，本文针对上述三个问题提出了促进我国 能源大数据产业发展的四条建议：

（1）在信息与物理的层面上，应全面考虑能源 系统的运行特点与数据特征，实现大数据技术与能 源系统的融合；

（2）在基础设施层面上，以建设透明电网、透 明能源网为目标，推动能源信息架构基础设施的建 设与完善；

（3）在能源体制层面上，切实推动能源市场化 改革，以打破能源行业壁垒为契机，推动多种能源 系统信息的互联互通；

（4）在产业顶层设计层面上，以政策法规为引 导，培育新兴能源产业生态，促进能源大数据的发 展与成熟。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

李立浧, 张勇军, 陈泽兴, 智能电网与能源网融合的模式及其发展前景 [J]. 电力系统自动化, 2016, 40(11): 1–9.
[2]

Jiang H, Wang K, Wang Y, et al. Energy big data: A survey [J]. IEEE Access, 2016 (4): 3844–3861.
[3]

刘敦楠, 唐天琦, 赵佳伟, 能源大数据信息服务定价及其在电力市场中的应用 [J]. 电力建设, 2017, 38(2): 52–59.
[4]

黄小庆, 陈颉, 田世明, 电动汽车充电站规划、运行中的大数据集成应用 [J]. 电网技术, 2016, 40(3): 762–767.
[5]

张勇军, 陈泽兴, 蔡泽祥, 新一代信息能源系统: 能源互联网[J]. 电力自动化设备, 2016, 36(9): 1–7.
[6]

田世明, 栾文鹏, 张东霞, 能源互联网技术形态与关键技术[J]. 中国电机工程学报, 2015, 35(14): 3482–3494.
[7]

陈启鑫, 刘敦楠, 林今, 能源互联网的商业模式与市场机制( 一) [J]. 电网技术, 2015, 39(11): 3050–3056.
[8]

Naimi A I, Westreich D J. Big data: A revolution that will trans-form how we live, work, and think [J]. Mathematics & Computer Education, 2013, 47(17): 181–183.
[9]

McAfee A, Brynjolfsson E, Davenport T H, et al. Big data: The management revolution [J]. Harvard Business Review, 2012, 90(10): 60–68.
[10]

Zhou K, Fu C, Yang S. Big data driven smart energy management: From big data to big insights [J]. Renewable and Sustainable Energy Reviews, 2016 (56): 215–225.
[11]

张东霞, 苗新, 刘丽平, 智能电网大数据技术发展研究 [J]. 中国电机工程学报, 2015, 35(1): 2–12.
[12]

Billinton R, Gao Y. Multistate wind energy conversion system models for adequacy assessment of generating systems incorpo-rating wind energy [J]. IEEE Transaction on Energy Converstion, 2008, 23(1): 163–170.
[13]

Kaldellis J. Optimum autonomous wind–power system sizing for remote consumers, using long-term wind speed data [J]. Applied Energy, 2002, 71(3): 215–233.
[14]

鲁宗相, 徐曼, 乔颖, 风电功率预测的新型互联网运营模式设计 [J]. 电网技术, 2016, 40(1): 125–131.
[15]

刘世成, 张东霞, 朱朝阳, 能源互联网中大数据技术思考 [J]. 电力系统自动化, 2016, 40(8): 14–21.
[16]

B.A.U.M. Consult Gmbh. Smart Energy made in Germany [R].
[17]

王喜文, 王叶子. 德国信息化能源(E-Energy) 促进计划 [J]. 电力需求侧管理, 2011, 13(4): 75–76.
[18]

Liu Y, Zhan L, Zhang Y, et al. Wide-area measurement system de-velopment at the distribution level: An FNET/GridEye example [J]. IEEE Transactions on Power Delivery, 2015, 31(2): 721–731.
[19]

Zhou D, Guo J, Zhang Y, et al. Distributed data analytics platform for wide-area synchrophasor measurement systems [J]. IEEE Transactions on Smart Grid, 2016, 7(5): 2397–2405.
[20]

彭小圣, 邓迪元, 程时杰, 面向智能电网应用的电力大数据关键技术 [J]. 中国电机工程学报, 2015, 35(3): 503–511.
[21]

Magavern S. Greening the buffalo niagara medical campus [R]. New York: The Open Buffalo Innovation Lab, 2015.
[22]

Becker T, Curry E, Jentzsch A, et al. New horizons for a data-driven economy: Roadmaps and action plans for technology, businesses, policy, and society [M]. London: Springer International Publish-ing, 2016.
[23]

李存斌, 李小鹏, 田世明, 能源互联网电力信息深度融合风险传递: 挑战与展望 [J]. 电力系统自动化, 2017, 41(11): 17–25.

基金资助

中国工程院咨询项目“‘互联网+’行动计划的发展战略研究”(2016-ZD-03)()

AI Summary AI Mindmap
PDF (240KB)

4334

访问

0

被引

详细
导航
相关文章

AI思维导图

/

〈 〉