大数据如何帮助我们减少碳排放量

snow

　大数据可以把现有的旧能源网络变成更加智能的网络，能够了解个人的能源消耗状况。这无疑将提高效率，降低能源价格并帮助我们减少碳排放量。

　　智能能源网格

　　在不久的将来，将有越来越多的家电设备带有传感器。这些传感器能够在能源公司、家庭智能仪表和电器之间进行双向通信。当所有的家用电器都通过传感器连接到互联网时，我们就可以根据需要，对单个设备的能耗进行监测和调整。越来越多的能源机构正在开发智能电表来记录单个家用电器设备的电能消耗情况。而这些信息将返回到能源公司，使得能源公司可以了解和预测能源需求。我们相信，随着研发工作的进一步深入，实时监控和调整能源需求将只是时间问题。

　　当越来越多的设备具备了传感器之后，产品之间也将能够相互通信交流，甚至是进行跨不同网络的通信。这将帮助能源企业更好地了解和管理整个网络的能源利用率。对于未来的电动汽车来说，这是相当有用且重要的。当消费者回家后将电动汽车的充电和其他家用电器同时开启时，能源电网可能无法应付这一需求的高峰期。因此，越多的电器设备具备了传感器，就越能够与能源网络进行通信和沟通，能源公司也就能够更好的管理其网络内的能量分布。

　　但是，真正的智能电网距离我们仍然还十分遥远。据以太网之父鲍勃梅特卡夫表示，智能电网可以提供“大量廉价和清洁的能源”。他创造了一个由互联网影响的智能电网，称为“Enernet”愿景。

　　这种智能电网也将同时能够防止能量在网络中的损失并防止停电事故的发生。传感器系统可以同步的实时监测电线的状况，每秒钟都能收集多个数据流。这些信息可以更容易地检测到停电事故。当确实发生停电事故时，其可以使得能源公司的响应速度更快、更好。这种传感器还可以检测能量是如何在网络中传输的，以及在何时何地发生了能量损失。这些信息实时传递反馈给能源公司的控制中心，能够帮助他们实时的需求进行调整。

　　西北太平洋的巴特尔智能电网示范项目就是这样的一个智能电网试点。该试点项目的六万名参与者来自美国的五个州。该项目旨在确定智能电网是否向我们所认为的那样有价值，是否更具经济效益。一个智能电网需要在在硬件和软件方面进行大量的投资。其也将极大地帮助我们收集数据信息：从之前的记录一个仪表一个月之内的读数变为智能电表每15分钟记录一次读数。也就是每天每百万智能电表共计记录9600万次读数。其结果是数据信息增加了3000倍，如果不加以妥善管理，这些数据信息将是相当繁杂的。

　　改变消费者的行为

　　如果消费者可以根据实时数据和能源价格管理他们自己的能源消耗，将可能会改变他们的行为。一款智能电表可以基于需求预测建议消费者在稍后某个时刻能源成本降低时使用某款电器设备。这将帮助能源公司更好地管理能源需求。如果某款电器设备(例如加热器)可以基于价格范围和网络的能量需求自行决定在最佳时间开始工作，这无疑将产生更好的效果。

　　预测需求和价格

　　与数以百万计的电器相连接的智能电网能够预测能源消费量。监测设备如何使用能源，并提供有价值的数据信息，并进一步分析预测对于能源的需求状况和可能出现的能源短缺。此信息可用于在合适的时间和地点提供适量的能量。其可以帮助平衡不同时间和地点的能源需求高峰。能源分销机构可以提高顾客满意度，并通过减少停电的次数和持续时间遵守相关的合规性。如果能源公司能够找到发生网络故障与相关停电事故之间的联系，那么这就表明他们能够精确确定和识别发生故障的位置，并实时的提供相关的解决方案。 　当智能电网平衡了能源需求的高峰之后，网络将变得更可靠。而目前的网络问题在于，不仅仅是没有这么大的网络容量，而且还需要应对高需求的能力。智能电网可以帮助防止极端高峰所导致的断电。

　　大数据也将有助于优化能源交易，从而更好地预测价格波动。大数据可以基于1000个不同的数据集针对能源市场做出几乎实时的复杂分析。随着能源价格的波动，能够基于这1000个不同的数据源进行价格预测是相当有价值的。对于能源供应和需求的预测，能够帮助能源销售机构获利。通过对市场的充分了解，他们可以保护自己免受能源价格波动的影响。最后，他们将能够提供更便宜的能源，提高客户满意度。

　　未来的投资和维护

　　来自网络的大量传感器的数据信息可以提供关于网络质量的附加信息。它可以帮助能源企业确定未来的投资是否是必要的，或是需要进行维护。不必进行定期的网络检查，大数据工具可以用来实时的监控网络设备，只在必要时采取相关的措施。这将为能源企业节省很多不必要的调查，预防费用。同样，这些信息还将有助于了解哪些投资能够帮助能源企业获得最大的投资回报。

　　例如，Vattenfall公司在风力涡轮机内安装了传感器数据，以预测何时需要进行维护。这将为该公司节省了很多不必要的检查涡轮机时所需要的直升机费用和其他维护费用，以及昂贵的咨询费用。

　　大数据也可以被用来改善风力涡轮机的安置位置，以便获得最佳的能量输出。在微观和宏观层面，对不断变化的天气进行预测可以帮助企业选择最佳的风力涡轮机安置地点。或者根据地区年度日照情况数据来选择太阳能系统的安置地点。结合结构化和非结构化数据，如潮汐、地理空间、传感器数据、卫星图像、森林砍伐地图和天气模型也可以帮助确定最佳安置地点。

　　例如，丹麦能源公司维斯塔斯风力系统利用IBM大数据分析解决方案来分析许多不同的数据集，以确定每台风力涡轮机的最佳安置地点。将风轮机安置在错误的地方会导致无法生产出足够的电力，无法判断风能投资的投资回报率，也就增加了电力成本。

　　大数据应用在能源领域最重要的影响是，其将使得现有的能源网络变得更高效。这将帮助我们减少能源消耗量，并降低消费者的购买价格。智能能源管理可以防止电网超载运行，并防止新的和昂贵的电厂建设需求。较少的电厂能够提供更高效率的能源和更低的价格，影响我们的碳排量。所以，最终，大数据有可能变成比采用可再生能源更可持续的技术，以帮助我们减少碳排量。