摘要：在12月7日召开的云栖大会苏州峰会上，袋鼠云大数据架构师申杭带来了“数据智能助力光伏产业优化升级”的主题分享。介绍了在大数据下光伏发电的意义，实现过程中遇到的困难与改进的措施，和所取得的成果。
以下为精彩视频内容整理：
项目背景与意义
电力与人的生活是息息相关的，光伏发电的原理是利用太阳能电池吸收太阳光，把太阳光转化成电能的过程。但转化成的是直流电，在太阳能电板的后面加入一个逆变器，逆变器是把光能转化成直流电后再转化成交流电。
从电力的类型来看可以分为两类，第一类是集中式电站，它需要一大块地方，购买很多电力的设备安装完后，通过集中采集光的光源，再转化成电能供应给企业、家庭去使用。第二类是分布式发电，每家自己去购买一些小型的装置，通过装置把光能转化成电能。
集中式发电占主流，但它在启动建设的过程中会涉及一些问题，如地点的审批、大量的资金去进行采购安装、整个项目的投入时间和和精力都会比较长。而分布式发电站的成本比较低，实施简单。
光伏发电这一项目的研究也具有重要的意义，从下面几点进行阐述：
在稳定性上，每个家庭可以自己发电，我们通过这个项目可以预测发电量的多少，可以把未来剩余的电量输出给国家电网，国家电网可以做一个整体的电的调度。家庭用不完的电通过售卖出去之后，就不会被浪费，都会发挥出很大的应用价值。
在增效方面，在电力供应紧缺的时候，如果能把光伏发电作为电力的另外一种补充，能尽量减少由电力短缺造成的对企业的电力供应的问题，企业的效益就会得到提升减少损失。另外在国家电网或者售电公司的基础之上，对电力做到合理的调度，提升了管理效率。
在节能方面，光伏发电可以和智能家居做一些结合，比如在电量供应比较足的时候，可以控制智能家居的冰箱能耗往上提一点，电量短缺的时候降一点，保持整体上的平衡。
项目过程
整个项目的实现过程可以分成三大块，首先是数据源，做光伏发电比较大的影响因素是天气、和设备功率的情况。我们取了逆变器的数据、气象环境的数据，把这些数据源集中到一个平台上，需要一个数据集成的工具把它们整合到大的数据平台上，再在大的数据平台上使用机器学习的算法去做一些模型的训练预测。我们用到机器学习的平台或者算法，只需要把对应的输入数据给它，拿到对应的输出，输入数据有一定的格式要求，所以输入数据需要一个转换的过程，这一转换是使用阿里云的大数据平台，把它做各种数据的预处理，预处理完后再提供给PAI机器学习平台去调用，调用后得到一个结果，把数据输出到一个数据库中。利用这个数据最后就可以做一些电力的调度、预测、故障的检测，以上是整个项目的一个流程。
对准确率的分析
我们也对模型的预测准确率做了一个分析，当RMC<2.5认为是合格的，所以最终按数据分布来看绝大部分预测值都是合格的，最终算出的准确率是82.3％，这个数据已经超出国家标准也超越客户的预期。
项目难点及改进措施
当然在这个项目中我们也遇到了一些困难，我们也想未来怎么去做一些改进。对于数据量少带来维数不够健全，就会导致某一方面因素会对结果影响比较大，使结果预测不准确。所以未来我们也想怎么去优化这件事情，比如说逆变器的电压电流功率数据，我们可以把一些别的因素也加进去。另外从天气上可以加入太阳光的强度等因素，维度多了之后可能每个因素对最终的结果影响就会较小一点，这时通过综合因素，预测的效果可能会更好一些。我们也希望通过改进后准确率提升到90％以上。
项目中部分组件介绍
整个项目是用阿里云数加平台来完成的，共用了阿里云的四个组件，对每个组件的功能进行了下面的介绍。
MaxCompute：这是一个大数据离线计算的平台，用于做数据的处理。
Data IDE：实际是一个开发套件，通过外部的方式进行各种各样的操作
PAI：是机器学习的一个算法平台，它是完全基于可视化的。
Quick BI：是发表工具，可以把结果可视化的显现出来。
在项目开始前，我们也对两款大数据平台数加和hadoop进行了对比，其结果如下：
数加：直接使用SQL进行开发，使用门槛低；一站式开放平台，系统稳定性高；支持界面化操作拖拽既可；支持数据管理和运维管理，维护成本低；应用开发周期段。
Hadoop：需要写java代码进行开发，门槛高；需要使用多个组件，系统稳定性低；不支持界面化操作；不支持数据管理和运维管理，维护成本高；应用开发周期长。
项目成果
整个项目取得了如下成果，在电力调度上，对于分布式家庭电站，国家提倡“自给自用，余电上网”，电量预测功能可以方便国家调度电力资源；在故障排查这方面，如果发电功率的预测值比真实发电功率值相差较大，也就是监测出异常波动，这时就需要提前进行故障的排查；可以提供增值服务，分布式电站的核心是要得到用户的认可，发电功率预测可以作为一种增值服务去吸引客户资源；具有行业复制性，在电力市场化的大背景下由于发电计划的放开，以对发电量进行宏观把控的功率预测形式是大势所趋，并且具有极强的行业复制性。