综合来看，目前基于大数据的业务模式主要包括这几个方面，通过实时数据的采集来监测设备的运行、对采集的数据进行挖掘利用。
　　具体而言，在实时数据方面，则包括鼓励能源企业运用大数据技术对设备状态、电能负载等数据进行分析挖掘与预测，开展精准调度、故障判断和预测性维护，提高能源利用效率和安全稳定运行水平。
　　在数据的挖掘利用方面，主要包括对能源设备的实时监测数据进行挖掘和分析后，除了用于第一点所提到的故障判断外，还可以与金融机构等合作，将其作为资产评估、风险控制等的依据和标准，以及用于对于制造业相应环节的反馈。比如互联网+行动指导意见中提到的鼓励制造企业利用物联网、云计算、大数据等技术，整合产品全生命周期数据，形成面向生产组织全过程的决策服务信息，为产品优化升级提供数据支撑。
　　此外，在面向制造业的服务业方面，则鼓励企业基于互联网开展故障预警、远程维护、质量诊断、远程过程优化等在线增值服务，拓展产品价值空间，实现从制造向“制造＋服务”的转型升级。
　　根据此前发布的《能效信贷指引》，无论是在贷前的尽职调查、节能技术和效益评估、质押登记，还是贷后的信贷质量监控和风险预警等方面，都离不开大数据的应用。而就综合信息来看，出于防范信贷风险的考虑，银行是最舍得为大数据产品“掏腰包”的金融机构之一。
　　
　　不容忽视的硬件因素
　　或许是看中了能源大数据这一无可比拟的重要性，与之相关的概念正在遍地开花。
　　资料显示，包括许多上市公司，甚至是此前与能源行业、IT行业均没有任何关联的企业，也将能源互联网、大数据等作为转型的方向之一。
　　对此，有市场分析人士表示，能源领域的大数据能够走多远，除了受现行环境、业务模式等制约外，传感器等硬件设备方面的不足也不容忽视。毕竟，对于能源领域而言，其大数据更多是基于实时采集的动态数据，而非简单的基于互联网的静态数据，相应硬件的技术水平能否跟得上至关重要。
　　更进一步来看，就数据采集以及传输的复杂性而言，新能源电站的实现难度要高于传统的火电电站。
　　以一座规模达到50MW的火电电站来看，数据采集周期为10S，整个系统近2万个数据点，每天要产生约8G的数据量。
　　“整个系统包括硬件和软件两部分。硬件部分包括智能环境监测站、高性能现场计算机、无线通讯设备等。作为工业级硬件产品，对其关键的指标均有严格的要求，包括超宽温环境（满足宽温状态-40——80℃）、高精度（关键监测设备偏差<0.1%）、 集成化（与主要数据链高度集成，实时链接）等。可以说，作为一个涉及众多数据接入点的产品，无论从硬件方面，还是软件方面，都有很高的门槛。”上述市场分析人士表示。

作者：张广明 来源：《太阳能发电》杂志 责任编辑：wutongyufg