綜合來看,目前基于大數據的業務模式主要包括這幾個方面,通過實時數據的采集來監測設備的運行、對采集的數據進行挖掘利用
綜合來看,目前基于大數據的業務模式主要包括這幾個方面,通過實時數據的采集來監測設備的運行、對采集的數據進行挖掘利用。
具體而言,在實時數據方面,則包括鼓勵能源企業運用大數據技術對設備狀態、電能負載等數據進行分析挖掘與預測,開展精準調度、故障判斷和預測性維護,提高能源利用效率和安全穩定運行水平。
在數據的挖掘利用方面,主要包括對能源設備的實時監測數據進行挖掘和分析后,除了用于第一點所提到的故障判斷外,還可以與金融機構等合作,將其作為資產評估、風險控制等的依據和標準,以及用于對于制造業相應環節的反饋。比如互聯網+行動指導意見中提到的鼓勵制造企業利用物聯網、云計算、大數據等技術,整合產品全生命周期數據,形成面向生產組織全過程的決策服務信息,為產品優化升級提供數據支撐。
此外,在面向制造業的服務業方面,則鼓勵企業基于互聯網開展故障預警、遠程維護、質量診斷、遠程過程優化等在線增值服務,拓展產品價值空間,實現從制造向“制造+服務”的轉型升級。
根據此前發布的《能效信貸指引》,無論是在貸前的盡職調查、節能技術和效益評估、質押登記,還是貸后的信貸質量監控和風險預警等方面,都離不開大數據的應用。而就綜合信息來看,出于防范信貸風險的考慮,銀行是最舍得為大數據產品“掏腰包”的金融機構之一。
不容忽視的硬件因素 或許是看中了能源大數據這一無可比擬的重要性,與之相關的概念正在遍地開花。
資料顯示,包括許多上市公司,甚至是此前與能源行業、IT行業均沒有任何關聯的企業,也將能源互聯網、大數據等作為轉型的方向之一。
對此,有市場分析人士表示,能源領域的大數據能夠走多遠,除了受現行環境、業務模式等制約外,傳感器等硬件設備方面的不足也不容忽視。畢竟,對于能源領域而言,其大數據更多是基于實時采集的動態數據,而非簡單的基于互聯網的靜態數據,相應硬件的技術水平能否跟得上至關重要。
更進一步來看,就數據采集以及傳輸的復雜性而言,新能源電站的實現難度要高于傳統的火電電站。
以一座規模達到50MW的火電電站來看,數據采集周期為10S,整個系統近2萬個數據點,每天要產生約8G的數據量。
“整個系統包括硬件和軟件兩部分。硬件部分包括智能環境監測站、高性能現場計算機、無線通訊設備等。作為工業級硬件產品,對其關鍵的指標均有嚴格的要求,包括超寬溫環境(滿足寬溫狀態-40——80℃)、高精度(關鍵監測設備偏差<0.1%)、 集成化(與主要數據鏈高度集成,實時鏈接)等。可以說,作為一個涉及眾多數據接入點的產品,無論從硬件方面,還是軟件方面,都有很高的門檻。”上述市場分析人士表示。
作者:張廣明 來源:《太陽能發電》雜志
責任編輯:wutongyufg