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。