导读： 大数据技术的运用，可提高存储能力，增强计算能力，实现风机故障预警，为优化风机备品备件管理提供数据支持，提升风机的整体性能。
文章从桑德环卫云、阿里云蔚蓝地图、Vestas 风电大数据3个大数据应用案例中，以应用背景、数据源、图说场景、实现途径、应用效果5个视角去看待大数据在节能环保中的应用状况。
案例一： “ 桑德” 环卫云，点亮智慧城市生活
应用背景：
绿水青山就是金山银山。儿时的绿水青山在许多地方已成为昨天，如何重新拥有，清洁环境首当其冲。而大数据、物联网、云计算等新一代技术的到来，无疑为环境清洁插上了一双隐形的翅膀，为解决环境问题提供了一剂良药。
桑德环境率先将自身环卫业务与互联网、大数据紧密结合在一起，于 2015 年 9 月 11 日发布“ 环卫云平台” ，该平台以传统环卫服务为依托，利用互联网以及云计算等相关科技手段，构建以互联网环卫运营为核心的产业链，形成基层环卫运营、城市生活垃圾分类、再生资源回收、城乡最后一公里物流、依托环卫运营广告、环境大数据服务及其互联网增值服务融为一体的互联网环卫产业群。该环卫云平台的应用亦为智慧城市的建设添砖加瓦，开辟道路。
数据源:
环卫工人联网数据：环卫工人基本信息、环卫工人分布数据、环卫工人工作数据等。
环卫桶、环卫亭等环卫设施联网形成物联网数据：环卫桶、环卫亭等环卫设施分布数据;环卫桶、环卫亭等环卫设施使用情况数据等。
环卫车联网数据： GPS 信息、道路信息、运输信息等。
图说场景：
实现路径：
桑德环卫云由采集层、网络层、支撑层、应用层组成，在获取各种基础环卫数据的基础上通过支撑层进行大数据分析、安全管理、内容管理，最终在应用层进行环卫运营管理、再生资源回收、快递物流、广告业务等服务。
应用效果：
人员、车辆合理调配。通过环卫云平台对环卫工人、巡查人员、车辆的作业线路和作业时间进行合理规划，以此来实时监管、调配环卫人员和车辆。
回收订单科学管理。环卫云回收业务可实现对回收订单和区域的规划，对回收订单以及库存的管理提供成本分析、盈利预测、智能决策等功能。
环卫广告精准投放。环卫云广告业务管理平台能够实现对环卫车辆、公厕、环卫工人服装、垃圾亭、环卫垃圾桶广告的管理、投放和分析统计，能够很好地为众多商家、公司共同拓展利润空间。
物流网络便利化。环卫云最大的优势是基于环卫工作的智能化、互联网化、机械化，环卫人员还可以完成快递的上门收取工作，形成覆盖城乡“ 最后一公里” 的物流网络。
环卫系统数据共享。环卫云利用大数据、物联网等相关技术，可连接环卫工作所涉及的各类环卫设备、环卫作业人员、数字城管系统等，实现对环卫设备、环卫管理人员全过程的实时监管以及数据共享，形成一个信息互联互通的物联网络。
案例二：阿里云“ 蔚蓝地图”APP，环境治理风向标
应用背景：
“ 雾霾之上，穹顶之下，我们同呼吸，共命运” ——央视辞职记者关于雾霾的深度调查《穹顶之下》在各大视频网站播出后，让全国网友很是震撼，也让实时监测雾霾的 APP“ 污染地图” 彻底火了一把。“ 污染地图” 是阿里云于 2014 年 6 月推出的环境监测产品，可实时监测 190 个城市以及 3000 家企业的污染数据， 2015 年升级后更名为“ 蔚蓝地图” ，新增了空气质量预报、霾预警，以及水质、水污染源实时监控数据等功能，旨在让公众参与环境治理，还世界一片碧海蓝天。
数据源：
空气质量数据：主要指废气排放数据，包括污染物浓度、标准限值、超标倍数、排气量等。(其中废弃主要包括二氧化硫、氢氧化物、碳氧化物等)。
水资源数据：水资源分布信息、水源质量检测数据等。
地理数据：城市信息、企业分布数据等。
图说场景：
实现路径：
“ 蔚蓝地图”APP 在调用地理数据库及水资源数据库的基础上实时监测企业的废弃排放数据，并对多省市废气污染源实时排放数据进行汇总，借助阿里云平台进行复杂的数据运算，最终在 APP 上展示城市污染指数排名、企业废气排放与超标信息、雾霾预警、水资源质量检测信息。
应用效果：
污染源信息公开。实时监测污染源信息并在 APP 上更新展示，便于群众及相关部门及时掌握污染源信息，督促相关部门第一时间进行治理。
空气质量预报。通过废气排放情况快速计算空气质量指数，进行空气质量等级排名及雾霾预警。
企业排污排名。在地图上清晰标注超标排放废气企业的名称，并标注该企业排放有害气体的控制指标检测值及标准对照值，是否超标排放一目了然。
城市环境评价。及时汇总多省市废弃污染源实时排放数据，对城市环境进行实时评价。
案例三： “Vestas” 风电大数据，全面提升风电效能
应用背景：
作为世界风能解决方案的领先供应商， Vestas 紧跟时代潮流，将大数据与云计算技术应用到自身风电平台，致力于提升大数据在风场全生命周管理中的应用，全面提升风电场效能。Vestas 利用 Vestas Online、 SiteHunt、 SiteDesign、 Electrical PreDesign 收集数据，并在自有平台(电厂控制系统、 Vestas 预测、商业 SCADA 系统)进行建模分析，最终实现气象预报、风能发大电量预测及风机性能整体优化，争做世界风电大数据应用的领头羊。
数据源:
气象数据：风速分布(日、月、季节、年)、风向分布、气温、气压(梯度)等。
历史运维数据：运行小时数、风机类型及运行状况、故障率等。
地理数据：地形信息(粗糙图、梯度图等)、风场分布信息等。
图说场景：
实现路径：
Vestas 通过对气象历史数据、历史运维数据及地形数据进行建模分析并与已知数据不断比对优化，最终实现气象预报、风能发电量预测及风机性能整体优化，进一步提升风电利用率。
应用效果：
气象预报。对气象数据进行建模分析后可实现电力预报、天气预报、季节性预报及冰霜预报，防范即将发生的气象灾害。
风能发电量预测。结合大量历史运维数据，可在更短时间内预测风力发电量。
风机性能优化。大数据技术的运用，可提高存储能力，增强计算能力，实现风机故障预警，为优化风机备品备件管理提供数据支持，提升风机的整体性能。
原标题：节能环保之大数据三大应用案例
