内容简介
本书着眼全球特别是中国新能源各细分领域市场形态、政策环境、企业发展、成本因素、技术水平等方面,分析现状和数据,尽可能展现全球新能源发展状况和态势,并对未来进行预测。
本书“主体”部分涵盖了风力发电、太阳能发电、核能发电、氢能、储能五大行业,“专题讨论”部分则围绕新能源汽车相关产业、漂浮式海上风电、新材料碳纤维应用于风电叶片、中国分布式光储、能源工业数字化等热点话题展开详细分析,“统计数据”部分包括了新能源装机、发电、消费和投资等最新数据信息。
全球新能源发展报告(2020)
国家能源集团技术经济研究院 编
2021年6月出版/258.00元
978-7-5201-8425-0
社会科学文献出版社
书摘
专题讨论:
全球能源工业数字化
技术概念
数字科技已经改变很多传统行业发展方向:与制造业的广泛融合催生出工业互联网和智能制造等新产业形态,以及数字制造、先进材料、智能机器人、无人操控设备等一系列新技术、新产品;与服务业的深度结合培育出智慧物流、电子商务、智慧金融等一系列新业态形式,并已向传统业态发起有力的冲击。因此,向数字化转型已成为全球企业未来发展的战略共识,多数世界500强企业已把数字化转型作为未来发展的核心战略。
而在能源行业,一方面,行业本身面临从产能扩张到产业优化升级的挑战。出于能源安全、环境保护等原因,各国都明确表态将减少对传统化石能源的使用,鼓励可再生能源发展;但各国政府对可再生能源行业的支持手段已至顶点,补贴红利逐渐开始消退甚至消失,倒逼可再生能源与传统能源进行公平竞争。另一方面,数字技术成为帮助人类突破能源发展瓶颈的重要手段。过去,数字化技术主要用于企业资源计划(ERP)和制造执行系统(MES),通常只能支持个别职能领域,而无法在更广层面提升整体效能及其供应链效率。随着人工智能技术、物联网(IoT)技术、5G通信技术、大数据科学技术等通用技术的蓬勃发展,限制能源行业数字化的瓶颈正在被逐一打破。可以预见,数字化技术将改变能源产业的各个环节,从生产、供应到消费、利用,与数字化应用的结合均可以带来有效的提升和改善。
能源数字化概念
能源数字化指的是利用数字技术,引导能量有序流动,构建更高效、更清洁、更经济的现代能源体系,提高能源系统的安全性、生产率和可持续发展性。数据、分析和连接在能源领域的运用无处不在,可以在很大程度上提高运营效率,减少能源使用量。数字化的能源系统能够准确判断谁需要能源,并明确如何在合适的时间、合适的地点以最低的成本提供能源。新的能源商业模式正在形成。
人工智能与预测性维护
人工智能所指代的技术本意为通过机器学习分析大规模数据,总结规律和模式,得出算法,并根据所得出的算法来预测未来可能发生的事件。人工智能不同于传统通过数学模型所做的回归分析,因为它可以分析未做分类标记的数据集,找到统计学无法发现的趋势,最终给出某个事件可能发生的时间段。因此可以说,人工智能非常适合能源生产及消费端,用于预测机械故障,提高能效。
能源领域与人工智能开发者一直致力于发挥人工智能在能源领域的作用,并进行了多项有意义的尝试,其主要方向是设备的预测性维护,在风力发电、天然气发电和输配电等诸多领域,已取得了初步成效。
人们通常认为预测性维护是资产绩效管理(Asset Performance Management,APM)的高级功能。但APM并非使用预测性维护的前提条件。不同于传统定期式维护和被动式故障检修,预测性维护是一种基于人工智能预测算法提供机器故障早期预警的设备维护方式。通过机器学习使计算机学会实时分析设备运行时的状态信息、环境信息、监测数据(通常有温度、应力、速度、电流、电压、噪声、图像、振动等类别数据中的一种或几种),通过监测这些被收集到的数据中的异常,判断设备出现异常的可能性,提前预测故障的出现时间、类别和原因,并提供合适的处理建议,以提前减少故障对机器的伤害,降低故障成本。相较于APM,预测性维护的目的更多是通过分析提前预测故障的发生。突发性机器故障通常会带来运营停机,进一步带来运营成本上升,影响生产任务的完成。预测性维护可以减少甚至避免突发性故障的出现,可以应用在发电、电网、油气、制造业以及交通运输行业等领域。
工业物联网
通常工业物联网技术是指将安装在设备运行端的传感器连接到处于云上或数据中心内的集中平台,以实现相互之间的通信,进而实现数据的收集,从而在平台中进一步将数据可视化、分析规律。
物联网技术是设备数据分析的基础,通过分析数据,可以优化生产过程,提高设备的利用率,延长使用寿命,减少运营成本。同时,物联网也是预测性维护的有效前提。此外,对于设备制造端,通过实时的操作、运营反馈,可以总结出设备的特性,进而为新设备的低成本设计提供思路(见图)。
数字孪生
数字孪生(Digital Twins)是指充分利用物理模型、传感器更新、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在虚拟空间中完成实体设备的映射,从而可以短时间内模拟、反映出相对应实体设备全生命周期的演进过程。数字孪生是一种超越现实的概念,可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。通俗来说,数字孪生是物理设备的数字化影子。
综合能源系统
综合能源系统有不同名称,包括混合能源系统、多能源系统、能源集成等,强调多种能源的综合开发利用,涵盖电、热、冷、气、电气化交通等多个能源系统,可以在规划、运行中实现不同能源系统的优势互补,有助于可再生能源的大规模接入和高效利用,提高能效,降低费用。
能源大数据
数据是指极大规模的结构化或非结构化的数据集资产。一般来说,在获取、存储、管理、分析方面,“大数据”超出传统数据库工具的处理能力范围,具有海量数据、流转迅速、类型多样、价值密度低等特点。大数据技术的战略意义不在于掌握庞大的信息,而在于针对这些含有隐性意义的数据进行专业化处理。通常需要具有更强数据分析能力、加工能力的新处理模式,如人工智能技术等,才能实现大数据的高价值利用,挖掘隐含的价值。
能源大数据的理念是将新能源、输配电、燃气等能源领域数据进行综合采集、处理、分析与应用的相关技术与思想。大数据技术目前已在新能源、传统能源勘探开发、智能电网等多个领域得到应用。
1.新能源
大数据技术被应用于进行分布式风电场、光伏发电的在线监测,周期性及瞬时的数据采集和在线分析,生成警报并允许维护人员可视化和管理数据,简化大规模监测系统的部署。
2.石油天然气
在油气勘探开发的过程中,可以利用大数据分析的方法寻找增长点,可以利用大数据平台帮助炼油厂提高炼化效率,也可帮助下游销售寻找消费规律,优化库存,确定最佳促销方案。
3.智能电网
可以利用大数据实时监测技术监测家庭用电量特征,帮助电力公司调配电力供给,为客户提供最佳用电方案。电力公司通过错峰限电,可以使用户在电力成本低的时间段使用,避免高峰时期电力负荷过重的局面。未来消费者对能源的利用会有更多经济性的选择。
策划:佟 譞
审校:韩莹莹