
物联网、大数据,通通也得略懂能源
目前,产业界认为物联网与大数据都是未来相当有潜力的产业,很多人老是问未来产业在哪,这就是两个了,有趣的是,这两个产业,通通都跟分布式能源有关。
在这系列当中,我们主要探讨分布式能源的观念与趋势,不过,系列文章里头,我们已经暗示许多次,其实整个能源策略的规划,不只是跟使用能源有关,也不只跟绿能产业有关,还关系到整体经济产业的未来发展,这样说起来好像很抽象,先前我们谈过Google为何买下Nest,以及芬兰的国家产业发展政策等等,现在咱们来谈谈两个当红的话题:“物联网”,以及“大数据”。
物联网,顾名思义,就是日常生活中,原本各自独立运作的设备,通通串联起来;大数据,又叫“海量资讯”,不过,要说明起来,过去的绰号“资料挖矿”可能比较传神,就是利用软体演算方法,在大量的资料中找出你所需的资讯。
例如过去社保卡开办之初,曾有少数不肖诊所,认为社保局不可能一一清查所有资料,心存侥幸,一开始也的确得逞,却不知社保卡IC化以后,社保局可透过分析数据,找到就医状况异常分布情况,就前往搜索,果然发现舞弊情事,结果全数被逮。
目前,产业界认为物联网与大数据都是未来相当有潜力的产业,很多人老是问未来产业在哪,这就是两个了,有趣的是,这两个产业,通通都跟分布式能源有关。
先说起物联网,话说物联网的主要应用之一,就是能源管理,小自照明节能系统,大至整个智慧城市,通通与节能和分布式能源有关。
刚说道Google买下的Nest就正在发展物联网,其中在照明方面,Nest的合作伙伴之一是LIFX
智能LED灯,智能灯不仅彼此连结,也与Nest产品连结,包括Nest Protect
烟雾侦测器,以及Nest智能自动调温器,而有了许多额外功能,例如一旦Nest Protect
烟雾侦测器侦测到家中起火,家中所有的LIFX智能灯都会亮起红色警告,让你马上知道有异状,而当你长期外出,LIFX智能灯还会不时随机亮起,佯装屋内有人以免小偷光顾。这些功能固然很炫,但各家的无线连结智能LED灯,最大的作用还是节能省电,如无人时自动关灯,白天时随阳光调整所需照明等等。
除了智能灯,Nest的合作伙伴还包括奔驰车、惠而浦的传感器能够收集许多资料,包括气温、雨量、风向、风力,空气品质、日照亮度、声音大小,还可以透过人群的行动电话通话量估算附近的人数。
不只芝加哥,全世界有许多城市都有类似的智慧城市计划,包括新加坡、法国巴黎、丹麦哥本哈根、美国迈阿密、爱尔兰都柏林、挪威奥斯陆、西班牙巴塞隆纳、等等城市。
这些城市要智能化有何好处?首先就是节能与能源管理,路灯电网科技可以帮助城市节约能源,在无人时关闭路灯,透过计算交通流量,智能信号与环境监测能纾解壅塞交通、控制空气污染,甚至可协助紧急事故及灾害应变等等。除此之外,智慧城市的发展的重要目标之一,就是借助配合智能电网的智能调控,结合分布式能源,提高能源使用效率与能源安全,减少居民用电与电费开支。
目前,每一个先进国家的城市,都逐渐开始规划、准备发展为智慧城市,可以想见未来有多大的商机,总部位于美国加州旧金山的美国智能电网供应商 Silver Spring Networks Inc.(SSNI),收购法国路灯控制及监控软体公司 Streetlight.Vision,就是看好这样的综合庞大市场 (link is external)。
如果没有分布式能源的观念,不只赚不到能源领域的钱而已,连同物联网的这些广大领域也一并鸦鸦乌。
那大数据又跟分布式能源有什么关系?
澳洲的家户屋顶太阳能蓬勃发展,而这股风潮也要吹到欧洲去。当家家户户都装了屋顶太阳能,为了更有效,更智能的调控,许多人认为必须要在每家装设传感器,随时监控太阳能发电的状况,同时也要监控家中的用电情况,才能完美调配电力,达到最稳定、最有效率的整合。
但是这样一来,就有许多额外的传感器开销,有的厂商认为可结合在太阳能逆变器上,发展智能逆变器,有的则认为如Nest这样的厂商可参与其中,但加州的新创公司Bidgely则认为大数据是解决之道。怎么说?
如果我们先把许多有装各种传感器的家户资料收集起来,那就成了一种“大数据”,Bidgely的软体从中可解析出许多分析公式,然后拿来应用在没有装各种传感器的其他客户,只要有最基本的总发电与用电数据,就能透过从大数据解算出来的公式,倒推回每一个细项,不用一一装设传感器。
装设传感器的家户,可以透过卖资料给Bidgely,回收装设的费用,而其他人则省下装传感器的费用,这么一来,可说是双赢的局面,也是一个大数据应用的良好范例。
今天的能源思考题,想请大家带回去思考的就是,物联网、大数据,以及其他无数的未来产业发展机会,都与分布式能源息息相关,那么,国家若想要有好的经济发展,能源政策可以不积极往分布式能源前进吗?
当一个国家的能源策略与分布式能源背道而驰,同时每天嚷嚷找不到未来产业在哪里,聪明的你一定已经发现:这并不是巧合。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13