大数据在能源领域应用行业分析研究报告.docx

大数据在能源领域应用行业分析研究报告 目录 名词解释 7 大数据在能源领域应用背景 8 大数据技术特征 8 大数据能源行业应用基础 9 中国大数据能源行业发展现状 10 中国大数据能源应用市场规模 12 大数据在能源行业应用典型领域 14 石油燃气行业大数据 15 勘探开发业务 15 工程技术服务 16 采油气业务 17 炼化业务 17 销售业务 19 企业管理 20 电力行业大数据 21 发电业务 22 输送和分配 23 风电等清洁能源大数据 23 风资源和选址判断 23 事故预警及诊断 24 中国大数据能源应用相关政策法规 25 中国大数据能源应用行业发展趋势 28 大数据产业与能源行业融合程度加深 28 建立能源大数据产业标准体系和管控体系 29 中国能源行业大数据技术应用项目分析 30 中国大数据能源应用行业竞争格局 30 国能日新科技股份有限公司 31 企业介绍 31 项目情况 31 深圳点亮新能源技术有限公司 32 企业介绍 32 项目情况 32 北京岳能科技股份有限公司 33 企业介绍 33 项目情况 33 图表目录 图 2-1 大数据数据特征 8 图 2-2 大数据能源行业应用基础 10 图 2-3 大数据能源行业发展现状 11 图 2-4 中国大数据能源行业应用市场规模，2014-2023 年预测 13 图 3-1 大数据能源应用模式 14 图 3-2 石油燃气行业工作流程 15 图 3-3 两种勘探技术结果对比 16 图 3-4 钻井流程 16 图 3-5 大数据采油气业务优势 17 图 3-6 大数据在炼化业务应用流程 18 图 3-7 加油站现存和潜在销售业务 19 图 3-8 大数据在企业管理中应用 21 图 3-9 大数据在电力行业应用 22 图 3-10 风资源和选址判断流程 24 图 3-11 大数据在风电行业应用 25 图 4-1 中国大数据能源应用政策法规 27 图 5-1 大数据发展趋势 28 图 6-1 大数据能源应用行业竞争格局 30 图 6-2 国能日新企业介绍 31 图 6-3 点亮新能源企业介绍 32 图 6-4 岳能科技企业介绍 33 图 6-5 岳能科技项目情况 34 名词解释 结构化数据：关系模型数据，由二维表结构来表达逻辑的数据，通常以行为单位，一行数据表达一个实体信息，每一行表达数据的属性是相同的，如财务系统数据。 半结构化数据：结构化数据的一种，但不符合关系型数据库或其他数据表的形式。其包含相关标记，用来分隔语义元素以及对记录和字段进行分层，常见的半结构化数据如 XML 和 JSON。 非结构化数据：数据结构不规则或不完整的数据类型，如图片、文本、音频、视频等。 PMU：Phasor Measurement Unit，同步相量测量装置，用于电力系统的动态监测、系统保护、系统分析和预测等领域的设备。 ERP：Enterprise Resource Planning，企业资源计划，是对企业物质、资金、信息等资源集成一体化管理的企业信息管理系统。 HANA：High-Performance Analytic Appliance，一种准许用户对业务数据实时访问的分析软件。 PB/TB：数据存储容量的单位。1PB=1,024TB，1TB=1,024GB。 油气藏：聚集一定数量油气的圈闭（场所）。 分布式能源：一种建在用户端的能源供应方式，可独立运行，也可并网运行，是以资源、环境效益最大化确定方式和容量的系统。 大数据在能源领域应用背景 大数据技术特征 大数据（Big Data），又称巨量资料，是指超过传统数据应用软件处理能力的大量、复杂数据集合。大数据技术指从海量数据、种类繁多的数据中快速且准确获得有价值信息的技术能力。大数据规模大且传输速度要求高，其特征通常可概括为五点（见图 2-1），即规模 （Volume）、快速（Velocity）、多样（Variety）、价值（Value）、准确（Veracity）。 图 2-1 大数据数据特征 规模（Volume） 来源：头豹研究院编辑整理 大数据采集、存储、计算的数据规模极大，起始计量单位达到 PB 级（1PB=1,024TB）。一个庞大的数据生态系统每天要处理 TB 级规模新生数据及 PB 级规模历史数据，数据 规模量考验数据库的承载能力。 快速（Velocity） 数据具有时效性，老旧数据会失去价值和作用。在互联网高速普及背景下，互联网每天产生大量数据，数据量增长速度快，时效性高，要求大数据具有快速的处理能力。这是大数据有