1 报告编码19RI0619 头豹研究院 | 计算机系列深度研究 400-072-5588 2019 年 中国大数据在能源领域应用研究报告 报告摘要 TMT 团队 大数据（Big Data） ，又称巨量资料，是指超过传统 数据应用软件处理能力的大量、复杂数据集合。大 数据技术指从海量数据、种类繁多的数据中快速且 准确获得有价值信息的技术能力。大数据规模大且 传输速度要求高，其特征通常可概括为五点。大数 据在能源行业的应用主要体现在石油燃气、电力和 风电行业。受益于能源行业转型需要以及政府政策 的大力支持，能源大数据行业发展前景良好，是大 数据下游主要应用场景之一，市场规模呈现快速增 长趋势，从 2014 年的 282.1 亿元增长至 2018 年的 1,280 亿元，年复合增长率达 46.0%。 热点一： 中国大数据能源行业高速增长 热点二： 能源大数据产业标准体系和管控体系建立 热点三： 大数据产业与能源行业融合程度加深 能源企业亟待通过大数据等新兴技术提高自身业务水平 和管理能力，刺激大数据在能源行业需求量的增加。同 时，中国政府出台多部政策鼓励大数据技术在能源领域 的应用，展现对能源大数据未来前景的肯定。在需求和 政策的双重推动下， 能源大数据市场呈现快速增长态势。 能源大数据行业管控体系的建立可实现大数据在能源领 域采集数据范围扩大，促进不同能源领域数据整合，完 成多领域数据的共享，逐步解决数据孤岛问题。 随着能源技术和大数据技术的发展，能源大数据产业受 到双向驱动， 未来能源和大数据融合程度将进一步加深， 向高融合方向发展。其中，大数据技术在技术强度、数 据广度和应用深度等方面的趋势进步，不仅有助于推动 能源系统和大数据的技术融合，也是促进大数据成为能 源系统智能化发展的基础。 梁安兴 邮箱：csleadleo 分析师 行业走势图 相关热点报告 计算机系列深度研究 2019 年中国 SaaS 市场初步分 析 计算机系列深度研究 2019 年中国区块链技术构建 供应链金融新生态研究 计算机系列深度研究 2020 年中国云安全产品与技 术概览 2 报告编码19RI0619 目录 1 方法论 . 6 1.1 方法论 . 6 1.2 名词解释 . 7 2 大数据在能源领域应用背景 . 8 2.1 大数据技术特征 . 8 2.2 大数据能源行业应用基础 . 9 2.3 中国大数据能源行业发展现状 . 10 2.4 中国大数据能源应用市场规模 . 12 3 大数据在能源行业应用典型领域 . 14 3.1 石油燃气行业大数据 . 15 3.1.1 勘探开发业务 . 15 3.1.2 工程技术服务 . 16 3.1.3 采油气业务 . 17 3.1.4 炼化业务 . 17 3.1.5 销售业务 . 19 3.1.6 企业管理 . 20 3.2 电力行业大数据 . 21 3.2.1 发电业务 . 22 3 报告编码19RI0619 3.2.2 输送和分配 . 23 3.3 风电等清洁能源大数据 . 23 3.3.1 风资源和选址判断 . 23 3.3.2 事故预警及诊断 . 24 4 中国大数据能源应用相关政策法规 . 25 5 中国大数据能源应用行业发展趋势 . 28 5.1 大数据产业与能源行业融合程度加深 . 28 5.2 建立能源大数据产业标准体系和管控体系 . 29 6 中国能源行业大数据技术应用项目分析 . 30 6.1 中国大数据能源应用行业竞争格局 . 30 6.2 国能日新科技股份有限公司 . 31 6.2.1 企业介绍 . 31 6.2.2 项目情况 . 31 6.3 深圳点亮新能源技术有限公司 . 32 6.3.1 企业介绍 . 32 6.3.2 项目情况 . 32 6.4 北京岳能科技股份有限公司 . 33 6.4.1 企业介绍 . 33 6.4.2 项目情况 . 33 4 报告编码19RI0619 图表目录 图 2-1 大数据数据特征 . 8 图 2-2 大数据能源行业应用基础 . 10 图 2-3 大数据能源行业发展现状 . 11 图 2-4 中国大数据能源行业应用市场规模，2014-2023 年预测 . 13 图 3-1 大数据能源应用模式 . 14 图 3-2 石油燃气行业工作流程 . 15 图 3-3 两种勘探技术结果对比 . 16 图 3-4 钻井流程 . 16 图 3-5 大数据采油气业务优势 . 17 图 3-6 大数据在炼化业务应用流程 . 18 图 3-7 加油站现存和潜在销售业务 . 19 图 3-8 大数据在企业管理中应用 . 21 图 3-9 大数据在电力行业应用 . 22 图 3-10 风资源和选址判断流程 . 24 图 3-11 大数据在风电行业应用 . 25 图 4-1 中国大数据能源应用政策法规 . 27 图 5-1 大数据发展趋势 . 28 图 6-1 大数据能源应用行业竞争格局 . 30 图 6-2 国能日新企业介绍 . 31 图 6-3 点亮新能源企业介绍 . 32 图 6-4 岳能科技企业介绍 . 33 5 报告编码19RI0619 图 6-5 岳能科技项目情况 . 34 6 报告编码19RI0619 1 方法论 1.1 方法论 头豹研究院布局中国市场， 深入研究 10 大行业， 54 个垂直行业的市场变化， 已经积累 了近 50 万行业研究样本，完成近 10,000 多个独立的研究咨询项目。 研究院依托中国活跃的经济环境，从大数据、石油燃气、电力、风电等领域着手， 研究内容覆盖整个行业的发展周期，伴随着行业中企业的创立，发展，扩张，到企 业走向上市及上市后的成熟期， 研究院的各行业研究员探索和评估行业中多变的产 业模式，企业的商业模式和运营模式，以专业的视野解读行业的沿革。 研究院融合传统与新型的研究方法， 采用自主研发的算法， 结合行业交叉的大数据， 以多元化的调研方法， 挖掘定量数据背后的逻辑， 分析定性内容背后的观点， 客观 和真实地阐述行业的现状， 前瞻性地预测行业未来的发展趋势， 在研究院的每一份 研究报告中，完整地呈现行业的过去，现在和未来。 研究院密切关注行业发展最新动向，报告内容及数据会随着行业发展、技术革新、 竞争格局变化、政策法规颁布、市场调研深入，保持不断更新与优化。 研究院秉承匠心研究， 砥砺前行的宗旨， 从战略的角度分析行业， 从执行的层面阅 读行业，为每一个行业的报告阅读者提供值得品鉴的研究报告。 头豹研究院本次研究于 2019 年 08 月完成。 7 报告编码19RI0619 1.2 名词解释 结构化数据：关系模型数据，由二维表结构来表达逻辑的数据，通常以行为单位，一行 数据表达一个实体信息，每一行表达数据的属性是相同的，如财务系统数据。 半结构化数据： 结构化数据的一种， 但不符合关系型数据库或其他数据表的形式。 其包 含相关标记，用来分隔语义元素以及对记录和字段进行分层，常见的半结构化数据如 XML 和 JSON。 非结构化数据：数据结构不规则或不完整的数据类型，如图片、文本、音频、视频等。 PMU：Phasor Measurement Unit，同步相量测量装置，用于电力系统的动态监测、 系统保护、系统分析和预测等领域的设备。 ERP：Enterprise Resource Planning，企业资源计划，是对企业物质、资金、信息等 资源集成一体化管理的企业信息管理系统。 HANA： High-Performance Analytic Appliance， 一种准许用户对业务数据实时访问 的分析软件。 PB/TB：数据存储容量的单位。1PB=1,024TB，1TB=1,024GB。 油气藏：聚集一定数量油气的圈闭（场所） 。 分布式能源： 一种建在用户端的能源供应方式， 可独立运行， 也可并网运行， 是以资源、 环境效益最大化确定方式和容量的系统。 8 报告编码19RI0619 2 大数据在能源领域应用背景 2.1 大数据技术特征 大数据（Big Data） ，又称巨量资料，是指超过传统数据应用软件处理能力的大量、复 杂数据集合。 大数据技术指从海量数据、 种类繁多的数据中快速且准确获得有价值信息的技 术能力。大数据规模大且传输速度要求高，其特征通常可概括为五点（见图 2-1） ，即规模 （Volume） 、快速（Velocity） 、多样（Variety） 、价值（Value） 、准确（Veracity） 。 图 2-1 大数据数据特征 来源：头豹研究院编辑整理 （1） 规模（Volume） 大数据采集、 存储、 计算的数据规模极大， 起始计量单位达到 PB 级 （1PB=1,024TB） 。 一个庞大的数据生态系统每天要处理 TB 级规模新生数据及 PB 级规模历史数据，数据 规模量考验数据库的承载能力。 （2） 快速（Velocity） 数据具有时效性， 老旧数据会失去价值和作用。 在互联网高速普及背景下， 互联网 每天产生大量数据，数据量增长速度快，时效性高，要求大数据具有快速的处理能力。 这是大数据有别于传统数据的显著特征。 （3） 多样（Variety） 大数据的数据种类和来源具有多样化特点。 大数据可为结构化数据、 半结构化数据 9 报告编码19RI0619 或非结构化数据，可表现为音频、视频、图片、文本等形式。数据种类的多样性要求强 大的数据处理能力。 （4） 价值（Value） 大数据技术的应用优势在于从大量繁杂的数据中提取有价值数据。 大数据中有价值 数据密度低，通过智能算法挖掘数据价值是大数据的核心价值之一。 （5） 准确（Veracity） 大数据的准确特征指数据的准确性和可信赖度， 是衡量数据质量的标准之一。 大数 据的准确性和大数据的价值特征密切相关， 大数据挖掘的数据价值越高， 其准确性要求 越高。 2.2 大数据能源行业应用基础 （1） 石油燃气行业 石油燃气行业属于多专业配合的技术密集型行业。 随着石油燃气行业信息化的不断发展， 大数据在勘探、开采、提炼等领域发挥作用愈发变大。由于石油燃气行业的以下特点，石油 燃气企业数字化已成为激烈竞争市场的重要战略： （1） 在石油燃气开发方面， 油气普遍储存 在复杂的地质环境中， 具有隐蔽和难开采等特点， 需数字化技术对石油燃气开发过程进行精 准指导； （2） 在石油燃气加工方面， 原油开采加工价格不断上涨， 油气生产成本亦不断上升， 低价战略难以支撑企业长期竞争， 企业需要依托数据进行企业运营决策。 石油燃气行业信息 化建设可提高油气开发和加工的管理决策水平、 降低运营风险。 同时， 行业信息化有助于石 油燃气企业全面升级改造，增强竞争优势。 （2） 电力行业 随着电力企业逐渐进入精细化管理时代， 电力行业信息化应用迅速发展。 电力网络系统 是实现电能生产、传输、分配和消费的复杂系统，电力网络系统运行会产生电力生产、电力 10 报告编码19RI0619 传输和电力消费等方面数据。 借助大数据技术， 电力企业可对电力网络系统运营的实时和历 史数据进行分析对比， 探明电力网络的运行规律， 优化电网规划， 实现对整个电力网络的了 解，提高电力网络的经济性、安全性和可靠性。同时，电力企业凭借大数据技术对用户用电 情况分析，可了解用户需求，制定精准的电力调度、资源配置等决策。 （3） 风电清洁能源行业 风电属于清洁能源行业， 是中国大力扶持行业。 风电具有零污染的优势， 但风电发电成 本高， 且设备维护难度和成本大。 多数风电场建在海上或山上， 日常维护过程复杂、 难度大， 存在监控不全面、维修不及时等风险，轻则造成发电效率低下，重则导致风电场损坏。而大 数据的应用可帮助风电企业挖掘分析风电场历史和实时数据， 预测意外事故发生概率， 实现 风电场运营安全指数的提升以及风电场发电效率的提高。 图 2-2 大数据能源行业应用基础 来源：头豹研究院编辑整理 2.3 中国大数据能源行业发展现状 根据中国信通院发行的中国大数据发现调查报告（2018） 数据，2017 年中国大数 据产业规模达到 4,700 亿元人民币， 同比增长 30%。 在接受调查的 1,572 家企业中， 有 623 家应用了大数据， 占比为 39.6%， 同比增长 4.5%， 企业对大数据分析重视程度进一步增加。 其中营销分析、 客户分析和内部运营管理是最主要三大应用场景， 占比依次为 63.2%、 55.3% 和 50.7%。 虽然大数据已进入众多领域， 但因为能源企业多数规模大， 技术改革速度慢， 大 数据在能源领域的应用仍处于初始阶段。 11 报告编码19RI0619 图 2-3 大数据能源行业发展现状 来源：头豹研究院编辑整理 （1） 石油燃气行业 在石油燃气大数据领域， 由于中国石油燃气在中国市场长期处于垄断地位， 石油燃气行 业对大数据等新兴技术的接受速度较为迟缓，因此大数据在石油燃气行业仍处于萌芽阶段。 现阶段大数据在石油燃气行业多用于油气资源的勘探和采集等上游生产阶段， 较少用于销售 环节。 如大庆油田将勘探开发技术数据管理系统用于石油勘探， 中国石化九江石化分公司将 催化裂化装置报警预警系统用于炼化监测、 炼化装备等。 但随着政府政策支持以及石油燃气 企业变革需求增强，大数据在石油燃气行业应用前景广阔。 （2） 电力行业 2006 年，国家电网启动“SG186”工程，提出电网系统智能化概念，电网信息化表现 出强大发展潜力，但因技术条件尚未成熟，推进进度极为缓慢。2013 年开始，中国电力企 业开展信息通信技术在电网系统应用的研究。2015 年，国家电网发布国家电网公司大数 据应用指导意见 ，正式启动大数据应用研究工作。与此同时，大数据、云计算、物联网等 信息技术蓬勃发展，为大数据技术在电力行业发展提供了基础。 （3） 风电等清洁能源行业 中国一直以煤炭为主要能源来源，但现阶段风电、水电等清洁能源消耗占比有所升高， 12 报告编码19RI0619 根据国家能源局数据显示，截至 2017 年底，中国风电装机容量为 1.6 亿千瓦，太阳能装机 容量为 1.3 亿千瓦，分别同比增长 10.5%和 68.7%，而中国清洁能源占能源消费总量比重 截止到 2018 年已达 22.2%，较 2012 年上升了 7.7%。大数据在风电设计规划和后期运营 维护方面起着重要作用， 清洁能源的加速应用促进了大数据技术在风电等清洁能源领域的发 展。此外，风电行业中风电场分布区域广泛，且多分布在高山、海上等恶劣环境中，风电行 业对基于大数据的环境预测需求极大，风电领域将成为大数据最主要应用场景之一。 2.4 中国大数据能源应用市场规模 油气等传统能源行业在新能源发展背景下面临着从勘探到销售等诸多发展瓶颈， 油气企 业亟待引入大数据、 云计算等新兴科技技术提高自身业务水平和管理能力。 同时， 智能电网 和风电清洁能源的发展， 也刺激了大数据在电力和风电行业的需求增长。 从国家政策方面来 看， 中国政府出台多部政策鼓励大数据技术在能源领域的应用， 表现了中国政府对能源大数 据未来前景的肯定。 在需求和政策的双重推动下， 能源大数据市场呈现快速增长态势。 中国 大数据在能源行业软件和服务市场应用规模从 2014 年的 282.1 亿元增长至 2018 年的 1,280.0 亿元，年复合增长率达 46.0%（见图 2-4） 。随着能源需求不断上涨以及能源企业 寻求业务突破，大数据在能源行业的应用将持续发展，预计至 2023 年，中国大数据在能源 行业的应用市场规模将达 3,444.3 亿元，2018 至 2023 年年复合增长率将达 21.9%。 13 报告编码19RI0619 图 2-4 中国大数据能源行业应用市场规模，2014-2023 年预测 来源：头豹研究院编辑整理 14 报告编码19RI0619 3 大数据在能源行业应用典型领域 能源大数据是将石油、燃气、电力等能源领域海量数据进行采集、整理、分析和应用的 相关技术。 能源大数据是大数据技术在能源领域的深入应用， 同时也是能源生产、 消费与大 数据理念的高度融合。随着能源领域信息化发展，大数据在能源领域应用前景将更加广阔。 大数据在能源领域的应用现阶段主要存在于三个行业： （1） 大数据在石油燃气产业链的 应用。 在油气勘探开发过程中， 大数据可帮助油气企业寻找新的增长点， 帮助炼油厂提高炼 化效率， 还可帮助石油燃气企业在销售业务中分析客户喜好、 消费规律， 制定最优促销方案； （2）大数据在电力产业链的应用。电力公司可利用大数据实时动态监测用户用电特征，进 而针对性调配电力供给， 为用户提供最优用电方案； （3） 大数据在风电新能源产业链的应用。 大数据可协助电力公司对风电场风机进行实时动态采集和分析， 并生产大数据预警报告， 提 高维护效率，简化维护流程。 图 3-1 大数据能源应用模式 来源：头豹研究院编辑整理 15 报告编码19RI0619 3.1 石油燃气行业大数据 在石油燃气行业资本、 生产过剩等问题日益加剧的背景下， 石油燃气价格长期低迷， 造 成整个行业面临的资金和运营压力不断增加。 同时， 氢能等新能源逐渐发展壮大导致石油行 业市场份额受到侵蚀。 此外， 更为严苛的环保法律政策的出台， 也进一步约束了石油行业发 展。石油行业正面临严峻挑战，石油行业需引入大数据等新兴技术，重塑其产业链结构，实 现激烈竞争环境下的经济效益增加。 图 3-2 石油燃气行业工作流程 来源：头豹研究院编辑整理 3.1.1 勘探开发业务 大数据在石油燃气勘探和开采阶段的主要作用在于勘探开发研究、 生产环节优化、 生产 效率监测以及安全管控等方面。 在石油燃气勘探开发方面， 油气企业基于实时的动态数据监 测， 可建立全方位油气藏监测指标体系， 自动化动态监测油气藏现阶段开发状况以及潜在可 开发数量， 实现对油气的全面掌控。 在石油燃气的生产优化方面， 大数据可帮助油气企业对 油气藏开发现状和潜在剩余油气分布实施动态监测和分析， 及时调整开采战略， 促进油气开 采处于最佳状态。 如中国黑龙江省的大庆油田在油气资源勘探过程中采用了 “勘探开发技术 数据管理系统”的大数据技术应用，实现了 10 万口井油气分析，远超传统抽样方案单位时 间内分析 2,000 口井的数量。 16 报告编码19RI0619 图 3-3 两种勘探技术结果对比 来源：头豹研究院编辑整理 3.1.2 工程技术服务 大数据技术在钻井设计优化、 钻井作业优化和钻井安全评估等方面具有优势。 钻井设计 优化方面， 大数据技术可将现有油气井的数据进行整合， 并结合钻井模型与地质状况， 生产 一套完整钻井工艺流程。 如油气企业可根据在油气井中安置的传感器收集的数据进行钻井分 析， 使钻井参数得到优化， 实现不同地质采用不同钻井工艺。钻井作业优化利用从油气井采 集的数据对钻井施工、监控作业进程进行实时优化，以达到提高钻井效率和准确性的目的。 钻井安全评估利用大数据技术评测预估钻井作业中可能发生的异常情况以及潜在突发事件 的可能性， 预防异常情况和突发事件拖延钻井工程进度、 损坏设备、 导致人员伤亡等不利事 件，实现钻井工作的安全性、高效性。 图 3-4 钻井流程 17 报告编码19RI0619 来源：头豹研究院编辑整理 钻井是一项集多种设备、工具、专业的联合作业，其施工过程具有极高的复杂性，工程 精准度要求高。 钻井套管卡管是钻井过程中最大的难题之一。 套管下入井的过程中， 套管会 与井内其他管材发生摩擦产生静摩擦力， 导致套管下井受阻， 造成钻井工程延迟以及非必要 费用损失。 油气企业通过大数据对滑轮位置、 下井深度等关键性指标进行历史数据收集并进 行关联分析，可识别出与静摩擦相关的属性特征，实现对套管卡管事件的提前预测与识别， 及时避免事件发生，有效减少拖延钻井工程进度的事件发生。 3.1.3 采油气业务 采油气业务在油田开发过程中是上接油藏工程方案， 下接地面工程方案的核心业务， 是 完成开发指标的重要环节之一。大数据在采油环节主要应用于采油数据动态监控以及预测， 具体表现为原油需求量预测、采购成本优化、生产状态优化、风险预测等。油气公司在油气 井和开采设备中安装传感器， 持续不断收集油气含量和开采过程的实时数据并进行分析， 计 算出最佳生产执行方案， 及时更正采油气策略。 如大庆油田对致密油体积压裂后产能预测开 展技术研究，其中 12 口正常投产井中，有 9 口井产能与预测相符，产能预测率达 75%，单 口井采油成本下降约 38.7%。 图 3-5 大数据采油气业务优势 来源：头豹研究院编辑整理 3.1.4 炼化业务 在炼化厂中， 炼化设备的维护和检修是决定炼化厂是否可正常运行的重要因素。 由于炼 化设备处在易燃、易爆、高温、高压、腐蚀性强等极端工作环境中，设备的维护和检修具有 18 报告编码19RI0619 较大危险性， 炼化厂须确保炼化设备的质量和稳定运行， 大数据技术的应用可解决炼化设备 维护和维修的难题。 大数据在炼化领域主要应用于设备预测维修。 炼化厂通过安装在炼化设备上的传感器连 续不断的收集炼化厂运营数据， 并经无线通信网络将采集的数据传送至油气企业的数据分析 部门进行数据筛选和分析。 数据分析部门人员通过对炼化设备动态数据进行分析， 并与历史 数据进行对比， 确定设备出现问题的位置和原因， 并通知维护部门进行维护和检修。 同时数 据部门将对数据进行维护更新， 生成预警机制， 避免相同问题的再次发生。 大数据在炼化设 备中的应用不仅缩短了设备维护时间， 也减少了炼化厂内设备出现故障几率和事故发生的可 能性。 2016 年 3 月，中国石化九江石化分公司完成中国首个催化裂化装置报警预警系统的建 设并顺利通过测试。 九江石化分公司通过采集中国石化旗下所有催化裂化装置历史数据进行 整理， 根据中国石化炼化设备历史报警次数和重要性筛选出关键报警点， 并结合专家经验分 析出设备故障原因， 建立报警预警数据库。 当设备传感器传送的数据与报警预警数据库内预 制的数据趋势相似， 则会发布相应