【网络强国这十年】当电表连上大数据，让“双碳”目标更近一步******
【网络强国这十年——行业观点篇】
如今，碳中和已在全球范围内达成共识。要实现碳中和，需要在各行业进行深度脱碳。随着大数据、人工智能等新技术的应用，电力行业也在积极革新，推动建设数字基础设施，助推电力行业“双碳”目标的实现。
党的二十大报告提出，推动能源清洁低碳高效利用，推进工业、建筑、交通等领域清洁低碳转型。近年来，志翔科技围绕能源大数据生态，孵化了系列能源大数据产品，在电力企业得到广泛应用，有力支撑国家新型电力系统建设。近日，志翔科技总裁蒋天仪做客光明网“网络强国这十年”专栏，畅谈大数据如何助推电力行业智能化升级，支撑行业碳计量的精准化，为“碳达峰、碳中和”目标实施奠定基础条件。
传统电网的电力数据来源分散、结构多样、质量参差不齐；基于这样的数据很难提供全面精准的数据服务。万物互联时代，数据采集的手段和数据的质量都有了飞跃。充分进行数据采集和处理分析并指导业务，是保障大规模新能源并网和消纳的基本条件之一。蒋天仪认为“精细化”的数据运营管理和计量是关键。
在目前电力行业有一个“三可”的说法（可观：客观采集获取用电数据、可测：精准监测和测量、可控：在可观可测的基础上按需控制），蒋天仪认为，其实在三可的基础上，还可增加“可调”。他介绍，通过大数据分析，目前已经基本达到“可观可测”，这也是“可控”的前提条件。那么，如何让调控更加科学有效？就需要更加精细化的调节调度，即“可调”。
为此，志翔科技研发了非介入式负荷分析产品。通过在新一代智能物联网表上安装边缘计算模块，利用电力指纹技术可以提供精准的用电设备负荷、能耗、使用状况等信息的侦知和分析。电力公司利用非介入式负荷分析产品，可以更精准辨识户内负荷，输出相应用电设备的能耗详单，为用电高峰期制定错峰用电方案提供有力数据支撑。
“过去，我们通过电表只是知道这一户用了多少电，不清楚具体有什么设备在用。但安装非介入式负荷辨识产品模块之后，电力企业可以更加精细地掌握用电情况。”蒋天仪说。
记者了解到，除了工业企业生产和用户生活的用电负荷精细化管理之外，在各行各业、日常生活等场景下，通过大数据对用电设备负荷、能耗等的详细分析也很有想象空间。比如，在消防安全管理方面，通过监测和分析用户用电情况，可以有效检测两轮电动车入户充电等消防隐患行为，从而有效避免火灾问题。在物业管理和环保用电方面，按规定商业楼宇内夜间严禁住人，传统的办法是安排人为巡检，如今非介入式负荷分析产品就能替代人工进行自动分析和监测等。
“随着信息化技术的发展，大数据、云计算等带来的数据量越来越大，很多以前没有利用起来的零散数据，随着大数据技术的成熟和应用，可以通过关联和深度分析而产生价值。”蒋天仪认为，目前，国家已经出台了《数据安全法》《个人信息保护法》等法律法规，为数据安全行业和百姓个人隐私保驾护航。另一方面，大数据在工业领域的应用，尚处于起步阶段，未来还有很大发展空间，需要更多有技术能力的厂商积极创新，让产品更好地落地和应用服务于各行各业，在企业生产效率提升、百姓生活便利的多个方面发挥更大价值。
监制：张宁 李政葳
采访/撰文：李飞 孔繁鑫
后期：刘昊
提速近10倍！基于深度学习的全基因组选择新方法来了******
近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。
全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。
统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。
相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。
该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。
与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。
该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。
学术支持
中国农业科学院作物科学研究所
记者
宋雅娟
