北京师范大学研发的“中国工业能源环境大数据V1.0”平台近日正式发布，标志着这一平台进入全面推广应用阶段。

平台主要负责人、北京师范大学教授陈彬介绍，由于工业能源和环境数据大爆炸式增长，传统关系型数据库在海量数据分析方面面临巨大的挑战。大数据是一种以海量、高速和多样性为特征的新技术，为基于数据的多级能源管理体系的建设提供了新视角。

根据国家发改委、国家能源局、工信部三部委联合发布的《关于推进“互联网+”智慧能源发展的指导意见》，大数据应用的具体模式包括能源企业对设备的运行管理进行精准调度、故障诊断和状态检修、数据挖掘后所衍生的各种增值服务等。

陈彬指出：“现有工业能源管理能力有限，没有专门的执行机构对现有行业数据与排放数据进行汇总分析，而政府机构更强调能源产出而不是能源的有效使用，缺乏相关的研究机构对其进行研究，同时，工业能源使用数据及污染物排放数据呈爆发式的增长，传统的关系数据库在处理和分析这些海量数据时出现性能和可扩展性的瓶颈。”

据了解，目前，这一平台收集了40余个行业1万余家上市企业的历年数据信息，可以对平台资源域的资源池进行统一调度和管理。根据工业能源环境大数据提供的数据，企业能够更加清楚地了解市场运行动态，以及其他企业的能效技术和水平，进一步推动工业企业节能改革;而且，企业能够根据其上下游企业的能源数据，合理调整能源供应结构，提高能源使用效率。

不过，美国能源基金会工业节能部主任何平指出，工业能源领域的大数据能够走多远，还受现行环境、业务模式以及传感器等软硬件技术的制约。

“工业能源大数据的应用是个不断迭代精化，循环上升的过程。开始是静态数据(能源消费、设备维护数据)加少量动态数据(运行数据、状态数据)就能挖掘出一些应用价值，支持计划性维护或者初级的预测性维护。随着维护水平的提升，需要更多的数据支撑，这时可能需要部署更多的传感器，按照更高的采样精度进行采集传输，形成新的分析模型，进一步提升运维效率。”何平表示。

“最重要的还是要打破制度壁垒。” 陈彬进一步分析道，“目前的环境数据都有职能属性，数据由每个业务部门根据自身业务需求产生，而大数据则要求打破职能部门的界限，统筹各部门职能需求，站在更高更全的视角梳理数据需求，明晰数据采集内容和责任，统一产生数据，这样最终产生的环境数据才是大数据，才能形成新价值，解决新的环境管理问题。而这将是一个漫长的过程。”