能源大数据的系统构想及应用研究

金和平，郭创新，许奕斌，廖伟涵

（1.中国长江三峡集团有限公司，北京市 100038；2. 浙江大学电气工程学院，浙江省杭州市 310027）

0 引言

近年来，随着信息与通信技术的高速发展，全球数据总量迎来爆发式增长，庞大的数据量蕴含着巨大的社会经济价值。大数据的概念自20世纪80年代被提出以来，首先应用于金融、商业等领域，后逐渐扩展至医疗、交通、能源等方面[1]，近年来更是上升至国家战略高度。2017年10月，十九大报告提出“推动互联网、大数据、人工智能和实体经济深度融合”。大数据在各行各业中的应用不断深入，正迎来前所未有的发展机遇。

目前全球能源系统正处于重要转型阶段，能源需求进入低速增长时期，清洁、低碳、高效成为必然趋势。中国作为世界最大的能源消费及碳排放国，正在进行广泛使用清洁能源、促进能源互联和多能优化互补的“新能源革命”。国务院印发的《能源发展战略行动计划》[2]中提出，到2020 年，终端能源消费中可再生能源和核能的比重将达到15%。为实现这一目标，风、光、水等多种清洁能源广泛接入，电、气、热等多能流互补融合的能源互联网应运而生。

与此同时，能源系统智能化特征越来越突出，能源开发、生产、传输、存储、消费全过程的智能化水平快速提升，所涉及的设备和系统将数以亿计，在规划建设和运行过程中将产生海量数据，因实时性要求高数据总量高速增长，数据呈现海量、多源、异构的特点且结构复杂、种类繁多。这些数据贯穿于能源互联网各个环节，蕴含着巨大的价值。充分挖掘这些数据的价值，将有利于提升能源集成系统的智能化水平，从更加宏观的角度合理配置资源，推动能源生产和消费革命，促进能源产业转型升级。国家发展改革委、国家能源局《关于推进“互联网+”智慧能源发展的指导意见》（发改能源〔2016〕392号）[3]提出，发展能源互联网的重点任务之一，是发展能源大数据服务应用。

文献[4-5]前瞻性地提出大能源思维与大数据思维的融合，利用大数据技术协同处理大能源系统中的统计型、因果型及博弈型等不同类型数据，以期提升能源数据价值应用的层次和水平。从电力大数据[6-8]过渡到能源大数据，一方面在物理层面打通了电力系统和一次能源侧、终端能源侧之间的藩篱，同时增加对多能互补集成的考虑，另一方面在信息物理深度融合的基础上拓展了“社会”属性。能源互联网背景下出现的虚拟电厂、能量路由器、第三方增值服务[9]等元素，增加了能源系统中可调度的灵活性资源，也延伸了大数据应用的广度和深度。文献[10-11]对面向能源系统的大数据技术进行了分析和展望，对智慧能源体系建设的顶层设计工作提供了建议。

能源大数据的建设在工程实践上尚处于起步阶段，但仍有值得借鉴和推广的能源“云转型”成功案例。天合光能将大数据和云计算技术应用于光伏系统管理，利用深度学习的“算力”提取关键的生产参数并优化参数组合。嘉兴信达所开发的企业智慧能源管理系统，通过数据驱动的管理模式实现企业精益生产和节能降耗。中新天津生态城的用电信息采集系统[12]，实现用户侧“全覆盖、全采集”的信息化管理以及基于用户模式理解的互动化服务。美国AutoGrid公司所开发的能源数据云平台（EDP），可采集并处理覆盖能源一次侧、网侧、用电终端的数据，创造了能源系统全面、动态的图景。

系列论文在前人研究的基础上，从适应能源互联网的发展需求出发，提出能源大数据的建设及应用思路，以期实现能源系统的数字化、信息化、科学化监管，同时发展能源增值服务。本文将从建设思路、架构设计、应用场景三方面阐述能源大数据的具体实施方案，以期对今后的落地实践提供参考。

1 能源大数据的建设思路

1.1 能源大数据的内涵

能源大数据是指大数据理念、技术和方法在能源行业的实践，其涵盖电力、化石能源及可再生能源等相关领域，涉及能源开发生产、传输、转换、存储、交易、消费等诸多环节。能源大数据满足大数据的“4V”特性[13]：体量巨大（Volume），类型众多（Variety），处理速度快（Velocity），价值巨大（Value）。

近年来，以电力系统为核心，与天然气网络、电动汽车交通网络等系统紧密耦合的多能流系统——能源互联网[14]得到了学界广泛关注。在能源互联网背景下，能源大数据以能源流为物理目标，以数据集成管理及知识的挖掘应用推动能源体系朝更可靠、更灵活的方向发展。

作为深度融合“信息—物理—社会”的大能源体系，能源互联网的发展离不开对能源大数据的研究与应用，原因有三：一是能源互联网的“信息属性”表明量测设备的不断普及、数据集成技术的不断提升，为能源大数据分析和知识发现提供了研究基础；二是能源互联网的“物理属性”表明多能流的高度耦合、可再生能源的高渗透以及复杂气象环境等因素，增加了系统物理建模的难度，数据驱动方法可提供全新的研究视角；三是能源互联网的“社会属性”表明用户需求响应、开放能源市场、电价激励政策等具有主观能动性的因素，需要大数据分析来准确量化，从而与能源层面的物理分析有效融合。

1.2 能源大数据的发展目标

发展能源大数据，旨在解决现阶段能源系统面临的难题，建立一种将能源规划、开发、生产、传输、存储、消费与大数据密切关联的能源发展新模式，推动能源使用朝着生产明确、多能协调、信息对称、阳光消费的方向发展，激活能源供给端和消费端的新潜力，形成新型的能源生产消费体系和管控体系，以大数据促进能源科学开发利用、服务节能减排，降低能源消耗与碳排放、解决新型城镇化发展中能源需求问题，以多能互补推动能源结构性改革。

具体将实现以下发展目标：

（1）解决能源系统突出问题。通过海量数据的统计、挖掘，将难以用物理模型量化的不确定性因素进行数据驱动型分析。减少可再生能源出力的随机性对能源系统的冲击，缓解用能峰谷矛盾；抵御灾害、极端天气等风险源，准确评估与管控能源系统运行态势；考虑实时价格、需求响应和开放市场等因素的随机性，实现能源系统调度与监管的全方位优化。

（2）实现能源系统信息化迈向智慧化管理。目前，能源系统管理手段单一，且传统信息化手段面临应用瓶颈，无法很好解决能源系统面临的一系列问题。对此，在物联网、工业互联网、移动应用等飞速发展的新一轮数字化变革和新技术背景下，制定统一的新的数据通信、访问标准，建设更高效的通信网络，发展先进的能源数据存储技术构建能源大数据系统，利用云计算、数据挖掘、人工智能技术和方法，创新数据管理模式，充分挖掘数据的价值，满足价值性、实时性、安全性的要求，推进能源流和信息流的双向交互与深度融合，以多能互补的理念进行系统集成，通过智慧能源控制平台进行统一的管理，以大数据、物联网等手段有效促进能源和信息深度融合，推动能源领域结构性改革。实现现有能源信息系统向新一代数字化智能化升级过渡，不断提高能源系统的智慧化管理水平。

（3）构建互动化的能源服务体系，促进能源信息资产的形成和共享，催化能源互联网新商业模式的产生。目前，能源系统在用户终端的互动化服务率较低，能源数据资产特别是消费端数据资产还远没有有效形成并得到挖掘利用。对此，要贯彻“以用户为中心”的理念，抢抓大数据时代机遇，充分挖掘能源大数据的商业和社会价值，催生能源大数据生态，在开放包容的能源大数据生态中开拓出智慧便民服务的新路径，为用户提供精细化用能服务，为城市建设提供绿色发展方案，并充分利用能源信息资产富矿发展各种增值服务新商业模式，释放大数据红利。

1.3 能源大数据的建设条件与挑战

当前，我国开展能源大数据建设具有良好的基础。一是作为能源大数据主要提供者的能源企业信息化水平较高，积累了海量的能源系统数据和社会数据，并形成了相应的数据应用平台。这些已有的应用成果和经验为能源大数据建设奠定了坚实的工作基础。二是作为能源大数据物理基础的能源互联网建设工作进展迅速，多种能源协调互补逐步成为新的常态，我国冷热电联供的装机容量稳步增长，天然气市场和分布式能源技术的发展将进一步推动大能源系统发展，为能源大数据建设提供良好契机。

发展能源大数据势在必行，但也存在一些突出矛盾与挑战。一是信息资源缺乏有效整合。能源行业各信息系统大多处于独立开发、各自为战的状态，数据开放共享程度较低，存在大量的“信息孤岛”。二是缺乏相应的数据质量标准。不同组织机构在数据采集方式、存储格式、通信接口上都不够统一，客观上妨碍了更深层次、更大范围的数据整合与共享。三是难以保证数据采集渠道的畅通。在当前的通信架构下，不同系统的软硬件存在差异，受通信容量、数据隐私与实时性的约束，部分重要数据无法实现实时传输与利用；出于安全性和隐私性考虑，当缺乏足够的利益驱动时，部分组织机构不愿意向外界开放数据接口，不利于开放互联共享的实现。

要解决上述问题，真正推进能源大数据高效有序发展，需要不同领域的专家开展广泛合作，制定统一的标准，建立通用的平台接口，推动数据开放共享流通与集成应用，创新数据管理模式，形成发展合力。

1.4 能源大数据的设计理念

1.4.1 大数据的来源

能源大数据按照来源可分为能源系统数据和非能源系统数据。能源系统数据来源于能源规划、开发建设、生产运行传输存储、配售消费全过程以及能源系统的源、荷、网、储各个环节，是多空间区域、多时间尺度、多层级的能源系统全景多维信息。非能源系统数据主要有三类：环境气象数据，如地理位置、温度、风速、极端天气、环保、地质等；社会经济数据，如经济发展、交通流量、政策机制、人口、能源价格等；反映人的特征的数据，如用户心理、能源电力服务舆情等。

1.4.2 大数据采集的渠道

搭建能源大数据中心，实现上述能源开发利用全过程、全生命周期、多环节多源数据的集中接入和整合。开发大数据中心与多个子系统的数据接口，其中实时数据通过消息中间件如Kafka，以发布/订阅的方式接入数据中心。能源大数据主要采集渠道包括传统能源信息化管理系统、监测自动化控制调度系统以及新一代能源互联网、物联网、智能终端、移动互联网应用系统等，具体包括：能源资源勘测规划开发建设的能源工程信息系统；能源生产运行调度系统；能源传输配送储能大数据系统；物联网和新一代智能电表、智能燃气表等智能终端构成的实时高效的用能信息采集系统（提供实时能源消费、电力负荷、配网电能质量等数据）；电动汽车充电、加油加气管理平台（提供充电设施、充电站、油气消费等信息）；微网能源管理系统（提供智能终端实测信息）；车联网平台、政务云平台、气象发布平台、能源交易平台（分别提供交通流量、政策机制、环境气象、价格走势等外部信息）。此外，对于部分子系统提供的离线数据，例如设备的历史状态、用户交易的历史记录等，可通过Sqoop、Flume等抽取工具实现离线数据向大数据中心的迁移。

1.4.3 大数据的利用方式

落实对大数据的利用，需要完成云平台的搭建和能源监管服务中心、能源管理子系统的开发。

搭建云平台，利用高性能计算集群资源，实现对能源大数据的调度。根据特定功能模块，对数据中心的数据资源和计算资源进行调度，执行相应的海量数据处理及分析，生成数据分析报告，存储于相应的业务数据库中。

在执行控制决策的能源管理系统方面，采用分布式管理和一体化管理相结合的设计理念。分布式能源管理采用多代理方式，将决策权下放到各个微网的能源管理子系统中，各个管理子系统可通过通信网接入云平台，利用数据中心的集中式资源，按各自的需求进行海量数据运算。分布式管理适用于园区、工厂、楼宇等多能互补微网的独立运作。而对于多个能源微网之间的互动互济与协同优化，则采用一体化管理方式，在能源监管服务中心设立统一的监控及调度工作站，进行全局的统筹优化控制。

2 能源大数据的架构设计

2.1 总体架构

能源大数据的总体架构如图1所示，包含“一平台、两中心、三层次、多子系统”。该架构以智慧能源云平台为核心，充分考虑底层数据源及顶层业务的可扩展性，能够对能源大数据进行深入整合与应用，实现对区域能源互联网的全景状态感知及管控。其中，三层次分别为能源层、信息层和应用层。

能源层是包含源、网、储、荷的物理实体层，是物联网和能源系统的融合，具备自身信息采集、接收指令、执行控制等功能。能源层以能源互联网为表现形式，在“源”端发展风光水火互补的能源供给结构，在“网”侧形成热—气—电—交通的协同网架，在“荷”端形成电力、燃油、燃气、供热等多样化的消费结构，在“储”能方面形成电池、储热、储氢等结合的完备配置。

信息层以大数据中心为枢纽，同时包含通信网和各类通信设施，实现能源层数据及非能源系统数据的集中接入、存储、管理、计算和分析，以及数据分析结果及调度控制指令的传输。大数据中心是一个集中式的、标准化的、具备很高适应性的硬件设施环境和高性能计算环境，是带动能源系统在数据、知识驱动下智能化运转的“大脑”。

图1 能源大数据的总体系统架构Figure 1 Overall system architecture of energy big data

应用层是能源大数据价值的外在体现，包含能源监管服务中心和多个能源管理子系统。应用层旨在构建智慧能源管理和智慧公共服务两大网络。智慧能源管理一方面通过各个能源管理子系统对园区、家庭、企业、楼宇等用能单元进行能量管理，另一方面通过能源监管服务中心对电动汽车、天然气网、配电网等区域型网络进行一体化管理。智慧公共服务则体现在政府机构、用能客户、运维人员、市场交易中心等第三方与智慧能源云平台的互动中。

智慧能源云平台是贯穿能源层、信息层和应用层的核心，它将大数据中心的硬件资源虚拟化、集约化，一方面对外提供云存储和云计算等服务，满足智慧能源管理或智慧公共服务的业务需求，另一方面通过高可用、负载均衡、分布式协调等技术，根据任务对内分配大数据中心存储及计算资源。

2.2 云平台技术架构

云平台利用海量数据存储集群及强大的并行计算引擎，向应用层提供可靠的数据挖掘分析结果。云平台从下到上包括基础设施层（IaaS）、云平台层（PaaS）、云应用层（SaaS）、云数据层（DaaS），以及相应的信息安全维护体系[15]，如图2所示。

图2 智慧能源云平台技术架构Figure 2 Technology architecture of intelligent energy cloud platform

IaaS层由大数据中心承担其功能，通过虚拟化管理主机、存储、计算等资源，为云平台构建基本的运行环境；为满足海量实时数据接入及高并发的系统访问，数据存储方面需要在传统关系型数据库基础上引入分布式缓存Redis、非关系型数据库HBase、分布式文件系统HDFS等，支持海量数据分布式存储及高性能访问；数据计算方面提供批量计算MapReduce、内存计算Spark、流计算Storm等框架；通过负载均衡实现访问请求和计算任务的合理分发；通过RAC、ZooKeeper等技术保障数据及服务的高可用。

PaaS层对业务屏蔽了底层存储、计算等基础平台，基于服务总线（如Mule ESB）、微服务（如Dubbo、Spring Cloud）、容器（如Docker）等技术，实现对各类服务的注册、监视和状态管理，为上层应用提供有力支撑，各类服务的调用通过RPC技术来实现。SaaS层通过多个封装的功能模块实现智慧能源管理和智慧公共服务两大类应用。DaaS层采用开源数据挖掘工具和模型算法库，综合统计分析、机器学习、深度学习等技术，对海量数据进行处理、分析、挖掘。

云平台的价值在于：一方面利用集约化的“云服务器”和共享化的“云模块”，为企业、园区等用能单元节省了能源管理平台的研发成本；另一方面，通过多方数据源的信息融合与共享，打通了能源层中不同网络、不同产业环节之间的壁垒，以及能源系统和其他社会子系统之间的壁垒。因此，云平台在数据管理方面，既要有效聚合多源异构数据，充分挖掘不同数据源的内在联系，又要保证数据的独立性、安全性与完整性。

2.3 应用层业务架构

对应于云平台的SaaS层，能源大数据应用层主要实现智慧能源管理和智慧公共服务两大类应用。对大数据的调度与分析将直接促成两方面的成果：一是对能源全产业链的管理能力，通过向各分布式能源管理系统提供开放的业务接口，实现全网能源的优化配置和能效的提升；二是能源增值服务的扩展能力，向政府服务及其他商用平台提供服务接口，衍生产业分析、城市规划与治理、民生服务、碳排放市场、商业金融应用等一系列公共服务，实现能源大数据的商业及社会价值。如图3所示（示例），能源大数据业务架构涉及清洁能源、化石能源、二次能源等多种能源形式，涵盖了能源全产业链中“勘测规划开发建设—生产运行—输送存储调度—配售消费”多个环节，各个业务可集成以大数据挖掘分析为基础的功能模块，并实现数据源和分析结果的可视化，面向政府部门、能源系统管理人员、企业/居民等用户提供精细化的交互服务。

图3 能源大数据的业务架构Figure 3 Business architecture of energy big data

由图3可见能源大数据系统可以按两个维度划分，分别按能源类别和能源开发利用全生命周期各业务环节划分，或按两者的矩阵式组合划分。假设能源类别标识为A，一次能源核能、煤炭、石油、天然气、油页岩、太阳能、风能、水能、生物能、地热能、海水温差能、海水盐差能、海洋波浪能、海（湖）流能、潮汐能等可用A11～A1n标识，二次能源焦炭、煤气、电力、氢、蒸汽、酒精、汽油、柴油、煤油、重油、液化气、电石等可用A21～A2n，按此维度就可划分为若干个A××大数据系统，如石油大数据、煤炭大数据、天然气大数据、水电大数据、核能大数据、风能大数据、太阳能大数据等。假设能源开发利用全生命周期环节标识为B，勘测、规划、工程设计、开发建设、生产、传输存储、运行调度、配售、消费、增值服务等就可标识为B1～Bn，那么按此维度就可划分为若干个B×大数据系统，如资源勘测大数据、能源规划大数据、能源工程大数据、能源生产大数据、储能大数据、能源消费大数据等。能源类别与开发利用环节的组配就可形成能源大数据的矩阵式应用架构，划分为若干个A××B×大数据系统，例如石油勘探大数据、风能规划大数据、水电工程建设大数据、煤炭生产大数据、天然气输送大数据、用电大数据系统等。还可以针对能源开发要素划分能源大数据应用系统如划分为能源资金大数据、能源资产大数据、能源人才大数据等。

3 能源大数据的应用展望

从能源大数据的应用层业务架构可见，能源大数据具有广阔的应用场景，不仅能够实现对能源系统运行管理的综合优化，也为智慧城市的发展提供了有力支撑。下面将对五大类应用场景作具体说明。

3.1 能源勘测规划与开发大数据

能源属典型的重资产行业，一般资本投入较高，获得好的能源开发投资回报最关键就是要通过规划建设的过程管控形成优质的能源资产。规划建设在能源开发利用全生命周期中的地位及复杂性，决定了规划建设的信息化是能源信息化的重中之重。利用大数据科学有效地管理和控制能源规划建设，是形成有竞争力的能源资产的关键。

3.1.1 风—光—水—火—储的供给规划

在能源供应侧，以可再生能源消纳及系统可靠运行为目标，合理规划风、光、水、火、核电的建设与生产，发展多能互补的能源供给结构。

通过将风力、水力、气候、化石能源储备、地域环境、人口数据、用户用能数据、区域社会经济数据、区域新能源政策及其实施效果等多源数据进行整合，识别区域能源供给的薄弱环节，辅助能源供应测的规划建设，从建设成本、环境保护、经济效益等角度寻求最优方案。以风机的选址优化为例，安装位置要综合考虑温度、风向、水力和湿度等多种因素，通过大数据实时处理平台，可广泛收集和分析环境信息，优化风力涡轮机的配置方案，实现能量的高效输出。

针对风、光等分布式可再生能源出力随机等弊端，合理配置储能系统对提高能源系统稳定性非常必要。在掌握分布式能源处理特性的前提下，利用大数据分析与推演的方式可对储能装置的选址和定容策略进行优化。

3.1.2 电—气—冷—热—交的网架规划

在区域综合能源系统或园区微网等终端，针对冷、热、电、气的供需差异[16]，通过热泵、电锅炉、余热回收[17]、冰蓄冷、燃气轮机、P2G[18]装置等实现多种形式能源的灵活转换，形成多能流互补的协同网架，推动能源结构性改革。

目前电网、天然气网、热网和交通网是分开进行规划设计的，随着上述能源转换装置增强了多网多能流的耦合交互，需要在规划建设层面充分考虑其相互影响。利用地理信息技术，在选定的区域内，将传输通道规划及转换装置布点的状况与地理、气象、建筑、政策、市场等方面的数据进行整合，构建基于大数据分析的规划场景，在各场景中通过冷、热、电、气负荷需求及其时空不确定性分布，依据源荷储互补特性优化规划多能网络拓扑和能量转化元件。

3.1.3 能源开发建设的工程实施

能源开发建设涉及自然环境、经济、社会等多方面广泛数据，积累汇聚各能源品种开发、不同项目建设过程中海量的设计施工监测等相关数据，对各类能源工程的周期、成本、工艺分析预测和知识方法的循环利用具有极大的价值，特别是对水电、核电、石油天然气开发之类复杂的工程场景更具重要意义。

3.2 能源生产与运行大数据

大数据综合分析利用可显著提升能源生产运行精益化水平，提高资源综合效益、资源效率、系统可靠安全性。大数据在提高设备设施可靠性和寿命、已开发的可再生能源上网利用率及资源多目标综合协调利用等方面有广阔的应用空间。

3.2.1 能源设施全寿命周期管理

能源设施包括能源传输与转换过程中的各种设备，包括输电线路、变压器、断路器、天然气管道、热泵、燃气轮机、P2G、风机、光伏、储能等等。其全寿命大数据包含运行工况、试验、状态监测、台账在内的结构化数据，检修维护记录、故障详情、设备家族信息在内的半结构化数据以及图像、音频、视频等非结构化数据[19]。如图4所示，对这些数据进行分类、清洗、挖掘，能够准确评价设备健康状况，实现精准的故障定位、诊断及预测，进而指导设备运维与检修工作，实现能源设施的全寿命周期管理。

在状态评价方面，通过基于数据挖掘技术的设备关键特征提取与融合[20]，以健康因子（Health Index，HI）作为评价标准[21]，实现对设备健康状态的评价与跟踪。在故障诊断方面，通过BP神经网络[22]、专家系统[23]、聚类[24]、支持向量机[25]等方法，对做好标记的状态参量数据进行训练，发现设备故障或潜伏性故障，并判定其部位、性质、趋势。在故障预测方面，一般采用贝叶斯网络、Apriori关联分析等算法提取故障特征参量，并结合马尔科夫模型、时间序列相似性匹配等方法实现多时间尺度故障预测[26]，此外还可通过故障率建模[27]的方式得到定量的预测结果。

图4 能源设施全寿命周期管理Figure 4 Life-cycle management of energy facilities

3.2.2 可再生能源出力预测

可再生能源出力的精准预测是能源系统运行控制的基础，利用大数据技术可实现三种方式的预测：一是分析影响风电和光伏出力的物理环境参量，例如温度、湿度、光照强度、风速等，通过关联分析、主成分分析提取强关联性特征参量，建立预测模型[28]；二是分析历史时间序列，解析出具有强规律性的子序列，通过组合子序列的预测结果，建立最终的预测模型[29]；三是训练型的预测，基于支持向量回归[30]、人工神经网络[31]、模糊理论[32]等方法，以大量历史数据为驱动进行训练，并将生成的模型应用于实时采集数据，得到最终的预测结果。

3.2.3 水电生产信息化

水电生产调度的基础是气象、水雨情、泥沙和机组实时运行监测数据与分析。通过合理调度，可保障防洪、抗旱、航运、节水增发电及机组和电网安全[33]等。

通过建立遥测站，同时与地方水文部门共享报汛站点，对出入库流量、平滑流量、面雨量、水头、压差等进行监测分析；建立自动气象站，观测温度、气压、湿度、风速风向、蒸发数据等，并利用雷达观测实现坝区灾害性天气服务及流域预报服务；建立梯级调度计算机监控系统，对水电站机组及辅助设备、进水口闸门、厂用电、排水系统、泄洪设施、排沙孔及开关站的运行状态进行实时监测。在上述信息采集的基础上，形成水电生产的感知与运动神经系统，通过GIS、BIM和大数据应用，进行三维展示与建模分析，通过模型计算产生智慧和意识，形成指令自动生成与预警。

3.3 能源输送存储与调度大数据

能源资源空间分布不均衡、资源禀赋的不同以及消费需求的时空不平衡性决定了能源传输存储调度对经济社会环境的重要性。大数据有助于对复杂时空条件下能源供给与消费关系的掌控、分析、预判与优化平衡，更好地满足人民群众日益增长的能源消费需求和生态环保的要求。

3.3.1 能源输送大数据

能源的输送涉及地理、交通、气候环境、人口、经济发展等多领域庞杂数据，大数据能支撑具有实物形态的化石能源如煤炭、LNG等陆路及海上交通运输，以及石油、天然气的管道输送能力与不同地域的能源消费需求匹配分析和输送路径优化。转化为二次能源后的电力通过电网传输更是能源电力流和数据流耦合的必然存在，源荷复杂分布及关系分析、电网潮流计算安全可靠性、经济性等方面，大数据也有广泛的应用空间。

3.3.2 储能大数据

储能技术发展飞速，从化石能源煤炭、石油、天然气等的物理仓储，到转化为化学能、物理能的大规模储能电池、抽水蓄能、制氢、飞轮、压缩空气等的能量储存，如何平衡与优化多介质、多能量形式、广地域分布的能量储存的时空关系，都需要能源需求供给关系、环保要求、技术发展水平与成本等多领域大数据的支撑。

图5 能源系统态势感知Figure 5 Situation awareness in energy system

3.3.3 能源系统态势感知与优化调度

基于大数据的态势感知技术实现方案如图5所示，结合可再生能源预测、负荷预测[34-37]、能源系统运行轨迹的模型构建及在线计算，对多数据源、大数据量的复杂能源系统进行实时态、未来态的态势掌控，态势感知结果可应用于分布式能源出力决策[38]、需求侧响应[39]、系统运行鲁棒性[40-41]等方面，能够提升能源系统的抗干扰能力，同时改善能源供应质量。

多能互补优化调度如图6所示，其主要任务是在系统网络分析的基础上，根据系统状态信息，通过对储能系统、冷热电联供、电动汽车充放电的综合调度管理，实现多能流的互补融合，缓解峰谷矛盾，提高综合能源利用率。

图6 多能互补优化调度Figure 6 Multi-energy complementary optimized dispatching

准确的节点可调度能力预测是能源管理与调度的基础[42]。在实际应用中，需根据能源系统的多能流耦合情况，提取冷热网、气网、电网、储能各项数据，综合分析可再生能源出力、负荷类型及数量、储能容量及分布，得到各个能源转换节点可调度能力的评估结果，建立相应的协同优化调度模型，从而充分利用系统内的灵活源，实现微网安全可靠运行。

3.4 能源配售与消费大数据

能源消费终端所提供的大数据，一方面从多个维度反映了能源消费者的用户行为特征，为能源交易市场和差异化、精细化的用能管理提供基础；另一方面可应用于用户侧的能源管理，结合用户具体用能特点，综合调控各个用能环节，实现节能降耗。

3.4.1 能源消费者画像

能源消费者画像的任务是通过采集智能仪表、传感器等用户侧能源消费数据，以及地理、气候、用户舆情、能源供应方式、用户行为、电价、经济、市政、节假日及大型活动安排在内的海量外部数据，综合分析用户行为特性，对用户进行全维度的刻画，如图7所示。画像内容具体包括用能时间区间、是否可转移可削减、用能设备的气候敏感性、用能行为的价格敏感性等等[43]，并完成用户聚类、关键因素分析等功能。能源消费者画像可支撑能源市场的各类智慧应用，如需求侧响应、精准营销、用户能效分析、用户信用评价[44]等。

3.4.2 交通网用能管理

图7 能源消费者画像Figure 7 Energy consumer portrait

交通网用能管理主要针对电动汽车充电站和燃油汽车加油站，由于涉及用户的主观能动性、能源系统的能量波动性及随机性、交通流量的强时空分布不确定性，因此适合采用大数据驱动型的分析，降低问题建模的难度，具体用于对交通流量的实时追踪、用户行程轨迹的学习、用户行为的模拟、用户负荷的准确跟踪[45]等。

因电能无法储存的特殊性，电动汽车充电调度还需考虑与电网的协同问题。目前，实现车辆静、动态信息采集和有效利用的车联网已在城市中推广应用。在车联网基础上，发展以电动汽车为核心的交通能源互联网[46]。管理中心通过车联网采集交通负荷的用电需求、道路交通流量、逼近最优填谷效果的入网汽车期望充电功率[47]等基础数据。一方面，以综合能源管理为利益主体，根据充电需求设计合理的调度安排，当存在供需不平衡时，采用合理的电价激励机制，引导用户主动追踪充电站的期望充电功率曲线；另一方面，用户将从云端接收到以用户为利益主体的最优充电方案，综合充电需求紧急程度、离充电站里程数、各时段电价等因素进行优化分析，推荐给用户充电时段及位置的选择。

3.4.3 能源局域网用能管理

能源局域网用能管理主要包含家庭能源管理、企业能源管理、建筑（楼宇）能耗管理三个方面。

将能源大数据应用于家庭能源管理，构建家庭能源局域网[48]，以“云+端”的架构实现家庭能效管理，为用户提供最优的节能方案，例如部分用能设备在“高电价时段”降耗[49]，夜间蓄冷供白天高峰时段使用[50]等，从而提高能源价值和用户能效。

将能源大数据应用于企业能源管理，有助于工业企业优化能源监管流程，打破企业能耗与产值、业务相隔离的普遍状态，实现能源流、信息流、业务流三流合一[51]。

将能源大数据应用于建筑能耗管理，通过对楼宇内分类分项能耗数据的采集，预测用能负荷，对楼宇的蓄能系统、光伏系统以及空调、电梯等可控负荷进行优化控制，实现建筑能耗的优化管理[52-53]。

3.4.4 能源交易辅助决策

能源交易数据量庞大，存在现货期货等多种复杂交易方式及衍生的金融品种，决策实时性精准性要求高。复杂市场条件、交易模型、交易行为等大数据的快速采集与汇聚、快速分析计算，越来越成为能源市场交易辅助优化决策的有效和必备能力。

3.5 能源大数据与智慧城市

能源大数据的“社会属性”决定其蕴含丰富的商业价值和社会价值。能源消耗量及能源结构的变动一定程度上揭示了经济发展状况与发展规律，进一步将能源数据与其他领域的数据相结合，可实现在不同时空尺度下对个体与群体行为规律的精准把控。能源大数据综合分析及应用，能全面提高能源监管能力、能源保障能力、能源服务能力、决策分析能力。能源大数据系统对接各类能源相关产业部门、供能主体、用能主体，获取相关数据并进行展示、分析及应用，能为城市规划、产业规划、绿色生态发展提供能源方面的决策数据支持；横向为经济运行管理、项目管理、经济与信息化等工作提供有效信息，为经济发展统揽全局提供支撑。

3.5.1 能源大数据辅助政府决策与公共服务

能源需求变化是经济运行的“晴雨表”和“风向标”。能源大数据的可视化及知识发现，能够帮助政府掌握不同地区、不同行业的经济发展状况，评估发展方式的科学性与可持续性，从而为政府在经济发展、环境保护等方面的决策提供参考。

经济发展方面，通过对地区用能总量和地区能耗结构的分析，预测区域经济发展状况和产业结构变化趋势，从而针对不同地区的具体情况设计科学的区域发展规划；通过对行业能耗的历史数据进行纵向挖掘，能够把握行业发展现状，预测行业发展趋势，而通过对行业能耗的横向分析，能有效把握行业间的竞争与合作关系；进一步地，综合纵向与横向分析结果，制定行业的补贴、调控政策，引导高效的产业结构调整、产业融合、产业升级，实现资源的整合优化。

环境保护方面，综合能源利用效率、污染排放水平、用户行为、绿化分布等信息，能够从预防与治理两方面构建多时空尺度的生态治理方案，保障城市的可持续发展；综合用户画像、能源产量、能源价格等信息，能够制定合理的能源交易政策与能源补贴政策，缓解能源峰谷矛盾，从提升能源利用效率的层面减少污染排放；通过对企业污染排放监测数据分析，对比同类型企业的能耗与污染排放情况，能够对重点企业进行精准监控，保障环保政策的有效执行。

3.5.2 “能源地图”辅助城市规划与城市计算

整合城市配电网拓扑和设备运行数据、分布式电源及储能数据、电动汽车交通网数据、用户能源消费数据、气候数据、客流数据、LBS位置服务数据、POI兴趣点数据、社会活动数据[54]等，实现城市“能源地图”的绘制，在多维城市大数据体系中加入能源板块，并通过梳理和提炼形成知识，支撑城市规划与城市计算两方面应用，如图8所示。

图8 “能源地图”的应用Figure 8 Application of energy map

将“能源地图”应用于城市规划建设，通过挖掘能源系统和城市各个子系统之间的关系，找到城市发展与能源消费的内在关联。“能源地图”为智慧城市的规划建设提供高质量的数据分析结果，不仅应用于能源网络规划，也应用于政、民、商等各个领域。在政用方面，通过能源大数据指导政府管理机构配置（派出所、社区服务机构等），辅助相关部门完成治安分析与群体活动分析，辅助精准扶贫分析；在民用方面，通过能源大数据指导用户的用能习惯和居民区建设，甚至异常用能现象的分析可辅助居民健康状况判断；在商用方面，利用能源大数据优化经营网点规划（金融、餐饮、商业街等），构建客户群体消费力和信用等金融商业特征画像，终端高效精准的能源消费数据，可以为金融商业机构多方面所用，实现精准行销和为客户提供精准化的服务。

将“能源地图”应用于城市计算，通过收集、整合、分析海量异构数据，实时监测城市在不同时空维度中的动态特征，解决城市在交通、治安等方面所面临的各种挑战。在智能交通方面，综合考虑交通信号与GPS信息、汽车油耗、污染排放、人流情况，向用户推荐综合最优路线，同时实现空气污染预警，城市路段拥挤度评估等功能[55]；在城市安全方面，精准评估能耗激增、骤减等异常用能行为可能造成的安全隐患并予以预防。

4 结束语

未来的能源系统将是深度融合“信息—物理—社会”的复杂大系统，能源大数据将推动能源系统达到模型数字化、管理信息化、预警自动化、服务开放化的最佳状态，并与城市其他子系统紧密关联，共同推进智慧城市的建设和发展。

能源大数据的建设，既能引领产业技术上的创新，也将带来商业模式上的创新。产业技术方面，通过智慧能源云平台实现区域能源的云管控，通过能源大数据中心实现存储计算资源的集约化、共享化，通过知识自动化算法替代人为决策，使多能源综合管理更为智能、高效，从整体上提升区域能源利用效率，优化区域用能结构，走绿色低碳之路。商业模式方面，发展涵盖能源生产、传输、消费、存储、消费全产业链的业务，让利益相关方更容易获取信息，同时，精准掌握客户需求和用户行为模式，拓展各类提升用能体验和创造新商业价值的增值业务。