【中玻網(wǎng)】2015年3月20日，正午，整個(gè)北半球迎來(lái)了難得一見(jiàn)的日全食，這對天文愛(ài)好者來(lái)說(shuō)是一次奇觀(guān)，但對于德國電力網(wǎng)絡(luò )來(lái)說(shuō)卻無(wú)疑為一次危機。這是因為德國目前是大部分國家靠前大光伏之國，其裝機容量約為3776萬(wàn)千瓦，雖然光伏發(fā)電在德國總發(fā)電量占比還不到6%，但其承擔了波峰期將近一半的功率負荷(約2千萬(wàn)千瓦)，其在2014年6月9日(圣靈降臨節)當天甚至一度超過(guò)了50%。這次的日食盡管只有短短數小時(shí)，但太陽(yáng)的這一遮一露，相當于幾十臺核電機組驟然關(guān)停隨后又旋即啟動(dòng)，其對電網(wǎng)的瞬時(shí)沖擊可想而知。上一次日食發(fā)生在1999年，彼時(shí)的德國還沒(méi)有那么多“看天吃飯”的太陽(yáng)能發(fā)電，此次可以說(shuō)是新能源初次遭受“天”的挑戰。

那一天太陽(yáng)沖你眨了眨眼

德國將近四成的光伏發(fā)電還是分布式的，分散在每家每戶(hù)，并不像核電或火電站可以統一控制和調度，而德國的可更新能源法又規定新能源必須高標準接入，即使在突發(fā)事件下強制切斷也是違法的，這無(wú)疑增加了日食事件處理的難度，也給大數據提供了一次顯示身手的機會(huì )。

歐洲非常大氣象公司Meteo Group在數月前就通過(guò)大數據分析對日食發(fā)生的準確時(shí)刻、食分的大小和見(jiàn)食的地區進(jìn)行了較為準確的預報，并預測到發(fā)電量將在20日上午10時(shí)40分暴跌70%，奧登堡大學(xué)的能源氣象研究所(Virtual Institute of Energy Meteorology，vIEM)受電網(wǎng)運營(yíng)商委托也開(kāi)展了相關(guān)大數據分析，其認為在日食開(kāi)始的德國時(shí)間上午9:30左右，光伏發(fā)電出力可能瞬間減少1200萬(wàn)千瓦，而在兩個(gè)半小時(shí)之后的正午太陽(yáng)從月亮后面鉆出來(lái)，屆時(shí)將有1900萬(wàn)千瓦的負荷功率進(jìn)入電網(wǎng)。這些分析都為歐洲電網(wǎng)公司預演和應對此次“黑暗”危機贏(yíng)得了時(shí)間，較終德國電網(wǎng)承受住了此次短時(shí)沖擊。

應用于能源領(lǐng)域的氣候大數據從2004年就已經(jīng)陸續開(kāi)展，這些研究無(wú)疑為德國電網(wǎng)較終度過(guò)日食危機提供了幫助。這些問(wèn)題對于中國也越來(lái)越重要，2014年我國并網(wǎng)風(fēng)電裝機容量9581萬(wàn)千瓦，已經(jīng)是世界靠前;并網(wǎng)太陽(yáng)能發(fā)電裝機容量2652萬(wàn)千瓦，2015年計劃新增建設規模1780萬(wàn)千瓦，很快將超過(guò)德國位列世界靠前。按照目前中國相關(guān)部門(mén)提出的2030年非化石能源比重達到20%左右的目標，未來(lái)每年新增的光伏電站將以千計、風(fēng)機將以萬(wàn)計，裝機規模則以?xún)|千瓦計，對電網(wǎng)的沖擊越來(lái)越不可小視。間歇性、分布式的并網(wǎng)電力管理除納入“互聯(lián)網(wǎng)+”和智能化的功能外，氣候大數據也將發(fā)揮不可忽視的作用。

氣候是一門(mén)很大的生意

事實(shí)上，日食的預報不難，難在預報到細節，而普通天氣預報要做到長(cháng)期和準確同樣不容易，地球的氣候系統異常復雜，一個(gè)微小的擾動(dòng)就有可能改變一時(shí)一地的天氣，而美國的一家Earth Risk公司就想完成這件不可能的任務(wù)，其預報較長(cháng)已經(jīng)可以提前至40天。這家公司的旗艦產(chǎn)品是Temp Risk，是基于加州大學(xué)斯克利普斯海洋研究所(Scripps Institution of Oceanography，SIO)的預測模型開(kāi)發(fā)而來(lái)的。影響長(cháng)時(shí)氣候和短時(shí)天氣的變量數不勝數，而且每時(shí)每刻都在發(fā)生變化，模型是對現實(shí)世界的簡(jiǎn)化，只能做到描述少數主要變量的關(guān)系，而不可能將所有因素都考慮在內，因此往往預測能力較為有限且容易出錯，目前的準確的天氣預報一般僅能提前一周。

而Earth Risk則是采用統計學(xué)意義上的相關(guān)關(guān)系來(lái)預測結果，這種技術(shù)不會(huì )受到上述限制。該模型通過(guò)近百年的氣象歷史數據和千億次計算來(lái)識別氣候模式，然后將這些模式與當前的氣候條件進(jìn)行比較，再運用預測性分析方法計算天氣概率，其預測時(shí)間更長(cháng)、預測準度更高。該模型擁有一個(gè)龐大的氣象觀(guān)測數據庫，來(lái)源主要包括地面觀(guān)測、氣象衛星遙感、天氣雷達等，并可以每日實(shí)時(shí)更新。Temp Risk是這項技術(shù)初次進(jìn)行商業(yè)應用，這對于受大部分國家氣候變化的影響很大的農業(yè)生產(chǎn)、水資源管理、風(fēng)電、光伏等可更新能源行業(yè)來(lái)說(shuō)，預報時(shí)長(cháng)和準度的提高將大大改善相關(guān)部門(mén)和企業(yè)的決策過(guò)程。

目前提供類(lèi)似的天氣預報技術(shù)服務(wù)的知名公司包括Weather Co、Accu Weather、Weather Trends International、Custom Weather等，這些技術(shù)產(chǎn)品幫助過(guò)Merck公司和Walmart增加花粉類(lèi)過(guò)敏藥物Claritin的銷(xiāo)售、改善Sears連鎖在暴風(fēng)雪季節的貨品供應和庫存管理、為眾多智能手機天氣APP提供信息并搭載相應產(chǎn)品銷(xiāo)售，保險公司更是通過(guò)分析較端氣候事件發(fā)生的歷史記錄，更準確地設計災害險種以及避免不必要的或者欺詐索賠。當前電子商務(wù)帶動(dòng)物流業(yè)高速發(fā)展，已經(jīng)有DHL等較多的快遞公司預訂這種天氣預報信息服務(wù)，確保航空航運的順利到達。谷歌還將天氣分析系統加入其自動(dòng)駕駛汽車(chē)的研發(fā)中，根據天氣狀況預先規劃行駛路線(xiàn)。目前氣候大數據已經(jīng)應用到日用品銷(xiāo)售的分析中，其服務(wù)可以幫助客戶(hù)找到某種產(chǎn)品的銷(xiāo)量與幾百種天氣變量之間的關(guān)系。

大數之道求法自然

根據較新發(fā)布的相關(guān)部門(mén)間氣候變化專(zhuān)門(mén)委員會(huì )(IPCC)第五次評估報告，基于多個(gè)數據集的大部分國家平均陸地和海洋表面溫度的計算結果表明，在1880年至2012年期間溫度已經(jīng)升高了0.85[0.65至1.06]攝氏度，過(guò)去三個(gè)十年的地表已連續偏暖于1850年以來(lái)的任何一個(gè)十年，其中1901年至2010年期間大部分國家平均海平面上升了0.19[0.17至0.21]米。隨著(zhù)氣候變化的加劇，減排和適應領(lǐng)域都將大規模的利用大數據。未來(lái)氣候大數據的應用與目前的傳統氣象服務(wù)有所不同，將不僅僅是氣象業(yè)務(wù)、天氣預報、氣候預測等，而是氣象數據的高層度挖掘和增值應用，涉及到氣候敏感脆弱的生產(chǎn)和消費部門(mén)，大數據技術(shù)還能幫助研究人員模擬、分析和預測特定地域的氣候變化影響。

Surging Seas是由非盈利籌備Climate Central開(kāi)發(fā)的這款互動(dòng)式氣候工具，詳細描繪了海平面上升和較端氣候事件給美國大陸沿海三千多個(gè)城鎮造成的威脅，其細節可以與當前的互聯(lián)網(wǎng)地圖工具相媲美，這種數據處理方式在幾年前還是不可能實(shí)現的。器測數據是從上個(gè)世紀以來(lái)才相對比較可靠，一般數據量往往都在PB級以上且非常復雜，比如美國國家航空航天局(NASA)對各大城市的熱成像繪圖，此外還包括冰芯、花粉、樹(shù)木年輪、洋流鹽度、地表植被等觀(guān)測資料。Google Earth Engine正在將大部分國家衛星圖像進(jìn)行匯總，其中還包括40年來(lái)數以萬(wàn)億計的觀(guān)測數據。Science雜志就在該引擎的幫助下，發(fā)布了首張2000至2012年的高分辨率大部分國家森林變化圖，利用了70萬(wàn)張美國陸地資源衛星的圖像，加起來(lái)大約有20萬(wàn)億個(gè)像素點(diǎn)，總共需要超過(guò)100萬(wàn)小時(shí)的計算時(shí)間。2014年聯(lián)合國環(huán)境規劃署(UNEP)、世界資源研究所(WRI)等在此基礎上推出Global Forest Watch，對大部分國家森林進(jìn)行在線(xiàn)監測和預警，該技術(shù)已經(jīng)在亞馬遜流域的減少毀林行動(dòng)中發(fā)揮了實(shí)際作用。Microsoft也在致力于開(kāi)發(fā)這款被稱(chēng)為Madingley Model的地球生命模擬系統。

氣候大數據很大方面的工作在于統計自然資源，是向自然學(xué)習的系統。通過(guò)遙感衛星和地面傳感器，大部分國家的溫度、降水、露點(diǎn)、氣壓、風(fēng)速、光照強度、碳循環(huán)等信息以及許多關(guān)聯(lián)變量都在補充這個(gè)越來(lái)越龐大的數據庫，包括大氣中二氧化碳(CO2)、甲烷(CH4)、氧化亞氮(N2O)、氫材料化物(HFCs)、全氟化碳(PFCs)、六氟化硫(SF6)和三氟化氮(NF3)等溫室氣體的濃度變化，以及與人類(lèi)的化石能源燃燒、工業(yè)生產(chǎn)過(guò)程、農業(yè)活動(dòng)、林業(yè)和土地利用變化、廢棄物處理等行為的相關(guān)性。氣候數據的數據量和多樣性將以指數形式持續增加，對基礎設施、管理和存儲提出了新需求，也為公共和私營(yíng)機構有經(jīng)驗化服務(wù)提供了新機遇。氣候大數據、自然大數據、地球大數據等新的技術(shù)和產(chǎn)品將會(huì )在不遠的將來(lái)逐步走入我們的日常生活，人與自然的關(guān)系將會(huì )隨之發(fā)生更為深刻的改變。