摘要：在12月7日召開的雲栖大會蘇州峰會上，袋鼠雲大資料架構師申杭帶來了“資料智能助力光伏産業優化更新”的主題分享。介紹了在大資料下光伏發電的意義，實作過程中遇到的困難與改進的措施，和所取得的成果。
以下為精彩視訊内容整理：
<b>項目背景與意義</b>
<b></b>
電力與人的生活是息息相關的，光伏發電的原理是利用太陽能電池吸收太陽光，把太陽光轉化成電能的過程。但轉化成的是直流電，在太陽能電闆的後面加入一個逆變器，逆變器是把光能轉化成直流電後再轉化成交流電。
從電力的類型來看可以分為兩類，第一類是集中式電站，它需要一大塊地方，購買很多電力的裝置安裝完後，通過集中采集光的光源，再轉化成電能供應給企業、家庭去使用。第二類是分布式發電，每家自己去購買一些小型的裝置，通過裝置把光能轉化成電能。
集中式發電占主流，但它在啟動建設的過程中會涉及一些問題，如地點的審批、大量的資金去進行采購安裝、整個項目的投入時間和和精力都會比較長。而分布式發電站的成本比較低，實施簡單。
光伏發電這一項目的研究也具有重要的意義，從下面幾點進行闡述：
在穩定性上，每個家庭可以自己發電，我們通過這個項目可以預測發電量的多少，可以把未來剩餘的電量輸出給國家電網，國家電網可以做一個整體的電的排程。家庭用不完的電通過售賣出去之後，就不會被浪費，都會發揮出很大的應用價值。
在增效方面，在電力供應緊缺的時候，如果能把光伏發電作為電力的另外一種補充，能盡量減少由電力短缺造成的對企業的電力供應的問題，企業的效益就會得到提升減少損失。另外在國家電網或者售電公司的基礎之上，對電力做到合理的排程，提升了管理效率。
在節能方面，光伏發電可以和智能家居做一些結合，比如在電量供應比較足的時候，可以控制智能家居的冰箱能耗往上提一點，電量短缺的時候降一點，保持整體上的平衡。
<b>項目過程</b>
整個項目的實作過程可以分成三大塊，首先是資料源，做光伏發電比較大的影響因素是天氣、和裝置功率的情況。我們取了逆變器的資料、氣象環境的資料，把這些資料源集中到一個平台上，需要一個資料內建的工具把它們整合到大的資料平台上，再在大的資料平台上使用機器學習的算法去做一些模型的訓練預測。我們用到機器學習的平台或者算法，隻需要把對應的輸入資料給它，拿到對應的輸出，輸入資料有一定的格式要求，是以輸入資料需要一個轉換的過程，這一轉換是使用阿裡雲的大資料平台，把它做各種資料的預處理，預處理完後再提供給PAI機器學習平台去調用，調用後得到一個結果，把資料輸出到一個資料庫中。利用這個資料最後就可以做一些電力的排程、預測、故障的檢測，以上是整個項目的一個流程。
<b>對準确率的分析</b>
我們也對模型的預測準确率做了一個分析，當RMC<2.5認為是合格的，是以最終按資料分布來看絕大部分預測值都是合格的，最終算出的準确率是82.3％，這個資料已經超出國家标準也超越客戶的預期。
<b>項目難點及改進措施</b>
當然在這個項目中我們也遇到了一些困難，我們也想未來怎麼去做一些改進。對于資料量少帶來維數不夠健全，就會導緻某一方面因素會對結果影響比較大，使結果預測不準确。是以未來我們也想怎麼去優化這件事情，比如說逆變器的電壓電流功率資料，我們可以把一些别的因素也加進去。另外從天氣上可以加入太陽光的強度等因素，次元多了之後可能每個因素對最終的結果影響就會較小一點，這時通過綜合因素，預測的效果可能會更好一些。我們也希望通過改進後準确率提升到90％以上。
<b>項目中部分元件介紹</b>
整個項目是用阿裡雲數加平台來完成的，共用了阿裡雲的四個元件，對每個元件的功能進行了下面的介紹。
MaxCompute：這是一個大資料離線計算的平台，用于做資料的處理。
Data IDE：實際是一個開發套件，通過外部的方式進行各種各樣的操作
PAI：是機器學習的一個算法平台，它是完全基于可視化的。
Quick BI：是發表工具，可以把結果可視化的顯現出來。
在項目開始前，我們也對兩款大資料平台數加和hadoop進行了對比，其結果如下：
數加：直接使用SQL進行開發，使用門檻低；一站式開放平台，系統穩定性高；支援界面化操作拖拽既可；支援資料管理和運維管理，維護成本低；應用開發周期段。
Hadoop：需要寫java代碼進行開發，門檻高；需要使用多個元件，系統穩定性低；不支援界面化操作；不支援資料管理和運維管理，維護成本高；應用開發周期長。
<b>項目成果</b>
整個項目取得了如下成果，在電力排程上，對于分布式家庭電站，國家提倡“自給自用，餘電上網”，電量預測功能可以友善國家排程電力資源；在故障排查這方面，如果發電功率的預測值比真實發電功率值相差較大，也就是監測出異常波動，這時就需要提前進行故障的排查；可以提供增值服務，分布式電站的核心是要得到使用者的認可，發電功率預測可以作為一種增值服務去吸引客戶資源；具有行業複制性，在電力市場化的大背景下由于發電計劃的放開，以對發電量進行宏觀把控的功率預測形式是大勢所趨，并且具有極強的行業複制性。
本文由雲栖社群志願者小組smile小太陽整理，毛鶴審校。編輯：郭雪梅。