京公网安备 11010802034615号
经营许可证编号:京B2-20210330
维斯塔斯利用 IBM 大数据分析实现“智慧风能”
IBM近日宣布,丹麦能源公司维斯塔斯 (Vestas Wind Systems)将利用业界领先的 IBM 大数据分析软件和卓越的 IBM 系统优化风力涡轮机配置方案,从而实现最高效的能量输出。对于可再生能源行业而言,风力涡轮机的选址和配置是一项重大挑战。维斯塔斯正是希望应对该项挑战,将公司业务拓展到全新市场,并积极促进风能在全球的普及。
通过在IBM “烈焰风暴”超级计算机上运行 IBM BigInsights 软件,维斯塔斯公司得以分析诸多类型的拍字节结构化和非结构化数据:如气象报告、潮汐相位、地理空间与传感器数据、卫星图像、森林砍伐地图,以及用于精确安装定位的气象建模研究等――这些以前需要数周时间完成的分析工作现在只需不到一小时即可完成。
维斯塔斯技术研发厂房选址和预测部副总裁 Lars Christian Christensen 表示:“维斯塔斯提供的涡轮机通常都要服役数十年,因此客户要求在安装之前了解涡轮机的能源输出量和投资回报率。通过使用 IBM 的软件和系统,我们现在可以迅速回答这些问题,从而有利锁定新的风能市场,帮助客户实现雄心勃勃的可再生能源目标。” 在选址过程中,涡轮机一旦投入运转,维斯塔斯工程师就会使用全新的软件和超级计算机预测其性能,包括分析各个叶片对气候变化的反应,并确定最佳维护时间。
在未来四年内,该公司将有望对更多类型、规模更大的气象数据集进行分析,其分析量届时可达20拍字节以上。 如果能源公司安装风力涡轮机时定位不正确,涡轮机产出的电力便不足以为风能投资带来合理的回报,也无法保持较低的电力成本。涡轮机正确定位的主要因素包括空气湍流和风向,以及空间、生态和美学方面的考量。 据悉,维斯塔斯在丹麦的厂房选址与预测部门将充分运用 IBM 在分析上的专长,为客户设计新一代风力技术。
届时,IBM 将安排一支大数据分析项目专家团队为该部门提供全天候24小时技术支持。此外,维斯塔斯能够以虚拟访问方式访问IBM位于硅谷的大数据开发实验室,此举将进一步帮助其探索发掘分析技术在风能领域的全新应用途径。 IBM 信息管理软件总经理 Arvind Krishna 表示:“维斯塔斯与IBM的合作展现了大型组织如何利用大数据分析和超级计算机制定智慧商务决策,在有力推动增长的同时解决大数据这个全球最紧迫的问题。现在,我们正在帮助客户在不受数据传播速度和数据来源的限制下从各种类型数据中获得洞见。我们相信这种至关重要的能力将为整个行业带来变革。”
据美国风能协会报告显示,如果美国的风力发电容量到 2030 年能增加到 20%,全国便可以减少至少 7600 吨二氧化碳排放,并节省 4 万亿加仑的电力行业用水,以及12% 的天然气消费需求。在欧洲,对于加速风力发电场交付和选址的技术需求也日渐增长。德国能源与公共事业协会最新报告显示,2011 年上半年,德国的电力产量中 20.8% 来自风力等可再生能源,该数字创下历史新高。新西兰也在2011年采取了一项十分积极的能源战略,要求国内 90% 的电力均采用风力等可再生能源发电。 IBM InfoSphere BigInsights 软件是 200 余名 IBM 研究院科学家历经 4 年潜心开发的成果。该软件采用开源技术 Apache Hadoop,可提供大规模并行处理框架、太字节到拍字节级别数据的可扩展存储,并可通过其 BigSheets 组件支持情景假设。BigInsights 是 IBM 大数据软件平台的重要组成部分,该平台还包含 InfoSphere Streams 软件,可实时分析流入组织的数据,并通过检测其变化了解数据中是否出现了新的模式或趋势。
维斯塔斯公司在 1222 台相互连接的 System x iDataPlex 服务器上运行 BigInsights 软件,这些服务器经过工作负荷优化,共同组成了 “烈焰风暴” 超级计算机,每秒钟能进行 150 万亿次运算――相当于每名丹麦公民每秒进行 3000 万次计算。在全球超级计算机 500 强名单中,Firestorm 名列第 53 位,同时,它还是这份名单上的第三大商用系统,并以其更卓越的能效取代了维斯塔斯最初使用的惠普系统。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22