”

     （一）能源大數據能否成功，取決于業務價值。

 

    很多IT部門熱衷于搞大數據，以為掌控了數據就掌握了未來的入口。

其實能源大數據真正要發揮價值，需要有清晰而明確的業務判斷，而這種判斷又會對大數據應用產生指導意義。

    比如電網資產數據，現在提的是電網資產全生命周期管理，也就是對資產的臺賬信息、資產的運行信息、資產的狀態信息、資產的維護信息進行全過程的跟蹤和集成。

    但是這里卻沒有回答一個問題：為何要做電網資產全生命周期管理？其實背后的邏輯是電網資產的高效運營，這里的價值點在于一方面可以提高資產運維水平，降低資產故障率，這個價值是資產數據價值的外部性體現，即減少電網故障停電損失，特別是給用戶帶來的停電損失。

    另一方面資產全生命周期管理的價值在于可以從預置性維護升級到預測性維護，即根據資產的運行實時狀態，提前判斷資產是否需要維護，需要什么級別的維護，這樣就能避免設備突然故障，也能避免按計劃檢修中不必要的檢修過程，降低備品備件的使用，這最終體現在財務報表上運行成本的降低。

 

    （二）沒有統一模型支撐的數據是沒有跨專業的價值的。

    

    能源大數據的應用，目前更多的集中在專業應用領域，比如資產大數據，更多的支撐資產運行管理部門的業務應用，提升運行維護水平，實際上資產大數據還能和其他數據整合，為電網調度、生產計劃、停電計劃、客戶優質服務等多個專業提供價值。
    目前要做到這點，很多公司采用的是數據交換接口的方式，就是你要什么數據，我轉換成你要的格式，以各種方式傳輸給你，這是很笨的做法，真正領先的是采用IEC61850/61970/61968的統一數據模型，也就是能源大數據已經按照標準的格式定義和存儲好，并且按照標準的格式通過數據總線進行交互，這樣避免了大量數據轉換和私有交換的過程，一套數據模型能支撐所有的高級應用。

不過國內目前真正按照IEC/DLT標準去構建，并且整合各類應用的能源大數據系統，可謂鳳毛麟角。

    準入條件、交易規則、競價模擬、負荷預測、合同結算、分成模式、偏差考核……在電改破局之初的市場混戰中，售電公司需要面對的是——經常變化的規則、抱團取暖的發電企業、難以取悅的用電客戶……

    因此，好用的售電平臺需要能智能化支撐競價、結算、分析等各項業務順利開展，無縫對接電網營銷業務(純售電公司)、區域配供電運營業務（配售電公司），最大化地保障售電公司的利益。

    （三）能源大數據的應用是個不斷迭代的過程。

      能源大數據不是我們一般想象的那樣，把一堆數據往一個數據中心一存，然后找一波人挖掘出有價值的東西。

    能源大數據的應用是個不斷迭代精化，循環上升的過程。還是以資產管理為例，一開始是靜態數據（臺賬、維護數據）加少量的動態數據（運行數據、狀態數據）就能挖掘出一些應用價值，支持計劃性維護或者初級的預測性維護，隨著維護水平的提升，需要更多的數據支撐，這時可能需要部署更多的傳感器，按照更高的采樣精度進行采集傳輸，形成新的分析模型，這樣又提升了運維的效率。技術應用就這樣不斷的上升，帶來的是對軟件、硬件、通信的不斷提升，這是一個動態的過程。
 
    （四）能源大數據是個很長的產業鏈

    包含的傳感器、采集裝置、通信（子站通信、主站通信）、前置處理、規約解析、生熟數據轉換、基礎數據建模、數據抽象、數據維護、專業數據分析、數據展現、數據集成等多個環節，而且面向不同領域會有不同的大數據專業。

    就像同樣一袋面粉，到了面包房能生產各種面包，到了拉面店能做各種拉面，但是別指望磨面粉的把這些事都干了，所以那些搞個云平臺號稱要做XX大數據的IT公司，其實是比較外行的說法，真正具有專業性數據分析，往往需要在這個領域積累無數的運行和設備經驗，很多甚至是設備廠家的不傳之秘，比如同樣一臺變壓器的油色譜曲線，可能只有制造商或者非常專業的運行人員才能分析出可能存在的故障和缺陷，以及可能出現的時間，這些經驗知識，目前很可能還存在專家的腦子里，如何是它變成真正的運行分析專家庫，那還需要很長的路要走。

結語

能源大數據，看上去挺火，但真正做到實處，還有很多基礎性的扎實工作。