【中玻網】2015年3月20日，正午，整個北半球迎來了難得一見的日全食，這對天文愛好者來說是一次奇觀，但對于德國電力網絡來說卻無疑為一次危機。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2千萬千瓦)，其在2014年6月9日(圣靈降臨節(jié))當天甚至一度超過了50%。這次的日食盡管只有短短數小時，但太陽的這一遮一露，相當于幾十臺核電機組驟然關停隨后又旋即啟動，其對電網的瞬時沖擊可想而知。上一次日食發(fā)生在1999年，彼時的德國還沒有那么多“看天吃飯”的太陽能發(fā)電，此次可以說是新能源初次遭受“天”的挑戰(zhàn)。

那一天太陽沖你眨了眨眼

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，并不像核電或火電站可以統(tǒng)一控制和調度，而德國的可更新能源法又規(guī)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。

歐洲非常大氣象公司Meteo Group在數月前就通過大數據分析對日食發(fā)生的準確時刻、食分的大小和見食的地區(qū)進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40分暴跌70%，奧登堡大學的能源氣象研究所(Virtual Institute of Energy Meteorology，vIEM)受電網運營商委托也開展了相關大數據分析，其認為在日食開始的德國時間上午9:30左右，光伏發(fā)電出力可能瞬間減少1200萬千瓦，而在兩個半小時之后的正午太陽從月亮后面鉆出來，屆時將有1900萬千瓦的負荷功率進入電網。這些分析都為歐洲電網公司預演和應對此次“黑暗”危機贏得了時間，較終德國電網承受住了此次短時沖擊。

應用于能源領域的氣候大數據從2004年就已經陸續(xù)開展，這些研究無疑為德國電網較終度過日食危機提供了幫助。這些問題對于中國也越來越重要，2014年我國并網風電裝機容量9581萬千瓦，已經是世界靠前;并網太陽能發(fā)電裝機容量2652萬千瓦，2015年計劃新增建設規(guī)模1780萬千瓦，很快將超過德國位列世界靠前。按照目前中國相關部門提出的2030年非化石能源比重達到20%左右的目標，未來每年新增的光伏電站將以千計、風機將以萬計，裝機規(guī)模則以億千瓦計，對電網的沖擊越來越不可小視。間歇性、分布式的并網電力管理除納入“互聯網+”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。

氣候是一門很大的生意

事實上，日食的預報不難，難在預報到細節(jié)，而普通天氣預報要做到長期和準確同樣不容易，地球的氣候系統(tǒng)異常復雜，一個微小的擾動就有可能改變一時一地的天氣，而美國的一家Earth Risk公司就想完成這件不可能的任務，其預報較長已經可以提前至40天。這家公司的旗艦產品是Temp Risk，是基于加州大學斯克利普斯海洋研究所(Scripps Institution of Oceanography，SIO)的預測模型開發(fā)而來的。影響長時氣候和短時天氣的變量數不勝數，而且每時每刻都在發(fā)生變化，模型是對現實世界的簡化，只能做到描述少數主要變量的關系，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(tǒng)計學意義上的相關關系來預測結果，這種技術不會受到上述限制。該模型通過近百年的氣象歷史數據和千億次計算來識別氣候模式，然后將這些模式與當前的氣候條件進行比較，再運用預測性分析方法計算天氣概率，其預測時間更長、預測準度更高。該模型擁有一個龐大的氣象觀測數據庫，來源主要包括地面觀測、氣象衛(wèi)星遙感、天氣雷達等，并可以每日實時更新。Temp Risk是這項技術初次進行商業(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、水資源管理、風電、光伏等可更新能源行業(yè)來說，預報時長和準度的提高將大大改善相關部門和企業(yè)的決策過程。

目前提供類似的天氣預報技術服務的知名公司包括Weather Co、Accu Weather、Weather Trends International、Custom Weather等，這些技術產品幫助過Merck公司和Walmart增加花粉類過敏藥物Claritin的銷售、改善Sears連鎖在暴風雪季節(jié)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品銷售，保險公司更是通過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。當前電子商務帶動物流業(yè)高速發(fā)展，已經有DHL等較多的快遞公司預訂這種天氣預報信息服務，確保航空航運的順利到達。谷歌還將天氣分析系統(tǒng)加入其自動駕駛汽車的研發(fā)中，根據天氣狀況預先規(guī)劃行駛路線。目前氣候大數據已經應用到日用品銷售的分析中，其服務可以幫助客戶找到某種產品的銷量與幾百種天氣變量之間的關系。

大數之道求法自然

根據較新發(fā)布的相關部門間氣候變化專門委員會(IPCC)第五次評估報告，基于多個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年期間溫度已經升高了0.85[0.65至1.06]攝氏度，過去三個十年的地表已連續(xù)偏暖于1850年以來的任何一個十年，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。隨著氣候變化的加劇，減排和適應領域都將大規(guī)模的利用大數據。未來氣候大數據的應用與目前的傳統(tǒng)氣象服務有所不同，將不僅僅是氣象業(yè)務、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和消費部門，大數據技術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開發(fā)的這款互動式氣候工具，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城鎮(zhèn)造成的威脅，其細節(jié)可以與當前的互聯網地圖工具相媲美，這種數據處理方式在幾年前還是不可能實現的。器測數據是從上個世紀以來才相對比較可靠，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、樹木年輪、洋流鹽度、地表植被等觀測資料。Google Earth Engine正在將大部分國家衛(wèi)星圖像進行匯總，其中還包括40年來數以萬億計的觀測數據。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70萬張美國陸地資源衛(wèi)星的圖像，加起來大約有20萬億個像素點，總共需要超過100萬小時的計算時間。2014年聯合國環(huán)境規(guī)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行在線監(jiān)測和預警，該技術已經在亞馬遜流域的減少毀林行動中發(fā)揮了實際作用。Microsoft也在致力于開發(fā)這款被稱為Madingley Model的地球生命模擬系統(tǒng)。

氣候大數據很大方面的工作在于統(tǒng)計自然資源，是向自然學習的系統(tǒng)。通過遙感衛(wèi)星和地面?zhèn)鞲衅�，大部分國家的溫度、降水、露點、氣壓、風速、光照強度、碳循環(huán)等信息以及許多關聯變量都在補充這個越來越龐大的數據庫，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，以及與人類的化石能源燃燒、工業(yè)生產過程、農業(yè)活動、林業(yè)和土地利用變化、廢棄物處理等行為的相關性。氣候數據的數據量和多樣性將以指數形式持續(xù)增加，對基礎設施、管理和存儲提出了新需求，也為公共和私營機構有經驗化服務提供了新機遇。氣候大數據、自然大數據、地球大數據等新的技術和產品將會在不遠的將來逐步走入我們的日常生活，人與自然的關系將會隨之發(fā)生更為深刻的改變。