随着科学技术的快速发展，文字、图片、音频、视频等数字化信息呈指数式增长，大数据时代已经来临。全球信息总量每两年约增长一倍，2011年全球创建和复制的数据总量有1.8ZB （1021 bits），预计2020年将达到35ZB，是现在的50倍。
按照IBM的4V理论，大数据是涵盖规模性、多样性、高速率和真实性四个维度的离散型海量数据。大数据具有规模海量、多源异构、高噪声、强时效、社会化和突发涌现等特点，它已渗透到各行各业，成为与物质资产和人力资本并列的重要生产要素，引发了全球性关注。
能源行业作为国民经济与社会发展的基础，正在受到大数据的深刻影响，21世纪必须通过大数据科技创新来应对长期可持续发展面临的能源问题挑战。
大数据将深刻影响能源系统
大数据从增加清洁能源供应、控制能源消费、降低能耗，到绿色建筑和智能电网建设都将发挥巨大作用。
以智能电网为例，电网互联是电力系统发展的客观规律，有必要加强研发大规模互联电网的安全稳定运行技术、先进可靠的配电网与共用技术及微电网技术为主的分布式电力系统。因此，采集、分析并有效应用大数据是解决能源与公共事业关键业务的重要因素，可以实现向智能电网转型、改善分布式可再生发电的资产预报与调度、提高发电效率以及改变客户运营模式。目前，主要发达国家正纷纷着手相关研发与部署。如2011年7月初13家欧洲工业集团签署“绿能输送”项目实施谅解备忘录，开展建设跨越地中海的高压电网项目的可行性研究。
2012年3月美国能源部斥资2500万美元建立可扩展数据管理、分析与可视化（SDAV）研究所，帮助科学家对能源大数据进行有效管理和可视化处理，以促进更加卓有成效的科学研究和发现。
日本经济产业省组织东芝、东京电力等286家企业也成立了“智能社区联盟”联合体，欲建立以智能电网为基础格局的城市布局与社会系统，拉开了官民并举开发智能电网的大幕。
我国也不甘落后，通过“973”计划、“863”计划及科技支撑计划及重大专项计划，加大对下一代互联网与能源融合的相关技术的研发支持，促进能源智能化与清洁化的发展。
有效利用是重点
目前，能源领域的大数据应用主要有4个方面。
第一，促进新产品开发。美国通用公司通过每秒分析上万个数据点，融合能量储存和先进的预测算法，开发出能灵活操控120米长叶片的2.5-120型风机，并无缝地将数据传递给邻近的风机、服务技术人员和顾客，效率与电力输出分别比现行风机提高了25%和15%。
第二，使能源更“绿色”，其关键是利用可再生能源技术，如冰岛的Green Earth Data与Green Qloud公司，依靠冰岛丰富的地热与水电资源驱动为数据中心提供100%的可再生能源。
第三，实现能源管理智能化。能源产业可以利用大数据分析天然气或其他能源的购买量、预测能源消费、管理能源用户、提高能源效率、降低能源成本等；大数据与电网的融合可组成智能电网，涉及发电到用户的整个能源转换过程和电力输送链，主要包括智能电网基础技术、大规模新能源发电及并网技术、智能输电网技术、智能配电网技术及智能用电技术等，是未来电网的发展方向等。
第四，改变社会，为城市基础设施、能源、交通、环境等带来机遇。大数据使城市越来越智能化，纽约、芝加哥与西雅图向公众开放数据，鼓励建设多样化的智能城市。
重塑能源智能管理
目前，IBM已将数据分析作为其大数据战略的核心，共投资160亿美元进行30次数据分析的相关收购，对其海量数据分析平台InfoSphere BigInsights等相关产品进行了一系列创新，并在电力产业提出电网转型、提高发电效率及顾客运营转型等倡议，以更好地支持能源大数据处理。
当前研究表明，太阳能农场电网智能管理需要设备控制PV板、转换器等，以优化全天各种条件下所发电力，有效的设备管理能提高10%的生产率。世界各地电力公司对实时的广域、监测、保护及控制系统的需求与日俱增，同步测量技术将成为该系统的有效支撑。智能电网仅仅从单向电网转向双向电力系统网络还远远不够，真正的需要是建立一套完整的能源和作为电、热、氢气、生物和非生物燃料载体的智能管理系统，这需要超越智能电网和考虑智能能源网络的明确转变。
中国能源开发和利用技术已具备一定的基础，并形成相当规模的产业，但对能源技术创新价值链的艰巨性认识不足，对能源智能管理的认识与研究则处于起步阶段，储能技术与智能电网是促进可再生能源可持续发展的关键；企业有必要建立能源智能管理系统，并分析能源智能管理系统的特点、主要功能和实施运行要点。
大数据时代已经到来。大数据对有效利用能源具有重要影响，并将重塑能源系统已成为社会各界的共识，然而，能源大数据涌现、演化与传播的机理是什么？能源业务智能将发生何种改变？对能源智能管理再造提出怎样的要求与挑战？需要何种能源智能决策系统才能应对这些挑战？
解决这一系列科学问题，不仅有助于发现信息与能源融合的新疆域和新知识，揭示大数据时代能源智能管理与决策的内在规律，而且有望为能源的可持续发展奠定理论与技术基础，因此具有十分重要的理论价值与现实意义，亟须引起能源、信息、科技政策等相关领域专家、学者的重视。
按照IBM的4V理论，大数据是涵盖规模性、多样性、高速率和真实性四个维度的离散型海量数据。大数据具有规模海量、多源异构、高噪声、强时效、社会化和突发涌现等特点，它已渗透到各行各业，成为与物质资产和人力资本并列的重要生产要素，引发了全球性关注。
能源行业作为国民经济与社会发展的基础，正在受到大数据的深刻影响，21世纪必须通过大数据科技创新来应对长期可持续发展面临的能源问题挑战。
大数据将深刻影响能源系统
大数据从增加清洁能源供应、控制能源消费、降低能耗，到绿色建筑和智能电网建设都将发挥巨大作用。
以智能电网为例，电网互联是电力系统发展的客观规律，有必要加强研发大规模互联电网的安全稳定运行技术、先进可靠的配电网与共用技术及微电网技术为主的分布式电力系统。因此，采集、分析并有效应用大数据是解决能源与公共事业关键业务的重要因素，可以实现向智能电网转型、改善分布式可再生发电的资产预报与调度、提高发电效率以及改变客户运营模式。目前，主要发达国家正纷纷着手相关研发与部署。如2011年7月初13家欧洲工业集团签署“绿能输送”项目实施谅解备忘录，开展建设跨越地中海的高压电网项目的可行性研究。
2012年3月美国能源部斥资2500万美元建立可扩展数据管理、分析与可视化（SDAV）研究所，帮助科学家对能源大数据进行有效管理和可视化处理，以促进更加卓有成效的科学研究和发现。
日本经济产业省组织东芝、东京电力等286家企业也成立了“智能社区联盟”联合体，欲建立以智能电网为基础格局的城市布局与社会系统，拉开了官民并举开发智能电网的大幕。
我国也不甘落后，通过“973”计划、“863”计划及科技支撑计划及重大专项计划，加大对下一代互联网与能源融合的相关技术的研发支持，促进能源智能化与清洁化的发展。
有效利用是重点
目前，能源领域的大数据应用主要有4个方面。
第一，促进新产品开发。美国通用公司通过每秒分析上万个数据点，融合能量储存和先进的预测算法，开发出能灵活操控120米长叶片的2.5-120型风机，并无缝地将数据传递给邻近的风机、服务技术人员和顾客，效率与电力输出分别比现行风机提高了25%和15%。
第二，使能源更“绿色”，其关键是利用可再生能源技术，如冰岛的Green Earth Data与Green Qloud公司，依靠冰岛丰富的地热与水电资源驱动为数据中心提供100%的可再生能源。
第三，实现能源管理智能化。能源产业可以利用大数据分析天然气或其他能源的购买量、预测能源消费、管理能源用户、提高能源效率、降低能源成本等；大数据与电网的融合可组成智能电网，涉及发电到用户的整个能源转换过程和电力输送链，主要包括智能电网基础技术、大规模新能源发电及并网技术、智能输电网技术、智能配电网技术及智能用电技术等，是未来电网的发展方向等。
第四，改变社会，为城市基础设施、能源、交通、环境等带来机遇。大数据使城市越来越智能化，纽约、芝加哥与西雅图向公众开放数据，鼓励建设多样化的智能城市。
重塑能源智能管理
目前，IBM已将数据分析作为其大数据战略的核心，共投资160亿美元进行30次数据分析的相关收购，对其海量数据分析平台InfoSphere BigInsights等相关产品进行了一系列创新，并在电力产业提出电网转型、提高发电效率及顾客运营转型等倡议，以更好地支持能源大数据处理。
当前研究表明，太阳能农场电网智能管理需要设备控制PV板、转换器等，以优化全天各种条件下所发电力，有效的设备管理能提高10%的生产率。世界各地电力公司对实时的广域、监测、保护及控制系统的需求与日俱增，同步测量技术将成为该系统的有效支撑。智能电网仅仅从单向电网转向双向电力系统网络还远远不够，真正的需要是建立一套完整的能源和作为电、热、氢气、生物和非生物燃料载体的智能管理系统，这需要超越智能电网和考虑智能能源网络的明确转变。
中国能源开发和利用技术已具备一定的基础，并形成相当规模的产业，但对能源技术创新价值链的艰巨性认识不足，对能源智能管理的认识与研究则处于起步阶段，储能技术与智能电网是促进可再生能源可持续发展的关键；企业有必要建立能源智能管理系统，并分析能源智能管理系统的特点、主要功能和实施运行要点。
大数据时代已经到来。大数据对有效利用能源具有重要影响，并将重塑能源系统已成为社会各界的共识，然而，能源大数据涌现、演化与传播的机理是什么？能源业务智能将发生何种改变？对能源智能管理再造提出怎样的要求与挑战？需要何种能源智能决策系统才能应对这些挑战？
解决这一系列科学问题，不仅有助于发现信息与能源融合的新疆域和新知识，揭示大数据时代能源智能管理与决策的内在规律，而且有望为能源的可持续发展奠定理论与技术基础，因此具有十分重要的理论价值与现实意义，亟须引起能源、信息、科技政策等相关领域专家、学者的重视。
