基于数智融合的能源行业数据要素流通发展建议

作者：王宇航、郑金辉 、史翔、 陈龙

本文引自：王宇航, 郑金辉, 史翔, 等. 基于数智融合的能源行业数据要素流通发展建议[J]. 信息通信技术与政策, 2024, 50(10): 54-62.

伴随科技发展和产业变革，以智能化为核心特征、以数据为关键生产要素、以数字技术为驱动力的新型生产方式成为趋势。人工智能、物联网、大数据等数字化技术与能源行业将逐步实现相互渗透、深度融合，改变能源行业传统的生产、传输、交易、消费和监管等模式，重构能源行业数字化转型新范式。

自2020年至今，国家有关部门发布一系列数据要素相关政策，数据要素政策指导体系逐渐完善。2020年4月，在中共中央、国务院《关于构建更加完善的要素市场化配置体制机制的意见》中数据首次正式被纳入生产要素范围。2022年6月，中共中央、国务院继续发布《关于构建数据基础制度更好发挥数据要素作用的意见》，提出建立数据产权、流通交易、收益分配、安全治理四项基本制度，更好发挥数据要素价值。2023年8月，财政部出台《企业数据资源相关会计处理暂行规定》，明确数据可以作为无形资产或存货列入会计目录，参与企业经营生产。2023年10月，国家数据局正式挂牌成立。2023年12月，《“数据要素×”三年行动计划（2024—2026年）》面向工业制造、现代农业、商贸流通等12个行业培育基于数据要素的新产品和新服务，形成数据产业生态体系，发挥数据要素乘数效应。2024年5月，《关于深化智慧城市发展 推进城市全域数字化转型的指导意见》指出构建数据要素赋能体系，促进数据要素高效流通和使用。

2023年3月，《关于加快推进能源数字化智能化发展的若干意见》为进一步推进能源数字化智能化发展作出了一系列部署，文件中强调了挖掘数据要素的内在潜力，确立了数据的分类和分级保护机制，并强化了对能源数据安全的整体治理。能源行业在数字化转型过程中，数据要素成为关键生产资料，如何通过智能化手段提升数据治理效率，确保数据安全共享和高效流通，是实现能源行业高质量发展的重要课题。

3.1  能源行业大数据特征

能源行业涉及工业生产、公共服务、宏观经济等多个方面，能源行业大数据既是生产、生活状态的反映，同时也是辅助决策的重要依据。能源行业大数据基于多维度考虑，主要具有以下几方面特征。

（1）实时性：能源行业大数据通常需要实时更新，以反映能源生产、传输和消费的即时状态，这对于电网平衡和能源管理至关重要。

（2）准确性：能源行业大数据的准确性直接影响到决策的质量和系统的稳定性，因此数据采集、处理和传输过程中的精度控制非常关键。

（3）泛性：能源行业大数据不仅包括产量、消费量等基本指标，还涵盖了气象、地理、市场动态等多维度信息，这些数据的综合分析可以为能源规划和政策制定提供支持。

（4）安全性：能源行业大数据需根据相关法律法规明确其敏感性和重要性，数据安全治理、数据分类分级保护、数据可信流通等是能源数据管理的重中之重。

（5）价值性：能源行业大数据的发展使得能源信息可以实时交互、实时共享，也不断催生出不同的应用场景，例如新能源需求预测、实时能耗行为分析、能源优化调度等，使得能源数据的应用场景变多、应用价值变大。

3.2  能源行业大数据分类

能源行业大数据因其广泛性特征，其分类方式也非单一标准。从行业属性分类，可分为煤炭、石油、电力、燃气、热力、水资源、新能源等多个能源行业领域数据，既包括在生产、交易、运营和管理环节中生成的能源生产、能源效率、能源贸易、能源消费、能源投资等数据，也包括与能源行业紧密相关的宏观经济、生态环境和气象等数据^[2]，本文以此分类方式为基础进行研究。从业务属性分类，可分为基础数据、运行数据、管理数据、指标数据等。从数据类型分类，可分为结构化数据、半结构化数据、非结构化数据。从数据采集方式分类，可分为库表数据、物联网设备采集数据、人工录入数据、网络爬虫数据、外部接口数据等。从数据权属分类，可分为个人数据、企业数据、公共数据。从可开放程度分类，可分为公开数据、限制开放数据和涉密数据。准确的分类不仅有助于对能源行业大数据进行深入的多维特征分析，而且在能源数据资产评估过程中，能够明确评估的对象和方法，从而提高评估的准确性和有效性。

3.3  能源行业数据价值转化路径

能源行业数据要素的形成需经历数据资源化、数据资产化、数据资本化3个不同价值释放阶段。数据资源化是指将煤炭、电力、燃气、热力等行业采集的原始数据从散乱无序、未经整理的状态，通过系统的开发过程，转化为有序、具有实用价值的数据资源。这一过程涵盖了数据的采集、治理、分析等多个环节，旨在形成可用可信、符合标准的高质量数据资源集 合。在数据资源化的阶段，数据资产尚未完全展现其在特定应用场景中的价值。数据资产化是指在特定的应用场景和商业目标指导下，对数据资源执行一系列精细化加工和管理活动，以创造可供能源企业内部部门使用或在市场上交易的数据产品。在数据资产化的过程中，数据资产被赋予了特定的场景应用能力，预计将为能源企业带来经济收益，并构建起其在数据交易中的交换价值。此阶段的数据资产已经超越了单纯的资源集 合，它们被转化为可直接产生经济效益的产品和服务。数据资本化是指在数据资产化阶段成熟后，数据资产进一步融入金融市场，被赋予金融产品的特征。这一过程主要通过两种途径实现：数据资产信贷融资和数据资产证券化。数据资本化不仅为数据资产价值的扩展提供了新的渠道，而且其核心在于促进数据要素在整个社会范围内的有效配置。从资源、资产到资本，是数据要素化过程“质的飞跃”，实现数据资本化关乎数据价值的全面升级，是实现数据要素市场化配置的关键所在（见图1）。

图1   数据要素化过程

4.1  “数据孤岛”现象及数据标准化难题

“数据孤岛”问题在能源行业主要表现为不同层级、地域、系统、部门和业务之间的数据难以实现整合与共享。这一问题在能源行业信息化建设中尤为突出，由于缺乏统一的数据标准和完善的数据管理体系，导致存在大量格式各异、难以兼容的海量数据，这严重妨碍了数据的分析与应用。能源行业数据不仅包括行业内不同细分领域，还扩展到环境、交通和产业链等外部领域。众多的参与主体和不一致的数据模型及标准，进一步加剧了数据共享的难度。同时，由于能源数据包含个人、企业和公共数据等多种形式，而行业内部缺乏一套完善的数据分类分级标准，使得数据整合工作变得复杂，数据的利用效率不高。这些因素共同导致了能源数据的开放共享和有效利用受阻，限制了数据在促进能源领域高质量发展中的作用，技术转化和市场应用的能力未能得到充分发挥。

4.2  数据治理框架和技术支撑不足

在组织层面，各能源行业企业整体缺乏有效的数据治理框架，数据治理组织架构不健全，缺少专门的数据治理组织或团队，导致数据管理混乱，数据治理职责分散，缺乏统一协调。在技术层面，缺乏统一的数据集成平台和先进的数据管理和分析工具，难以应对大规模、高复杂性的数据融合和治理需求，导致数据价值挖掘不充分，数据的潜在价值没有得到充分利用，大数据及人工智能驱动的决策和创新能力有待提高。由于部分能源数据对安全性和保密性的要求很高，能源数据的安全治理和可信流通是重中之重，目前能源行业对于数据安全与隐私保护措施存在不足，对于区块链、隐私计算等安全技术的应用仍不成熟，处于探索阶段。

4.3  数据共享意愿不强

能源行业数据共享意愿不强，这一现象由多种因素造成。首先，数据安全和隐私保护的顾虑是主要障碍之一，企业担心共享后的数据可能会遭受未经授权的访问和滥用。其次，数据权属不明确，缺乏合理的利益分配和激励机制，使得企业在数据共享中难以获得相应的回报，降低了其参与共享的积极性。再者，技术支撑不足也是一个重要原因，不同系统和平台之间的数据整合存在难度，缺乏高效的数据交换和共享技术解决方案。行业内部对数据治理和应用的认识仍不足，缺少数据驱动文化，导致企业和组织对数据共享的潜在价值认识不足。

4.4  数据安全问题

数据安全问题是能源行业数字化转型过程中的一大挑战。随着能源系统智能化、自动化水平的提升，大量敏感数据的收集、存储和处理成为常态，数据泄露、非法访问和滥用风险随之增加。能源数据不仅关系到企业运营安全，更涉及到国家安全和公共利益。当前，能源行业在数据安全方面面临多重困境：安全防护措施不足，数据加密和访问控制不够完善；安全意识薄弱，缺乏系统的安全培训和文化建设；法规标准滞后，数据保护 法规和标准难以适应快速发展的数字化需求；技术更新迅速，新兴的信息技术带来的安全风险评估和管理尚未跟上。

7.1  南方电网数据资产管理体系构建与应用实践案例

南方电网公司在数据要素应用方面进行了积极的探索和实践构建了能源行业首个基于“定责、确权、享利”和“拓量、优本、创利”的数据资产管理体系。该体系覆盖数据资产全生命周期管理各环节，为数据资产管理工作和数据资产价值发挥提供了系统化、规范化指导。该体系的核心由数据治理、数据运营、数据流通三大模块构成，其中数据治理作为基础，支撑数据运营和服务能力建设；数据运营则依托数据治理，推动数据应用与服务；数据流通则保障数据的健康有序交易。南方电网通过这一体系，明确了相关主体的责任、权利与义务，并建立了利益分配机制，推动了数据要素的市场化配置。在数据治理方面，南方电网实施了元数据专业责任制，通过全方位的元数据监控和管理，确保了数据的规范性和一致性。同时，公司制定了大数据技术标准体系框架，指导数据管理的标准化开展，并构建了企业级统一电网数据模型和数据仓库模型，形成统一数据视图。数据运营上，南方电网建立了需求响应流程和平台，实现了数据需求全过程在线化管理，并构建了企业级数据资产目录，促进了数据资产的共享流通。此外，公司还打造了数据服务统一管理体系和全链路监控的数据统一运维机制，提升了数据服务和运维管理能力。数据流通方面，南方电网通过梳理合规风险、修订《数据认责管理细则》、建立权属管理和凭证管理制度机制等措施，保障了数据资产的合法合规管理。公司还优化了数据价值评估模型，创新了收益分配模式，并围绕数据量和范围两个维度，汇聚产业数据资源，构建了数据产品体系。南方电网的数据资产管理体系建设实践，为能源行业乃至其他行业的数字化转型和数据资产管理提供了宝贵经验和借鉴，对于推动数据要素市场化配置、发展数字经济具有重要意义。

7.2  国网新疆电力有限公司案例

能源行业是支撑各行各业发展的基础，而新能源的发展对于减少对传统能源的依赖和降低碳排放至关重要。然而，风电和光伏等新能源因其自然条件的不确定性，存在发电量波动性问题，这对电网稳定性和电力供应的连续性构成挑战。国网新疆电力有限公司通过先进的数据管理和分析技术，有效应对了这些挑战。首先实现了新能源数据的汇聚融合，整合了新能源项目审批、运行和气象等多源数据，建立了包含260项指标的庞大数据集，覆盖807家新能源场站的运行数据。其次，通过构建新能源功率预测和消纳能力分析模型，利用机器学习等技术，提高了新能源发电的预测精度，风电提高了4.3%，光伏提高了2.2%，显著减少了弃风弃电现象，增加了31.9亿千瓦时的新能源上网电量。此外，国网新疆电力有限公司还提供了新能源数据的共享定制服务，通过能源数据统一门户为新能源企业和政府部门提供实时、动态的数据服务和分析报告，支持新能源场站的规划、监测、分析和风险管理。这些服务不仅提升了新能源的应用效率，还通过大数据智能化管控，优化了并网流程，提高了并网效率30%，节约了项目建设和运营成本，加速了新能源项目在新疆的发展。总体而言，国网新疆电力有限公司的案例展示了数据要素在新能源发展中的放大效应，为实现“双碳”目标和保障能源安全提供了有力支撑，也为其他地区和行业提供了可借鉴的经验。