大數據管理可持續能源消費

隨著數據傳輸和處理、數據挖掘和機器學習等分析工具的發展，大數據成為今年最顯赫的領域和最炙熱的話題。作為支撐人類社會正常運營的能源消費，在為人類創造出有史以來最繁榮的時代的同時，也在過去百年中帶來了沉重的污染問題，更是全球氣候變化最主要的肇因之一。

大數據技術的出現，為解決這一問題提供了另一種思路和技術手段。大數據技術的出現，使人類構建可持續能源消費框架的愿望更易實現。需要指出的是，大數據技術的出現，讓研究者能剖析能源消費中那些曾經不為人知的特點。然而，如何利用全新的信息設計相應的管理工具，仍需其他研究的支撐。

以電力消費為例。長期以來，電力系統的能效管理都聚焦于如何提高發電企業的效率和工業企業的用電效率，而鮮有討論和實踐居民用電能效管理技術。這很大程度上是因為居民用電分散程度高，致使監控居民用電行為的成本高。在缺乏居民用電行為信息的情況下，除了推進階梯電價、分時電價等總體控制政策外，很難設計針對居民不同用電行為的管理手段。然而，隨著大數據技術的成熟，這一情況發生了革命性的改變。

在大數據技術尚不成熟時，人們對電力消費行為的認識很粗淺。只能從整體消費曲線猜測個體消費行為。人們發現，在不同國家、不同時期，總體電力消費都呈現雙峰曲線的特點：在早晨和傍晚分別出現兩個用電高峰，期間穿插著兩個用電低谷。

所以長期以來，研究者都假設大量的消費者行為都具有兩高一低的特點：清早，絕大多數家庭起床后打開電燈等電器，在家中盥洗并準備早餐，形成第一個用電高峰；傍晚回家后，準備晚餐和使用電器處理其他家務，形成第二個用電高峰。這看上去是一個非常合理的用電行為模式假設。然而，通過大數據技術展示在研究者面前的，卻并非這樣的圖景。

由于大數據量傳輸和儲存技術的進步，使在居民家中安裝智能電表的成本大幅下降。這一在美國加利佛尼亞州部分地區試點安裝的技術，已經為研究者提供了龐大的數據庫。通過對這一數據進行數據挖掘，研究者們驚奇地發現，人們用電的行為迥異。雖然個體用電行為仍可聚類為若干類型，然而絕非是此前研究者所猜想的“以雙峰用電曲線為主”的模式。

事實上，具有雙峰曲線特征的個體用電，僅占一成左右；而其他種類的消費行為則千奇百怪，許多用電者的行為甚至隨機性很大。但有趣的是，這些特點各異的消費行為聚合在一起，形成了廣泛存在于各個電力市場的雙峰型電力消費曲線。

理清不同消費者的消費形態，讓我們看到了通過價格杠桿和機制設計進行消費側管理的可能。毫無疑問，不同的消費形態，會因其不確定性的高低和消費發生時的發電資源稀缺程度不同，造成不同的發電成本。

例如，即便消耗相同的電量，一個極為規律、用電峰值和谷值差距不大的消費者，其所造成的發電成本負擔會小于一個用電行為隨機性大，用電波動幅度大的消費者。然而，目前的零售機制并沒有根據消費形態的不同區分出不同的價格。這就造成不同發電成本負擔的消費者支付了相同的價格。這樣無疑會造成巨大的無效率，更是不公平的。因此，不管什么樣的消費側管理，如果不能有效地區隔不同消費形態的消費者，都可能造成節能效果有限。因此，我們需要設計一系列機制，通過市場機制，鼓勵高效節能電力消費模式，抑制造成浪費的消費模式。

擺脫了海量數據獲取難、獲取后處理難的雙重困境，人類對自身能源消耗的細節更加了解。而正是在這些細節中，暗藏了大量無效率的能源浪費。大數據的應用正是從細節入手的努力，能夠成就綠色可持續未來的宏大敘事。