清洁能源数字化的现状、趋势和未来

科技 2024-10-31 18:17 北京

1、从2024风能展看风电行业的发展

风电行业正在经历显著的发展，今年标志着风电发展的三十周年，全球装机量达到了五亿千瓦，这是风电行业共同努力的成果。风电不仅因其绿色能源属性而发展，其经济性也得到了广泛认可，成为能源业态中的一个经济可行的选择。风电的经济性提升得益于设备制造商及产业链的技术进步和快速迭代，这些努力不仅造就了风电的经济性，也推动了行业的智能化水平，加速了设计、研发和运维管理的创新。

随着风电行业的复合型发展，能源体系也在悄然变化。风电的发展不再仅仅是解决自身问题，还需要考虑如何更好地融入整个电力系统，包括解决风电的消纳问题。例如，通过储能配套解决风电的波动性，或使用大型制氢设备解决本地消纳问题，这些都是风电行业在发展中需要考虑的新挑战。

2、从展会看风电数智化的一些趋势

电能在各层级融合的同时，数据融合也变得至关重要。风电行业不再只需关注发电设备数据，而是要整合发电、电网、用能和气象等多方数据，以提升业务效率。AIGC技术的发展促使一些厂家开始利用大模型解决运行管理和设计制造问题，通过AI技术优化决策支持和资产管理。例如，AI能够辅助识别问题、提供图纸、分析运行数据曲线，并生成工单，改变传统的交互方式。

风电行业在清洁能源领域一直走在技术前沿，不断提高设计研发和迭代更新的效率，以适应市场竞争和技术进步。数字化技术推动了风电行业的技术创新，体现在优化资产管理，提高风电厂效率，降低成本等各方面。随着技术进步和规模经济效应的显现，风电产业链各环节的协同效应增强，为中国风电行业的持续健康发展提供了坚实基础。

3、风电的“一横一纵两海”战略

“一横一纵两海”战略对风电行业的有序稳步发展起到了关键作用，风电发电量占比已超过10%，成为我国仅次于水电的第二大能源形态。

“一横”指的是整合发电到负荷侧的整个产业链，例如通过甲烷制氢来解决就地消纳和波动性问题，这需要整个电力系统的共同努力。“一纵”则是指在风电去补贴后，运营商面临压力，这种压力会传导至整机厂商和配件厂商，导致产业链各环节的利润空间受到挤压，行业正寻求提质增效的方法。

对于竞争激烈的风电行业来说，海上风电和出海是推动行业增长的两大因素，即“两海”。海上风电的机型不断增大，从十年前的1.5兆瓦、2兆瓦发展到现在的十几兆瓦、二十几兆瓦的海上巨无霸，而风电出海则拥有广阔的市场空间，国内生产制造能力在国际市场上具有强大的竞争力。

数字化在提升产业链整合、电力系统信息流、数据流方面发挥着关键作用，对降低成本、节能降耗、提高制造效率至关重要。在海上风电领域，数据能够增强机组的自主控制和运维效率，简化海外执行和管理，实现智能决策，显示出数字化在行业发展中的巨大潜力。

整机厂商和业主单位越来越重视数据，风电行业在国内各行业中最早建设集控中心，实现了从场站端到集控中心再到集团的数据链路打通。风机自带测点越来越多，数据基础越来越好，为行业的数字化转型提供了坚实的基础。

4、从人的变化看行业趋势的变化

在实际项目和行业交流中，可以观察到风电行业对硬件和数字化的态度正在转变。过去，购买硬件如服务器需要逐台申请，领导层对这些昂贵设备的用途和必要性认识不足。现在，意识已经转变，开始批量购买服务器，领导层也认识到数据增长迅速，对硬件资源的需求不断增加。在大数据和工业实时数据领域，硬件和计算资源不再是问题，尤其是在小模型或行业模型层面，各家企业对硬件的支持已经足够。

出海趋势也变得明显，过去风能展上鲜见外国人，现在则有许多外国人在展台上寻找合作伙伴，显示出海外市场对风能的需求。全球能源转型趋势为中国风电企业提供了巨大的出海机会，也是缓解国内风电行业竞争激烈的有效途径。技术创新和数字化创新的投入力度有望加大，尽管现金流压力和研发投入仍然是挑战，但行业整体向好，数字化创新将成为关键投资领域。

5、其他清洁能源领域目前的行业发展和数字化情况

光伏行业的竞争甚至比风电更为激烈，技术迭代速度极快。风电是风机越来越大，而光伏行业面临的是颠覆性革新，可能涉及底层技术的彻底变革，使得原有产线和产能技术需要重新构建，投入巨大。因此，实现柔性制造和产线解构之后再复用至关重要，这需要数字化手段来加速创新和提升爬坡效率。面对行业周期性挑战，核心企业坚持不削减研发费用，认为技术创新和数字化创新是渡过难关的关键。谁能掌握这些创新，谁就能在行业周期中生存下来。

核电行业在福岛核事故后，安全成为最受关注的问题。目前，核电技术已发展到第三代，技术创新成为行业发展的驱动力。数字化技术在核电领域的应用日益增多，涉及试验验证、安全管理以及关键设备部件的安全水平提升。通过一些数字化手段，可以将以往基于传统工艺机理的安全管理水平提升到新的层次。

虽然从细分行业角度有各自的挑战，但整个清洁能源行业的发展在未来五到十年，都会是非常稳定的发展。

6、从业者当前的关注点和行业发展趋势

从内部管理来看，清洁能源行业正积极拥抱数字化技术，以应对工作与生活的巨大变革。数字化不仅改变了传统的自动化控制管理，更推动了向数据驱动的转型。随着数字化进程的深入，业主单位已开始自行开发低阶应用，如智能报表和温度分析，而不再依赖外部系统。他们配备了相关技术人员，能够处理数据存储和基本分析，实现以前无法完成的任务。

设备厂商也利用数据管理手段，从售后运维扩展到供应链和设计研发，以数据驱动更深层次的应用，提升质量和效率。数据的应用正从基础层面向高级应用迈进，进入深水区，这要求更精细的知识和大量数据。每个细分应用都可能需要深入的专业知识和数据支持，以解决内部管理问题。

从外部环境来看，从风电到光伏，能源网络结构的变化促使行业从单向传输向更加灵活和随机的供需互动转变。数字化不仅涉及能源的生产和消费，还影响着整个电力系统的智能化和数字化，使得能源管理从控制管理向数据驱动转变。业主单位和设备厂商都在积极引入新技术，从低阶应用如智能报表和温度分析，向高级应用迈进，涉及设备预测性维护、发电效率提升等多个环节。随着外部竞争的压力、新型技术的涌现、数据的积累和从业者意识的转变，原有的各种业务场景的探索，做法和效果上会有非常大的提升空间。

随着分布式能源的增加和用电设施的变化，如储能电动汽车的普及，能源行业需要更全面的数据管理和智能化应用，以提升效率和安全性。数字化技术的应用使得能源行业能够更好地应对经济、环保和安全三者之间的平衡，尤其是在风电和光伏领域，经济性和环保性已经得到实现，而稳定性和可持续供应成为新的挑战。从激烈的并网环境和电力供需平衡来看，储能的增加和抽水蓄能等规划都是为了解决可持续供应的问题和上网电价的波动。

单纯保障自身发电场站的效率已经不足以应对未来电力市场的变化，为适应新型电力系统，大厂们正从单纯的设备供应商转变为零碳资源和服务的提供者，解决新能源的零碳问题，这标志着能源行业数字化转型的新方向。

7、不同的角色对同一个场景会有不同的业务理解

不同产业链上的各方在讨论数字化技术时，虽然可能使用相同的术语，但他们的关注点和出发点往往不同。例如，在设备预测性维护方面，整机厂商可能更关注产品性能和潜在故障，运维厂商关注运维计划和成本，而业主则关心对生产经营的影响及资源投入。数字化技术的发展要求产业链各方共同应对，从不同角度群策群力。

技术供应商希望有一套包罗万象的成熟解决方案，但实际上，目前只能是愿景。海上风电的运维模式、大功率风电技术等都在变化，光伏和水电领域也存在个性化需求，因此，接受方案中的个性和差异性，同时寻求共性，是必要的。共性可能包括数据底座、数据分析工具和方法论等。相关各方在一套方便分工和配合的流程框架下，可以快速迭代出符合现场应用的数字化产品或解决方案，帮助现场问题的有效解决。

8、对未来的近期与中长期展望和规划

清洁能源行业参与者，无论是设备制造商、业主单位还是电网公司，在数字化转型中首先要明确自身定位，以便在产业链中发挥作用。其次，应大胆拥抱业务，积极探索以往未涉及或认为难以实现的领域。技术进步、数据条件的改善和领导层对数字化的认可使得许多新事物变得可行。

第三，要敢于尝试新兴技术，尤其是大模型等，它们在实践中已显示出巨大潜力。虽然工业界通常较为谨慎，但新兴技术与工业领域的结合应以专业知识为主，循序渐进地融入更多创新元素。在规划和执行具体工作时，应考虑如何将这些技术融入，以促进清洁能源行业的数字化发展。

再想远一点，十五五期间，大家可能关注什么？

清洁能源行业，相较于传统制造业来说，对新技术持更为开放的态度，这为数字化转型提供了良好的基础。IT和数字化技术，包括大模型AI，已在多个方面产生影响，尤其在制造行业，预示着未来广阔的发展空间。风电行业正从制造向创造转变，需要引入新的文化和技术。AI技术在风电行业的设计、制造、资产管理以及交互方式中的应用，如通过大模型或AI处理风电厂告警，减少监控人员的工作负担，是一个明显的趋势。未来，AI可能承担更多监控和维护工作，甚至发起和闭合工单，减少人工介入。

行业的发展最终依赖于人员能力的提升，需要培养具有开放心态和数据思维的复合型人才。随着数字化业务的深入，企业内部培养出越来越多的数据思维人才，如何激发他们的潜力和发挥更大作用成为关键。组织还需考虑如何量化数字化成果，推进激励制度，以及如何广泛推广和迭代好的技术。这需要整个产业链的共同努力，包括设备厂商、能源业主、电网以及技术提供方，共同推动有效的数字化产品和解决方案的发展。

昆仑数据K2Data

昆仑数据是工业互联网领域的领军企业，蝉联“中国大数据企业50强”，受邀参与制订《中国制造2025》工业大数据技术路线图，发起成立并主导运营工业大数据制造业创新中心，致力于用大数据和人工智能技术，推动中国工业智慧升级。

最新文章

数据探索系列 | 可视化是拨乱反正的关键一步

昆仑数据K2Assets入选2024年北京市工业互联网平台名单

陆薇博士应邀在《ACM通讯》发表文章

数据探索系列：拨开迷雾，找到一条通往终点的最短路

数据探索系列 | 为什么会那么多算法，还是做不好工业数据分析？

2024爱分析·数据要素x厂商全景报告

K2动态 | 《国家工业互联网大数据中心工业智算基地评估规范》正式发布

技术干货 | 工业数据分析的3种载体形式

昆仑数据受邀出席数智化促进核能新质生产力发展会议

技术干货 | 分析场景识别中的常见问题

清洁能源数字化的现状、趋势和未来

直播预告 | 清洁能源数字化现状、趋势和未来

伺服电机滚动轴承的智能化寿命预测

工业数智化趋势和需求是什么？向数据要更多价值

昆仑数据亮相CCKS 2024全国知识图谱与语义计算大会

技术干货 | 大模型在工业数据分析过程中的典型用例（下）

技术干货 | 大模型在工业数据分析过程中的典型用例（上）

《工业数据分析工程基于CRISP-DM的形式化方法》背后的故事

新书上架 |《工业数据分析工程 -- 基于CRISP DM的形式化方法》

直播回顾 | 工业数据分析模型的规模化应用，如何做？

中国工业大数据创新发展联盟数据资源管理与应用专委会启动会暨工业互联网大数据技术工业和信息化部重点实验室技术交流会顺利召开

直播预告 | 工业数据分析模型的规模化应用，如何做？（下）

工业数据分析模型的规模化应用，难在哪？

重磅 |《工业互联网平台工业机理模型开发指南》国家标准正式发布

直播预告 | 工业数据分析模型的规模化应用，难在哪？From Science to Engineering

工业数据分析竞赛的那些事儿

四川省工业大数据创新中心入驻成都AI创新中心

直播预告 | 从时序数据库IoTDB看工业数据管理难题何解

直播预告 | 工业数据分析竞赛的“秘笈”与启示

人工智能如何赋能先进制造业？“工业人工智能研讨会”举办

直播回顾 | 工业大模型落地新范式

直播预告 | 工业大模型落地新范式

快讯 | 昆山工业大数据创新中心正式启动！

2024首期制造业数智化转型高级研修班于昆山开课

直播预告 | SCRUM敏捷开发在工业数智化研发中的应用

读者反馈 | 如何用《工业大数据工程：系统、方法与实践》解决工作中的具体问题

即将截止 | 中国工业大数据创新发展联盟专业委员会征集会员单位

直播回顾 | 《工业大数据工程系统、方法与实践》背后的故事

征集 | 中国工业大数据创新发展联盟专业委员会征集会员单位

工业数据要素管理中的“人-机-料-法-测-环” （下）

直播预告 | 工业大数据工程系统、方法与实践

技术干货 | 面向领域的工业大数据系统技术

第三届工业数字孪生大赛全国总决赛及颁奖典礼成功举办

请回答2023 | 向数据要价值向人才要答案

产业元宇宙，打开发展新空间

工业数据要素管理中的“人-机-料-法-测-环” （上）

陆薇荐书 | 我眼中的《工业大数据工程系统、方法与实践》

新书上架 |《工业大数据工程系统、方法与实践》

技术干货 | 分析工业时序数据，要额外考虑什么？

我中心当选中国工业大数据创新发展联盟理事单位

分类

时事

民生

政务

教育

文化

科技

财富

体娱

健康

情感

旅行

百科

职场

楼市

企业

乐活

学术

汽车

时尚

创业

美食

幽默

美体

文摘

原创标签

时事社会财经军事教育体育科技汽车科学房产搞笑综艺明星音乐动漫游戏时尚健康旅游美食生活摄影宠物职场育儿情感小说曲艺文化历史三农文学娱乐电影视频图片新闻宗教电视剧纪录片广告创意壁纸头像心灵鸡汤星座命理教育培训艺术文化金融财经健康医疗美妆时尚餐饮美食母婴育儿社会新闻工业农业时事政治星座占卜幽默笑话独立短篇连载作品文化历史科技互联网

发布位置

广东北京山东江苏河南浙江山西福建河北上海四川陕西湖南安徽湖北内蒙古江西云南广西甘肃辽宁黑龙江贵州新疆重庆吉林天津海南青海宁夏西藏香港澳门台湾美国加拿大澳大利亚日本新加坡英国西班牙新西兰韩国泰国法国德国意大利缅甸菲律宾马来西亚越南荷兰柬埔寨俄罗斯巴西智利卢森堡芬兰瑞典比利时瑞士土耳其斐济挪威朝鲜尼日利亚阿根廷匈牙利爱尔兰印度老挝葡萄牙乌克兰印度尼西亚哈萨克斯坦塔吉克斯坦希腊南非蒙古奥地利肯尼亚加纳丹麦津巴布韦埃及坦桑尼亚捷克阿联酋安哥拉