水电之家讯：当前大数据的成功案例基本上局限于由数据驱动的统计分析领域, 例如网络商业、网络金融与面向消费的个性化服务。要让大数据技术真正融入通常由因果关系数据一统天下的物理系统分析领域, 思维方式需要重大变革。薛院士提出大能源思维与大数据思维的融合, 使电力大数据成为大能源系统广泛互联、开放互动及高度智能的支撑, 包括: 广域多时间尺度的能源数据及相关领域数据的采集、传输和存储, 以及从这些大量多源异构数据中快速提炼出深层知识并发挥其应用价值, 并通过若干案例分析, 阐述基于数学模型的因果型数据、尚未掌握或并不存在因果关系的统计型数据以及参与者行为数据的融合, 体现大数据思维对提高大能源经济性与可靠性的贡献。本文将连载，与大家分享主要内容。
【连载】国电南瑞：大能源思维与大数据思维的融合（一）
【连载】国电南瑞：大能源思维与大数据思维的融合（二）
【连载】大能源系统的大数据应用前景 国电南瑞：大能源思维与大数据思维的融合（三）
【连载】国电南瑞：大能源思维与大数据思维的融合（四）
【连载】国电南瑞：大能源思维与大数据思维的融合（五）
输变配用全领域 信息物理电力系统有多强？南瑞大能源大数据系列连载（六）
“信息物理能源系统”的名称较贴切地反映了智能电网的发展方向，电力与能源及环境的关联，以及大数据等信息技术及大能源物理技术深度融合的需求。为此，不但需要将物理目标从电力流扩充到整个能源流，而且需要将相关的信息系统从企业专用网拓展到电子商务、社交网络、物联网、移动互联网、数据终端。所涉及的数据范畴则在物理系统内部数据上增添了覆盖环境、能源、市场、金融、社会等方面的数据。由于计及了各种能源系统（或相关的非能源系统）与电力系统之间的交互影响，可以更真实地描述电力安全、能源安全及环境安全；按大数据思维预测非电的能源系统及非能源的外部环节的演变态势，显著增加了风险预警的提前时间。
大数据包括来自物理世界的传感（或实验）数据，以及来自人类社会的行为数据、媒体数据及日志数据。后者不但非结构化数据多，而且价值密度很低，故比科学实验的数据分析更困难。发展趋势是：不断将常规的小数据拓广为更广泛的非常规的大数据，同时，又不断地从大数据中抽取出能用小数据表达的深层知识。如果未与信息提炼及知识发现过程紧密结合，大数据往往成为负资产。这是大数据与小数据之间的辩证关系。
严格来讲，统计学无法检验逻辑上的因果关系。有一个很生动的例子：统计结果表明“吸烟人群的肺癌发病率会比不吸烟的人群高几倍”，但无法得出“吸烟致癌”的逻辑结论。因为至少有另一种假设也能解释该统计结果，即有一种基因能使人喜欢抽烟，同时又使其容易得肺癌。在这种假设下，该基因和肺癌就是因果关系，而吸烟和肺癌则仅有相关性。统计学的相关性还可能产生错觉：例如，统计结果表明：下雨之前常见到燕子低飞。若从时序看，得到的结论可能是“燕子低飞是下雨的原因”，而客观上的因果关系却是“即将下雨是燕子低飞的原因”。
基于实证数据的统计分析方法既不依赖数学模型及参数，也不苛求场景细节，但是却难以回答“为什么”的问题，也难以分析特征对于参数及行为的敏感度。基于模型仿真的因果分析则相反：有清晰的物理概念，有利于机理分析。但由于针对具体案例，每次仿真必须事前确定全部数学模型、参数及仿真场景，故计算量大，存在维数灾，且难以计及非常规数据的影响。
因此，大数据的统计分析与数学模型分析不可能相互取代。数据量再大，数据驱动技术再发展，也不能代替基础理论研究。人类探索未知世界不仅想知道“是什么”，也想知道“为什么”。事实上，大数据技术的目的之一就是为了揭示事实上存在，但目前并不掌握的（准）因果关系。
不论是认为当前电力领域没有研究大数据的空间，还是将所有的电力系统问题都冠以“大数据”，这两个极端都是对电力大数据的误解。其共同点是没有把数据转化成思想或知识。笔者认同黄彦浩等人指出的：在通常具有较完备理论体系的电力系统中引入大数据技术，应针对常规方法无法解决的问题和潜在的需求，而不是希望以大数据技术完全取代现有技术。要充分发挥大数据技术的作用，就要结合具体问题，协调好因果分析与统计分析各自的优点。
水电之家为您提供最全面的管材,管件,水电,电线,电工,管材水电品牌的装修知识点和各种管材水电的导购与在线购买服务,拥有最便宜的管材水电价格和最优质的售后服务,每天都有秒杀的抢购活动哦！敬请登陆水电之家：http://shuidian.jc68.com/
