
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
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23