大数据如何改变全球能源行业

① 如何利用大数据技术减少能源消耗和保护环境

对于大数据节能，目前对其具体价值产生还存在很大的争议。就能源大数据在节能和环保方面的应用，首先需要看其在智慧能源方面的应用，当下比较前沿的是采用大数据实现对于能源系统进行运行状态监测、负荷预测、运行成本的降低以及故障的预测等。

能源系统运行状态的监测，就是通过对能源系统实时运行数据的搜集，判断运行状态，如果通过分析发现当时正处在不正常运行状态或故障状态，则能够发出预警并做出反应。

负荷预测就是采用能源大数据，结合人口、城市发展等方面的数据，对未来的负荷和用电量进行预测，有效地应用于未来能源系统的规划。

通过大数据还可以降低系统运行维护成本，是大数据技术在能源系统中极具前景的应用。通过数据监控系统，能够识别和预测能源系统中的非技术性损坏，从而帮助能源公司尽快修复，实现预测性维护，极大地节约了运行成本。

系统故障预测就是采用电网前期积累的海量数据对未来电网的故障和不正常运行状态进行预测，提前做出防控措施。和负荷预测一样，在城市层面的故障预警，采用传统的数据处理方法已经可以达到令人满意的效果，但是服务于全球能源互联网的故障预警，势必要从地区、国家乃至全球的视角展开。届时对海量数据的利用已经不是传统数据处理技术所能做到的。利用大数据技术，探求数据之间的关联性，从另外一个层面挖掘能源数据的价值，利用大数据的算法预测未来能源系统故障发生的类型和位置，提早做出预防和补救，将使能源系统的运行更具稳定性和安全性。

例如行有嘉数字能效平台等众多智慧能源系统的运行将产生更多有价值的数据，充分挖掘这些数据的价值，深刻理解能源网络的特征，实现电力“源储荷网”高效调度。

虽然能源行业属于传统行业，但是全球能源互联网的构建，将对大数据技术产生巨大的需求，带动其快速发展，在实践中完善，而大数据技术又会反过来加快全球能源互联网的构建，不断对全球能源互联网进行完善、相互补充，二者相得益彰。

② 大数据在新能源汽车行业有哪些可以落地的应用

大数据技术在新能源汽车领域的应用主要体现在智能运营方面。

以智能充电为例，新能源汽车主要以电力能源作为汽车运行的动力，当汽车内部储存的电能消耗到一定程度时，必须充电才能确保纯电动汽车的正常使用。为了确保新能源汽车能够在短时间内完成充电工作，彻底解决以往纯电动汽车充电装置稀缺、充电难等问题，我国正在大力推动新能源汽车相关维护设施的建设工作，在城市区域和高速公路服务区等多个区域修建了大量的电动汽车充电站和充电桩。

作为新能源汽车使用过程中重要的基础设施，充电站和充电桩在为新能源汽车提供服务的过程中会产生海量的运行数据，如果不依托大数据技术对充电设施进行维护管理，新能源汽车在智能充电方面将会耗费大量的运维成本。简单来讲，新能源汽车领域依托大数据技术实现智能运营的主要方案就是打造车联网和充电网，并将二者与互联网相融合，形成一个为新能源汽车运营而服务的云平台。

该云平台首要具备的便是超强的数据处理能力，无论是并发数据还是海量数据均可快速有效地加以处理。其次，该云平台要具备强大的数据分析和挖掘能力，从海量数据中为新能源汽车运营挖掘高价值的数据信息。为了保证新能源汽车运营的效率和质量，需借助运营云平台对运营结构进行改革，整合运营数据，促使新能源汽车运营过程中涉及的全产业链互联互通。

在此基础上，车辆生产商和服务商可以通过大数据云平台获取新能源汽车的车辆信息，驾驶行为信息，电池数据和充电情况，并通过大数据技术建立车辆电池的全生命周期模型，为车辆用户提供更为精细化的管理与服务。

③ 能源大数据的应用前景怎么样

据前瞻产业研究院《中国大数据产业发展前景与投资战略规划分析报告专》显示，能源属大数据理念是将电力、石油、燃气等能源领域数据及人口、地理、气象等其他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。
能源大数据对能源企业自身同样具有重要价值。通过将能源生产、消费数据与内部智能设备、客户信息、电力运行等数据结合，可充分挖掘客户行为特征，提高能源需求预测准确性，发现电力消费规律，提升企业运营效率效益。对于电网企业，该模式能够提高企业经营决策中所需数据的广度与深度，增强对企业经营发展趋势的洞察力和前瞻性，有效支撑决策管理。

④ 专栏 | 电力大数据应用模式与前景分析

本期，C君非常荣幸地邀请到了国家电网能源研究所的孙艺新老师。能源行业作为国民经济与社会发展的基础，不可避免地正在受到大数据的深刻影响。在下文中，孙艺新老师结合案例，系统分析了国外几种电力大数据应用案例，并分析了未来的应用前景，可供读者参考借鉴。

本文原载于《中国电力企业管理》，转载请联系作者获得授权。

大数据对打通业务壁垒、发现商业价值具有重要支撑作用，已为互联网、金融等拥有海量数据的企业在市场开拓、产品研发、客户服务等方面发挥了重要作用。电力大数据则是从能源领域为人们重新开启了认识世界、改造世界的大门。

电力大数据
人类从远古进化到现代，能源的每一次进步都带来了生产力的巨大飞跃。如今，能源革命与信息技术革命发生交汇，智能电网、新能源的快速发展与移动终端、物联网、云计算的迅速普及，将为各个产业带来巨大的商业价值。电力大数据不仅是大数据技术在电力行业的深入应用，也是电力生产、消费及相关技术革命与大数据理念的深度融合，将加速推进电力及能源产业发展及商业模式创新。

从商业模式创新来看，电力大数据的内涵包括以下三个方面：一是打破电力发、输、配、售不同阶段的数据壁垒，数据范围涵盖电力生产运营全过程；二是注重电力领域综合分析预测，对不同类型能源消耗、用电行为特征、电力供需形势、用电企业经营趋势等问题进行综合预判，能够显著提高电力生产消费预测的准确性与及时性；三是注重能源领域商业模式创新，充分挖掘能源数据价值，从信息服务、数据分析等方面为智慧城市、智能电网、智能家居等领域提供新的盈利模式。

电力大数据拓宽了电力行业乃至能源产业的广度与深度，给传统企业带来机遇与挑战。一方面，电力大数据能够对电力供给侧、需求侧进行有机整合与“跨界”应用，为创新商业模式与管理模式提供了机遇；另一方面，电力大数据使传统电力行业的边界变得模糊，使其自然垄断地位与路径依赖优势受到不同程度的颠覆与挑战。

国外电力大数据应用模式
目前，电力大数据理念尚处于逐步发展过程。从国外主要实践案例来看，已初步形成了三类应用模式。

以电力为中心的能源数据综合服务平台

该模式通过建立一个分析与应用平台，集成能源供给、消费、相关技术的各类数据，为包括政府、企业、学校、居民等不同类型参与方提供大数据分析和信息服务。该模式中，电网企业具有资金、技术、数据资源等方面优势，具备成为综合服务平台提供方的条件。

典型案例是美国德克萨斯州奥斯丁市实施的以电力为核心的智慧城市项目（见图1）。该项目以智能电网设备为基础，采集了包括智能家电、电动汽车、太阳能光伏等类型详细用电数据以及燃气、供水数据，形成一个能源数据的综合服务平台。

图1奥斯丁智慧城市项目商业模式示意图
该项目已在节能环保、新技术推广、研发测试等方面发挥了重要的平台服务支撑作用。一是在消费者能源管理方面，为居民能源消费、住宅节能、交通出行等提供优化建议，促进节能环保。例如，识别环保住宅的能耗降低比例可达27%；对居民太阳能电池板安装朝向进行优化，可使发电量增加49%等。二是为企业提供电动汽车、智能家电等产品开发与技术测试服务。例如，将电力数据与汽车里程、分时电价、油价数据结合，可提供电动汽车性能分析、充电站布局优化，并根据用户习惯确定最佳充电时间等服务。

为智能化节能产品研发提供支撑
该模式主要将电力大数据、信息通信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，为用户提供付费低、能效高的能源使用与生活方式方案。以智能家居产品为例，该模式既可为居民用户提供节能降费服务以及快捷便利的用户体验，也可对能源企业尤其是电力企业改善用户侧需求管理、减少发电装机等发挥作用。该模式中，电网企业不一定具备产品研发优势，但利用电力数据采集与分析方面的优势，既可通过与设备制造商合作改进用户需求侧管理，也可通过共同参与研发并在产品销售中获取收益。

该模式的典型案例是美国NEST公司研发的智能恒温器产品的商业模式（见图2）。该产品可以通过记录用户的室内温度数据、智能识别用户习惯，并将室温调整到最舒适状态。

图2NEST产品商业模式示意图
产品制造商、电力企业、用户三方形成共赢：作为产品制造商的NEST公司免费获得合作企业提供的部分电力数据，借此完善预测算法，并通过多种方式（恒温器设备、互联网、分析报告）展示分析结果；电力企业在智能恒温器支持下，改进需求侧管理，节约发电装机与调峰成本；用户使用产品自动控制房间温度，并节省用电费用。据报道，售价250美元的NEST恒温器每年可在电费和供热开支方面为家庭节省173美元，一年时间已节省了2.25亿千瓦时的能量，相当于2900万美元费用。

面向企业内部的管理决策支撑
电力大数据对能源企业自身同样具有重要价值。通过将能源生产、消费数据与内部智能设备、客户信息、电力运行等数据结合，可充分挖掘客户行为特征，提高能源需求预测准确性，发现电力消费规律，提升企业运营效率效益。对于电网企业，该模式能够提高企业经营决策中所需数据的广度与深度，增强对企业经营发展趋势的洞察力和前瞻性，有效支撑决策管理。

该模式的典型案例是法国电力公司智能电表大数据应用（见图3）。法国电力在筹建大数据研究团队初期，选择用户负荷曲线为突破口，将电网运行数据与气象、电力消费数据、用电合同信息等进行实时分析，以更为准确地预测电力需求侧变化，并识别不同客户群的特点，通过优化需求侧管理，改进投资管理与设备检修管理，提升运营效率效益。其中通过优化需求侧管理，使电网日负荷率提高至85%左右，相当于减少发电容量1900万千瓦。

图3 法国电力大数据支撑内部决策应用示意图
电力大数据应用前景
未来电力大数据的应用前景主要是在已有模式的基础上，进一步发挥“粘合剂”与“助推剂”作用，推动能源产业探索建立具有“平台”特征的完整能源生态系统。“粘合剂”主要是指对其他企业的吸引力以及形成平台模式后的协同效应，“助推剂”主要是指对能源产业生产、消费革命以及企业发展转型的推动作用。

参照电商领域中的阿里集团，该公司成立以来逐渐形成了“数据”与“平台”良性发展的商业模式，收入主要来源于向卖家提供的互联网营销服务和从交易额中抽取的佣金。一方面，阿里通过淘宝、支付宝、余额宝等产品构建了完整的商业生态系统，吸引用户参与到平台中，并采集整理用户大数据；另一方面，阿里通过用户大数据的分析与挖掘，在电子商务、金融、交通、娱乐等不同领域中建立竞争优势，不断巩固壮大其商业生态系统。2013年，阿里集团的中国零售平台交易额达2480亿美元，营业收入493亿元，利润率高达45%。

电力大数据下的能源生态系统将为能源企业及相关产业提供一个数据采集、整理、分析、应用、共享、交易等为一体的平台，为参与方提供信息咨询、节能环保、产品研发、管理支撑等服务，为消费者提供节能降费服务及相关产品。可应用的领域包括智慧城市、智能电网、新能源、电动汽车。智能楼宇、智能家电、智能家居、移动终端等一系列相关产业。

电力企业在以电力大数据为基础的生态系统中占据主导地位，具有十分重要的作用。一方面，新一轮电力市场改革下，电力企业可以摆脱传统的盈利模式，通过挖掘大数据资源增强企业竞争力；另一方面，电力企业通过吸引社会资本及不同主体的参与，共建互利合作的商业环境，发挥电力大数据在智慧城市、智能家居中的重要支撑作用，提升相关企业的科技创新与可持续发展能力。

积极布局推进电力大数据应用
电力大数据对电力工业优化内外部资源、发展智能电网与构建全球能源互联网具有重要支撑作用，对电网企业创新商业模式、主导建立能源生态系统具有重要意义。电网企业需持续关注其发展动态，积极谋划布局。未来智能电网采集的数据将全面覆盖从主干网到配电网、区域用户和大用户微网，乃至家庭小用户局域网。在此背景下，传统数据存储、计算能力将产生瓶颈，必须运用大数据的采集、处理技术对当前SCADA系统、数据中心、分析预测系统进行全面升级与改造。

一是开展大数据应用的顶层设计工作。在企业集团层面建立大数据应用的组织协调机构，研究能源领域大数据与公司、电网发展的协同关系，并对其盈利模式、应用领域、合作机制及分工等全局性问题开展专项研究，在未来竞争领域中占据主动。

二是做好信息与技术储备工作。探索建立稳定、可靠的公司内外部数据获取渠道，以及数据共享机制；超前研究制定适用于大数据环境的技术处理方案，提升信息系统处理能力。

三是积极培育人才队伍，开展前期应用试点工作。在电网、产业、科研单位中组建大数据研发攻关团队，在安全、生产、经营等业务中开展应用试点探索。

⑤ 浅析电力行业如何拥抱大数据

浅析电力行业如何拥抱大数据

未来社会发展将会是大数据的时代，数据的意义已经不仅仅是记录，而是一种能源，一种潜力巨大、影响深远的能源。2015年8月19日，国务院常务会议通过了《关于促进大数据发展的行动纲要》，特别强调通过大数据的发展，提升创业创新活力和社会治理水平。大数据正在改变着各行各业，同样，大数据在电力行业也得到广泛的应用。
电力行业如何拥抱大数据 打破数据壁垒
近年来，在电力领域大数据已经得到了广泛关注，国内的一些专业机构和高校开展了电力大数据理论和技术研究，我国电力行业也在积极开展大数据研究的应用开发，电网企业、发电企业在电力系统各专业领域开展大数据应用实践，国家电网公司启动了多项智能电网大数据应用研究项目。
智能电网是解决能源安全和环境污染问题的根本途径，是电力系统的必然发展方向;全球能源互联网则是智能电网的高级阶段，“互联网+智慧能源”进一步丰富了智能电网的内涵;这些新概念均与大数据密切相关，大数据为智能电网的发展和运营提供了全景性视角和综合性分析方法。就物理性质而言，智能电网是能源电力系统与信息通信系统的高度融合;就其规划发展和运营而言，智能电网离不开人的参与，且受到社会环境的影响，所以智能电网也可被看作是一个由内、外部数据构成的大数据系统。内部数据由智能电网本身的系统产生，外部数据包括可反映经济、社会、政策、气候、用户特征、地理环境等影响电网规划和运行的数据。在智能电网的发展过程中，大数据必将发挥越来越重要的作用。
但是从目前来看，电力行业数据在可获取的颗粒程度，数据获取的及时性、完整性、一致性等方面的表现均不尽如人意，数据源的唯一性、及时性和准确性急需提升，部分数据尚需手动输入，采集效率和准确度还有所欠缺，行业中企业缺乏完整的数据管控策略、组织以及管控流程。电力行业缺乏行业层面的数据模型定义与主数据管理，各单位数据口径不一致。行业中存在较为严重的数据壁垒，业务链条间也尚未实现充分的数据共享，数据重复存储的现象较为突出。
业内称电力行业拥抱大数据，急需推动电力企业间的数据开放共享，建设电力行业统一的元数据和主数据管理平台，建立统一的电力数据模型和行业级电力数据中心，开发电力数据分析挖掘的模型库和规则库，挖掘电力大数据价值，面向行业内外提供内容增值服务。
协调发展智慧电力、智能电网和智慧城市。电力大数据是智慧城市的基石，紧密围绕智能电力系统的发展开展电力大数据的应用实践。以重塑电力核心价值、转变电力发展方式为主线，未来必将实现智能电网与互联网的深度融合：将与城市的电、热、气、水和交通系统实现交互，把电能与供热、供水、供气以及交通系统进行互联互通，形成城市互联网，通过城市互联网技术来进行整合，比如给家庭、社区、工业园区、企事业单位、医院、学校提供一揽子能源解决方案，解决它的水、电、气、油甚至包括污水处理、垃圾处理、暖气供应、冷气供应，整个能源资源的成套解决方案，是人性化、智能化甚至量身定制的解决方案。
案例分析：电力行业如何拥抱大数据
以电力大数据的先行者——AutoGrid为例
1、正确姿势
AutoGrid的核心为其能源数据云平台——EnergyDataPlatform(EDP)，创造了电力系统全面的、动态的图景。
类似于高级搜索引擎或天气预报算法，AutoGrid的能源数据平台挖掘电网产生的结构化和非结构化数据的财富，进行数据集成，并建立其使用模式，建立定价和消费之间的相关性，并分析数以万计的变量之间的相互关系。通过该能源数据平台EDP，公共事业单位可以提前预测数周，或只是分，秒的电量消耗。大型工业电力用户可以优化他们的生产计划和作业，以避开用电高峰。同时，电力供应商可使用该能源数据平台EDP来决定可再生资源，如太阳能，风能的并网，最大限度地减少这些能源间歇性对电网的影响。
DROMS(，需求响应优化及管理系统)为AutoGrid的需求响应管理工具。DROMS从已存在的AMI系统、有线网关、建筑管理系统以及数据采集与监控(SCADA)系统获得实时数据，结合配电系统的物理特性，基于机器智能，分析产生对单一负载的精确预测，在需求响应要求产生之前介入，迅速生成针对某一需求响应的应对策略。除此之外，对甩负荷要求及价格信号亦能有及时准确的反应。
2、优化需求管理
当需求侧管理日益成为电力运营的一个重要部分时，电力大数据的应用也变得日益重要。通过电力大数据的采集、分析及应用，可以帮助电网各端匹配电力供应和需求，降低电网各端的成本。
AutoGrid的客户覆盖发电端、输电端、配电端、用户，可以帮助电网各端匹配电力供应和需求，降低电网各端的成本。AutoGrid的能源数据云平台EDP，收集并处理其客户接入智能电网的智能电表、建筑管理系统、电压调节器和温控器等设备的数据，面向其用电客户提供DROMS，获取能量消耗情况，预测用电量，结合电价信息实现需求侧响应，生成需求侧管理项目的分析报告，提升客户全生命周期的价值收益;面向电网运营者提供DROMS，可提供需求响应应对策略，预测发电情况和电网动态负荷，预测电网运行故障，改善客户平均停电时间和系统运营时间，从而实现电网优化调度，减少非技术性损失，降低运营成本。
来自于ARPA-E项目的支持，AutoGrid还开发了一套软件来监测电力在电网中的流动，帮助公用事业公司更好地满足实时电力需求。在需求高峰期，公共事业公司可以让精打细算的消费者知道他们在能源领域是如何花费的或要求具有环保意识的消费者主动减少自己的能源消耗。从而公共事业公司可以更好地快速有效地管理对电网的需求和供给的波动。
由于在需求响应的突出表现，AutoGrid被美国NavigantResearch列为2014年度需求响应领军企业。
3、建立能耗图景
基于EDP和DROMS，AutoGrid可以为客户提供一个大规模的、动态的、不间断的、供能范围内的整体能耗图景。利用该能耗图景，公共事业公司可以可以实时“看”到本地区的能耗，以更好的进行电力控制。当数据不断被累积，AutoGrid就能提供秒前、分钟前甚至周前的用电预测，可以帮助电力企业客户实现不影响舒适度和生产率情况下的优化排产计划。因此，AutoGrid提供的不仅是能量消耗动态图，它提供的还是需求侧响应的应对方案。

以上是小编为大家分享的关于浅析电力行业如何拥抱大数据的相关内容，更多信息可以关注环球青藤分享更多干货

⑥ 大数据推动可持续能源消费

大数据推动可持续能源消费
大数据技术的出现，让研究者能剖析能源消费中那些曾经不为人知的特点，它让能源可持续变得愈发可能。
随着数据传输和处理、数据挖掘和机器学习等分析工具的发展，大数据成为今年最显赫的领域和最炙热的话题。广告如何有针对性的投放、如何在大量信息交互中挖掘出恐怖分子的计划和如何提供个性化的搜索服务等，这些曾经难以攻克的技术难题，都被大数据时代令人惊叹的新技术一一化解。
作为支撑人类社会正常运营的能源消费，在为人类创造出有史以来最繁荣的时代的同时，也在过去百年中带来了沉重的污染问题，更是全球气候变化最主要的肇因之一。大数据技术的出现，为解决这一问题提供了另一种思路和技术手段。
大数据技术的出现，使人类构建可持续能源消费框架的愿望更易实现。需要指出的是，大数据技术的出现，让研究者能剖析能源消费中那些曾经不为人知的特点。然而，如何利用全新的信息设计相应的管理工具，仍需其他研究的支撑。
笔者将从电力消费和智能交通两方面，介绍利用大数据技术发觉能源消费中新信息的前沿技术。并探讨如何结合其他学科工具，研发新型的可持续能源消费管理技术。需要指出的是，许多相关问题的研究前沿仍充满了争议，并无定论。
长期以来，电力系统的能效管理都聚焦于如何提高发电企业的效率和工业企业的用电效率，而鲜有讨论和实践居民用电能效管理技术。这很大程度上是因为居民用电分散程度高，致使监控居民用电行为的成本高。在缺乏居民用电行为信息的情况下，除了推进阶梯电价、分时电价等总体控制政策外，很难设计针对居民不同用电行为的管理手段。然而，随着大数据技术的成熟，这一情况发生了革命性的改变。
在大数据技术尚不成熟时，人们对电力消费行为的认识很粗浅。只能从整体消费曲线猜测个体消费行为。人们发现，在不同国家、不同时期，总体电力消费都呈现双峰曲线的特点：在早晨和傍晚分别出现两个用电高峰，期间穿插着两个用电低谷。
所以长期以来，研究者都假设大量的消费者行为都具有两高一低的特点：清早，绝大多数家庭起床后打开电灯等电器，在家中盥洗并准备早餐，形成第一个用电高峰；傍晚回家后，准备晚餐和使用电器处理其他家务，形成第二个用电高峰。这看上去是一个非常合理的用电行为模式假设。然而，通过大数据技术展示在研究者面前的，却并非这样的图景。
由于大数据量传输和储存技术的进步，使在居民家中安装智能电表的成本大幅下降。这一在美国加利佛尼亚州部分地区试点安装的技术，已经为研究者提供了庞大的数据库。通过对这一数据进行数据挖掘，研究者们惊奇的发现，人们用电的行为迥异。虽然个体用电行为仍可聚类为若干类型，然而绝非是此前研究者所猜想的“以双峰用电曲线为主”的模式。
事实上，具有双峰曲线特征的个体用电，仅占一成左右；而其他种类的消费行为则千奇百怪，许多用电者的行为甚至随机性很大。但有趣的是，这些特点各异的消费行为聚合在一起，形成了广泛存在于各个电力市场的双峰型电力消费曲线。
理清不同消费者的消费形态，让我们看到了通过价格杠杆和机制设计进行消费侧管理的可能。毫无疑问，不同的消费形态，会因其不确定性的高低和消费发生时的发电资源稀缺程度不同，造成不同的发电成本。
例如，即便消耗相同的电量，一个极为规律、用电峰值和谷值差距不大的消费者，其所造成的发电成本负担会小于一个用电行为随机性大，用电波动幅度大的消费者。然而，目前的零售机制并没有根据消费形态的不同，区分出不同的价格。这就造成不同发电成本负担的消费者支付了相同的价格。这样无疑会造成巨大的无效率，更是不公平的。因此，不管什么样的消费侧管理，如果不能有效的区隔不同消费形态的消费者，都可能造成节能效果有限。因此，我们需要设计一系列机制，通过市场机制，鼓励高效节能电力消费模式，抑制造成浪费的消费模式。
根据大数据技术获得的信息，许多关于上述机制设计的讨论已经展开。笔者在参加2013年IEEE电力系统年会时，看到了不少相关的研究。这其中既包括了套餐式电价合同设计等以经济学为理论基础的软技术开发；也包括了结合物联网和优化控制技术，以运筹学为基础的相关硬技术的研究。我国应适时开展和推进相关研究和试点。
大数据技术的进步，同样能支撑有效降低交通能源消耗技术的研发。在交通能源消耗问题上，最困扰研究者的就是由于拥堵、寻找停车位等造成的无效率能源浪费。这些造成无效率的现象大多是由于人们缺乏信息造成的。同样也是因为缺乏信息，使得长期存在的智能交通调度等管理手段难以实现。
然而随着智能手机的普及，许多驾驶员使用手机装载的定位系统确定行车路线。和传统的定位系统不同，这些通过智能手机定位的信息都传递和保存在大数据库中。这些海量数据不仅能像传统的交通信息一样让人们了解某一个时段一条路上的车流量，还能明晰的标示出这条路上每个时段的每一辆车从何处来、往何处去，并记录每辆车的停车情况。同时，现有技术也能够支撑信息的反馈，即可以向车辆驾驶者和乘客发布拥堵预警、拥堵状况和停车场分布和占用情况等信息。
对于以通勤为主的城市交通而言，这些信息的交互显得极为重要。在缺乏这些信息时，人们是根据过往经验进行选择，这使得人们面临的随机性风险很大。而有了这些信息后，人们能更准确的获取信息优化自己的出行选择。人们由于对交通流量程度的估计错误，或绕远路、或不得不忍受拥堵，而这都会造成大量的能源浪费。通过机器学习等技术，能够根据历史出行信息预测出车每个出行者的出行路径；这就使拥堵发生的概率和发生在哪个时段等信息提前传递给出行者。再配合现在已经被广泛使用的路径优化技术，可以实现交通流量智能调度或半调度的梦想。从管理类软技术而言，由于这些信息的可获取性和真实性大大提高，针对不同时段、不同路段设定并征收有差别的拥堵费等管理手段也成为可能。
需要特别指出的是，目前研究的前沿已经推进到结合大数据和自动驾驶车辆进行综合交通调度这一问题上。更重要的是，这些信息有助于了解一个城市在当前的规划格局下，哪些热点是造成主要拥堵问题的肇因、停车场的布局是否合理和如何针对不同人群的出行提供个性化信息服务等一系列问题。这使绿色城市规划不仅仅在于依赖理念，而能扎扎实实的扎根于实证数据。
摆脱了海量数据获取难、获取后处理难的双重困境，人类对自身能源消耗的细节更加了解。而正是在这些细节中，暗藏了大量无效率的能源浪费。大数据的应用正是从细节入手的努力，能够成就绿色可持续未来的宏大叙事。

⑦ 展望大数据在新能源汽车行业未来发展趋势怎么样

新能源汽车的动力来源于电子或氢燃料，在使用过程中没有化石燃料的燃烧，不会污染环境，因此得到了世界各国政府的鼓励和支持，以下是新能源汽车未来十大发展趋势。

1、产销量螺旋上升目前，我国新能源汽车产销规模全球领先，过去三年连续成为全球新能源汽车产销量第一大国，累计产销量已超过180万辆。其中，2018年我国新能源汽车产销分别达到79.4万辆和777万辆，同比分别增长53.8%和53.3%，市场占比为2.7%，比上年提高了0.9个百分点。

虽然质疑声难免，但是在政策支持之下，新能源汽车大势已定，只会继续向前。从数据来看，中国新能源汽车市场需求螺旋式上升，2017年50万辆、2018年80万辆。

而2019年预计达100万辆以上，2020年规划为200万辆。100万的产销量小目标对于我国新能源汽车产业有着标志性意义，如果实现则代表着新能源汽车产业链条开始可以支撑起百万量级的规模。

2、新能源汽车行业风云变幻新能源汽车行业格局正在形成。广汽、北汽、比亚迪、吉利等传统车企强势领跑，同时,以蔚来、威马、小鹏为代表的造车新势力更是裹挟资本与技术果断进入，走着完全不同的路。

传统车企加速转型布局，2019年比亚迪新能源车全球覆盖城市将由200个扩大到400个,主推10万元以下微型电动车。此外,明年比亚迪将增加3万个充电配套设施。北汽新能源发布“擎天柱计划”。

计划2019年～2022年，以北京、厦门、广州等城市辐射展开，组建各城市公共出行运营平台和梯次储能运维平台，建成换电站1000座,运营车辆10万台。吉利将开发多款电动车型、混动车型和插电式混动车型。