从事企业数据分析及未来预测业务的美国SAS Institute公司近年开始涉足基于大数据分析的预测及规划业务。该公司电力业务部门主管Tim Fairchild日前接受了本站记者采访，介绍了大数据分析在电力业务中的效果以及对日本市场的期待。 在电力业务的哪些部分可运用大数据分析？
各种场合都能利用大数据，大体上来分有四种：（1）Customer Intelligence、（2）Supply Chain Intelligence、（3）Strategic and Operational Planning、（4）Regulatory Compliance四项。
Customer Intelligence是指对用电方做市场细分后，开展适合顾客的促销活动，通过提供细致的服务来防止解约。
Supply Chain Intelligence是指对电力及维修部件的需求做出预测。
Strategic and Operational Planning是指分析设备资产及设备故障，确立最佳设备计划。
Regulatory Compliance是指合约管理及监查。
今年6月贵司宣布将在日本提供名为“智能电表数据分析”的解决方案，该解决方案将会用于上述4项中吗？ 设想用于所有项目，不过，该解决方案在（1）～（3）项中发挥的效果尤其大。导入智能电表后，数据量会增加到原来的1500倍甚至3000倍。各用电方的用电量原来只需每月人工抄表一次，而随着智慧电表的导入，基本可实现每小时2次或4次的实时读取。也就是说，1小时读取4次的话，就是4（次）×24（小时）×30（天）＝3000（次/月）。 对于（1），通过对星期几或某时间段的用电量相似的用电方进行分组，将用电方分成几类，对不同组的用电方提供相应的适当的收费方式。虽然日本尚未放开电力零售限制，但在电力零售完全自由化的欧美，如果不提供极细致的服务，就会被其他的电力公司取代。日本预定2016年使电力零售全面自由化，届时普通家庭便可从任意电力企业购买电力。这样一来，电力企业就必须使自己的服务与客户相配。 与其他行业相比，要求实现更高的预测精度 请介绍一下在（2）、也就是需求预测方面，是如何运用智能电表数据的？
电力业务有“同时同量”原则。也就是说，必须要在存在电力需求当时使发电量满足需求。如果发电量低于需求，频率就会下降，最后导致停电。另外，由于火力、水力、核能等发电方法及发电站设备不同，发电成本也不一样，而且，既有能够立即开始发电的设备，也有不能立即发电的设备。电力业务必须很好地组合这些发电设备来提供电力，需求预测是非常重要的。 其他行业的预测精度允许到80％就可以了，但电力业务不行。虽然还要看规模如何，但有时即便是1％的误差，也会造成一年数亿日元的损失。我们的解决方案在分析时除了利用智能电表的数据之外，还运用气象数据等，可实现低于5％的错误率。 最近风力及太阳能发电等自然能源备受关注，但随着这些能源的使用，发电量本身的预测也变得越来越难了。 的确如此。其中还存在利用家用太阳能发电板发电以及给电动汽车充电等情况，确实比以前复杂多了。例如，在美国某一小城，深夜用电量要比白天多。这是因为有越来越多的人开始在白天驾驶电动汽车出行，而在晚上回家后为车辆充电。虽然这个例子带有局限性，但很能说明问题。 在（3）设备计划方面也将运用智能电表的数据吧？ 我来介绍一个事例。一家名为OKLAHOMA GAS & ELECTRIC的公司导入了每15分钟计测一次用电量的智慧电表。而且，该公司如果不建设新的发电站的话，其发电设备会在数年内出现电力不足的情况。于是，我们瞄准有望在电力消费最多的高峰时令其减少用电量的用电方，为该公司制定了只对为节电作了贡献的部分给予奖励的电费制度，并且还在空调温度的设定以及游泳池水泵的运转等方面实现了远程控制。这样便实现了用电移峰，达到了到2020年以后也不用建设新发电站的程度。 最后请谈一下对日本电力市场的看法。 首先要说的是，日本的供电业务具有非常高的可靠性，停电机率也很低，据说是全球最低。另外，正如前面所说，2016年日本将实现电力零售自由化，预计将会有新企业涉足。而且还存在像东京电力那样计划导入2800万台智慧电表的巨大需求。我们的业务有望伴随这些趋势实现扩大。
采访人：三轮芳久
摘自：NikkeiTechnology
