目前，IBM已將數據分析作為其大數據戰略的核心，共投資160億美元進行30次數據分析的相關收購，對其海量數據分析平臺InfoSphere BigInsights等相關產品進行了一系列創新，并在電力產業提出電網轉型、提高發電效率及顧客運營轉型等倡議，以更好地支持能源大數據處理。

　　當前研究表明，太陽能農場電網智能管理需要設備控制PV板、轉換器等，以優化全天各種條件下所發電力，有效的設備管理能提高10%的生產率。世界各地電力公司對實時的廣域、監測、保護及控制系統的需求與日俱增，同步測量技術將成為該系統的有效支撐。智能電網僅僅從單向電網轉向雙向電力系統網絡還遠遠不夠，真正的需要是建立一套完整的能源和作為電、熱、氫氣、生物和非生物燃料載體的智能管理系統，這需要超越智能電網和考慮智能能源網絡的明確轉變。

　　中國能源開發和利用技術已具備一定的基礎，并形成相當規模的產業，但對能源技術創新價值鏈的艱巨性認識不足，對能源智能管理的認識與研究則處于起步階段，儲能技術與智能電網是促進可再生能源可持續發展的關鍵;企業有必要建立能源智能管理系統，并分析能源智能管理系統的特點、主要功能和實施運行要點。

　　大數據時代已經到來。大數據對有效利用能源具有重要影響，并將重塑能源系統已成為社會各界的共識，然而，能源大數據涌現、演化與傳播的機理是什么？能源業務智能將發生何種改變？對能源智能管理再造提出怎樣的要求與挑戰？需要何種能源智能決策系統才能應對這些挑戰？

　　解決這一系列科學問題，不僅有助于發現信息與能源融合的新疆域和新知識，揭示大數據時代能源智能管理與決策的內在規律，而且有望為能源的可持續發展奠定理論與技術基礎，因此具有十分重要的理論價值與現實意義，亟須引起能源、信息、科技政策等相關領域專家、學者的重視。