① 智慧供熱具體的解決方案是什麼
新聞背景
「新基建」正在成為中國拉動經濟增長的新方式，能源行業迎來智能化轉型。5月15日上午，中環寰慧集團與網路智能雲戰略合作簽約儀式在北京網路大廈舉行。本次戰略合作，雙方將通過資源互補、技術互補等合作方式，加強人工智慧、大數據、物聯網、邊緣計算等先進技術在熱力行業的應用，打造更精準、高效、節能的中國熱力行業智慧供熱「新範例」。
中環寰慧自2012年開始進入清潔能源供熱行業，目前已在全國11省（市）獲得近30個城市的集中供熱特許經營權，成為國內跨省份、跨區域進行集中供熱投資運營的行業龍頭企業。網路是全球領先的人工智慧平台型公司，網路智能雲是網路AI TO B業務的承載者和輸出者。中環寰慧集團與網路智能雲成為戰略合作夥伴，雙方將聚焦於城市智慧供熱領域，尤其在供熱系統中的能源優化、生產監控自動化、經營管理智能化等方面，能夠實現端到端、全鏈條的智慧供熱平台，引領傳統熱力行業向數字化轉型，率先打造智慧供熱行業標桿，提高能源利用效率和效益，改善城市環境。
智慧供熱的定義
在《中國供熱藍皮書2019 ——城鎮智慧供熱 》中，給出了智慧供熱的完整定義。智慧供熱是在中國推進能源生產與消費革命、構建清潔低碳、安全高效的現代能源體系，大力發展清潔供熱的新時代背景下，以供熱信息化和自動化為基礎，以信息系統與物理系統深度融合為技術路徑，運用物聯網、空間定位、雲計算、信息安全等「互聯網+」技術感知連接供熱系統「源-網-荷-儲」全過程中的各種要素，運用大數據、人工智慧、建模模擬等技術統籌分析優化系統中的各種資源，運用模型預測等先進控制技術按需精準調控系統中各層級、各環節對象，通過構建具有自感知、自分析、自診斷、自優化、自調節、自適應特徵的智慧型供熱系統，顯著提升供熱政府監管、規劃設計、生產管理、供需互動、客戶服務等各環節業務能力和技術水平的現代供熱生產與服務新範式。
談到智慧供熱，就不得不提到致力於「基於大數據與物聯網的智慧供熱節能技術全面解決方案」的工大科雅。工大科雅（股票代碼：836391）近日公布的2019年年度報告顯示，2019年營業收入為297,172,894.89元，較上年同期增長7.13%；歸屬於掛牌公司股東的凈利潤為62,479,888.08元，較上年同期增長4.75%；基本每股收益為0.81元，上年同期為0.78元。
截止2019年，工大科雅資產總計為540,163,753.30元，較上年期末增長8.92%。經營活動產生的現金流量凈額本期為16,982,002.14元，上年同期為3,200,124.62元。
報告期內，公司智慧供熱應用平台實現收入5,838.28萬元，較上年同期增長135.97%。該項業務細分為企業級智慧供熱平台、政府級智慧供熱平台，報告期內公司承接的17套企業級智慧供熱平台軟體陸續完成驗收結算工作，較上年同期實現較大增長；政府級智慧供熱平台保持穩定增長。
智慧供熱案例分享
看完了智慧供熱全面解決方案商的年報，我們不妨再看一下兩家公司的最新案例分享。
2018年，北京碩人時代科技股份有限公司跟東海拉爾發電廠達成合作協議，承接東海拉爾發電廠供熱增容改造項目。目前，該項目已經初步完工，不但為東海拉爾發電廠搭建了智能熱網監控系統、智能調度中心，還將換熱站都標准化建設，從上到下實現了智能化、網路化、自動化管理。
智能熱網監控系統
搭建了智能熱網監控系統，其中分為智慧供熱應用層、大數據中心和業務子系統，涵蓋了碩人IDH智能熱網的所有功能之外，還將原有的系統全部集成到智慧監控平台，清晰、直觀，不但一目瞭然，還方便使用。
智慧供熱系統結構圖
智能熱網調度中心
搭建智能熱網調度中心，實現了首站、回水升壓泵站、混水站的集中監測；94座混水站的遠程調控；負荷預測、全網平衡、能耗分析；客服、收費管理系統、樓棟平衡系統、室溫雲系統集成；管網地理信息以及手機APP管理。
智能熱網GIS系統
全面監控，實現了94個站的集中監測和遠程調控，一次網和二次網的實時運行全面監控。
負荷預測，定製能源管理計劃，實現能源全過程的精細化管理，從源頭節約能源：
計算周期內的水、電、熱、燃料單耗；
統計水、電、熱、燃料的累計單耗；
單耗環比和同比的變化值和百分比；
客服與收費系統數據集成：
經營收費系統的用戶面積，是否繳費狀態，報停，歷史欠費等數據進行提取；
客服系統的實時投訴率，歷史投訴率，工單數量，工單處理情況，用戶投訴分類統計等信息。
經營收費率系統界面
客服系統界面
智能熱網：樓棟平衡系統，樓棟或單元安裝物聯網閥及物聯網通訊機等設備，採集供回水溫度，入戶家中安裝室溫採集器，所有數據上傳至雲平台。可按回水溫度或供回水平均溫度進行平衡調控，保證各單元間、樓與樓間的水力平衡。達到系統整體的熱力分配均勻和平衡，最終滿足熱用戶舒適供溫。
室溫監測，利用碩人室溫雲系統，可以隨時查看室溫歷史數據、室溫歷史曲線、室溫異常報警、以及室溫分析比較。利用地圖展現每個室溫採集器在對應位置的溫度、同一周期內不同溫度點的對比和同一溫度點不同周期內的曲線對比，並實現室溫排列。
供熱質量分析，通過供熱質量分析，查看小區或熱力站整體供熱效果，低溫用戶或過熱用戶統計，查詢熱用戶室溫不達標或過熱原因。
能耗與用能質量分析，供熱效果來評估供熱量是否合適， 通過總能耗狀態分析各站差異，評估各部門能耗水平，制定能耗定額並預測節能潛力。
設備管理系統，通過ERP管理-設備台賬系統，進行各種維度的數據運行統計、設備列表，事故列表，檢修列表，設備錄入維護，按類型統計設備，設備保養列表、保養提醒。
靜態水壓圖，水壓圖是了解整個管網的壓力狀況，是熱網運行的重要工具；此功能可以展示當前實時的供水壓力，回水壓力和地勢標高，靜壓線數據。
智能熱網：報警管理，該功能可以實現報警查詢、報警確認、報警解鎖和報警配置。
智能熱網：手機APP管理，綜合熱網生產數據中心軟體的功能與數據，把重要功能和數據通過移動設備實現，使管理人員通過手持移動終端，就能夠實現熱網調度指揮、熱力站數據監測等等的重要功能，滿足供熱企業對熱網生產信息及時、快速、全面掌控的需求。
丹佛斯作為一個有80多年供熱經驗的企業，一直致力於實現供熱系統的高效運行。丹佛斯Leanheat AI優化管控系統是一個基於物聯網、大數據、雲計算及人工智慧技術的供熱精細優化管控系統。丹佛斯Leanheat AI系統功能之一是實現熱力站的智能管控。
熱力站控制是管網運行中的重要環節。首先熱力站處在整個熱網控制的中間位置，即是一次側的末端，又是二次側的熱源，起著承上啟下的作用。其次，熱力站控制具有很強的個性化差異，每個熱力站所帶區域的建築結構不同、住戶用熱習慣不同、供熱面積大小不同等等，使得各個熱力站的供熱特點存在差異，因此需要根據熱力站實際供熱區域現狀進行定製化的供熱控制策略。
Leanheat AI以數據為基礎，對室內溫度數據、換熱站運行數據及天氣預報數據等進行採集，通過人工智慧的自感知自學習方法，對熱力站熱屬性、樓宇建築熱屬性，和小區住戶用熱習慣等進行學習，為熱力站量身定做AI供熱控制模型，同時根據未來氣象情況及用熱特點，AI熱力模型能預測系統熱負荷並計算當下最合理的供熱參數。
通過Leanheat AI優化管控服務，可實現：
室內溫度的精準控制，為住戶提供更加舒適健康的室內溫度環境，提高住戶滿意度，減少住戶投訴，提升服務水平；
Leanheat AI智能化控制方式，將粗放調控方式升級為主動精細化調控方式，實現供需平衡節能運行，提升調控水平；
可以大大減輕運維人員重復計算和繁重的手動調節工作，使運維人員可以把更多工作精力放在系統安全運營和服務百姓，提高工作效率；
高度可視化操作界面及智能報警機制，以及Leanheat AI 專家運行團隊共同保障了系統安全可靠高效運行；
Leanheat AI 操作簡便容易實施，運行人員只需要基本培訓就能上手運行。
免責聲明：以上內容轉載自環球表計，所發內容不代表本平台立場。
全國能源信息平台聯系電話：010-65367702，郵箱：[email protected]，地址：北京市朝陽區金台西路2號人民日報
② 數據分析需要掌握哪些知識
大數據是對海量數據進行存儲、計算、統計、分析處理的一系列處理手段，處理的數據量通常是TB級，甚至是PB或EB級的數據，這是傳統數據處理手段所無法完成的，其涉及的技術有分布式計算、高並發處理、高可用處理、集群、實時性計算等，匯集了當前IT領域熱門流行的IT技術。
1. Java編程技術Java編程技術是大數據學習的基礎，Java是一種強類型語言，擁有極高的跨平台能力，可以編寫桌面應用程序、Web應用程序、分布式系統和嵌入式系統應用程序等，是大數據工程師最喜歡的編程工具，因此，想學好大數據，掌握Java基礎是必不可少的!
2.Linux命令對於大數據開發通常是在Linux環境下進行的，相比Linux操作系統，Windows操作系統是封閉的操作系統，開源的大數據軟體很受限制，因此，想從事大數據開發相關工作，還需掌握Linux基礎操作命令。
3. HadoopHadoop是大數據開發的重要框架，其核心是HDFS和MapRece，HDFS為海量的數據提供了存儲，MapRece為海量的數據提供了計算，因此，需要重點掌握，除此之外，還需要掌握Hadoop集群、Hadoop集群管理、YARN以及Hadoop高級管理等相關技術與操作
4. HiveHive是基於Hadoop的一個數據倉庫工具，可以將結構化的數據文件映射為一張資料庫表，並提供簡單的sql查詢功能，可以將sql語句轉換為MapRece任務進行運行，十分適合數據倉庫的統計分析。對於Hive需掌握其安裝、應用及高級操作等。
5. Avro與ProtobufAvro與Protobuf均是數據序列化系統，可以提供豐富的數據結構類型，十分適合做數據存儲，還可進行不同語言之間相互通信的數據交換格式，學習大數據，需掌握其具體用法。
6.ZooKeeperZooKeeper是Hadoop和Hbase的重要組件，是一個為分布式應用提供一致性服務的軟體，提供的功能包括：配置維護、域名服務、分布式同步、組件服務等，在大數據開發中要掌握ZooKeeper的常用命令及功能的實現方法。
7. HBaseHBase是一個分布式的、面向列的開源資料庫，它不同於一般的關系資料庫，更適合於非結構化數據存儲的資料庫，是一個高可靠性、高性能、面向列、可伸縮的分布式存儲系統，大數據開發需掌握HBase基礎知識、應用、架構以及高級用法等。
8.phoenixphoenix是用Java編寫的基於JDBC API操作HBase的開源SQL引擎，其具有動態列、散列載入、查詢伺服器、追蹤、事務、用戶自定義函數、二級索引、命名空間映射、數據收集、行時間戳列、分頁查詢、跳躍查詢、視圖以及多租戶的特性，大數據開發需掌握其原理和使用方法。
9. RedisRedis是一個key-value存儲系統，其出現很大程度補償了memcached這類key/value存儲的不足，在部分場合可以對關系資料庫起到很好的補充作用，它提供了Java，C/C++，C#，PHP，JavaScript，Perl，Object-C，Python，Ruby，Erlang等客戶端，使用很方便，大數據開發需掌握Redis的安裝、配置及相關使用方法。
10. FlumeFlume是一款高可用、高可靠、分布式的海量日誌採集、聚合和傳輸的系統，Flume支持在日誌系統中定製各類數據發送方，用於收集數據;同時，Flume提供對數據進行簡單處理，並寫到各種數據接受方(可定製)的能力。大數據開發需掌握其安裝、配置以及相關使用方法。
11. SSMSSM框架是由Spring、SpringMVC、MyBatis三個開源框架整合而成，常作為數據源較簡單的web項目的框架。大數據開發需分別掌握Spring、SpringMVC、MyBatis三種框架的同時，再使用SSM進行整合操作。
12.KafkaKafka是一種高吞吐量的分布式發布訂閱消息系統，其在大數據開發應用上的目的是通過Hadoop的並行載入機制來統一線上和離線的消息處理，也是為了通過集群來提供實時的消息。大數據開發需掌握Kafka架構原理及各組件的作用和使用方法及相關功能的實現!
13.ScalaScala是一門多範式的編程語言，大數據開發重要框架Spark是採用Scala語言設計的，想要學好Spark框架，擁有Scala基礎是必不可少的，因此，大數據開發需掌握Scala編程基礎知識!
14.SparkSpark是專為大規模數據處理而設計的快速通用的計算引擎，其提供了一個全面、統一的框架用於管理各種不同性質的數據集和數據源的大數據處理的需求，大數據開發需掌握Spark基礎、SparkJob、Spark RDD、spark job部署與資源分配、Spark shuffle、Spark內存管理、Spark廣播變數、Spark SQL、Spark Streaming以及Spark ML等相關知識。
15.AzkabanAzkaban是一個批量工作流任務調度器，可用於在一個工作流內以一個特定的順序運行一組工作和流程，可以利用Azkaban來完成大數據的任務調度，大數據開發需掌握Azkaban的相關配置及語法規則。
16.Python與數據分析Python是面向對象的編程語言，擁有豐富的庫，使用簡單，應用廣泛，在大數據領域也有所應用，主要可用於數據採集、數據分析以及數據可視化等，因此，大數據開發需學習一定的Python知識。只有完整的學完以上技術，才能算得上大數據開發人才，真正從事大數據開發相關工作，工作才更有底氣，升職加薪不成問題!