2018年1月28日，长城工程科技会议第四次会议于清华大学盛大召开，会议主题为“加快数据技术创新，推动数字经济发展”。 长城工程科技会议在工信部支持下，由中国工程院和清华大学联合主办，旨在服务政府，联系高校、科研院所和产业界的高端智库平台，会议挂靠在中国工程科技发展战略研究院。
中国工程院院士谢克昌受邀出席此次会议，并针对能源大数据建立与应用进行发言。谢院士发言中分析了能源问题的高度复杂性，回顾了能源专业知识服务系统近年来取得的成就，提出了能源大数据建立与应用中面临的众多挑战。
会议上，谢克昌院士指出，“能源对社会影响是全方位的，也是复杂的。经济、社会、环境、生态、工程、科技、安全、健康、气候等无不与能源发生直接的关系，而且它们之间常常相互耦合、相互作用、相互矛盾。”
“而能源本身表现形式多样，从能源生产到消费链条环节环环相扣，牵一发而动全身。这些因素与多维度影像相互交织，进一步加剧了能源问题的复杂性。”
谢院士强调，“这种复杂性在近年表现非常突出：
1）经济发展VS生态、环境、气候等问题。过分发展经济，带来环境问题、过分保护环境带来了经济放缓甚至民生问题，如本次冬季的供暖问题、能源市场剧烈波动问题，天然气价格创天价记录；
2）供给侧改革VS能源市场和行业平衡，如去产能所引起的能源供应紧张、煤炭价格上涨，进而引起行业之间的失衡，澎湃新闻2018年1月26日报道四大发电集团近日联名向国家发改委提交了《关于当前电煤保供形势严峻的紧急报告》，恳请从资源与运力两方面进行大力协调和支持，并提请发改委尽快采取措施对煤价进行调控，尽快让煤价整体回归绿色区间。说明该矛盾已经非常尖锐。这充分说明了能源问题的高度复杂性。”
谢院士认为，“准确发现并把握能源与各方面的关系规律,是解决可持续发展的钥匙。遗憾的是这种联系不是显而易见的,其隐藏在浩瀚的数据与信息之中,传统的理论方法与手段已经无能为力。因此，迫切需要在能源大数据的构建、分析模型与理论方法论方面加速创新。”
谢院士还对能源专业知识服务系统做了全方位介绍，“由工程院发起并主导的工程科技知识中心的能源分中心，即能源专业知识服务系统从2014年开始构建中国的能源大数据平台，该平台已经建立了以能源全生命周期产业链为核心，覆盖资源、能源生产、能源输配、能源转化、能源消费，并且广泛关联社会、经济、生态、环境、工程、价格、贸易、市场、工业、农业健康等的互联互通的能源全生命周期多维度大数据，已初具规模。”
“在国家‘面向2030年的煤炭清洁高效利用重大项目’中的主要研究方向之一，即煤炭清洁高效利用决策支持平台与政策体系中，也提出建设包含能源基础设施信息在内的能源系统分析大数据平台和地理信息系统平台，全面分析煤炭清洁高效利用的战略需求和可行项目，客观评估相关基础设施和项目的空间布局安排和可能的经济、环境影响，提出对煤炭清洁高效利用的精确时空路线布局判断和建议，成为煤炭清洁高效利用决策支持平台的重要组成部分需要创新探索。”
“经过3年建设，已经建成包括煤炭、石油、天然气、核能、新能源、中国农村能源、一带一路能源等在内的14个能源板块，数据汇集2000多万条，涉及数万家能源生产和转化单位，有比较高的数据覆盖率。目前已经具备一定的服务能力。2015-2017年，能源专业知识服务系统率先为推动能源生产与消费革命（II）重大战略研究项目服务，开了工程科技知识中心服务工程院咨询项目的先河，也成为推动能源生产与消费革命（II）重大战略研究项目的亮点。
目前，能源专业知识服务系统一方面在大力开展数据的分析和挖掘工作，另一方面在积极与地方政府合作，建立区域能源大数据，刻画区域能源图谱，为地方经济转型，能源革命提供决策支撑。并取得了一些独特的领先成果，如已经开发了国际领先的中国煤炭开采、煤炭发电全生命周期数据库等。”
谢院士还指出，能源大数据的建立与应用尚无成熟先例，需要创新探索。目前还面临诸多的挑战：
1）数据源不透明。建立能源大数据需要不同行业、不同部门的支持。由于没有一个统一的政策与机制，因此造成数据源多，不能共享，做不到互联互通。
2）数据源不愿透明。企业一般不愿意披露自己的数据，尤其是可以反映企业运行活动的数据，造成数据中所隐藏的“信号”缺失，对大数据的真实性造成影响。
3）信息技术尚未完善。企业数据的传感器、海量数据的传输交互与储存等成套技术协议尚未成熟。
谢院士针对能源大数据的建立与应用面临的挑战，提出以下建议：
1）新理论的突破。一方面传统的理论需要突破,譬如传统的经济学理论无法解释中国的经济问题；另一方面需要深入探索能源与各方面的影响关系，并建立相关的理论。
2）大数据挖掘和分析方法建立。由于能源大数据在发展阶段，针对不同的需求的数据挖掘方法和模型还远远不够。
3）积极探索人工智能在能源发展中的应用。随着大数据体系的不断完善，积极探索人工智能在能源诸多领域的应用。
谢院士的发言使大家对能源大数据的建立与应用有了更加全面的理解，为能源大数据的发展指明了方向。
