电力大数据时代

浅谈风电产业如何应对数据大时代
甄剑峰（恒泰风电场）
摘要：近年来，大数据来势汹汹，对传统数据商业分析模式产生了重大地影响，对电力企业的数据驾驭能力提出了新的挑战与机遇。

从人才培养、技术储备、数据驾驭、数据价值挖掘等方面剖析电力企业如何应对大数据的挑战，让电力企业在大数据来临时更加从容地选择适合的技术、方法论、解决方案和发展战略。

关键词：大数据电力企业海量价值
1 引言
随着数字信息化时代的迅猛发展，信息量也呈爆炸性增长态势。

在人类充分享受信息化带来的资讯、方便和快捷时，也使得全球的数字信息资源正进入到一个前所未有的快速增长期。

据IDC统计，2011年全球数据量已达到1.8ZB，相当于全世界人均产生200GB以上的数据，并且还将以每年50%的速度继续增长。

在这汹涌来袭的数据浪潮下，社会各个领域也将开始其数据化进程。

无论学术界、商界还是政府，都将不可避免的进入“大数据时代”。

作为全球第二大经济体的基础能源支撑体系，中国电力工业概莫能外。

2 电力大数据的定义及特征
2.1 大数据的定义
目前业界还未对大数据有一个统一的定义，但是有两个关于大数据的定义很好地诠释了大数据的本质。

第一个定义来自Gartner公司的Merv Adrian在2011年第一季度刊登在《Teradata Magazine》上的一篇文章：“大数据超出了常用硬件和软件工具在可接受的时间内为其用户收集、管理和处理数据的能力。

”另一个定义来自于麦肯锡全球数据分析研究所（Mckinsey Global Institute）在2011年5月发表的一篇论文：“大数据是指大小超出了典型数据库软件工具收集、存储、管理和分析能力的数据集。

”
2.2大数据的特征
概括来讲，大数据有三个特征，可总结归纳为“3V”，即量(Volume)、类(Variety)、时(Velocity)。

量，数据容量大，现在数据单位已经跃升至ZB级别。

类，数据种类多，主要来自业务系统，例如社交网络、电子商务和物联网应用。

时，处理速度快，时效性要求高，从传统的事务性数据到实时或准实时数据。

大数据主要包括以下几个特征：大容量：企业数据量大规模增长，单一数据集的规模范围从几十TB到数PB不等。

电力数据涵盖发电、输电、变电、配电、用电、调度的各个环节，数据量庞大。

随着智能电网建设和物联网的应用，非结构化数据呈现出快速增长的势头，其数据量大大超过结构化数据。

多类型：大数据数据类型包括结构化数据、非结构化数据、半结构化数据等。

电力企业在电网运行的整个过程中安装了许多传感器、监视器、智能交互终端等设备，每个设备运行都增加了数据的多样性。

快速率：能够在刹那间获得复杂的业务分析数据，实时完成业务决策，毫无延迟。

智能电网每隔15分钟自动采集智能电表所产生的用电数据，结合实时调度运行数据，在几秒钟之内处理分析海量数据并快速预测电力电量平衡。

价值密度低：大数据的数据价值密度低，单条数据可能并无太大的价值，但海量的数据蕴藏着巨大的财富。

例如，一段变电站的监控视频长达几个小时，但可能有用的信息只有一两秒钟。

3、风电行业如何应对大数据时代
3.1混合可再生能源预测的应用
近日，IBM宣布了一项先进的结合大数据分析和天气建模技术而成的能源电力行业先进解决方案，这将帮助全世界能源电力行业，提高可再生能源的可靠性。

该解决方案结合天气预测和分析，能够准确预测风电和太阳能的可用性。

这使能源电力公司，可将更多的可再生能源并入电网、减少碳排放量、提供消费者与企业更多的清洁能源。

这个名为“混合可再生能源预测”（HyRef：Hybrid Renewable Energy Forecasting）的解决方案，利用天气建模能力、先进的云成像技术和天空摄像头、接近实时的跟踪云的移动、并且通过涡轮机上的传感器监测风速、温度和方向。

通过与分析技术相结合，这个以数据同化(Data-Assimilation)为基础的解决方案，能够为风电厂提供未来一个月区域内的精准天气预测或未来十五分钟的风力增量。

此外，HyRef可以通过整合这些当地的天气预报情况，预测每个单独的风力涡轮机的性能，进而估算可产生的发电量。

这种洞察力能，将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，使其可以被复位导向到电网或储存。

它同时也允许能源组织更好地并用可再生能源与其他传统能源。

作为大数据领域的领导者，IBM正在利用领先方法论和全面大数据技术帮助企业重新思考已有的IT模式。

随着中国风电服务市场的起步，IBM正在将更多的精力投入到风电场的运维管理领域，不仅体现在风电功率预测方面，还包括风电场微观选址、预防性维护和绩效评估等方面，对风电场进行全生命周期的管理和优化。

中国国家电网（SGCC）所属的国家冀北电力有限公司（SG-JBEPC），正在使用HyRef来整合可再生能源并入所属电网中，而这项应用，将是冀北电力的张北县670MW示范项目的第
一阶段重点。

这整个项目，是当前世界上最大的可再生能源的倡议，将涉及风能和太阳能发电的集合，以及能源存储和传输等范畴。

该项目有助于实现中国“减少对化石燃料依赖”的5年计划目标。

通过使用IBM风力预测技术，张北项目的第一阶段目标，旨在增加10％的可再生能源的整合发电量。

这一额外发电量，大约可供14,000个家庭使用。

通过分析提供所需的信息，将使能源电力公司得以减少风能与太阳能的限制，进而更有效的使用已产出的能源, 来强化电网的运行。

3.2 如何通过大数据进行预测性的维修
在风电领域，中国用了短短5年时间就完成了欧美国家15 年才走完的发展之路，然而风电场收益，取决于风机在20 ～ 25 年全寿命周期内给投资者所创造的价值，因此风电运维显得至关重要。

“跟风电开发比起来，风电运维是苦活，也是一个精细化的工作。

风电行业的运营管理将来必然是精细化的，总会有一些优秀的有能力的企业脱颖而出。

”从风电运维的角度，我们可以把它化为四个层次，第一个层次是最简单的，就是坏了就修;第二个层次是定期的检修维修;第三个层次是状态检修;第四个层次是通过大数据进行预测性的维修。

基于大数据进行预测性维修使得风场运维流程发生了根本性变化，系统的提前预测可以让风电企业优化运维计划，在提升设备可靠性的同时降低运营成本。

“经过多年的发展，中国风电企业已经积累了丰富的运营数据和经验，使用大数据优化风电运营开始具备技术基础。

”同时，随着风电运维管理的标准化和专业化，风电运维服务市场将快速增长并整合，基于大数据的风电运维服务平台将成为风电运维服务商的核心竞争力。

对所有安装的风机进行集中的运维监控，可以随时获取每台风机的实时运行和历史信息，然后结合资产、人员、专家知识以及气象等外部环境信息进行分析和预测，优化风电场运维。

风电运维产业不断朝着预防性、预测性的方向发展，利用大数据可以为智慧风能的梦想插上腾飞的翅膀。

就像人的行为一样，人的习惯和偏好都可以被大数据纪录下来，根据分析可以对人的行为有个基本的预测，风电整个产业也可将其应用起来，包括规划、设计、实施及维护的一站式服务。

基于对海量数据的分析和洞察，未来的风机如同智能机器人一样，也会朝着认知计算的方向逐步前行。

3.3 大数据在风电领域的问题。

首先，结合了大数据分析和天气建模技术的能源电力系统能够提高风电的可靠性。

以往对风资源的预测不够精准，在风能无法贡献预期功力时，火电就要作为后备电力。

这样，电网对风电的依赖程度越高，需要建设后备电站的成本就越高。

另外，启用火电站的就等于
向环境中释放碳排。

然而，在大数据分析的帮助下，温度、气压、湿度、降雨量、风向和风力等变量都得到充分考虑，对风电的预测更加精准。

电网调度人员可以提前做好调度安排，也有助于电网消纳更多风电。

除了做到更精准的预测，检测和采集风机的运转数据、风场的运营数据还有利于风机制造商更好地改善风机的性能，风电场业主在追求风场效益最大化时也离不开大数据。

大数据在风电领域的应用前景看起来很美，但当前存在的问题是，将风机、风场的数据汇集起来并非易事。

这些数据分散在风机制造商、风场业主、系统运营商和运维服务商等多个环节手中，他们能从这些数据中得到利益却无法做到合理分配，所以，有些利益相关方宁愿不分享这些数据。

知识产权问题也是大数据影响风电进程的一个拦路虎。

试想，如果多家风机制造商都公开风机的设计数据，那将是整个行业的幸事，通过交流和分享，风机的设计会有所改善性，性能会提高。

但出于商业竞争考虑，风机制造商往往将这些数据视为商业机密、竞争利器，不愿公开。

同理，风场业主收集和保存的风电运行数据不但有助于他们做出更好的业务决策，也有利于第三方运维企业提供更好的服务，但在实际情况下，运维商却很难得到这些数据。

风电行业的意义在于向终端消费者提供更稳定、更清洁、更廉价的电力，这是行业存在合理性的根据，也是业界努力的方向。

共建并分享运营数据，进而激发这些数据的全部潜力才是风电行业迎接大数据时代的应有姿态。

4、结束语
随着近年来“两化融合”工作的整体推进，各电力企业的信息化建设已度过快速成长期，初具规模。

信息化系统建设的数据积累已经得到企业的普遍重视，信息化价值的提升关键期也悄然而至，建设成果究竟是“厚积薄发”还是“厚积厚发”，电力大数据可谓关键。

未来的智能电力系统不仅承载电力流，也将承载着信息流和业务流，“三流合一”的智能电力系统的价值也将随之跃升，而这种跃升显然具有大数据的时代特征。

当网络中传输不只是电能，更重要的还有数据，我们电力人也需要积极主动的去探索如何来科学合理的释放数据能量，以推动传统电力工业的升级，以适应未来经济社会的发展需要。

电力大数据的价值已经相当庞大，但如果实现进一步延伸，将电力大数据与人们生产生活数据，与政府企业等多行业数据相结合，将产生更多更大的价值增值潜力，实现数据价值在电力系统外部的流动和发展。

参考文献：
[1]（美）Bill Franks.驾驭大数据[M].黄海，车皓阳，王悦.译.北京：人民邮电出版社，2013
[2]Jiawei Han.数据挖掘概念与技术.机械工业出版社2001，8 [3]W.H.Inmon.数据仓库.机械工业出版社2000，5
[3] 陈京民等.数据仓库与数据挖掘技术[M].北京:电子工业出版社,2002.[9] 毛国君等.数据挖掘原理与算法[M].北京:清华大学出版社,2005.
[4] 维克托迈尔舍恩伯格.大数据时代. 浙江：浙江人民出版社 2012
[5]大数据时代降临.半月谈网.2012-09-22
[6]IT 部门如何应对大数据时代.CIO 时代网.2012-02-27
[7] “大数据”时代来临决策不能只凭经验.东方早报网.2012-04-11
[8] “大数据时代”来临.北京晚报网.2012-06-15
[9] 大数据时代来临：国内 IT 企业布局已然落后.新浪网.2012-06-01。