1、大数据驯服风能你是不是被脏空气折磨够了？ 传统能源是环境污染和能源紧张的制造者，发展再生能源成为社会发展能够选择的仅有选项。 而可再生能源的发展并不一帆风顺，最典型的老大难要数风电了。这个曾经一度被认为能够大范围替代传统能源的新能源在过去几年似乎遇到了难以克服的困难。 不合理的选址及风资源不稳定性导致的并网难让风电运营者苦恼不已，更要命的是让辛苦经营的利润大幅度丧失。刚刚过去的 2013 年，中国弃风电量 150 亿千瓦时，直接损失超过 70 亿元。 风电运营者只能认栽了吗？显然不是。最新的研究成果显示，通过先进的结合大数据分析和天气建模技术而成的能源电力系统能够提高风电的可靠性。 “应用分析
2、和利用大数据，将使能源电力行业解决可再生能源的间歇性天性，精确预测来自太阳能和风能的电力产出，这是一种前所未有的创新模式。 ”IBM 全球能源电力行业总经理布拉德全胜说。 “我们已经开发了一种结合天气和电力预测的智能系统，它将提高系统的可用性和优化电网的性能。 ” 通过大数据的应用，丹麦风电巨头维斯塔斯（Vestas Wind Systems A/S）风电巨头缩短到不到一小时就可以完成，能源输出量和投资回报率一目了然。这使能源电力公司，可将更多的可再生能源并入电网、减少碳排放量、提供给消费者与企业更多的清洁能源。 风电困惑 平均每 3 小时就新架设一台风电机组的维斯塔斯将以前需要几周时间完成的
3、分析工作，堪称全球最大的风力发电机组供应商。早在 30 多年前就投入风力发电系统的研发、制造、销售和维修业务。至今已在全球装设 4.3 万多台风力机组。 维斯塔斯坚信风和石油、天然气等石化燃料不一样，可再生又干净，也能大规模商业运转。他们预计到 2020 年时，风力发电将占全球一成的电力供给量，因此，具有很大的发展潜力。 美好的愿景却遭遇了现实的严酷挑战。风电机组的选址和配置成为让维斯塔斯极为困扰的一件事情。因为风力发电是利用风力带动风车叶片旋转来促使发电机发电。一般认为，风大的地方就适合装设风力机组，但其实，不只风的强度，机组所在风场地面的粗糙度，甚至建筑物、大树灌木丛都会对风速造成影响，而
4、无法产生最大电量。 如果说选址会对发电量造成影响，那“紊流”对于风机厂商更是一个巨大的挑战。 “紊流”通俗称为乱流，是以不规则和不稳定状态流动的气体。经常坐飞机的人应该都有遇到乱流的体会，飞机会有明显的摆动，空姐会提醒乘客系好安全带。乱流如果轻微的话，飞机摇动或震荡一下就过了，但严重时可能会造成飞行安全事件。同样的，在距地面几十米高处的风机组也会遇到乱流。 一般情况风电机组会迎风设置，而乱流则可能导致风从背后或者侧面吹过。这样的风不会对风机造成致命损坏，但是对风机组的零部件带来的意外磨损非常之大，非常容易造成损坏。对于每台造价达 330 万美元、设计寿命为 20 年的风电机组来说，如果没有控制
5、好乱流，会导致巨额的维修费用甚至直接导致机器寿命缩短。 显然，风电机组位置的选择直接关系客户的投资回报率和维斯塔斯的运营。地点选错了，发电量不如预期、机器寿命变短，会减损电厂的投资回报率，导致维斯塔斯流失客户。再者，由于机器故障率高，维斯塔斯也得负担更高的保固成本。 驯服风能 为了解决这些问题，维斯塔斯建成了“风力图书馆” （wind library）为风电机组选址。这个“图书馆”其实是个大数据库，里面存有维斯塔斯在全球 66 个国家已架设机组位置的气流信息，以及来自世界各地共 3.5 万个气象站的气象数据。 统整这些数据后，维斯塔斯把全球划分成一个个面积 729 平方公里，长宽均 27 公里
6、的正方形区块，就好像地球仪上经纬度交错所产生的网格一样，不过每一格显示的是气象信息。工程师可以运用流体力学的计算模型，把范围再缩小到只有 100 平方米，以评估特定地点的风力、风向和温湿度等。 或许你觉得 100 平方米已经很小了，但如果能把每个网格的面积再缩小一点，气候模型的仿真就能更精准，前提是要有更多的数据。因此维斯塔斯只能收集更多气象数据。如果数据长期累积， “风力图书馆”的馆藏可能会增加到 24 PB，相当于 24 个全美学术研究图书馆藏书资讯内容。如果都用常见的 DVD 储存的话，这些 DVD 叠起来可以从地球到月球来回 24 趟。 大量的数据能够为风电机组的建设提供可靠的依据。而
7、数据变多，并不只是加大储存设备的容量就能解决，真正的难题在于如何对更大量的数据做更细致的分析应用，而且，还得大幅加快分析的速度，才能使之更加有实际意义，保持竞争优势。 于是，维斯塔斯和 IBM 合作部署一个新的超级计算机平台，运用专门处理大量结构和非结构数据的分析技术，让工程师可以更准确、更快速地预测特定区域的气候模式，以找出发电量最高的位置。 双方的合作取得了成功。为了确定装机地点，维斯塔斯过去需要用3 个星期的时间来分析包括温度、气压、湿度、降雨量、风向和风力等在内的 178 个变量，以评估当地是否具备适当的气候条件。而今，在加入卫星空照图、过去 10 年气候数据、全球森林砍伐指数及地理空
8、间、月亮、潮汐变化参数等几百个分析的变量后，数据量暴增，但分析结果只需 3天就完成了。 改变的不只是速度，风电机组建设所迫切需要的准确度也提高了。本来长宽各 27 公里大小的网格，已经缩小到长宽都只有 3 公里，面积几乎缩小 90%；利用流体力学模型演算后，又可锁定更小的范围，提高分析模拟的准确度和效率。 速度和精准的分析，加快了风力机组的选址和装设作业，以至于部分项目机组能够提前一个月上线投运，客户因此得到了实惠。 此外，利用大数据还可检查每一台已装设风电机组的运作数据，再与大量的气候信息交叉比对，预测出每个位置的潜在风险，在发生故障前提早应对，因此不仅能保障客户的投资，也为维斯塔斯节省产品
9、保固的成本。 IBM 与维斯塔斯合作取得成功后，并没有将该项目独享，而是形成了一套完整的解决方案，供更多用户使用。 呼风唤雨 位于河北省的冀北电力有限公司已经在使用结合大数据分析和天气建模技术而成的能源电力行业先进解决方案来整合风能的并网工作。他们打算将张北县 670MW 示范项目作为第一阶段重点，目标是增加 10%的可再生能源的整合发电量。而这一额外发电量，大约可供 14，000 个家庭使用。方案的提出者 IBM 称之为“混合可再生能源预测” （HyRef）的解决方案。 据 IBM 介绍：“整套方案利用天气建模功能、云成像技术和天空摄像头，几近实时地跟踪云的移动，通过风机组上的传感器监测风速
10、、温度和方向，与数据分析技术相结合，将实现精确的未来天气预报，大概一个月后的天气和实时风力预测，每十五分钟一报。 此外，还可以通过整合这些当地的天气预报数据，预测每个单独的风力涡轮机的性能，进而估算可产生的发电量。这种分析判断，将使能源电力公司更好地管理风能的多变特性，更准确地预测发电量，使其可以被复位导向到电网企业。更重要的是它同时也允许电网企业更好地并用可再生能源与其他传统能源，例如煤炭和天然气。 “世界各地的能源电力行业正在采用一整套的战略，来整合各种新的可再生能源到他们的供电运营系统中，以实现在 2025 年之前，全球 25%的电力供应，来自于可再生能源组合的基本目标。 ”美国可再生能源理事会（ACORE）总裁兼首席执行官丹尼斯?麦金说。 “天气建模和预测数据，将显着改善这一过程，反过来说，它使我们朝最大限度地挖掘可再生资源的潜能更迈进了一步。 ”
