电力数据智能感知服务民营经济发展初探

发表时间:2020/12/30   来源:《中国电业》2020年7月21期   作者:袁雪枫,叶烨
[导读] 随着互联网信息技术、可再生能源技术及电力改革进程加快,开展综合能源服务已成为提升能源效率,减低用能成本,促进竞争与合作的发展方向以及各企业新的战略竞争与合作焦点。
        袁雪枫,叶烨
        (国网浙江省电力有限公司台州供电公司,浙江 台州 318000)

        【摘要】随着互联网信息技术、可再生能源技术及电力改革进程加快,开展综合能源服务已成为提升能源效率,减低用能成本,促进竞争与合作的发展方向以及各企业新的战略竞争与合作焦点。民营经济是支撑台州经济发展的重要力量,满足其日益增长的多元化能源消费服务需求,是电力供给侧结构性改革的本质要求。利用电力企业的数据资源,快速分析民企发展潜力、综合能源服务潜力以及外部关联性因素,实现智能感知,有效支撑服务决策,增加新的效益增长点,既促进供电企业与用电企业的互利共赢,又有效服务民营经济和区域经济发展。
        【关键词】电力数据   智能感知   民营经济
        一、研究背景
        (一)适应服务转型,拓展能源市场的需要
        随着电力体制改革的日益深化以及“互联网+电力服务”理念的深入人心,能源消费供给、结构转型、系统形态呈现出新的发展趋势,提升能源效率,降低用能成本,成为电力供给侧改革的着力点和发展方向。开展电力数据资源价值挖掘相关研究能够推动能源诊断、用能监测、节能改造、电能替代等综合能源服务业务发展,对培育新的市场业务业态发展而言意义深远。
        (二)支撑区域发展,服务民营经济发展的需要
                民营经济是支撑台州经济发展的重要力量。2018年,台州民营企业占比达到99.5%,创造了台州92%的税收和77.5%的地区生产总值。不同行业、规模的企业用能需求存在明显差异,本文对电力数据智能感知和综合运用研究能够实现对民企发展潜力和综合能源建设需求的匹配分析,支撑供电企业向民企提升对企业用能需求的响应能力、提供精准的电力金融服务等高品质的供给侧服务产品。
        (三)发挥数据价值,提升服务水平的需要
        针对新能源与互联网技术紧密耦合的现状,供电企业需坚持创新与发展并进,不断升级商业模式,积极在市场、客户、技术、供应商等方面实现优势互补。利用电力数据相继开展民企特征识别研究、发展与能效感知技术研究、用电关联性分析研究,能够帮助供电企业提升优质服务水平,有利于高效能供电服务体系建设和能源服务市场生态圈建设。
        二、数据智能感知方法及实证研究
        本文在充分考虑各行业民企用电数据特性的基础上,以台州市民营企业用电数据为研究对象,基于数据融合技术、K-Means聚类分析改进算法、皮尔逊系数等方法开展用能感知分析及外部因素关联性分析,形成了具有普适性的电力数据智能感知方法。
        (一)数据融合技术研究与应用
        集中梳理民企用电行为数据,按照不同特征属性,将数据分为三类。第一类是民企用电信息的数据,包括负荷、用电量、电费、缴费时长等;第二类是电力供应情况数据,包括变压器温度、线路负载率等。第三类是影响民企用电行为的数据,包括对民企用电行为产生直接影响的数据(如:温度、湿度、降水情况等)及产生间接影响的数据(如:经济增长率、产业发展数据、客户出行、消费习惯等日常行为数据)。
         1.融合内部数据
        应用odps sql抽取技术将多套系统的一、二类源数据按需抽取形成基础数据库,通过odps sql新建本地数据模型表融合内部数据。
         2.融合外部分析数据
        应用pyodps模块将统计局官网公布的外部关联性分析数据导入浙电云算法平台,进行数据接入与融合。
         3.数据治理
        应用阈值清洗、噪声数据清洗方法进行数据预处理,剔除无效无用数据,确保得到标准的、干净的、连续的、符合常识且结构完整的数据,使计算指标具有可用性。
        (二)以K-Means聚类分析改进算法分析企业客户特性、企业发展潜力及综合能源潜力
         1.企业客户特性感知
        聚焦民企用电特征,进行数据挖掘分析。首先,通过相关性数据分析梳理民企用电影响因素。包括:所在的行业、电压等级、用电类别、合同容量、负载率、月均用电量、月均增长量等。其次,依据影响因素历史数据,通过聚类算法,划分民企用电特性类别。分为四类:第一类为重要保障企业,对供电可靠性要求极高,供电一旦中断容易引起危险(如化学品生产制造企业)或影响民生;第二类为用电高贡献企业,生产规模大,用电量高;第三类为高需求企业,对公司的服务需求较多,咨询、沟通、反馈联系密切;第四类为增长型企业,其用电量增速快,用电需求量逐年扩大。
         2.企业发展潜力及综合能源潜力识别
        (1)识别民企发展潜力
        对民企发展潜力的识别预测采用了基于手肘法获取最优K值的K-Means聚类分析改进算法[ 郑程程. 基于改进K-means算法的聚类分析研究[D]. 2015.]。
        首先,进行特征指标计算与提取。利用odps sql计算方法分析发展潜力,应用pyodps模块将民企电力发展、报装增长、运营水平三个维度的7项指标输出至kubeflow平台;其次,利用手肘法获取最优K值的K-Means聚类分析算法[ 吴广建, 章剑林, 袁丁. 基于K-means的手肘法自动获取K值方法研究[J]. 软件, 2019, 040(005):167-170.],将民企按照电力发展、报装增长和运营水平三个维度分类,并利用matplotlib模块将分类结果可视化;第三,使用聚类分析改进的发展与能效感知技术,绘制民企电力发展、报装增长、运营水平三个维度分类的标签画像。
 
图1 电力发展指标聚类分析图(左)、报装增长聚类分析图(中)、运营水平指标聚类分析图(右)
        图中蓝色数据集表示该类企业电力发展迅猛,红色数据集表示该类电力企业电力增长较为缓慢,绿色数据集表示该类企业电力发展处于倒退状态。应用相同方法绘制企业报装发展及运营水平发展标签画像,企业报装发展分为报装增长迅猛、报装增长缓慢、报装增长停滞、报装负增长4类标签;企业运营水平发展分为运营水平较高、运营水平中等、运营水平偏低3类标签。
        (2)识别企业综合能源潜力
        应用聚类分析改进算法[ 张儒良. 聚类分析挖掘算法的改进及其应用[D]. 2004.]对企业综合能源潜力的识别预测,聚类分析的范围包括用户平均峰谷差、平均波动率、月波动率三项指标。依据分析结果,将用户负荷特性特征分为4类标签。

图2 负荷特性聚类分析图(左)、用电安全指标聚类分析图(右)
        图中浅蓝色用户特征为日负荷波动程度大,年负荷波动程度也大;绿色用户特征为日负荷波动大,年负荷波动小;红色用户特征为日负荷波动中等,年负荷波动小;蓝色用户表现日负荷、年负荷波动均较小。应用相同方法对最大负载率、电压偏差率进行聚类分析,将企业用电安全定性为安全水平较高、安全水平一般、安全水平偏低3类。
         3.外部因素关联性分析
        通过内、外部数据关联性分析,识别外部影响因素及行业用电趋势对民营企业客户用电的影响。
        (1)外部影响因素分析
        采用皮尔逊系数计算各民营企业客户用电曲线与消费价格指数、零售价格指数、工业价格指数、最高气温、最低气温、雨雪天气占比7项外部指标的影响参数[ 王涓, 吴旭鸣, 王爱凤. 应用皮尔逊相关系数算法查找异常电能表用户[J]. 电力需求侧管理, 2014, 000(002):52-54.],作为每个用户外部关联指标。计算结果显示,消费价格指数与较多用户呈现负相关的关联关系;雨雪天数与较多用户呈现正相关的关联关系。其他外部因素频率直方图呈现“正态分布”状,对少数用户有影响。

图3 外部因素与用户年用电曲线皮尔逊系数频率直方图
        (2)行业间关联分析
        以外部因素分析相同方法开展行业间关联分析,选取台州用户数量较多的10个行业作为的分析对象,构建N阶行业关联矩阵。

图4 行业关联矩阵热力图分析
        关联性越强的热力图颜色越鲜艳,非金属矿物制品业、金属制品业、通用专用设备制造业、塑料制品业关联性较强;住宿业、零售业关联性较强。
        三、服务民营经济发展的实际应用
        (一)支撑新冠疫情期间民营企业复工复产
        2020年初,新型冠状病毒肆虐全国,台州电力企业应用本文分析方法以企业发展潜力分析模型、外部因素影响分析模型为基础,结合浙江电力首推的“企业复工电力指数”,建立了台州地区企业电力复工指数计算模型。
       
图5 全市企业用户复工电力指数趋势图
        对所有企业数据按企业所属行业进行匹配归类,纵向涵盖市、县级层面,横向涵盖国家规定的十大行业分类,权威、准确、实时、连续的监测各行业复工企业数和复工情况(即复工电量占比),另筛选匹配出台州支柱产业包含的各家企业单位总体复工企业数量和复工产能情况,为市政府统筹、掌握全市复工、复产情况,针对不同区域情况完善差异化疫情防控策略、制定不同区域疫情防控和经济活动措施及复工复产策略提供决策依据。
       
图6 台州市各行业复工电力指数及全市支柱产业复工电力指数
        (二)优化民营企业供电服务
         1.做优常态化服务
        (1)优化用电负荷需求服务
        依据民企发展潜力分析及外部因素关联性分析得出的各类标签画像,建立具有良好拟合特性的电力需求预测模型,开展了预测民企用电需求的神经网络分析(BP)[ 黄海萍. 基于BP神经网络的中国电力需求预测[J]. 科学技术与工程, 2007, 7(4):612-613.],及时调整电网资源,通过电力供应负荷转供实现了优化调度、节能调度,优化了供需长期匹配。
        (2)优化业扩报装及综合能源服务
        对民企发展潜力、综合能源潜力及外部因素关联性分析,对民企增减容、综合能源服务等需求的提前感知,有效降低了业扩增、减容、储能设备建设及能源设备改造等流程的时长。
         2.定制个性化服务
        (1)为重要保障企业定制管家化服务
        建立民企电力设施安全与运行年检报告,形成重要用户健康档案;整合民企用电、保电抢修等多方面信息,实现设备状态评估,失电可承受时限报警;发放电网薄弱信息告知单,制定柔性错避峰方案等。与民企签订保电协议,提高其设备故障发现率和违约行为的风险预判能力。
        (2)为高贡献企业定制能效服务
        利用数据平台,实时监测民企用电特性数据,包括日常用电的峰谷数据、用电量负荷曲线、MD变化走势、电压电流数据等数据,提供无功精准补偿策略、蓄能技术的应用方案、错避峰方案定制、负载率不足或过高提醒等增值服务,降低民企用电成本。
        (3)为高需求企业定制痕迹服务
        主动分析区域性诉求、反复诉求、敏感诉求、热点诉求等关键矛盾,及时掌握高需求民企的用电需求,实现提前介入和主动服务。
        (4)为增长型企业定制智能服务
        打造O2O“互联网+供电服务”新模式。通过电子商务平台、手机APP等多种手段打破线下固定区域服务的制约,利用互联网为增长型民企建立智能互动,便捷高效的业务办理、信息咨询等在线及自助式新型服务模式,提高增长性企业客户粘性。
         3.拓展主动化服务
        结合民企用电特性及发展、新能源潜力分析,辅助银行开展民企经营数据与电力数据的交互贯通,构建联通“银行(金融机构)”-“电力公司”-“民营企业”的三方“电力+金融”新型生态圈,为民企提供电力融资服务,带动产业链上下游共同发展、互利共赢[ 王淑萍. 关于我国电力社会普遍服务融资模式的研究[D]. 华北电力大学(北京), 2008.];利用以电力为核心指标的民企运营水平监测、发展潜力分析等评价结果,为民企提供能效管理咨询和解答,形成综合能源服务策略,降低耗能成本。
        四、结论
        本文研究取得了良好的效果,可以得出以下结论:
        1.电力数据融合技术的应用贯通了电力数据挖掘分析的全价值链,对民企客户服务的主动化、超前化、高效化和匹配化意义深远,使公司数据、人力、财力、物力的使用效率大大增长、经营管理水平的跨越式提升。
        2.电力数据智慧感知的应用,特别是综合能源潜力数据智慧感知结果,可为综合能源潜力大的民企提供能源诊断、用能监测、节能改造、电能替代等能效提升服务,帮助民企用户用电削峰填谷、节能降耗,降低了用能成本,增加了公司的综合能源服务收入,实现了公司与企业客户的互利共赢。
        3.本研究强化了互联网、大数据技术与价值服务的有机结合,满足民企日益变化的差异化服务需求,提升了服务质量,强化了供电企业的社会履责能力。使民企获得服务的时间、成本得到有效控制,能源利用效率得到显著提升,强化了社会履责能力,支撑了地区民营经济发展。
        
参考文献
投稿 打印文章 转寄朋友 留言编辑 收藏文章
  期刊推荐
1/1
转寄给朋友
朋友的昵称:
朋友的邮件地址:
您的昵称:
您的邮件地址:
邮件主题:
推荐理由:

写信给编辑
标题:
内容:
您的昵称:
您的邮件地址: