大數據技術的出現，讓研究人員可以分析以前未知的能源消耗特征，讓能源可持續發展變得越來越可能。
隨著數據傳輸與處理、數據挖掘、機器學習等分析工具的發展，大數據成為今年最突出的領域和最熱門的話題。如何有針對性地投放廣告，如何在大量的信息交互中挖掘出恐怖分子的計劃，如何提供個性化的搜索服務，這些都被大數據時代令人驚嘆的新技術解決了。
能源消費作為人類社會正常運轉的支撐，不僅為人類創造了歷史上最繁榮的時代，也帶來了百年來的重汙染問題，是全球氣候變化的最重要原因之壹。大數據技術的出現為解決這壹問題提供了另壹種思路和技術手段。
大數據技術的出現，讓人類更容易構建可持續的能源消費框架。需要指出的是，大數據技術的出現讓研究人員可以分析以前未知的能源消耗特征。但是，如何利用全新的信息來設計相應的管理工具，還需要其他研究的支持。
筆者將從電力消費和智能交通兩個方面介紹利用大數據技術發現能源消費新信息的前沿技術。並探索如何結合其他學科工具開發新的可持續能源消耗管理技術。需要指出的是，許多相關問題的研究前沿仍然充滿爭議，沒有定論。
長期以來，電力系統能效管理的重點是如何提高發電企業和工業企業的效率，而對居民用電能效管理技術的探討和實踐很少。這很大程度上是由於居民用電的高度分散性，導致對居民用電行為的監管成本很高。在缺乏居民用電行為信息的情況下，除了推進階梯電價、分時電價等整體調控政策外，很難針對居民不同的用電行為設計管理措施。然而，隨著大數據技術的成熟，這種情況發生了革命性的變化。
在大數據技術還不成熟的時候，人們對用電行為的認識非常淺薄。我們只能從整體消費曲線來猜測個體的消費行為。研究發現，在不同國家、不同時期，整體用電量呈現雙峰曲線特征:早上有兩個高峰，晚上有兩個低谷。
所以長期以來，研究者假設大量的消費行為具有兩高壹低的特點:早晨，大多數家庭起床後打開電燈等電器，在家洗手，準備早餐，形成第壹個用電高峰；晚上回家後，準備晚飯，用電器處理其他家務，形成第二個用電高峰。這似乎是壹個非常合理的用電行為模式假設。然而，通過大數據技術呈現給研究人員的卻不是這樣的畫面。
由於大數據傳輸和存儲技術的進步，居民家中安裝智能電表的成本大幅下降。這項技術已經安裝在美國加州的壹些地方，為研究人員提供了壹個巨大的數據庫。通過對這些數據的數據挖掘，研究人員驚訝地發現，人們用電的行為大相徑庭。雖然個體的用電行為仍然可以聚類成幾種類型，但絕不是之前研究者所懷疑的“雙峰用電曲線”的模式。
事實上，具有雙峰曲線特征的個體用電量只占10%左右；而其他種類的消費行為則非常奇怪，很多用戶的行為甚至非常隨意。但有趣的是，這些具有不同特征的用電行為聚合在壹起，形成了廣泛存在於各種電力市場的雙峰用電曲線。
梳理不同消費者的消費模式，讓我們看到了通過價格杠桿和機制設計進行消費端管理的可能性。毫無疑問，不同的消費模式由於其不確定性和消費發生時發電資源的稀缺性，會導致不同的發電成本。
比如，即使消耗相同的電量，壹個非常有規律，用電峰谷差很小的消費者，比壹個用電行為隨機性大，用電量波動大的消費者，造成的發電成本負擔要小。然而，目前的零售機制並沒有根據不同的消費模式來區分不同的價格。這就造成不同發電成本負擔的消費者支付的價格是壹樣的。這無疑會造成極大的低效率，更加不公平。因此，無論哪種消費側管理，如果不能有效區分不同消費模式的消費者，節能效果可能是有限的。因此，我們需要設計壹系列機制，通過市場機制鼓勵高效節能的用電模式，抑制造成浪費的消費模式。
根據大數據技術獲得的信息，關於上述機制設計的討論已經展開了很多。我在參加IEEE電力系統2013年會的時候，看到了很多相關的研究。這包括基於經濟學的軟技術開發，如壹攬子電價合同設計；還包括基於運籌學的相關硬技術的研究，結合了物聯網和最優控制技術。中國應及時開展和推進相關研究和試點項目。
大數據技術的進步也可以支持有效降低交通能耗的技術研發。在交通能耗問題上，最讓研究人員困擾的是擁堵和找停車位造成的低效能源浪費。這些低效率大多是由於人們缺乏信息造成的。也正是因為信息的匱乏，使得智能交通調度等由來已久的管理方式難以實現。
然而，隨著智能手機的普及，許多司機使用手機裝載的定位系統來確定行駛路線。與傳統的定位系統不同，智能手機定位的信息被傳輸並存儲在壹個大型數據庫中。這些海量的數據不僅可以像傳統的交通信息壹樣讓人們了解某壹時刻某壹條道路上的車流量，還可以清晰的標明這條道路上的每壹輛車從哪裏來，往哪裏去，記錄每壹輛車的停放情況。同時，現有技術還可以支持信息反饋，即向車輛駕駛員和乘客發布擁堵預警、擁堵狀況、停車場分布和占用等信息。
這些信息的交互對於以通勤為主的城市交通來說極其重要。在沒有這些信息的情況下，人們根據過去的經驗進行選擇，這使得人們面臨著極大的隨機性風險。有了這些信息，人們可以獲得更準確的信息，優化自己的出行選擇。因為人們誤判了交通流量的程度，或者走很長的路，或者不得不忍受擁堵，這些都會造成大量的能源浪費。通過機器學習等技術，可以根據歷史出行信息預測每個出行者的出行路徑；這使得擁堵概率、擁堵發生的時間段等信息提前傳遞給出行者。結合廣泛應用的路徑優化技術，可以實現交通流的智能或半調度的夢想。就管理軟技術而言，由於這些信息的可獲得性和真實性大大提高，還可以針對不同時間段、不同路段設置和收取不同的擁堵費等管理方式。
特別是當前研究的前沿已經推進到結合大數據和自動駕駛車輛的綜合交通調度問題。更重要的是，這些信息有助於了解壹個城市在當前規劃格局下，哪些熱點是造成擁堵問題的主要原因，停車場布局是否合理，如何為不同人群提供個性化的信息服務等壹系列問題。這使得綠色城市規劃不僅依靠理念，更要植根於經驗數據。
擺脫了海量數據難以獲取和獲取後難以處理的雙重困境，人類對自身能源消耗的細節有了更好的了解。正是在這些細節中，隱藏著大量低效的能源浪費。大數據的應用是從細節開始的努力，可以成就壹個綠色可持續的未來的宏大敘事。