節能環保之大數據應用案例（桑德環衛云、阿里云蔚藍地圖、Vestas 風電大數據）
文章從桑德環衛云、阿里云蔚藍地圖、Vestas 風電大數據3個大數據應用案例中，以應用背景、數據源、圖說場景、實現途徑、應用效果5個視角去看待大數據在節能環保中的應用狀況。
案例一： “ 桑德” 環衛云，點亮智慧城市生活
應用背景：
綠水青山就是金山銀山。兒時的綠水青山在許多地方已成為昨天，如何重新擁有，清潔環境首當其沖。而大數據、物聯網、云計算等新一代技術的到來，無疑為環境清潔插上了一雙隱形的翅膀，為解決環境問題提供了一劑良藥。
桑德環境率先將自身環衛業務與互聯網、大數據緊密結合在一起，于 2015 年 9 月 11 日發布“ 環衛云平臺” ，該平臺以傳統環衛服務為依托，利用互聯網以及云計算等相關科技手段，構建以互聯網環衛運營為核心的產業鏈，形成基層環衛運營、城市生活垃圾分類、再生資源回收、城鄉最后一公里物流、依托環衛運營廣告、環境大數據服務及其互聯網增值服務融為一體的互聯網環衛產業群。該環衛云平臺的應用亦為智慧城市的建設添磚加瓦，開辟道路。
數據源:
環衛工人聯網數據：環衛工人基本信息、環衛工人分布數據、環衛工人工作數據等。
環衛桶、環衛亭等環衛設施聯網形成物聯網數據：環衛桶、環衛亭等環衛設施分布數據;環衛桶、環衛亭等環衛設施使用情況數據等。
環衛車聯網數據： GPS 信息、道路信息、運輸信息等。
圖說場景：
實現路徑：
桑德環衛云由采集層、網絡層、支撐層、應用層組成，在獲取各種基礎環衛數據的基礎上通過支撐層進行大數據分析、安全管理、內容管理，最終在應用層進行環衛運營管理、再生資源回收、快遞物流、廣告業務等服務。
應用效果：
人員、車輛合理調配。通過環衛云平臺對環衛工人、巡查人員、車輛的作業線路和作業時間進行合理規劃，以此來實時監管、調配環衛人員和車輛。
回收訂單科學管理。環衛云回收業務可實現對回收訂單和區域的規劃，對回收訂單以及庫存的管理提供成本分析、盈利預測、智能決策等功能。
環衛廣告精準投放。環衛云廣告業務管理平臺能夠實現對環衛車輛、公廁、環衛工人服裝、垃圾亭、環衛垃圾桶廣告的管理、投放和分析統計，能夠很好地為眾多商家、公司共同拓展利潤空間。
物流網絡便利化。環衛云最大的優勢是基于環衛工作的智能化、互聯網化、機械化，環衛人員還可以完成快遞的上門收取工作，形成覆蓋城鄉“ 最后一公里” 的物流網絡。
環衛系統數據共享。環衛云利用大數據、物聯網等相關技術，可連接環衛工作所涉及的各類環衛設備、環衛作業人員、數字城管系統等，實現對環衛設備、環衛管理人員全過程的實時監管以及數據共享，形成一個信息互聯互通的物聯網絡。
案例二：阿里云“ 蔚藍地圖”APP，環境治理風向標
應用背景：
“ 霧霾之上，穹頂之下，我們同呼吸，共命運” ——央視辭職記者關于霧霾的深度調查《穹頂之下》在各大視頻網站播出后，讓全國網友很是震撼，也讓實時監測霧霾的 APP“ 污染地圖” 徹底火了一把。“ 污染地圖” 是阿里云于 2014 年 6 月推出的環境監測產品，可實時監測 190 個城市以及 3000 家企業的污染數據， 2015 年升級后更名為“ 蔚藍地圖” ，新增了空氣質量預報、霾預警，以及水質、水污染源實時監控數據等功能，旨在讓公眾參與環境治理，還世界一片碧海藍天。
數據源：
空氣質量數據： 主要指廢氣排放數據，包括污染物濃度、標準限值、超標倍數、排氣量等。(其中廢棄主要包括二氧化硫、氫氧化物、碳氧化物等)。
水資源數據：水資源分布信息、水源質量檢測數據等。
地理數據：城市信息、企業分布數據等。
圖說場景：
實現路徑：
“ 蔚藍地圖”APP 在調用地理數據庫及水資源數據庫的基礎上實時監測企業的廢棄排放數據，并對多省市廢氣污染源實時排放數據進行匯總，借助阿里云平臺進行復雜的數據運算，最終在 APP 上展示城市污染指數排名、企業廢氣排放與超標信息、霧霾預警、水資源質量檢測信息。
應用效果：
污染源信息公開。實時監測污染源信息并在 APP 上更新展示，便于群眾及相關部門及時掌握污染源信息，督促相關部門第一時間進行治理。
空氣質量預報。通過廢氣排放情況快速計算空氣質量指數，進行空氣質量等級排名及霧霾預警。
企業排污排名。在地圖上清晰標注超標排放廢氣企業的名稱，并標注該企業排放有害氣體的控制指標檢測值及標準對照值，是否超標排放一目了然。
城市環境評價。及時匯總多省市廢棄污染源實時排放數據，對城市環境進行實時評價。
案例三： “Vestas” 風電大數據，全面提升風電效能
應用背景：
作為世界風能解決方案的領先供應商， Vestas 緊跟時代潮流，將大數據與云計算技術應用到自身風電平臺，致力于提升大數據在風場全生命周管理中的應用，全面提升風電場效能。Vestas 利用 Vestas Online、 SiteHunt、 SiteDesign、 Electrical PreDesign 收集數據，并在自有平臺(電廠控制系統、 Vestas 預測、商業 SCADA 系統)進行建模分析，最終實現氣象預報、風能發大電量預測及風機性能整體優化，爭做世界風電大數據應用的領頭羊。
數據源:
氣象數據：風速分布(日、月、季節、年)、風向分布、氣溫、氣壓(梯度)等。
歷史運維數據：運行小時數、風機類型及運行狀況、故障率等。
地理數據：地形信息(粗糙圖、梯度圖等)、風場分布信息等。
圖說場景：
實現路徑：
Vestas 通過對氣象歷史數據、歷史運維數據及地形數據進行建模分析并與已知數據不斷比對優化，最終實現氣象預報、風能發電量預測及風機性能整體優化，進一步提升風電利用率。
應用效果：
氣象預報。對氣象數據進行建模分析后可實現電力預報、天氣預報、季節性預報及冰霜預報，防范即將發生的氣象災害。
風能發電量預測。結合大量歷史運維數據，可在更短時間內預測風力發電量。
風機性能優化。大數據技術的運用，可提高存儲能力，增強計算能力，實現風機故障預警，為優化風機備品備件管理提供數據支持，提升風機的整體性能
