[日本]智能电表的引入,使电力行业数据量增至3000倍-阿里云开发者社区

开发者社区> 小旋风柴进> 正文

[日本]智能电表的引入,使电力行业数据量增至3000倍

简介:
+关注继续查看

从事企业数据分析及未来预测业务的美国SAS Institute公司近年开始涉足基于大数据分析的预测及规划业务。该公司电力业务部门主管Tim Fairchild日前接受了本站记者采访,介绍了大数据分析在电力业务中的效果以及对日本市场的期待。

在电力业务的哪些部分可运用大数据分析?

各种场合都能利用大数据,大体上来分有四种:(1)Customer Intelligence、(2)Supply Chain Intelligence、(3)Strategic and Operational Planning、(4)Regulatory Compliance四项。


Customer Intelligence是指对用电方做市场细分后,开展适合顾客的促销活动,通过提供细致的服务来防止解约。

Supply Chain Intelligence是指对电力及维修部件的需求做出预测。

Strategic and Operational Planning是指分析设备资产及设备故障,确立最佳设备计划。

Regulatory Compliance是指合约管理及监查。

今年6月贵司宣布将在日本提供名为“智能电表数据分析”的解决方案,该解决方案将会用于上述4项中吗?

设想用于所有项目,不过,该解决方案在(1)~(3)项中发挥的效果尤其大。导入智能电表后,数据量会增加到原来的1500倍甚至3000倍。各用电方的用电量原来只需每月人工抄表一次,而随着智慧电表的导入,基本可实现每小时2次或4次的实时读取。也就是说,1小时读取4次的话,就是4(次)×24(小时)×30(天)=3000(次/月)。

对于(1),通过对星期几或某时间段的用电量相似的用电方进行分组,将用电方分成几类,对不同组的用电方提供相应的适当的收费方式。虽然日本尚未放开电力零售限制,但在电力零售完全自由化的欧美,如果不提供极细致的服务,就会被其他的电力公司取代。日本预定2016年使电力零售全面自由化,届时普通家庭便可从任意电力企业购买电力。这样一来,电力企业就必须使自己的服务与客户相配。

与其他行业相比,要求实现更高的预测精度

请介绍一下在(2)、也就是需求预测方面,是如何运用智能电表数据的?

电力业务有“同时同量”原则。也就是说,必须要在存在电力需求当时使发电量满足需求。如果发电量低于需求,频率就会下降,最后导致停电。另外,由于火力、水力、核能等发电方法及发电站设备不同,发电成本也不一样,而且,既有能够立即开始发电的设备,也有不能立即发电的设备。电力业务必须很好地组合这些发电设备来提供电力,需求预测是非常重要的。

其他行业的预测精度允许到80%就可以了,但电力业务不行。虽然还要看规模如何,但有时即便是1%的误差,也会造成一年数亿日元的损失。我们的解决方案在分析时除了利用智能电表的数据之外,还运用气象数据等,可实现低于5%的错误率。

最近风力及太阳能发电等自然能源备受关注,但随着这些能源的使用,发电量本身的预测也变得越来越难了。
的确如此。其中还存在利用家用太阳能发电板发电以及给电动汽车充电等情况,确实比以前复杂多了。例如,在美国某一小城,深夜用电量要比白天多。这是因为有越来越多的人开始在白天驾驶电动汽车出行,而在晚上回家后为车辆充电。虽然这个例子带有局限性,但很能说明问题。

在(3)设备计划方面也将运用智能电表的数据吧?
我来介绍一个事例。一家名为OKLAHOMA GAS & ELECTRIC的公司导入了每15分钟计测一次用电量的智慧电表。而且,该公司如果不建设新的发电站的话,其发电设备会在数年内出现电力不足的情况。于是,我们瞄准有望在电力消费最多的高峰时令其减少用电量的用电方,为该公司制定了只对为节电作了贡献的部分给予奖励的电费制度,并且还在空调温度的设定以及游泳池水泵的运转等方面实现了远程控制。这样便实现了用电移峰,达到了到2020年以后也不用建设新发电站的程度。

最后请谈一下对日本电力市场的看法。
首先要说的是,日本的供电业务具有非常高的可靠性,停电机率也很低,据说是全球最低。另外,正如前面所说,2016年日本将实现电力零售自由化,预计将会有新企业涉足。而且还存在像东京电力那样计划导入2800万台智慧电表的巨大需求。我们的业务有望伴随这些趋势实现扩大。


原文发布时间为:2014-07-15

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
芯片短缺对数据中心行业的影响
尽管服务器CPU芯片供应没有重大问题,但组装CPU所需的其他组件却供不应求,甚至英特尔公司和AMD公司之类的CPU生产巨头也不得不在运营上做出改变,并花费巨资来缓解这种情况。
11 0
有了智能指环Padrone Ring,挥动手指即可实现鼠标功能
这款智能指环重量只有8克,而且可通过蓝牙连接电脑,不占用USB口。
941 0
数据上云,应该选择全量抽取还是增量抽取?
数据抽取是指从源数据抽取所需要的数据, 是构建数据中台的第一步。 数据源一般是关系型数据库,近几年,随着移动互联网的蓬勃发展,出现了其他类型的数据源,典型的如网站浏览日期、APP浏览日志、IoT设备日志从技术实现方式来讲,从关系型数据库获取数据,可以细分为全量抽取、增量抽取2种方式,两种方法分别适用于不用的业务场景 增量抽取 时间戳方式用时间戳方式抽取增量数据很常见,业务系统在源表上新增一个时间戳字段,创建、修改表记录时,同时修改时间戳字段的值。
2398 0
银行业数据治理之数据资产管理心得
本文是阿里云数据中台资深专家结合自己十几年工作经验,从数据资产管理的角度做了一些总结和思考。
1747 0
2736
文章
6591
问答
来源圈子
更多
+ 订阅
文章排行榜
最热
最新
相关电子书
更多
《2021云上架构与运维峰会演讲合集》
立即下载
《零基础CSS入门教程》
立即下载
《零基础HTML入门教程》
立即下载