京公网安备 11010802034615号
经营许可证编号:京B2-20210330
能源互联网风口将至 如何利用大数据掘金
在集中供热领域,北方各省市供热部门正面临着众多数据孤岛、不能统一运营管理、热网节能难于落地等痛点,所以伴随着一波又一波寒潮袭来的同时,还有各种投诉电话的苦恼。
凛冬已至,你家热了吗?
不过现在不用担心了,如今,国际、国内政策的推动下,以及移动互联网、物联网、云计算、大数据等新兴技术的发展,全球能源互联网应运而生。
这意味着什么?
影响能源互联网发展的主要问题在于,在产业链中,基础能源如电力、燃气、油品等,条块分割非常严重,如何存储、传输、调度?对于消费端如个人、企业、商场等来说,消费特征也非常复杂,如何使用、使用多少?
因此,建立以用户为中心的能源大数据平台,打通产业链,在此基础上进行用户标签管理,作为企业画像和用户画像的基础平台,未来就能解决诸如“你家不热”的问题。
但具体怎么做?百分点能源行业架构师董继军先生,在百分点大数据学院举办的能源论坛上发表了能源方面的一些实践分享。
第一步——全维度“能源”画像
区别于其他行业,能源消费非常复杂。
对于一个能源使用者来说,家庭、学校、机构、商场等能源使用行为各有不同特征,并且涉及电力、燃气、油品等方面。面对如此复杂的情况,在能源互联网趋势之下,需要对全网的能源使用者构建能源画像,形成以人为中心的标准的网状结构。
建立这个复杂的能源画像过程中,就需要用到第三方数据,进行价值链创新。这是百分点一直在做的事情,基于超过5.5亿的用户画像基础上,逐渐地建立用能画像体系。通过标签体系,可以建立全景视角的认知,有助于提升服务,甚至重构整个行业。
百分点经过多年实践,实时数据采集(包括智能电表及其他一些设备传感器、环境传感器),通过数据模型算法,建立能源使用画像,从而进行能源使用实时互动。
未来,能源行业在用户侧会非常多元化,会有很多小型售电企业出现。特别是分布式能源,可以使消费者身份相应发生变化,变成“产销一体”的消费者。
典型应用——能源行业会有哪些新玩法?
链条式的能源产业,是基于大数据,从数据化到网络化,未来整个能源形态将会是纯网络化的互联网架构。
在这种新的趋势下,能源的生产和销售,以及能源管理和组织都会发生深刻的变化,每一个节点要有非常清晰的认知和画像才能落地具体业务应用。百分点在能源领域进行了多年实践,总结一些成果,分享在能源行业的典型应用。
1.异常分析、调度优化:
比如在燃气领域,将家庭、学校、商场等的远传读表、气温数据、客户信息、设备数据、计费数据和面积数据集中起来。可以站在全网消费者角度,在能源消耗框架之下,描述用能特征和用能特点,继而进行异常分析、采取调度优化。
具体流程是,基于百分点的大数据平台,从流量数据、企业内部数据和企业外部数据,进行基础的数据处理和数据拉通,并整合所有能源使用端的数据,通过原始数据采集到中间用气特征模型,建立全维的用户用气特征和用户画像,分析用户的一些异常和正常用能行为,从而抽取异常用气情况,实现管网优化和客户优化。这也是整个燃气行业实践落地的一个很重要的应用点。燃气公司可以知道用能的客户在哪里?怎么来优化能源结构布局?包括协调用户家庭家里的电器,进行设备保护的优化和能效的优化等等。
2.聚类分析、能源管理
在能源管理应用上,根据用户的实际业务管理需求,落实到整个安全、调度和服务三个层面,来帮助燃气管道网络安全、用户端安全和整个燃气管道网络调度、服务优化等业务落地。
比如,通过建立数据模型,可以自动进行侦测并获取偷窃的客户名单,消灭一些潜在的安全隐患,并减少企业经济损失。
具体方法是,通过聚类分析,对整个用气特征做一些分类,如区域中心的用户、餐馆、小区的供暖锅炉,通过数据模型可以进行识别、判断。比如用能类型中的早晚用气型,根据早上和晚上的波峰波谷等很均衡的特征来分类。比如,根据用能企业的名称、周围的商圈等信息,分析发现上午用气型较多的一般是学校或者类似的企业用户;白天比较均衡用气型可能是商厦。
与此同时,通过对整个用能企业深入了解,再叠加用电信息和其他的能耗信息,可以优化模型,帮助企业规划能源使用方式。比如推广清洁能源,考虑经济性和社会效益,减少燃气使用、增加电力使用。
在能源互联网大基础架构之上,用能画像越精准,越可以为整个社会能源使用发挥更多的作用,优先发展更清洁、效率更高的能源。
3.预测风险:
能源传输过程中,从生产端到使用端,中间传输过程需要两大体系支撑:一个是电网,一个是燃气管道网络。二者的难点都在于很难存储,无论是电网还是燃气管道网络,都需要调度优化。
因此,通过对用能单位的画像,分析用气特征、用能特征,可以帮助我们指导二者的调度和优化。反过来说,削峰平谷也是大数据平台搭建的基础。
另一方面,对于单个用户持续异常的情况,通过大数据的分析得出客户用能的风险指标和标签值,这些数据可以在能源企业实际业务当中产生非常重要的价值。
能源互联网的政策和市场或已成熟
总结来看,能源产业链从最初的一个链状结构,由能源生产端的电力、燃气、油品,经过勘探、开采,到中间环节的传输、量化,再到电力单位使用,已经逐渐变成一个网状结构,也就是能源互联网。
每一个用能机构(包括家庭、机构、社区)都会变成能源互联网上最重要的节点。整个网络的连接节点构建的大数据平台,利用大数据对能源生产、使用的完整的数据分析,让能源互联网真正实现高效的运转。并且,在建立能源大数据平台之后,根据不同场景以SaaS的方式提供服务,可以提高企业效能和优化能力。
也就是说,在新的互联网模式之下,建立全维度的用能模型,百分点已经帮助能源行业实现了价值链创新,创造出了新业务和新价值。
能源互联网的风口已来,今年20国集团发布了《G20能效引领计划》,一方面是强化了提高能效的政策环境,第二是带动了新一轮的能效和绿色投资机会,第三是促进了能效大幅度提升的技术进步,并且促进了G20国家的能效合作。
回看国内,国家“十三五”规划(2016年能源工作指导意见)推出后,各地政府也陆续推出各地规划,后又推出《关于推进“互联网+”智慧能源(能源互联网)行动的指导意见》,将能源互联网行动计划的具体落地。
未来,能源互联网一定是彼此合作、互联互通的,在能源互联网应用中非常重要的一点,就是要对每一个节点进行精准画像,以能源用户为中心,将各个用能设备、环节数据化。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-10在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-10在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01