电力大数据时代电力大数据时代.doc

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。 大数据进行预测性的维修在风电领域，中国用了