在燃氣中混入20%的氫氣用于家庭烹飪、取暖等常規(guī)用能，英國的這一試點項目能夠減排多少二氧化碳？有多少英國家庭愿意參與這項試點項目？能源種類的改變是否會帶來不同的用能體驗？在蘇格蘭，計劃建設的28兆瓦Kilbraur風電場項目承諾，建成后將為周邊4公里范圍內(nèi)的居民提供每兆瓦5000英鎊的社區(qū)福利，要如何落實？領取電費補貼或家庭能效補助的方式是否會影響一個家庭的用電習慣？

　　試點研究、惠民項目層出不窮，那這些涉及千家萬戶的能源大數(shù)據(jù)要如何收集、使用和分析呢？

　　“能源大數(shù)據(jù)的運用眼下在英國是一個非常熱門的領域。政府也牽頭成立了能源數(shù)據(jù)工作組。但我們發(fā)現(xiàn)，在能源需求的預測上，大數(shù)據(jù)往往是擅長處理整體性的、國家層面的信息，一旦深入到個體或者居民家庭層面，就面臨各種各樣的問題。”英國皇家工程院院士、帝國理工學院教授蒂姆·格林（Tim Green）指出。當前，對于能源數(shù)據(jù)的應用，英國面臨的一大挑戰(zhàn)來自于分散的家庭用能市場。“簡單說，就是如何預測一個個家庭的能源需求。”

　　“居民家庭的用能情況總有一些不確定性。”在蒂姆·格林看來，這些不確定性正是預測過程中的難題。“從英國家庭用電的峰谷曲線圖來看，多年來，英國家庭的用電低谷一般是在下午三點半左右，高峰則一般在晚上五點半到六點之間。這是常規(guī)情況。但有一天就出現(xiàn)了異常。”蒂姆·格林所指的明顯異常是2013年7月7日，“那一天是溫網(wǎng)男單決賽，好多英國人都去看比賽了，所以在本該是用電高峰的傍晚五點半左右，英國家庭的平均用電量卻成了一天中的最低谷。”

　　除了特殊情況下的不確定性，蒂姆·格林表示，即便在常規(guī)環(huán)境下，家庭用能的分析預測也存在多種影響因素。“一個家庭的能源使用效率到底有多高？其中不僅僅涉及到氣價、電價等價格因素，可能還受到家庭人數(shù)、收入、成員年齡、職業(yè)，甚至季節(jié)、天氣等因素的影響。而且這些數(shù)據(jù)處理的過程中，還關系到家庭乃至個體的隱私保護等倫理問題。”

　　那么，面對這些挑戰(zhàn)，滲透到個體、家庭的能源需求預測將如何實現(xiàn)呢？蒂姆·格林把目光放在了“機器學習”技術上。

　　的確，在日前中國電機工程學會發(fā)布的《電力大數(shù)據(jù)專業(yè)發(fā)展報告》中，以“機器學習”為代表的分析挖掘技術被列入電力數(shù)據(jù)分析應用的關鍵技術。近日，美國能源部能源高級研究計劃署也宣布，將提供1500萬美元的資金用于支持機器學習、人工智能等在能源技術和產(chǎn)品設計上的應用。

　　蒂姆·格林透露，目前英國很多相關研究機構都在使用“機器深度學習”的方式預測家庭能源使用。“機器學習是把計算機作為工具，真實、實時地模擬人類的學習方式，然后將學到的內(nèi)容重新加工分析，進一步優(yōu)化計算機程序。通過機器學習，可以分析家庭的電力消費規(guī)律，在哪些相對固定的時間段會使用哪些電器、家庭的用電負荷是多少……從而為一些需求側方案相應提供參考。當然，我們預測的需求和現(xiàn)實的需求會有一定的差別，要想成功運用數(shù)據(jù)得出分析結論并非易事。”

　　除需求側的預測外，蒂姆·格林還表示，隨著技術的優(yōu)化發(fā)展，機器學習對于電力系統(tǒng)的分布式控制、高頻率的靈活響應等方面也將發(fā)揮重要作用。