专题丨基于数智融合的能源行业数据要素流通发展建议

基于数智融合的能源行业数据要素流通发展建议

王宇航  郑金辉  史翔  陈龙

（中电信数智科技有限公司，北京100035）

摘要：能源行业作为数据密集型行业，其数据要素的安全高效流通显得尤为重要。人工智能技术的发展对于数据要素价值的发挥起到“推进器”作用，尤其大模型的出现加速了全行业数字化转型进程。通过探讨在大数据、人工智能等技术的融合作用下，能源行业数据要素流通现状、存在的问题及发展建议，为能源行业数字化转型提供参考。

关键词：能源行业；数据要素；人工智能；数字化转型

0   引言

伴随科技发展和产业变革，以智能化为核心特征、以数据为关键生产要素、以数字技术为驱动力的新型生产方式成为趋势。人工智能、物联网、大数据等数字化技术与能源行业将逐步实现相互渗透、深度融合，改变能源行业传统的生产、传输、交易、消费和监管等模式，重构能源行业数字化转型新范式。

自2020年至今，国家有关部门发布一系列数据要素相关政策，数据要素政策指导体系逐渐完善。2020年4月，在中共中央、国务院《关于构建更加完善的要素市场化配置体制机制的意见》中数据首次正式被纳入生产要素范围。2022年6月，中共中央、国务院继续发布《关于构建数据基础制度更好发挥数据要素作用的意见》，提出建立数据产权、流通交易、收益分配、安全治理四项基本制度，更好发挥数据要素价值。2023年8月，财政部出台《企业数据资源相关会计处理暂行规定》，明确数据可以作为无形资产或存货列入会计目录，参与企业经营生产。2023年10月，国家数据局正式挂牌成立。2023年12月，《“数据要素×”三年行动计划（2024—2026年）》面向工业制造、现代农业、商贸流通等12个行业培育基于数据要素的新产品和新服务，形成数据产业生态体系，发挥数据要素乘数效应。2024年5月，《关于深化智慧城市发展 推进城市全域数字化转型的指导意见》指出构建数据要素赋能体系，促进数据要素高效流通和使用。

2023年3月，《关于加快推进能源数字化智能化发展的若干意见》为进一步推进能源数字化智能化发展作出了一系列部署，文件中强调了挖掘数据要素的内在潜力，确立了数据的分类和分级保护机制，并强化了对能源数据安全的整体治理。能源行业在数字化转型过程中，数据要素成为关键生产资料，如何通过智能化手段提升数据治理效率，确保数据安全共享和高效流通，是实现能源行业高质量发展的重要课题。

1  能源行业数据要素基本情况

1.1  能源行业大数据特征

能源行业涉及工业生产、公共服务、宏观经济等多个方面，能源行业大数据既是生产、生活状态的反映，同时也是辅助决策的重要依据。能源行业大数据基于多维度考虑，主要具有以下几方面特征^[1]。

（1）实时性：能源行业大数据通常需要实时更新，以反映能源生产、传输和消费的即时状态，这对于电网平衡和能源管理至关重要。

（2）准确性：能源行业大数据的准确性直接影响到决策的质量和系统的稳定性，因此数据采集、处理和传输过程中的精度控制非常关键。

（3）泛性：能源行业大数据不仅包括产量、消费量等基本指标，还涵盖了气象、地理、市场动态等多维度信息，这些数据的综合分析可以为能源规划和政策制定提供支持。

（4）安全性：能源行业大数据需根据相关法律法规明确其敏感性和重要性，数据安全治理、数据分类分级保护、数据可信流通等是能源数据管理的重中之重。

（5）价值性：能源行业大数据的发展使得能源信息可以实时交互、实时共享，也不断催生出不同的应用场景，例如新能源需求预测、实时能耗行为分析、能源优化调度等，使得能源数据的应用场景变多、应用价值变大。

1.2  能源行业大数据分类

能源行业大数据因其广泛性特征，其分类方式也非单一标准。从行业属性分类，可分为煤炭、石油、电力、燃气、热力、水资源、新能源等多个能源行业领域数据，既包括在生产、交易、运营和管理环节中生成的能源生产、能源效率、能源贸易、能源消费、能源投资等数据，也包括与能源行业紧密相关的宏观经济、生态环境和气象等数据^[2]，本文以此分类方式为基础进行研究。从业务属性分类，可分为基础数据、运行数据、管理数据、指标数据等。从数据类型分类，可分为结构化数据、半结构化数据、非结构化数据。从数据采集方式分类，可分为库表数据、物联网设备采集数据、人工录入数据、网络爬虫数据、外部接口数据等。从数据权属分类，可分为个人数据、企业数据、公共数据。从可开放程度分类，可分为公开数据、限制开放数据和涉密数据。准确的分类不仅有助于对能源行业大数据进行深入的多维特征分析，而且在能源数据资产评估过程中，能够明确评估的对象和方法，从而提高评估的准确性和有效性。

1.3  能源行业数据价值转化路径

能源行业数据要素的形成需经历数据资源化、数据资产化、数据资本化3个不同价值释放阶段。数据资源化是指将煤炭、电力、燃气、热力等行业采集的原始数据从散乱无序、未经整理的状态，通过系统的开发过程，转化为有序、具有实用价值的数据资源。这一过程涵盖了数据的采集、治理、分析等多个环节，旨在形成可用可信、符合标准的高质量数据资源集合。在数据资源化的阶段，数据资产尚未完全展现其在特定应用场景中的价值。数据资产化是指在特定的应用场景和商业目标指导下，对数据资源执行一系列精细化加工和管理活动，以创造可供能源企业内部部门使用或在市场上交易的数据产品。在数据资产化的过程中，数据资产被赋予了特定的场景应用能力，预计将为能源企业带来经济收益，并构建起其在数据交易中的交换价值。此阶段的数据资产已经超越了单纯的资源集合，它们被转化为可直接产生经济效益的产品和服务。数据资本化是指在数据资产化阶段成熟后，数据资产进一步融入金融市场，被赋予金融产品的特征。这一过程主要通过两种途径实现：数据资产信贷融资和数据资产证券化。数据资本化不仅为数据资产价值的扩展提供了新的渠道，而且其核心在于促进数据要素在整个社会范围内的有效配置^[3-5]。从资源、资产到资本，是数据要素化过程“质的飞跃”，实现数据资本化关乎数据价值的全面升级，是实现数据要素市场化配置的关键所在（见图1）。

图1   数据要素化过程

2  能源行业数据要素流通存在的问题

2.1  “数据孤岛”现象及数据标准化难题

“数据孤岛”问题在能源行业主要表现为不同层级、地域、系统、部门和业务之间的数据难以实现整合与共享。这一问题在能源行业信息化建设中尤为突出，由于缺乏统一的数据标准和完善的数据管理体系，导致存在大量格式各异、难以兼容的海量数据，这严重妨碍了数据的分析与应用[6]。能源行业数据不仅包括行业内不同细分领域，还扩展到环境、交通和产业链等外部领域。众多的参与主体和不一致的数据模型及标准，进一步加剧了数据共享的难度。同时，由于能源数据包含个人、企业和公共数据等多种形式，而行业内部缺乏一套完善的数据分类分级标准，使得数据整合工作变得复杂，数据的利用效率不高。这些因素共同导致了能源数据的开放共享和有效利用受阻，限制了数据在促进能源领域高质量发展中的作用，技术转化和市场应用的能力未能得到充分发挥。

2.2  数据治理框架和技术支撑不足

在组织层面，各能源行业企业整体缺乏有效的数据治理框架，数据治理组织架构不健全，缺少专门的数据治理组织或团队，导致数据管理混乱，数据治理职责分散，缺乏统一协调^[7]。在技术层面，缺乏统一的数据集成平台和先进的数据管理和分析工具，难以应对大规模、高复杂性的数据融合和治理需求，导致数据价值挖掘不充分，数据的潜在价值没有得到充分利用，大数据及人工智能驱动的决策和创新能力有待提高。由于部分能源数据对安全性和保密性的要求很高，能源数据的安全治理和可信流通是重中之重，目前能源行业对于数据安全与隐私保护措施存在不足，对于区块链、隐私计算等安全技术的应用仍不成熟，处于探索阶段。

2.3  数据共享意愿不强

能源行业数据共享意愿不强，这一现象由多种因素造成^[8]。首先，数据安全和隐私保护的顾虑是主要障碍之一，企业担心共享后的数据可能会遭受未经授权的访问和滥用。其次，数据权属不明确，缺乏合理的利益分配和激励机制，使得企业在数据共享中难以获得相应的回报，降低了其参与共享的积极性。再者，技术支撑不足也是一个重要原因，不同系统和平台之间的数据整合存在难度，缺乏高效的数据交换和共享技术解决方案。行业内部对数据治理和应用的认识仍不足，缺少数据驱动文化，导致企业和组织对数据共享的潜在价值认识不足。

2.4  数据安全问题

数据安全问题是能源行业数字化转型过程中的一大挑战。随着能源系统智能化、自动化水平的提升，大量敏感数据的收集、存储和处理成为常态，数据泄露、非法访问和滥用风险随之增加。能源数据不仅关系到企业运营安全，更涉及到国家安全和公共利益^[9]。当前，能源行业在数据安全方面面临多重困境：安全防护措施不足，数据加密和访问控制不够完善；安全意识薄弱，缺乏系统的安全培训和文化建设；法规标准滞后，数据保护法规和标准难以适应快速发展的数字化需求；技术更新迅速，新兴的信息技术带来的安全风险评估和管理尚未跟上。

3  基于数智融合的数据要素流通体系架构

能源行业的数字化转型发展，离不开顶层设计的指导应用，能源数据要素流通体系架构是确保能源行业数据安全、高效流通的关键。在这一架构下，云计算、物联网、大数据、人工智能等先进技术的融合应用，为能源行业提供了强大的数据支撑和应用能力^[10]。通过前端物联感知设备实时采集和传输，保证数据源的实时性、准确性。基于数据湖、数据仓库和智能计算技术，实现能源行业多源异构数据的有效融合、集中存储、智能分析，为数据治理和应用提供操作基础。基于数据治理框架，通过统一数据标准、构建数据模型、建立数据学院等操作，有效提升数据质量，同时应用人工智能基础能力及大模型技术，实现数据的智能标注、特征提取、文本生成等操作。建立数据与模型之间的“反哺”机制，通过能源行业大样本数据训练模型，提升模型的训练效果和推理精度；通过大模型智能生成（AI-Generated Content，AIGC）技术输出高质量数据，进一步提升数据质量和数量。基于数据的治理和分析，数据初步具备共享应用基础。数据流通体系架构注重数据安全和数据合规，采用先进的加密技术和访问控制策略，确保数据在收集、传输、存储和使用过程中的安全性，区块链和隐私计算技术的引入，为数据确权、追踪和交易提供了透明、不可篡改的记录，实现了“数据可用不可见”，增强了数据共享的信任度，同时应满足数据要素主体、来源、内容等方面的合规要求。在满足数据分类分级相关要求的前提下，数据可有序开展数据共享和开放，具备一定条件的政府、企业和组织，可探索相关能源行业数据运营市场化运作模式。数据可视化和商业智能（Business Intelligence，BI）工具等的应用，使得复杂的数据信息转化为直观的图表和报告，帮助能源企业快速把握关键信息，应用大模型训练打造能源行业智能体，全面提升智能辅助决策能力^[11]。经过数据确权、数据资产入表、数据产品定价、数据产品入市登记等操作，能源行业数据产品及服务可在市场上正式流通和交易，同时可作为企业资产与银行建立信贷业务合作，充分发挥能源行业数据要素价值。能源数据要素流通体系架构是能源行业数字化转型的重要基石，不仅提升了数据的利用效率，也为行业的创新发展和绿色低碳转型提供了有力支撑。图2为基于数智融合的数据要素流通体系架构。

图2   基于数智融合的数据要素流通体系架构

4  能源行业数据要素安全高效流通措施建议

4.1  提升数据采集、融合和存储技术能力

提升能源行业数据采集、融合和存储技术能力是实现能源数字化转型的基础^[12]。随着智能传感器和物联网技术的发展，能源数据采集变得更加高效和精准，能够实时监测能源生产、传输和消费的各个环节。通过集成多种数据源，包括气象数据、地理信息、市场动态等，能源行业能够构建起一个全面的数据视图，为深入分析和决策提供支持。数据融合技术在此过程中发挥着关键作用，通过整合不同来源和类型的数据，消除“数据孤岛”，实现数据的互联互通。利用大数据分析和人工智能算法，能源企业能够挖掘数据间的内在联系和潜在价值，优化能源管理策略，提高能源利用效率。此外，数据存储技术的创新也是提升数据能力的重要组成部分。采用分布式文件系统和列式存储技术，能源行业能够处理和存储大规模的非结构化数据。同时，通过实施数据湖架构，可以存储和管理来自不同源的多样化数据，为数据的深入分析和挖掘提供可能。保障数据的安全和隐私是提升数据技术能力的前提，采用加密存储、访问控制和网络安全防护等措施，确保数据在采集、传输和存储过程中的安全性，为能源行业的数字化转型保驾护航。通过这些技术的综合应用，能源行业能够实现数据的高效管理和利用，推动行业的可持续发展。

4.2  建立健全智能高效的数据治理框架体系

构建完善的数据治理框架，明确数据的责权利，是确保数据资源有效管理和利用的前提。框架应涵盖数据的采集、存储、处理、分析等各个环节，确立清晰的数据管理职责、权限和利益分配机制。通过制定严格的数据标准和流程，保障数据质量和安全，同时促进数据的开放共享和合规使用^[13]。融合人工智能、机器学习、大模型等前沿技术，可以有效提高数据治理的效率和质量，利用人工智能算法自动检测数据异常和不一致性，提高数据准确性和可靠性，应用机器学习算法对数据进行自动分类和标注，简化数据组织工作，提高检索效率；人工智能技术能够帮助构建和维护知识图谱，将分散的数据连接起来，形成有价值的知识网络，同时也可以自动化执行重复性的数据治理任务，如数据备份、归档和恢复等，有效提升数据的自动化处理、智能分析和预测能力。利用人工智能算法，对海量能源数据进行深度分析，挖掘潜在的模式和趋势，为能源规划、调度和管理提供科学依据。

4.3  促进数据共享开放机制的建立

促进能源行业数据共享机制的建立是实现能源领域数字化转型的关键步骤。通过构建一个开放、协作的数据共享平台，能源企业能够跨越组织边界，实现数据资源的互联互通。这不仅有助于优化资源配置，提高能源利用效率，还能促进新能源技术的研发和应用。在这一机制下，数据标准化和互操作性成为基础，确保不同来源和格式的数据能够无缝集成。同时数据开放共享的安全机制至关重要，推进能源全行业数据分类分级标准制定，充分考虑能源数据对国家安全、社会稳定和公民安全的重要程度，以及数据是否涉及国家机密、是否涉及行业秘密与用户隐私等敏感信息^[14]。依据数据行业属性、业务属性、重要性、敏感性进行安全分类分级，并实行差异化防护，可划分为公开数据、一般数据、敏感数据、机密数据，数据的安全属性决定其可对公众或特定群体开放共享的程度。对于归口于政府部门或大型央企的能源行业公共数据中的可开放部分，可积极探索数据运营模式，以数据产权“三权分置”为基础，采取特许经营、加工运营分离、主题牌照等模式授权相关主体开展市场化运作，促进数据要素价值显性化^[15]。通过数据共享开放，能源行业能够更好地响应市场变化，实现灵活调整和快速响应。促进能源行业数据共享机制的建立将推动形成数据驱动的能源生态系统，为能源行业的可持续发展和应对全球能源挑战提供强有力的支持。

4.4  发掘数据创新应用服务场景

发掘能源行业数据创新应用服务场景是推动能源行业智能化发展的重要途径^[16]，如数据可视化、智能体等创新应用为能源管理和决策提供了全新的视角和工具。数据可视化技术将复杂的能源数据转换为直观的图表和图形，使决策者能够迅速识别模式、趋势和异常，从而做出更加精准的策略调整。例如，在电网运营中，通过数据可视化展示电力流量和负载分布，可以优化电力资源的分配和调度。智能体技术的应用则进一步增强了能源系统的自动化和智能化水平，智能体能够模拟人类操作，执行监测、预测、诊断和控制等任务，提高能源系统的响应速度和运行效率。在智能家居领域，智能体可以学习用户的能源使用习惯，自动调节家电的运行，实现节能减排。智能体还能够进行自我优化，不断改进能源管理策略。例如，在风力发电中，智能体可以根据气象数据预测风力变化，自动调整风力涡轮机的工作状态，提高发电效率。智能体还可以在能源交易市场中充当虚拟交易员，通过分析市场数据和预测价格波动，为能源买卖提供决策支持，降低交易风险。发掘创新应用服务场景，不仅能够提升能源管理的智能化水平，还能够为用户提供更加个性化、高效和环保的能源解决方案，推动能源行业的创新发展和转型升级。

4.5  探索能源行业数据资产入表

探索能源行业数据资产入表是实现数据价值量化和企业资产管理现代化的重要步骤。数据资产入表意味着将数据资源正式纳入企业的资产负债表中，作为企业的一项重要资产进行管理和评估，不仅能够反映能源企业在数据积累和处理方面的实力，还能够为能源企业带来潜在的经济利益^[17-18]。数据资产入表的探索需要解决数据的估值问题，包括数据的采集成本、处理成本、存储成本以及数据的潜在价值等。此外还需要建立一套标准化的数据资产管理流程，包括数据的收集、清洗、分类、存储、分析和应用等各个环节，确保数据资产的质量和可用性。在实际操作中，可以通过建立数据资产评估模型，对数据资产的价值进行量化分析。数据资产入表还有助于推动能源行业的数字化转型。通过将数据资产纳入企业的核心资产管理体系，可以促进企业更加重视数据的收集和分析，提高数据的利用效率，为企业的决策提供更加准确的数据支持。探索能源行业数据资产入表是一项系统性工程，需要企业、行业组织和政府部门的共同努力。通过不断的探索和实践，可以逐步建立起一套完善的数据资产管理体系，为企业的可持续发展提供强有力的数据支持。

4.6  构建数据要素市场化机制

构建能源行业数据要素市场化机制是推动能源领域数字化转型的关键策略，旨在通过市场力量激发数据的潜在价值，促进数据资源的有效配置和利用^[19]。首先，需要建立能源数据确权和评估体系，明确数据的所有权和使用权，为数据交易提供法律基础。其次，应发展能源数据交易平台，为数据买卖双方提供安全、透明的交易环境，降低交易成本，提高交易效率。制定公平合理的定价机制，可依据成本法、收益法、市场法等方法进行定价。此外，市场化机制还应包括数据质量标准和数据安全保障措施，确保交易数据的准确性和安全性，维护市场秩序。鼓励数据产品开发和数据服务的发展，如数据集与数据包、数据模型、应用程序编程接口、数据服务、数据报告、咨询服务等，增强数据的附加值，推动数据产业链的延伸和完善。政策支持和激励措施也是构建市场化机制的重要组成部分，包括税收优惠、资金扶持、政策引导等，以激发市场主体的积极性。同时，加强数据治理和监管，防范数据滥用和数据泄露风险，保护数据所有者和使用者的合法权益。促进数据要素与其他生产要素的深度融合，推动能源行业向更加智能、高效、绿色的方向发展，为实现能源行业的可持续发展提供强有力的数据支撑和创新动力。

4.7  加强数据安全技术的应用与数据合规

加强能源数据安全技术的研发与应用是确保能源行业数据流通安全可靠的基石。随着能源行业数字化转型的加速，数据安全成为行业发展的重要保障。利用区块链技术，可以为数据共享提供安全、透明的环境，保障数据的不可篡改性和可追溯性，增强数据的安全性和信任度。同时，智能合约的应用进一步自动化和简化了数据共享流程，降低了交易成本。隐私计算技术，如安全多方计算、同态加密和零知识证明等，能够在不泄露原始数据的前提下，实现数据的安全分析和计算，保护用户隐私和企业商业秘密，对于涉及敏感信息的能源数据尤为重要，可以在确保合规的前提下，促进数据的开放共享和价值挖掘。此外，结合人工智能和机器学习技术，可以开发智能的数据安全监控系统，实时检测和响应潜在的安全威胁，提高能源数据的防护能力。通过自动化的异常检测和入侵防御，可以及时发现并阻止数据泄露或网络攻击，保障能源系统的稳定运行。同时，数据合规性也是保障数据安全的关键^[20-21]。在数据开放、数据资产登记、数据资产入表、数据流通交易等过程中，应遵守《通用数据保护条例》等国际数据保护法规以及《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》等我国相关数据安全法律，确保数据处理活动合法、透明，并尊重个人隐私权利，这也要求企业建立严格的数据治理框架，对数据的收集、存储、处理和共享等各个环节进行规范管理。此外，能源企业还应加强员工的数据安全意识培训，提高他们对数据保护的认识和技能。通过模拟钓鱼攻击和安全演练，增强员工对潜在网络威胁的识别和应对能力。加强数据安全技术的应用与数据合规，是能源行业在数字化转型过程中必须重视的一环。

5  案例分析

5.1  南方电网数据资产管理体系构建与应用实践案例

南方电网公司在数据要素应用方面进行了积极的探索和实践构建了能源行业首个基于“定责、确权、享利”和“拓量、优本、创利”的数据资产管理体系。该体系覆盖数据资产全生命周期管理各环节，为数据资产管理工作和数据资产价值发挥提供了系统化、规范化指导。该体系的核心由数据治理、数据运营、数据流通三大模块构成，其中数据治理作为基础，支撑数据运营和服务能力建设；数据运营则依托数据治理，推动数据应用与服务；数据流通则保障数据的健康有序交易。南方电网通过这一体系，明确了相关主体的责任、权利与义务，并建立了利益分配机制，推动了数据要素的市场化配置。在数据治理方面，南方电网实施了元数据专业责任制，通过全方位的元数据监控和管理，确保了数据的规范性和一致性。同时，公司制定了大数据技术标准体系框架，指导数据管理的标准化开展，并构建了企业级统一电网数据模型和数据仓库模型，形成统一数据视图。数据运营上，南方电网建立了需求响应流程和平台，实现了数据需求全过程在线化管理，并构建了企业级数据资产目录，促进了数据资产的共享流通。此外，公司还打造了数据服务统一管理体系和全链路监控的数据统一运维机制，提升了数据服务和运维管理能力。数据流通方面，南方电网通过梳理合规风险、修订《数据认责管理细则》、建立权属管理和凭证管理制度机制等措施，保障了数据资产的合法合规管理。公司还优化了数据价值评估模型，创新了收益分配模式，并围绕数据量和范围两个维度，汇聚产业数据资源，构建了数据产品体系。南方电网的数据资产管理体系建设实践，为能源行业乃至其他行业的数字化转型和数据资产管理提供了宝贵经验和借鉴，对于推动数据要素市场化配置、发展数字经济具有重要意义。

5.2  国网新疆电力有限公司案例

能源行业是支撑各行各业发展的基础，而新能源的发展对于减少对传统能源的依赖和降低碳排放至关重要。然而，风电和光伏等新能源因其自然条件的不确定性，存在发电量波动性问题，这对电网稳定性和电力供应的连续性构成挑战。国网新疆电力有限公司通过先进的数据管理和分析技术，有效应对了这些挑战。首先实现了新能源数据的汇聚融合，整合了新能源项目审批、运行和气象等多源数据，建立了包含260项指标的庞大数据集，覆盖807家新能源场站的运行数据。其次，通过构建新能源功率预测和消纳能力分析模型，利用机器学习等技术，提高了新能源发电的预测精度，风电提高了4.3%，光伏提高了2.2%，显著减少了弃风弃电现象，增加了31.9亿千瓦时的新能源上网电量。此外，国网新疆电力有限公司还提供了新能源数据的共享定制服务，通过能源数据统一门户为新能源企业和政府部门提供实时、动态的数据服务和分析报告，支持新能源场站的规划、监测、分析和风险管理。这些服务不仅提升了新能源的应用效率，还通过大数据智能化管控，优化了并网流程，提高了并网效率30%，节约了项目建设和运营成本，加速了新能源项目在新疆的发展。总体而言，国网新疆电力有限公司的案例展示了数据要素在新能源发展中的放大效应，为实现“双碳”目标和保障能源安全提供了有力支撑，也为其他地区和行业提供了可借鉴的经验。

6  结束语

能源数据要素的安全高效流通是实现能源行业数字化转型的关键。本文提出了一系列措施建议，以期为能源行业的数据要素流通提供参考。数据成为新型生产要素尚处于初级阶段，不同类型数据资源的应用方式、管理模式、组织机制、运营环境、法律规制等问题有待探索，鉴于我国能源体系的复杂性，能源行业数据要素流通未来更加充满潜力与挑战。随着行业数字化转型的加速，数据将成为能源行业的核心资产，其流通将更加高效和智能。未来将出现更多创新的数据集成平台，实现跨领域、跨系统的数据整合，打破“信息孤岛”，促进数据的无缝流动和共享。区块链、隐私计算等安全技术的应用将更加广泛，确保数据在流通过程中的安全性和隐私性。人工智能和大模型将进一步优化数据的分析和预测能力，提高能源行业的运营效率和决策质量。政策和法规也将逐步完善，为数据要素的市场化配置提供清晰的指导和规范。数据资产的价值评估、定价和交易机制将更加成熟，促进数据资产的商业化和货币化。总之，能源行业数据要素流通的未来将是一个智能化、标准化、安全化和市场化的过程，为能源行业高质量发展、能源体系安全和“双碳”政策实施提供强大的数据支撑。

Recommendations for the development of data elements circulation in the energy industry based on digital intelligence fusion

WANG Yuhang, ZHENG Jinhui, SHI Xiang, CHEN Long

（China Telecom Digital Intelligence Co., Ltd., Beijing 100035, China）

Abstract: As a data -intensive industry, the security and efficient circulation of data elements is particularly important. The development of artificial intelligence technology has played a role in the performance of data factor value, especially the emergence of large models has accelerated the digital transformation process of the entire industry. This article aims to explore the current status, problems and development recommendations of data elements in the energy industry under the integration of big data, artificial intelligence and other technologies, in order to provide a reference for the digital transformation of the energy industry.

Keywords:  energy industry; data element; artificial intelligence; digital transformation

本文刊于《信息通信技术与政策》2024年 第10期

《信息通信技术与政策》投稿指南！

为进一步提高期刊信息化建设水平，为广大学者提供更优质的服务，我刊官方网站（http://ictp.caict.ac.cn）已正式投入运行，欢迎投稿！

   推荐阅读  

专题丨面向海上油气生产智能管控的物联网系统设计与实现

专题丨数据要素赋能能源行业发展的现状、挑战与路径研究

专题丨算力赋能化工行业数字化转型发展趋势及建议

专题丨“双碳”目标下能源数字化转型推动我国工业绿色低碳发展

专题丨北京现代循环经济研究院刘伟等：无人驾驶在露天煤矿的应用研究

专题丨能源转型变革中数字技术的应用场景与模式研究

专题丨人工智能在风力发电领域的专利分析

专题丨新质生产力赋能矿业全面智能、绿色转型发展

导读：能源数字化转型

《信息通信技术与政策》2024年第50卷第10期目次及摘要

你“在看”我吗？