(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。