大数据应用在能源行业的前景将越来越广阔
能源大数据理念是将电力、石油、燃气等能源领域数据进行综合采集、处理、分析与应用的相关技术与思想。能源大数据不仅是大数据技术在能源领域的深入应用,也是能源生产、消费及相关技术革命与大数据理念的深度融合,将加速推进能源产业发展及商业模式创新。随着信息化的深入和两化的深度融合,大数据在石油石化行业应用的前景将越来越广阔。
大数据与能源行业的结合目前主要体现在三个行业。(1)石油天然气产业链与大数据的结合。在油气勘探开发的过程中,可以利用大数据分析的方法寻找增长点,利用大数据平台可以帮助炼油厂提高炼化效率,也可帮助下游销售挖掘消费规律,优化库存,确定最佳促销方案。(2)智能电网:利用大数据实时监测技术监测家庭用电量特征,帮助电力公司调配电力供给,为客户提供最佳用电方案。通过错峰限电,用户会在电力成本低的时间段使用,避免了高峰时期电力负荷过重的局面,未来消费者对于能源的利用会有更多经济性的选择。(3)风电行业:进行风电场分布式风机的在线监测,周期性及瞬时的实时数据采集和在线分析,生成警报、允许维护人员可视化和管理数据,简化大规模监测系统的部署。
产业政策及规划
(1)能源局政策梳理
在中国能源局2014年发布的78条通知政策中,由于45条关于电力领域,17条关于煤炭和油气领域。在新能源的通知政策中,光伏有12条,新能源5条。可见政府在未来对于清洁能源的支持力度还将进一步加大。
(2)产业规划
能源行业对于大数据的政策扶持体现在产业规划。有消息称三桶油在十三五规划的内部讨论会上已将大数据提上日程,正在探讨将油气勘探大数据写入十三五规划。国家有关部门也正在牵头前期调研,或在年内出台国家能源互联网行动计划。?
(3)资金支持
2014年的信贷政策明确提出重点支持目标。央行提出,要支持新能源汽车,节能环保,循环经济等领域金融服务水平。
产业发展现状
(1)石油天然气行业大数据进展
石油天然气行业的大数据仍处于起步阶段。2014年石油行业共组织召开5场提高油气行业信息化的会议,意在提高行业信息化程度,推广大数据在行业内的应用。根据中国石油招标网的数据统计,2014年中国石油共发起建设12个与大数据有关的项目,其中东方物探、新疆塔里木油田及大庆油田在大数据领域的动作最多。项目建设内容多集中在建设油田勘探开发一体化数据中心、建设研究成果知识库2个领域。这也说明目前国内油气行业仍处在数据的采集、存储阶段,尚未上升到大数据挖掘分析的高度。
原油炼制及油品销售环节的大数据处于萌芽阶段。企业对炼油大数据仅有概念性的了解,目前能够体现业务布局的即阿里与中石化的合作。阿里云今年4月20日宣布与中国石化展开技术合作,中国石化将借助阿里巴巴在云计算、大数据方面的技术优势,对部分传统石油化工业务进行升级,打造多业态的商业服务模式。
油气行业长期以来处于垄断地位,对于新技术的接受和推广较为缓慢。但随着国家大数据战略的推行,大数据在能源行业必将展开应用。预计大数据也将写入能源行业的十三五规划,未来大数据必会成为油气行业新的爆发点。
(2)电力行业大数据进展
电力大数据在国内发展势头良好,国内较为落后。早在2013年,国家电力集团曾发起在电力行业推行大数据的尝试,但很快终止了这次行动。最近一年国家开始大力推行电力改革,鼓励分布式电源主要采用“自发自用、余量上网、电网调节”的运营模式,积极发展融合先进储能技术、信息技术的微电网和智能电网技术,确保可再生能源发电量依法全额保障性收购,这为分布式发电和新能源汽车在未来大规模接入电网创造条件。
(3)风电等新能源大数据进展
国家近几年大力推行风力发电。风电行业具有大数据几个主要特征中的数据量大的特征,大数据的实时性也为风电行业提供精准的解决方案——实时数据采集和在线监测,帮助风电管理人员实时监控终端运行状态,高效管理数据。
(4)智能终端与能源行业的结合
为智能化产品研发提供支持。将能源大数据、信息通讯与工业制造技术结合,通过对能源供给、消费、移动终端等不同数据源的数据进行综合分析,设计开发出节能环保产品,提供付费低、能效高的能源使用与生活方式。
能源行业发展现状
油气行业传统的勘探开采理论面临瓶颈,从传统地质,到开发地质再到石油储藏描述,油气开发理论已经不能满足提高产量的需求。而这一传统行业恰恰积累了大量的数据,大数据的出现为油气的二次开发,甚至三次、四次开发,提供了更多的可能性。不同的油田之间可从油气勘探历史上积累的数据中寻找一定的规律,并发现新的增长点。另外,在炼化、油品零售领域大数据的应用也比较广泛。诸如炼厂炼油过程中收集的数据,油品零售站的用户数据等,对同行业有很大的借鉴意义。
智能电网对于大数据的需求也很强烈。国家对于智能电网的推广也为大数据的应用奠定了基础。这些数据需求包括消费者用电的规律、家用电器的耗能数据等。未来电厂和个人用户都将受益于电力大数据。
风电行业涉及硬件较多,而且分布区域较广,因此也刺激了对大数据的需求。分布在野外的风电机组产生大量的数据,通过传感器传回到数据中心,利用大数据技术实时分析发电量,并据此预测可能发生的问题。这样的数据对于世界各地的风电场都有很大意义,能够从很大程度上提高发电效率。未来在风电机组领域的数据交易将会非常活跃,企业用户将成为交易主体。
市场规模及需求分析
(1)能源行业大数据市场规模
①能源消费结构
中国能源消耗一直以煤炭为主,近年来天然气、风电、水电等清洁能源占比缓慢提高。煤炭从2008年的占比70.3%降至2013年的66.0%,石油的消耗量始终保持在18%上下,天然气由2008年的占比3.7%升至2013年的5.8%,水电、风电、核电从2008年的7.7%升至9.8%。煤炭的主导地位短期内不会产生太大变化。受国家环保政策支持,预计未来天然气等清洁能源的消耗量将逐渐增大。
据调查机构BP最新发布的2035世界能源展望,煤炭从2000年以来增长最快的化石燃料(年均3.8%)变为增速最慢的燃料(年均0.8%)。这也反映了亚洲煤基工业化趋缓以及关键市场的气价走低的趋势。天然气是增速最快的化石燃料(年均1.9%),而石油增速略高于煤炭(年均0.8%)。可再生能源是增速最快的燃料(年均6.3%)。核电(年均1.8%)和水电(年均1.7%)的增长快于总体能源增速。
②能源大数据市场
国家对能源互联网的布局必将带动能源大数据的市场规模。考虑到未来能源消费结构的调整,以及国家对不同能源类型的投资力度,未来风电等清洁能源的市场潜力巨大。但风电行业本身市场及技术都不够成熟,要实现大规模覆盖需要较长时间。而石油天然气作为国家的战略性能源,近五年内投资规模会有较大增长。预计2015年能源行业大数据应用市场规模达8.29亿元人民币。
(2)市场需求分析
①石油行业的大数据需求
国内三大石油国企将成为推动石油大数据进展的主力。中国石油的数据中心,中石化的能源行业十三五规划、炼油大数据、油品销售大数据,中海油的海上石油勘探、海底地震,这些都是大数据与能源行业的结合点。
②电力行业的大数据需求
国家电网于2014年重新开始大数据的尝试,并开始大力推动智能电网。智能电网的推广,将带动对大数据调节用电高峰的需求,家庭用电及工业用户节能省电的需求,这些需求必将引发一系列智能设备、数据分析厂商的崛起。
③新能源的大数据需求
风电装机容量大。截至2013年底,中国风电装机容量已超过9100万千瓦,投运机组近7万台,并网发电的风电场约2100个。目前国家规划到2020年,风电装机容量达到2亿千瓦。当前风电行业的痛点在于风电机组性能差异大,年发电量达不到预期指标;风电场设计、运行不合理,设计偏差造成发电量难以达到设计指标;风电运行数据难以有效利用,积累的海量数据未能充分利用,通过分析挖掘可以发掘很多改善发电性能的措施。利用大数据分析挖掘的方法可以优化风电机组功率特性,提高可利用率。?
(3)竞争格局
能源行业的大数据尚处于起步阶段。大型厂商开始布局这一行业的大数据业务,初创型能源大数据公司也开始兴起。从市场进入的角度看,当前竞争格局可分为三大梯队。
大型国产厂商具有先发优势。能源行业涉及国家战略,政府支持国产化产品的应用。大型厂商具有丰富的实施经验,能够保证系统的稳定性。因此,华为、浪潮等企业成为能源行业大数据的首要受益者。
第二阵营为行业的国际巨头。国际领军的IT企业具有领先的技术和理念,通常能够引流技术发展的趋势和潮流。而在本地化实施中,这些企业仍有一定的局限性。因此他们的商业模式以跟国内软件企业或者科研机构合作研发为主。
第三阵营是一些初创型企业。初创型能源大数据的应用体现在风电等清洁能源的应用。大数据公司利用分布式存储、实时监测分析等技术,解决新能源行业数据量大、需要实时处理的难题。新兴企业客户资源不敌现有的巨头厂商,且国家能源企业在公开招标采购中对供应商资质要求较高,因此初创型能源大数据公司目前仍处在第三阵营。
随着大数据技术不断发展城市,初创型公司可能会因为突破性技术而抢占市场的制高点。未来竞争格局变数较大。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20在现代社会的快速变迁中,选择一个具有长期增长潜力的行业显得至关重要。了解未来发展前景好的行业不仅能帮助我们进行职业选择, ...
2024-11-20