智慧能源体系的架构
智慧能源体系由下至上可以分为能源层、网络层和应用层。
其中，能源层主要是进行能源的生产、转换、传输和利用，包括化石燃料的发电、清洁可再生能源的多能转化、电力利用等;网络层主要是通过广域布局的智能传感进行能源相关数据的采集和传输，打开CPEM了解更多利用互联网技术，实时获取海量数据;应用层主要是利用大数据、云计算、人工智能等技术进行能量信息的数据共享，主要包括能源设备的运行状态和各能源系统的实时运转状况等，主要实现途径是对海量数据信息进行分析和处理，从而搭建能源交易平台来对各种能源交易进行数据支撑，承担能源互联网的信息采集、管理方案、能源交易等方面的运行工作。
大数据在能源生产端的应用
能源生产端主要是指煤炭、石油、天然气、太阳能、风能、地热能等一次能源和电力、汽油等二次能源。随着新能源技术的不断发展，分布式发电方式不断接入，打破了原有电网运行管理的模式，不但需要考虑负荷侧的波动，还要考虑新能源出力的间歇性。在此背景下，智慧能源中大数据应用众多，涉及电网安全稳定运行、节能经济调度、供电可靠性、经济社会发展分析等诸多方面。
以光伏发电方式为例，光伏大数据的应用主要集中在在线预测、发电量模拟、实时监测、设备预警和诊断、资源调度、电力交易以及需求响应等方面。对光伏行业来说，大数据分析是贯穿始终的。从前期规划到电站投资建设、后期运营，以及整个资产全生命周期的管理都可以通过数据分析、数字化的模型为各个环节提供量化的分析和决策服务，服务于投资商、生产商、运营公司等各类角色。
另外，风力发电与光伏发电类似，都具有波动性和间歇性，大规模并网运行会影响电力系统运行的安全稳定，而且在高风力等级条件下还可能造成风机损坏，所以以数值天气预报模型为基础，结合实时气象数据、电站运行状态数据等，通过大数据建模分析可大幅提高电站运行的安全性和电力系统的稳定性。
大数据在能源消费端的应用
能源消费端主要包括所有的电力用户，电力改革及电力产业链的细化推动着电力交易品种、交易周期、交易方式、竞争格局等因素发生了显著变化，电力用户需求更加多样，同时也对发电企业、售电公司的能力提出新的要求：如何适应这些变化，细分用户，提出差异化的服务;如何规避交易风险，提升服务能力等，这些是目前普遍关注的问题。
消费端管理伴随着行业转型的压力而来，无论是电源端还是电网端，其核心就是如何利用负荷资源化进行有效管理，反馈给电源和电网端，达到供需匹配灵活的目的。届时售电公司的综合服务除了满足用户的能源需求，还需要为用户提供降低能耗、提高能效等解决方案，通过智能终端，及时为用户推送电价信息、节能贴士、当地天气及交通情况等附加服务，拉近与用户的距离。借助大数据，售电公司可以根据用户的生活习惯作出更优的电力调配计划。
负荷预测作为电网电量管理系统的重要组成部分，其预测误差的大小直接影响电网运行的安全性及可靠性，较大的预测误差会给电网运行带来较高的风险。现阶段负荷预测主要是通过负荷历史数据，利用相似日或者其他算法预测负荷的大小，短期预测精度较高，中长期精度较差。随着电网采集数据范围的增加，利用大数据技术可以将气象信息、用户作息规律、宏观经济指标等不同种类的数据，通过抽象的量化指标表征与负荷之间的关系，实现对负荷变化趋势更为精确的感知，提高预测精度。如果新能源预测误差较大，则需要在新能源设施周边建立配套的常规能源作为备用，以弥补新能源预测精度方面的不足。作为备用的常规电源，长期不能工作在最佳运行点，将造成其发电效率低以及能源的浪费。
大数据将深刻影响智慧能源发展
随着新技术的不断涌现，能源结构不断发生变革，传统的电网规划方法往往与实际需求差别较大，需要利用大数据技术综合考虑多种因素，如分布式能源的接入、电动汽车的增长趋势、电力市场环境下为用户提供个性化用电服务等。多类型、海量数据的引入，可以有效减少电网规划过程中的不确定性，使得整个规划更加合理、有序。
上一篇：数字化智慧能源的意义
下一篇：综合智慧能源的潮流趋势_地大热能
