全球能源互联网作为系统的解决人类能源危机、环境污染和气候变暖三大挑战的有效途径，已引起了全球关注。国家电网公司刘振亚董事长指出，全球能源互联网就是“特高压电网+ 泛在智能电网+ 清洁能源”，是安全可靠、经济高效、互动性好的能源优化配置平台。全球能源互联网能够连接“一极一道”(北极、赤道)和各洲、各国大型能源基地及各类分布式电源，将存在时区差、季节差的各大洲电网联接起来，突破资源瓶颈、环境约束和时空限制，将太阳能、风能、水能、海洋能等清洁能源转化为电能送到各类用户，实现风光互补、地区互济，保障能源供应，提高经济效益，减少环境损失，降低社会成本，有效解决能源安全发展、清洁发展、高效发展、可持续发展等问题。

　　全球能源互联网为全球清洁能源的高效开发利用提供了平台，而大数据在其中将发挥重要的支撑作用。一方面，全球能源互联网涉及数以亿计的设备、机器、系统，这些机器和系统在规划和运行过程中产生了大量的数据，贯穿于全球能源互联网的能源生产、能源传输、能源交易、能源消费各个环节。另一方面，全球能源互联网也表现出强烈的数据价值需求，这是因为全球能源互联网复杂程度和开放度很高，受到各种内外部因素影响，一些错综复杂的关系难以用精确的物理模型进行描述和分析，基于大数据的数据驱动分析方法则往往行之有效。通过大数据分析，不仅可对能源生产、配送、转换和消费各个阶段进行科学预测，实现分散和集中相协调的能源管理，及时发现各环节的潜在风险，在确保其安全性和经济性的同时，还可支撑全球能源互联网新业态的产生，保证其健康、可持续发展。

中国电力科学研究院  张东霞

　　随机矩阵理论被看作是大数据分析方法中具有普适性的理论体系，该理论体系也正是数据驱动分析方法的代表，其应用范围具有通用性。文献[6]首次提出将随机矩阵理论应用到电力大数据分析中，其有效性得到了证实。

　　本文围绕着全球能源互联网中清洁能源的开发和利用问题，分析技术创新方向及其对大数据的需求，并针对能源管理提出了大数据的主要应用场景，分析了其应用价值，最后提出了随机矩阵理论应用于全球清洁能源管理中的分析框架。

　　1　全球清洁能源开发利用中的技术创新需求

　　为促进全球清洁能源的开发和利用，需要在5个方面取得技术创新，包括清洁能源发电、清洁能源就地开发和利用、大规模清洁能源的远距离传输和配送、增进系统的灵活性及分散自治和综合协调相结合的清洁能源能量管理。

　　1.1　清洁能源发电

　　风能、太阳能、海洋能等清洁能源具有间歇性和随机性特点，且能量密度远低于煤炭、石油、天然气等传统能源，在清洁能源的发电成本仍然较高的情况下，为尽可能多地开发利用清洁能源，应做好清洁能源电站的资源评估和选址，并通过检测和监测对风机、太阳能和海洋能发电系统性能提出改进建议;风电、太阳能发电和海洋能发电与天气变化密切相关，为提高清洁能源的可控性，需加强气候工程研究，提高风光等新能源发电预测的准确性和可控性;清洁能源的发展和应用离不开相关政策制度的支持，通过政策及其执行效果分析，可为政策的调整和后续政策的出台提供参考和支撑，促进新能源的发展。

　　1.2　清洁能源就地开发利用

　　在售电侧放开、输配电功能确立的电力市场机制下，为了激励分布式清洁能源的开发利用，并对其进行管理、控制，提高其开发和利用效率，微能源网将是今后的主要发展趋势。微能源网由供电电源、分布式能源、分布式储能系统、柔性负荷等构成，通过应用先进的电力电子技术，借助高效率的能源路由器和局域电力市场交易平台，使用户可参与分布式能源投资、生产、交易和消费。微能源网是全球能源互联网的重要组成部分，具有能源产销一体的特征，其核心思想是通过多能源的转换、存储、交易，实现清洁能源的就地开发和利用。

　　1.3　清洁能源集中开发、远距离输送

　　全球能源互联网将集中开发的北极风电、赤道光伏及大规模清洁能源电站的电力连接起来，远距离输送到负荷中心[8]。清洁能源的汇集和长距离远送，需要柔性直流技术、直流电网技术、特高压输电技术以及其他电力电子控制技术的支撑。为了平衡间歇式能源带来的波动性，系统中引入了更多的灵活源，包括柔性负荷、各种储能装备等，又使能源系统的能源流动处于复杂多变的状况，导致不确定性加剧。为了保证系统的安全稳定性，并尽可能发挥输配电设备的利用率，需实时监控电网的运行状态和运行环境，及时采取措施，因此，广域监控保护技术、动态定容技术仍是重要的技术创新方向。

　　1.4　增进系统灵活性

　　风、光等间歇式清洁能源的消纳、利用，很大程度上取决于系统的灵活性是否足够。为实现全球范围清洁能源的高效利用，需求响应、能源转换(如将多余的清洁能源发出的电力转换成氢气甚至天然气储备起来或送往天然气管道)和储存技术、V2G等灵活源都将最大化地发挥其作用，以提高系统的灵活性。为此，能源的虚拟化和碎片化技术、能源转换技术及储能系统的监控和移动化技术，都将得到广泛应用;需求响应、V2G作为重要的灵活源，也将得到普遍应用，但需要合理的激励机制相匹配。

　　1.5　清洁能源能量管理

　　全球能源互联网构成复杂，既有大规模的清洁能源电站，也有表现出产销一体的负荷，还包含了电能通过储热与冷、储电(电储能和电动汽车)的转化和存储。只有采取分散自治和分级综合协调的能量管理模式，才能满足需求。技术创新方向包括：清洁能源和负荷的预测、电力电量平衡的快速联合分析和灵活性校验、安全稳定校验和可视化展现。

　　2　大数据的应用需求

　　2.1　多数据源融合

　　全球能源互联网在能源管理上需将分散自治和综合协调的模式相结合，为此需要对大量翔实、可靠的信息进行及时处理，缺乏全面的信息资源将会造成决策的偏差、失误以及管理效率的低下。具体地，在全球能源互联网中，不仅包含了各国、各大洲层面有关电力、能量平衡的数据，还包含了大量有关分布式电源/微网、多种形式能量转换和存储的数据，建立起电力与其他能源的一体化数据融合系统，利用大数据技术进行分析并支持决策，有利于保证能源的智能、安全生产与配送。

　　2.2　先进的数据处理技术

　　电力能源生产、输送和消费瞬间完成，必须依靠高效的信息处理能力，满足实时的能量供需平衡。计算分析中不仅包含了功率预测、负荷预测、电力电量平衡等内容，还要考虑各种灵活源的安排顺序、分析方式是否满足调峰调频的能力，最终还需要经过安全稳定校验，并实现可视化展示，需要极强的信息流处理能力。在运行过程中，需要依靠高效的信息处理能力预测和监视消费者的需求变化、极端不稳定的能量生产供应变化，同时还要协调下级能量管理系统完成能源的分流与整合等。

　　2.3　数据驱动的分析方法

　　全球能源互联网比智能电网更具复杂性和开放性，且受到更多外来因素的影响，一些关联关系难以用物理模型进行描述，大数据分析更多地采用了数据驱动的分析方法，可作为物理模型分析方法的补充。数据驱动分析模型是指应用统计学理论，从高维的视角直接提取多元多维数据中的固有相关性，分析数据之间蕴藏的规律。针对包含间歇式能源的电力系统运行方式的安全校验和评估，数据驱动的分析方法具有以下优势。

　　(1)直接通过分析数据的相关性而非建立物理模型来描述态势，避免了由于电网拓扑结构复杂化、元件多样化、可再生能源和柔性负荷的可调性和不确定性带来的难以建模或模型不准确问题，极大地减少了硬件资源需求，提高了分析的精确性。

　　(2)通过数据间高维的相关性而非因果关系来描述问题，对事件间的相关性做出了定量的界定，可直接锁定故障或事件的源头，避免由于系统不确定性、偶然性及多重复杂递推关系等带来的因果关系难以描述的问题。

　　(3)大数据的分析方法如随机矩阵方法，可以将影响因素、状态量、历史数据和实时数据综合在一起分析，且可以在算法层面上与并行计算或分布式计算直接结合，解决维数灾问题，减少计算资源。

　　3　典型应用

　　大数据在全球能源互联网中的应用将是非常广泛的，此处仅针对能量管理分析4个典型应用场景。

　　3.1　能源生产和消费预测

　　清洁能源、柔性负荷、电能产销一体者的介入，使能源生产和消费受更多内外部因素影响，如：天气、气候不仅对能源需求产生影响，也影响清洁能源的可生产量;在实施电力改革、放开售电侧的电力市场机制下，能源生产与消费者对不同电价以及对需求响应的激励机制可能做出的反应，同样影响着能源的生产和需求[11,12];又如，电动汽车充放电对能源生产和消费的影响受用户行为习惯以及V2G激励机制的影响。此外，在不同的价格机制下，能源的转化和存储也受到影响，不同的能源价格配置下，用户可能选择不同的用能方式和能源转换方式。面对如此错综复杂的关系，在进行能源生产和消费预测时，大数据分析方法更为有效。利用大数据分析技术，可预测电力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。而智能电表的部署以及数值天气预报、GPS系统的建立，为建立更详细、精确的预测提供了可能。

　　3.2　新能源政策分析和评价

　　各国新能源政策机制及执行效果各不相同，受到各国能源禀赋、能源发展目标以及能源生产和应用参与方的社会心理影响。应用大数据分析方法，基于历史和现状数据，寻找内在关联关系，可为各国新能源政策机制优化提供参考。

　　3.3　参与者行为分析

　　如上所述，能源生产、消费和转换的各个环节、参与者的心理和行为对全球能源互联网的规划和运行将产生较大影响，而人的心理、行为对能源生产和消费的关系具有混沌性，需以大量的统计数据为基础，并将心理学、社会学知识和数据分析方法相结合，才能揭示出错综复杂的内在关系和影响。一方面，可依据数据分析预测能源生产和消费量;另一方面，也为制定适当的电价和激励机制、优化能源生产和用能特性以及增加清洁能源的使用提供了依据。

　　3.4　运行方式安排

　　在全球能源管理、调度运行中，分散的就地能源平衡模式与分层综合的协调调度相结合，在5min、10min、30min、1h的短期和超短期运行方式安排中包含了复杂的计算，从预测、电力电量平衡到灵活性校验和安全稳定性校验，需要考虑的因素众多，将分布式计算和集中式计算相结合，以便具备高度复杂的计算功能，需要应用大数据的数据存储、抽取、分析和展示技术。

　　3.5　安全风险分析

　　在全球能源互联网中，多种能源的生产、配送、转换、交易和消费复杂多变，不同环节的时空关联性增强，受外部因素影响加剧，使能源互联网的运行面临很大的风险，与此同时，社会对电力能源供应的安全可靠提出了更高的要求。大数据技术为这一复杂系统运行状况的预测、监控提供了强有力的支持。

　　借助大数据技术，可对能源互联网实时运行数据和历史数据进行深层挖掘分析，帮助各方更透彻地了解上下游的行为和变化，掌握能源互联网的发展和运行规律，优化结构，实现对能源互联网运行状态的全局掌控，提高能源互联网的安全性和可靠性。例如，基于调度数据和仿真计算历史数据，可分析能源互联网安全运行的时空关联特性，建立知识库，在出现扰动后，及时采取措施。

　　4　随机矩阵理论应用框架

　　随机矩阵是对复杂系统进行统计分析的重要数据理论之一。通过对复杂系统的能谱和本征态进行统计分析，可得出实际数据的随机程度，并揭示数据中整体关联的行为特征，从而在宏观上对复杂系统的性质进行研究和分析。

　　随机矩阵理论可用于全球能源互联网的运行状态相关性分析中，揭示复杂能源系统安全稳定性的时空关联特性，迅速找到薄弱环节，也可以分析政策机制、参与者社会心理与清洁能源发展利用的关联性。随机矩阵理论可综合利用历史数据和实时数据，可将状态参数和影响因素参数混合应用，为从高维度认识复杂能源系统的本质提供了手段。

　　一个以随机变量为元素的矩阵称为随机矩阵。当随机矩阵的行数和列数趋于无穷大，且行列比值保持恒定时，随机矩阵的经验谱分布函数具有很多优良的特性，如半圆律、M-P律、整圆律、单环定理等。虽然随机矩阵理论中的渐进收敛性要求矩阵维数趋于无穷，但是在规模比较适中的矩阵(维数从几十到几百)中，也能观察到相当准确的渐进收敛结果，这是随机矩阵理论用于全球能源互联网实用工程问题的前提。

　　全球能源互联网规模大，关联关系复杂，无论是分析安全稳定性还是进行预测分析，基于物理模型的分析方法都面临巨大的挑战，随机矩阵理论的应用具有显著的优势，目前针对复杂大电网的研究工作已开展，后续还将针对全球能源互联网开展研究。

　　5　结语

　　全球能源互联网的核心是大数据，数据驱动的大数据分析方法在分析参与者的社会心理和行为、预测能源生产和消费、能源管理和系统安全稳定分析方面将作为传统的基于物理模型的分析方法的补充，发挥重要的作用。

　　本文仅针对全球清洁能源的开发利用分析了大数据应用的需求和应用价值，提出了若干典型应用场景。全球能源互联网及大数据应用的研究刚刚起步，但其潜在的价值是巨大的，随机矩阵理论作为具有普适性的大数据分析方法，因其无需详细的物理模型、又可综合考虑历史数据和实时数据，以及可从高维角度认识复杂系统等特点，对于复杂多变的全球能源互联网有着显著的应用价值，值得深入探索。