1能源互联网与大数据
1.1大数据的基本概念和特征
目前业界对大数据的定义并不统一。从宏观的视角来看,大数据不仅是指一种数据集,也指以这个数据集为研究对象的一项综合性技术,是传感量测技术、信息通信技术、计算机技术、数据分析技术与领域技术的结合。从更为广阔的视角来看,大数据还是一门科学也是一种认识论。大数据是数据的量和复杂程度发展到某个阶段的产物,是对传统数据挖掘、数据分析技术的继承、提升甚至革命。
当前,对大数据基本特征的认识并不统一。总体来看,国内外公认的大数据特征可以概括为“4V”:体量大(Volume)、类型多(Variety)、增长快或速度快(Velocity)和价值大(Value)。这都是从数据本身的特点去论述的。而我们认为,大数据的“大”是一个相对概念,并不是要严格到多大数据量才是大数据。大数据的“大”体现在两个方面,一是指数据“大”到一定程度,可全面表现数据所描述的事物的特性或某种规律;二是指数据的规模和复杂程度“大”到传统的数据处理技术、分析技术不能满足需求,需要采用大数据技术。从大数据的内涵来看,大数据核心是通过范围更广、数量更大的数据,认识事物的本质规律和发展趋势。
1.2能源互联网中的大数据
能源互联网的数据可分为五类:(1)反映能源生产的数据;(2)反映能源配送、转换的数据;(3)反映能源消费、交易和调控的数据;(4)对能源互联网有影响的社会经济环境数据;(5)表征能源互联网的参与者-人的特征的数据。这些数据共同构成了能源互联网中的大数据。
能源互联网中大数据特征:(1)能源互联网中的大数据体量巨大;(2)能源互联网大数据结构复杂、种类繁多;(3)能源互联网大数据实时性要求(速度)高且增长快;(4)能源互联网大数据包含着巨大的价值。
1.3能源互联网中大数据的重要性
辅助能源互联网的多源系统协同运行决策;支持能源互联网的安全稳定经济运行;催化能源互联网商业模式的形成;提高能源互联网的管理水平;有利于能源互联网信息资产的管理和共享。
2能源互联网中的大数据重点应用
2.1能源互联网的优化规划
包括:(1)电动汽车充放电设施建设和运行管理。研究电动汽车充电设施的空间优化规划,根据道路交通信息及配网现状将快速充电站、充电桩规划在合理位置;(2)能源系统规划调度运行辅助决策。通过区域能源地图,能以更优的可视化效果反映区域经济状况及各群体的行为习惯,为区域能源网络规划决策、基础设施改造提供直观依据支撑;(3)储能系统在能源互联网中的优化配置。储能系统的优化配置必须以分布式能源的出力预测为前提,在了解分布式能源的出力特性后,采取合理的方式对其容量和控制策略进行优化;(4)风资源评估及风机选址优化。风力发电机的安装位置选择直接关系到发电能力和投资回报,因此,安装位置的选择要综合考虑温度、风向、风力和湿度等多种因素。基于大数据的数据实时处理平台,可广泛收集环境信息,优化风力涡轮机配置方案,实现高效的能量输出。
2.2能源互联网的运行管理
包括:(1)用能预测和协同调度。基于能源生产和用能预测结果,通过错峰资源聚类分析和错峰影响要素关联度分析,量化评估可调度资源错峰潜力,探究不同类型能源和用能负荷的优化组合原则及方法,实现错峰资源的分层优化及自动分配,完成能源生产与用能的协同调度;(2)混合可再生能源预测。结合大数据分析和天气建模技术,可进行混合可再生能源预测。混合可再生能源预测使能源电力公司更好地管理风能和太阳能的多变特性,更准确地预测发电量;(3)储能系统的智能控制。基于大数据支撑的储能系统智能管理,不仅对单个客户带来较好的收益,还可利用储能系统调节地区能源供求。虽然每处设置的储能系统容量较小,但在太阳能发电及风力发电等可再生能源进一步发展的情况下,通过统一控制多个储能系统的运行,可稳定整个地区的能源供求。
2.3检修计划安排与事故处理
包括:(1)灾害预警。利用大数据技术对能源互联网运行的风险源进行全面持续的量化评价,通过薄弱区域识别、薄弱区域原因分析,联合评价指标库,给出综合预警结果,最终达到灾难有效预警的目标;(2)状态检修管理。利用并行计算等技术实现检修策略优化,能够克服传统阈值判定方法难以准确检测设备的状态异常的局限性,有效提高设备异常检测的准确性和状态评价的正确率,为解决现有状态检修问题提供有效的技术支撑;(3)智能微网云调度管理平台应用。未来千千万万个智能微网的互联互通,将构建成真正意义上的能源互联网,智能微网云调度管理平台支持并协同调度人员统观全局,有效管理分布式微网安全、稳定和经济运行。
2.4能源服务与交易
包括:(1)用能行为分析。主要指:用户能效管理、客户热点关注分析、缴费渠道分析三个方面;(2)用能平衡、需求响应与市场交易。基于能源互联网大数据,通过对电力等能源企业生产运行方式的优化、对间歇式可再生能源的消纳以及对全社会节能减排观念的引导,达到节约能源和保护环境的长远目的;通过调整不同类型的企业、居民用户在需求侧响应中的比例,从而确定最佳的需求侧响应策略;通过与外界数据的交换,挖掘用户能耗与能源价格、天气、交通等因素所隐藏的关联关系,为决策者提供多维、直观、全面、深入的预测数据,主动把握市场动态。
2.5提供社会服务
包括:(1)支撑政府的宏观经济分析。通过汇聚大量用能企业及居民用户的用能数据,可以支撑地方政府开展区域性的宏观经济分析,可以帮助政府机构了解本地区的经济状况,对本地区的短期经济发展趋势进行预判,并通过大数据技术中的各类预警模型,通过模拟调整一系列的参数,制定适合本地区的政策;(2)支撑政府能效决策。帮助电网及政府机构更好的掌握企业的用能情况,明确区域能耗的实际水平,对企业能效管理的政策、技术标准等进行调整,从而预测区域能耗水平的变化趋势,支撑电网公司与政府机构制定更合理的政策法规。
3研究框架
大数据在能源互联网中的应用可以分为数据采集、数据清理、数据存储及处理、数据分析、数据解读,以及数据应用六个环节,每个环节的关键技术构成了大数据的技术体系。
能源互联网大数据的研究体系可分为三个层次。第一层是大数据相关理论;第二层是技术层面,包含了现有的和即将发展和产生的数据存储、处理和分析技术;第三层是大数据的应用层面。
(1)基础理论研究。大数据的基础理论正在形成中,给能源互联网大数据的研究提供新的理论和方法,新理论的形成又将带动新技术的发展;
(2)能源互联网大数据关键技术研究。能源互联网大数据关键技术包括数据的获取、集成和融合、数据质量控制、存储、处理和分析等多个方面。需要在现有的数据集成与融合技术的基础上,结合能源互联网大数据的异构性、冗余性和相关性等特性,研究大数据的数据融合和集成方法,以有效地解决能源互联网大数据获取的全面性和一致性问题;
(3)能源互联网大数据应用研发。在应用层面,需要针对能源互联网相关技术领域,开展大数据技术应用需求分析、场景设计、分析模型、专业方法的研究。
能源互联网是能源生产、配送、消费系统和信息通信系统高度融合的复杂大系统,由于能源互联网具有多能、开放、交互和共享等特征,外部环境和参与者的特性对其规划和运行也将产生重大的影响。能源互联网大数据研究及其应用刚刚起步,仍面临很多困难,需要在政府的大力支持和组织下,制定合理的发展战略,多方通力合作,才能稳步推进,获得应有的成效。
原标题：【观点】中国电科院 刘世成, 张东霞等: 能源互联网中大数据技术思考
