① 智慧供热具体的解决方案是什么
新闻背景
“新基建”正在成为中国拉动经济增长的新方式，能源行业迎来智能化转型。5月15日上午，中环寰慧集团与网络智能云战略合作签约仪式在北京网络大厦举行。本次战略合作，双方将通过资源互补、技术互补等合作方式，加强人工智能、大数据、物联网、边缘计算等先进技术在热力行业的应用，打造更精准、高效、节能的中国热力行业智慧供热“新范例”。
中环寰慧自2012年开始进入清洁能源供热行业，目前已在全国11省（市）获得近30个城市的集中供热特许经营权，成为国内跨省份、跨区域进行集中供热投资运营的行业龙头企业。网络是全球领先的人工智能平台型公司，网络智能云是网络AI TO B业务的承载者和输出者。中环寰慧集团与网络智能云成为战略合作伙伴，双方将聚焦于城市智慧供热领域，尤其在供热系统中的能源优化、生产监控自动化、经营管理智能化等方面，能够实现端到端、全链条的智慧供热平台，引领传统热力行业向数字化转型，率先打造智慧供热行业标杆，提高能源利用效率和效益，改善城市环境。
智慧供热的定义
在《中国供热蓝皮书2019 ——城镇智慧供热 》中，给出了智慧供热的完整定义。智慧供热是在中国推进能源生产与消费革命、构建清洁低碳、安全高效的现代能源体系，大力发展清洁供热的新时代背景下，以供热信息化和自动化为基础，以信息系统与物理系统深度融合为技术路径，运用物联网、空间定位、云计算、信息安全等“互联网+”技术感知连接供热系统“源-网-荷-储”全过程中的各种要素，运用大数据、人工智能、建模仿真等技术统筹分析优化系统中的各种资源，运用模型预测等先进控制技术按需精准调控系统中各层级、各环节对象，通过构建具有自感知、自分析、自诊断、自优化、自调节、自适应特征的智慧型供热系统，显著提升供热政府监管、规划设计、生产管理、供需互动、客户服务等各环节业务能力和技术水平的现代供热生产与服务新范式。
谈到智慧供热，就不得不提到致力于“基于大数据与物联网的智慧供热节能技术全面解决方案”的工大科雅。工大科雅（股票代码：836391）近日公布的2019年年度报告显示，2019年营业收入为297,172,894.89元，较上年同期增长7.13%；归属于挂牌公司股东的净利润为62,479,888.08元，较上年同期增长4.75%；基本每股收益为0.81元，上年同期为0.78元。
截止2019年，工大科雅资产总计为540,163,753.30元，较上年期末增长8.92%。经营活动产生的现金流量净额本期为16,982,002.14元，上年同期为3,200,124.62元。
报告期内，公司智慧供热应用平台实现收入5,838.28万元，较上年同期增长135.97%。该项业务细分为企业级智慧供热平台、政府级智慧供热平台，报告期内公司承接的17套企业级智慧供热平台软件陆续完成验收结算工作，较上年同期实现较大增长；政府级智慧供热平台保持稳定增长。
智慧供热案例分享
看完了智慧供热全面解决方案商的年报，我们不妨再看一下两家公司的最新案例分享。
2018年，北京硕人时代科技股份有限公司跟东海拉尔发电厂达成合作协议，承接东海拉尔发电厂供热增容改造项目。目前，该项目已经初步完工，不但为东海拉尔发电厂搭建了智能热网监控系统、智能调度中心，还将换热站都标准化建设，从上到下实现了智能化、网络化、自动化管理。
智能热网监控系统
搭建了智能热网监控系统，其中分为智慧供热应用层、大数据中心和业务子系统，涵盖了硕人IDH智能热网的所有功能之外，还将原有的系统全部集成到智慧监控平台，清晰、直观，不但一目了然，还方便使用。
智慧供热系统结构图
智能热网调度中心
搭建智能热网调度中心，实现了首站、回水升压泵站、混水站的集中监测；94座混水站的远程调控；负荷预测、全网平衡、能耗分析；客服、收费管理系统、楼栋平衡系统、室温云系统集成；管网地理信息以及手机APP管理。
智能热网GIS系统
全面监控，实现了94个站的集中监测和远程调控，一次网和二次网的实时运行全面监控。
负荷预测，定制能源管理计划，实现能源全过程的精细化管理，从源头节约能源：
计算周期内的水、电、热、燃料单耗；
统计水、电、热、燃料的累计单耗；
单耗环比和同比的变化值和百分比；
客服与收费系统数据集成：
经营收费系统的用户面积，是否缴费状态，报停，历史欠费等数据进行提取；
客服系统的实时投诉率，历史投诉率，工单数量，工单处理情况，用户投诉分类统计等信息。
经营收费率系统界面
客服系统界面
智能热网：楼栋平衡系统，楼栋或单元安装物联网阀及物联网通讯机等设备，采集供回水温度，入户家中安装室温采集器，所有数据上传至云平台。可按回水温度或供回水平均温度进行平衡调控，保证各单元间、楼与楼间的水力平衡。达到系统整体的热力分配均匀和平衡，最终满足热用户舒适供温。
室温监测，利用硕人室温云系统，可以随时查看室温历史数据、室温历史曲线、室温异常报警、以及室温分析比较。利用地图展现每个室温采集器在对应位置的温度、同一周期内不同温度点的对比和同一温度点不同周期内的曲线对比，并实现室温排列。
供热质量分析，通过供热质量分析，查看小区或热力站整体供热效果，低温用户或过热用户统计，查询热用户室温不达标或过热原因。
能耗与用能质量分析，供热效果来评估供热量是否合适， 通过总能耗状态分析各站差异，评估各部门能耗水平，制定能耗定额并预测节能潜力。
设备管理系统，通过ERP管理-设备台账系统，进行各种维度的数据运行统计、设备列表，事故列表，检修列表，设备录入维护，按类型统计设备，设备保养列表、保养提醒。
静态水压图，水压图是了解整个管网的压力状况，是热网运行的重要工具；此功能可以展示当前实时的供水压力，回水压力和地势标高，静压线数据。
智能热网：报警管理，该功能可以实现报警查询、报警确认、报警解锁和报警配置。
智能热网：手机APP管理，综合热网生产数据中心软件的功能与数据，把重要功能和数据通过移动设备实现，使管理人员通过手持移动终端，就能够实现热网调度指挥、热力站数据监测等等的重要功能，满足供热企业对热网生产信息及时、快速、全面掌控的需求。
丹佛斯作为一个有80多年供热经验的企业，一直致力于实现供热系统的高效运行。丹佛斯Leanheat AI优化管控系统是一个基于物联网、大数据、云计算及人工智能技术的供热精细优化管控系统。丹佛斯Leanheat AI系统功能之一是实现热力站的智能管控。
热力站控制是管网运行中的重要环节。首先热力站处在整个热网控制的中间位置，即是一次侧的末端，又是二次侧的热源，起着承上启下的作用。其次，热力站控制具有很强的个性化差异，每个热力站所带区域的建筑结构不同、住户用热习惯不同、供热面积大小不同等等，使得各个热力站的供热特点存在差异，因此需要根据热力站实际供热区域现状进行定制化的供热控制策略。
Leanheat AI以数据为基础，对室内温度数据、换热站运行数据及天气预报数据等进行采集，通过人工智能的自感知自学习方法，对热力站热属性、楼宇建筑热属性，和小区住户用热习惯等进行学习，为热力站量身定做AI供热控制模型，同时根据未来气象情况及用热特点，AI热力模型能预测系统热负荷并计算当下最合理的供热参数。
通过Leanheat AI优化管控服务，可实现：
室内温度的精准控制，为住户提供更加舒适健康的室内温度环境，提高住户满意度，减少住户投诉，提升服务水平；
Leanheat AI智能化控制方式，将粗放调控方式升级为主动精细化调控方式，实现供需平衡节能运行，提升调控水平；
可以大大减轻运维人员重复计算和繁重的手动调节工作，使运维人员可以把更多工作精力放在系统安全运营和服务百姓，提高工作效率；
高度可视化操作界面及智能报警机制，以及Leanheat AI 专家运行团队共同保障了系统安全可靠高效运行；
Leanheat AI 操作简便容易实施，运行人员只需要基本培训就能上手运行。
免责声明：以上内容转载自环球表计，所发内容不代表本平台立场。
全国能源信息平台联系电话：010-65367702，邮箱：[email protected]，地址：北京市朝阳区金台西路2号人民日报
② 数据分析需要掌握哪些知识
大数据是对海量数据进行存储、计算、统计、分析处理的一系列处理手段，处理的数据量通常是TB级，甚至是PB或EB级的数据，这是传统数据处理手段所无法完成的，其涉及的技术有分布式计算、高并发处理、高可用处理、集群、实时性计算等，汇集了当前IT领域热门流行的IT技术。
1. Java编程技术Java编程技术是大数据学习的基础，Java是一种强类型语言，拥有极高的跨平台能力，可以编写桌面应用程序、Web应用程序、分布式系统和嵌入式系统应用程序等，是大数据工程师最喜欢的编程工具，因此，想学好大数据，掌握Java基础是必不可少的!
2.Linux命令对于大数据开发通常是在Linux环境下进行的，相比Linux操作系统，Windows操作系统是封闭的操作系统，开源的大数据软件很受限制，因此，想从事大数据开发相关工作，还需掌握Linux基础操作命令。
3. HadoopHadoop是大数据开发的重要框架，其核心是HDFS和MapRece，HDFS为海量的数据提供了存储，MapRece为海量的数据提供了计算，因此，需要重点掌握，除此之外，还需要掌握Hadoop集群、Hadoop集群管理、YARN以及Hadoop高级管理等相关技术与操作
4. HiveHive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapRece任务进行运行，十分适合数据仓库的统计分析。对于Hive需掌握其安装、应用及高级操作等。
5. Avro与ProtobufAvro与Protobuf均是数据序列化系统，可以提供丰富的数据结构类型，十分适合做数据存储，还可进行不同语言之间相互通信的数据交换格式，学习大数据，需掌握其具体用法。
6.ZooKeeperZooKeeper是Hadoop和Hbase的重要组件，是一个为分布式应用提供一致性服务的软件，提供的功能包括：配置维护、域名服务、分布式同步、组件服务等，在大数据开发中要掌握ZooKeeper的常用命令及功能的实现方法。
7. HBaseHBase是一个分布式的、面向列的开源数据库，它不同于一般的关系数据库，更适合于非结构化数据存储的数据库，是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，大数据开发需掌握HBase基础知识、应用、架构以及高级用法等。
8.phoenixphoenix是用Java编写的基于JDBC API操作HBase的开源SQL引擎，其具有动态列、散列加载、查询服务器、追踪、事务、用户自定义函数、二级索引、命名空间映射、数据收集、行时间戳列、分页查询、跳跃查询、视图以及多租户的特性，大数据开发需掌握其原理和使用方法。
9. RedisRedis是一个key-value存储系统，其出现很大程度补偿了memcached这类key/value存储的不足，在部分场合可以对关系数据库起到很好的补充作用，它提供了Java，C/C++，C#，PHP，JavaScript，Perl，Object-C，Python，Ruby，Erlang等客户端，使用很方便，大数据开发需掌握Redis的安装、配置及相关使用方法。
10. FlumeFlume是一款高可用、高可靠、分布式的海量日志采集、聚合和传输的系统，Flume支持在日志系统中定制各类数据发送方，用于收集数据;同时，Flume提供对数据进行简单处理，并写到各种数据接受方(可定制)的能力。大数据开发需掌握其安装、配置以及相关使用方法。
11. SSMSSM框架是由Spring、SpringMVC、MyBatis三个开源框架整合而成，常作为数据源较简单的web项目的框架。大数据开发需分别掌握Spring、SpringMVC、MyBatis三种框架的同时，再使用SSM进行整合操作。
12.KafkaKafka是一种高吞吐量的分布式发布订阅消息系统，其在大数据开发应用上的目的是通过Hadoop的并行加载机制来统一线上和离线的消息处理，也是为了通过集群来提供实时的消息。大数据开发需掌握Kafka架构原理及各组件的作用和使用方法及相关功能的实现!
13.ScalaScala是一门多范式的编程语言，大数据开发重要框架Spark是采用Scala语言设计的，想要学好Spark框架，拥有Scala基础是必不可少的，因此，大数据开发需掌握Scala编程基础知识!
14.SparkSpark是专为大规模数据处理而设计的快速通用的计算引擎，其提供了一个全面、统一的框架用于管理各种不同性质的数据集和数据源的大数据处理的需求，大数据开发需掌握Spark基础、SparkJob、Spark RDD、spark job部署与资源分配、Spark shuffle、Spark内存管理、Spark广播变量、Spark SQL、Spark Streaming以及Spark ML等相关知识。
15.AzkabanAzkaban是一个批量工作流任务调度器，可用于在一个工作流内以一个特定的顺序运行一组工作和流程，可以利用Azkaban来完成大数据的任务调度，大数据开发需掌握Azkaban的相关配置及语法规则。
16.Python与数据分析Python是面向对象的编程语言，拥有丰富的库，使用简单，应用广泛，在大数据领域也有所应用，主要可用于数据采集、数据分析以及数据可视化等，因此，大数据开发需学习一定的Python知识。只有完整的学完以上技术，才能算得上大数据开发人才，真正从事大数据开发相关工作，工作才更有底气，升职加薪不成问题!