如何用正确姿势拥抱能源大数据？

2005年的威尔玛飓风造成62人遇难，损失达到近3000万美元

飓风与能源行业关系密切？没跟你开玩笑。

在美国，四分之一的海上石油生产、三分之一的天然气加工、五分之二的炼油设施都位于得州、路易斯安那州、密西西比海岸，而它们都处于飓风的必经之路上。飓风引起的蝴蝶效应波及之大，不仅冲击了当地的能源基础设施，更给电网安全带来了诸多隐患，如果我们可以随时了解气象数据的变化，一方面能提高能源供给设施的效率，同时也能利用这些数据进行能源消费模式分析，帮助客户优化服务、改变路径、预测发电量，岂不一举多得？

Deep Thunder天气预报分析图，图片来源：IBM

如今，IBM的Deep Thunder气象预测服务软件早已在为美国政府服务了，而能源供应链上的信息贯通又何止是气象数据，仅IBM就已投资 160亿美元进行了30次数据分析的相关收购，并在电力产业提出电网转型、提高发电效率及顾客运营转型等倡议，支持能源大数据处理。专注风机13年的GE，通过每秒分析上万个数据点，融合能量储存和先进的预测算法，开发出能灵活操控120米长叶片的2.5-120型风机，将数据传递给邻近的风机、服务技术人员和顾客，直接把效率拉高了25%！

在能源互联网时代，无论是传统电力、油气公司还是科技、新能源企业，都在琢磨着向能源大数据投怀送抱，那么问题来了，怎样的拥抱姿势才正确？

【概念】当能源遇上大数据

如果说在互联网诞生时，有人号称“在网上没人知道你是一条狗”，那么在大数据时代，我们不但知道是不是一条狗，而且知道是公还是母、爱吃什么粮、什么时候睡……因为数据已经渗透到每一个行业和业务领域，不再只是生产过程中产生的信息和资料，而是成为重要的生产因素。

所谓“三分技术，七分数据，得数据者得天下”，我们无疑已进入一个数据为王的时代。由此延伸出来的能源大数据理念，就是将电力、石油、燃气等能源领域数据以及人口、地理、气象等其他领域数据，进行综合采集、处理、分析与应用的相关技术与思想，它不仅是大数据技术在能源领域的深入应用，也是能源生产、消费及相关技术革命与大数据理念的深度融合，将加速推进能源产业发展及商业模式创新。

【商业模式】能源大数据的三种应用

目前，能源大数据理念尚处于逐步发展过程中，在当下，我们不妨先把视野放诸国外，寻觅一些他山之石，看看渐成模式的“国外的月亮”。

参考国网能源研究院的相关资料，国外能源大数据的应用模式大致可归为三类：

应用之一：对接智能电网优化需求响应

也就是通过将能源生产、消费数据与内部智能设备、客户信息、电力运行等数据结合，充分挖掘客户行为特征，提高能源需求预测准确性，发现电力消费规律，提升企业运营效率效益。

对于电网企业来说，这个模式能够提高企业经营决策中所需数据的广度与深度，增强对企业经营发展趋势的洞察力和前瞻性，有效支撑决策管理。

案例插播▏AutoGrid帮助横跨美国的电力系统寻求需求方优化方案

在美国，对需求极为敏感的市场和电力系统项目并不需要实时检验，但当需求方管理日益成为全球电力运营的一个重要部分时，大数据应用也变得日益重要。而大数据公司AutoGrid的价值就在于此，可以帮助电网各端匹配电力供应和需求，降低电网各端的成本。

AutoGrid收集并处理其客户接入智能电网的智能仪表等设备的数据，面向其客户或合作方提供需求响应优化及管理系统，实现实时资源预测、资源优化、自动需求响应、客户通知引擎和事后分析等功能。对于发电企业的客户来说，AutoGrid可以预测发电情况和电网负荷，实现优化调度；对用电企业的客户而言，可以预测用电量，结合电价信息，进行需求响应。

应用之二：能源数据综合服务平台

该模式通过建设一个分析与应用平台，集成能源供给、消费、相关技术的各类数据，为包括政府、企业、学校、居民等不同类型参与方提供大数据分析和信息服务。该模式中，电网企业具有资金、技术、数据资源等方面优势，具备成为综合服务平台提供方的条件。

案例插播▏美国得克萨斯州奥斯丁市实施的以电力为核心的智慧城市项目

该项目以智能电网设备为基础，采集了包括智能家电、电动汽车、太阳能光伏等类型详细用电数据以及燃气、供水数据，形成一个能源数据的综合服务平台。

奥斯丁智慧城市项目商业模式示意图

该项目已在节能环保、新技术推广、研发测试等方面发挥了重要的平台服务支撑作用。一是在消费者能源管理方面，为居民能源消费、住宅节能、交通出行等方面提供优化建议，促进节能环保。例如，识别环保住宅的能耗降低比例可达27%；对居民太阳能电池板安装朝向进行优化，可使发电量增加49%等。二是为企业提供电动汽车、智能家电等产品开发与技术测试服务。例如，将电力数据与汽车里程、分时电价、油价数据结合，可提供电动汽车性能分析、充电站布局优化，并根据用户习惯确定最佳充电时间等服务。

应用之三：支撑智能化节能产品研发

该模式主要将能源大数据、信息通讯与工业制造技术结合，通过对能源供给、消费、移动终端等不同数据源的数据进行综合分析，设计开发出节能环保产品，为用户提供付费低、能效高的能源使用与生活方式。

以智能家居产品为例，该模式既可为居民用户提供节能降费服务以及快捷便利的用户体验，也可对能源企业尤其是电力企业改善用户侧需求管理、减少发电装机等方面发挥作用。正在美国走向普及的智能电表也是一例，它具有电量结算功能，在整个电网范围内标识售电商和用户，可通过更换芯片更换售电商。该模式中，电网企业不一定具备产品研发优势，但可利用电力数据采集与分析方面的优势，既可通过与设备制造商合作改进用户需求侧管理，也可通过共同参与研发并在产品销售中获取收益。

案例插播▏美国NEST公司研发智能恒温器产品

该产品可以通过记录用户的室内温度数据，智能识别用户习惯，并将室温调整到最舒适状态。

NEST产品商业模式示意图

该模式可以实现产品制造商、电力企业、用户三方共赢：作为产品制造商的NEST公司免费获得合作企业提供的部分电力数据，借此完善预测算法，并通过多种方式（恒温器设备、互联网、分析报告）展示分析结果；电力企业在智能恒温器支持下，改进需求侧管理，节约发电装机与调峰成本；用户使用产品自动控制房间温度，并节省用电费用。据报道，售价250美元的Nest恒温器每年可在电费和供热开支方面为家庭节省173美元，一年时间已节省了2.25亿千瓦时的能量，相当于2900万美元费用。

该商业模式已得到谷歌公司的高度关注和认可，目前NEST公司已被谷歌公司收购。谷歌公司力图借该模式推动其在新能源领域的全方位战略布局。

【解剖麻雀】法国电力公司是如何进行大数据运营的？

下面来具体说说法国电力公司的大数据运营实践。

法国电力集团（EDF）成立于1946年，是一家国有综合性跨国能源公司，拥有欧洲最大的电力生产体系，在法国、意大利和英国有稳定的市场，主要从事发输配电、天然气供应、工程和咨询等业务，并积极拓展国际业务，通过子公司以独资或合资形式参与亚洲、拉美和非洲的20多个国家的电力项目。

作为全球领先的电力基础设施服务提供商，法国电力公司非常重视大数据在企业运营分析管理中的作用，通过设立专业机构、完善数据基础、增强分析能力，不断发掘数据资产价值，为企业战略转型与服务升级提供有效的决策支撑。基于大数据的运营分析，法国电力公司掣出三招。

第一招：建独立机构支持运营决策

法国电力在客户关系管理数据库中，对用户信息进行了全面搜集，包括客户名称、电费计价方式、客户用电行为特点等。法国电力研发部下成立了职能服务型的运营分析中心，专门负责对客户数据进行分析，以对销售管理进行支撑。

法国电力数据运营分析框架

该部门以项目制的形式负责向销售、营销和财务控制在内的六个业务部门提供客户行为分析支撑，以改善这些部门的服务质量并实现客户的最大化保留。其工作职责可分为5个方面：与相应的部门保持沟通，找到分析所需的相关数据；对内部数据进行清理，对外部源数据进行整合；采用神经网络、聚类、回归分析等分析方法对数据进行按需分析，预测电力需求侧的变化、区分客户群特点及消费规律；在全面了解客户情况的基础上，按照客户的忠诚度、利润率、生命周期价值以及与新推出产品的相关性对客户进行打分；确保法国电力拥有必要的工具来满足不断发展的营销需求。

通过坚持不懈地克服各种数据复杂性问题，分析型客户关系管理部很好地提供了三方面销售支撑：

一是为相关部门提供一致的关键业绩指标（KPI），例如，按照客户领域和销售渠道预测各类一级市场和大众市场内中小企业和家庭住户的电力消耗和需求趋势，营业收入，成本和利润率。从而帮助营销部门更为精确地找准目标客户，推出更具盈利性的新产品，进而保留客户和扩大市场份额。该部门的项目负责人认为：通过评分，法国电力的营销部门可以把营销工作的重点对准那些对新产品比较感兴趣的客户，以更低的成本赢得高达15%的新客户。

二是分析部门提供的信息能够让法国电力根据客户的要求对产品和服务进行改进，为新的商业活动更好地分配资源，改善服务。例如，通过对来自客户的问题进行区分，确定哪些问题是最重要的，哪些是比较耗费时间的问题，从而使呼叫中心的响应速度提高10%。

三是借助分析型研究成果对客户服务方法实现本地化，通过为客户提供更好的商业信息来实现地区服务自治，提高法国电力在商业运作上的灵活性。

第二招：运用大数据技术挖掘数据资产价值

目前全法已经安装3500万智能电表，电表产生的数据量将在5-10年内达到PB级。智能电表采集的主要是个体家庭的用电负荷数据。以每个电表每10分钟抄表一次计算，3500万智能电表每年产生1.8万亿次抄表记录和600TB压缩前数据；每天产生5亿次抄表记录，和大约2TB的抄表数据。这些电表数据，结合气象数据、用电合同信息及电网数据，构成了法国电力的大数据。

数以千万计的智能电表产生了大规模数据管理业务

以智能电表采集数据为例，这些数据具有以下特点：数据具有时间序列特性；数据来源具有分布式特性，并且需要在不同尺度上进行处理；某些应用需要对数据进行实时处理。

考虑到大数据的广泛应用前景，针对自身海量数据的特性及其处理需求，法国电力的研发部门成立了大数据项目组，借助大数据技术研究海量数据的处理架构，实现用电负荷的精细化测量，降低信息决策系统与运行操作系统之间的延迟。目前该项研究尚属于起步阶段，该项目组的短期目标是：将分布式智能技术集成于原有业务系统，包括具有数据处理功能的智能路由器、分布式数据库、分布式数据处理以及分布式复杂事件实时处理技术。这些分布式技术同时需要支持控制中心的统一集中式控制。

法国电力以用户用电负荷曲线的海量存储和处理为突破口，利用大数据技术，形成了能够支撑在规定延迟内的复杂、并行处理能力。其中数据接入的接入形式包括批处理或数据流两种；数据的预处理包括时间同步、异常数据检测及修正，以及改变数据表达形式等；数据处理包括按区域的指标计算、账单模拟、商业智能BI等。

第三招：实施专业化管理提升数据质量

法国电力认识到，数据质量问题事关重大，而IT部门存在一定的能力局限性，尤其是在面对技术应用、企业流程甚至是整个组织等跨专业性、全局性问题时。法国电力通过研究发现，在应用数据开展分析之前，相较于个人对不同信息系统中数据的单次提取和数据质量管理行为，采取建立大数据库对数据进行集中，由专门的数据质量管理专家对数据质量进行管控、自动集中监测的方式，有助于提升数据库的性能，促进数据质量管理经验的分享以及规避个人处理能力的不足。

法国电力数据质量管理专家需具有深厚的统计学、信息系统、数据工程等多学科背景以及丰富的IT实践能力，他们深知如何使用正确的工具、方法和最佳实践进行数据质量管理以及如何在IT项目中穿插进行数据质量管理。法国电力的数据质量管理专家开展了一系列针对数据质量提升的专项分析研究，比如设计了多维星状模型对数据进行存贮、分析和检验测试，为数据的应用提供了较好的支持。

【结语】

马云说：互联网还没搞清楚的时候，移动互联就来了，移动互联还没搞清楚的时候，大数据就来了……那么“能源+大数据”呢？更没有标准答案。也许正因为能源大数据有着许许多多的不确定性，有着无限的想象空间，我们才敢于放手一搏，才觉得它颇具魅力。

华为的逆变器、阿里的“光伏云”、远景的“格林云”……放眼国内，各大公司纷纷以不一样的形式切入能源，拥抱大数据，各有各的角度，各有各的布局。可以确定的是，大数据必将打破能源供应链上的信息孤岛，让数据流通和价值变现变得可能，但千万不要忘了21世纪什么最贵？