更多云场景实践研究案例，点击这里：
【云场景实践研究合集】联合不是简单的加法，而是无限的生态，谁会是下一个独角兽
电力与人的生活是息息相关的。电力的类型可以分为两类，第一类是集中式电站，第二类是分布式发电。集中式发电占主流，但在启动建设的过程中会涉及一些问题。而分布式发电站的成本比较低，实施简单。本文介绍了在大数据下光伏发电的意义，实现过程中遇到的困难，在阿里云的帮助下改进的措施，和取得的成果。
电力与人的生活是息息相关的。电力的类型可以分为两类，第一类是集中式电站，第二类是分布式发电。集中式发电占主流，但在启动建设的过程中会涉及一些问题。而分布式发电站的成本比较低，实施简单。本文介绍了在大数据下光伏发电的意义，实现过程中遇到的困难，在阿里云的帮助下改进的措施，和取得的成果。
采用的阿里云产品
阿里云数加平台：MaxCompute，Data IDE，PAI，Quick BI
为什么使用阿里云
在阿里云大数据平台的帮助下，可以直接使用SQL进行开发，使用门槛低；一站式开放平台，系统稳定性高；支持界面化操作拖拽既可；支持数据管理和运维管理，维护成本低；应用开发周期段。
项目流程
整个”大数据下光伏发电”这个项目的实现过程可以分成三大块，首先是数据源，做光伏发电比较大的影响因素是天气、和设备功率的情况。袋鼠云取了逆变器的数据、气象环境的数据，把这些数据源集中到一个平台上，需要一个数据集成的工具把它们整合到大的数据平台上，再在大的数据平台上使用机器学习的算法去做一些模型的训练预测。我们用到机器学习的平台或者算法，只需要把对应的输入数据给它，拿到对应的输出，输入数据有一定的格式要求，所以输入数据需要一个转换的过程，这一转换是使用阿里云的大数据平台，把它做各种数据的预处理，预处理完后再提供给PAI机器学习平台去调用，调用后得到一个结果，把数据输出到一个数据库中。利用这个数据最后就可以做一些电力的调度、预测、故障的检测。
为什么选择阿里云
整个项目是用阿里云数加平台来完成的，共用了阿里云的四个组件。
MaxCompute：这是一个大数据离线计算的平台，用于做数据的处理。
Data IDE：实际是一个开发套件，通过外部的方式进行各种各样的操作
PAI：是机器学习的一个算法平台，它是完全基于可视化的。
Quick BI：是发表工具，可以把结果可视化的显现出来。
在项目开始前，袋鼠云对两款大数据平台数加和hadoop进行了对比，其结果如下：
数加：直接使用SQL进行开发，使用门槛低；一站式开放平台，系统稳定性高；支持界面化操作拖拽既可；支持数据管理和运维管理，维护成本低；应用开发周期段。
Hadoop：需要写java代码进行开发，门槛高；需要使用多个组件，系统稳定性低；不支持界面化操作；不支持数据管理和运维管理，维护成本高；应用开发周期长。
利用阿里云服务获得的成效
在阿里云的帮助下，整个项目取得了一些成果。
在电力调度上，对于分布式家庭电站，国家提倡“自给自用，余电上网”，电量预测功能可以方便国家调度电力资源；
在故障排查这方面，如果发电功率的预测值比真实发电功率值相差较大，也就是监测出异常波动，这时就需要提前进行故障的排查；
可以提供增值服务，分布式电站的核心是要得到用户的认可，发电功率预测可以作为一种增值服务去吸引客户资源；
具有行业复制性，在电力市场化的大背景下由于发电计划的放开，以对发电量进行宏观把控的功率预测形式是大势所趋，并且具有极强的行业复制性。
关于袋鼠云的更多实践详情：
数据智能助力光伏产业优化升级
原文发布日期：2017-12-15
云栖社区场景研究小组成员：董黎明，仲浩。
