趙玉琢，張延遲

（上海電機(jī)學(xué)院電氣學(xué)院，上海 201306）

能源互聯(lián)網(wǎng)概念的提出和電力市場的開放，促使更多的技術(shù)和資本涌入能源市場，其中大型互聯(lián)網(wǎng)企業(yè)參與能源行業(yè)跨界競爭的行為值得引起關(guān)注。隨著能源互聯(lián)網(wǎng)概念［1］的提出，各種新生事物不斷涌入能源市場，各大互聯(lián)網(wǎng)企業(yè)阿里巴巴、騰訊、百度等以及通信企業(yè)華為紛紛試圖進(jìn)軍電力能源行業(yè)，參與能源行業(yè)跨界競爭。除了與電網(wǎng)進(jìn)行合作以外，互聯(lián)網(wǎng)企業(yè)在其他能源領(lǐng)域也有大量布局。綜合來說，各大互聯(lián)網(wǎng)企業(yè)均有參與能源行業(yè)的趨勢及舉措，向“能源互聯(lián)網(wǎng)新業(yè)態(tài)”發(fā)展，促進(jìn)自身的多元化，這些客戶導(dǎo)向思維的互聯(lián)網(wǎng)企業(yè)試圖向能源領(lǐng)域進(jìn)軍。傳統(tǒng)的電網(wǎng)企業(yè)是典型的資產(chǎn)驅(qū)動型企業(yè)，隨著國民經(jīng)濟(jì)的飛速發(fā)展，不斷衍生出多種新生事物，社會處于轉(zhuǎn)變發(fā)展方式、優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)的攻關(guān)期。目前，電網(wǎng)的發(fā)展面臨著能源技術(shù)發(fā)展的挑戰(zhàn)以及新業(yè)態(tài)的競爭。據(jù)國家統(tǒng)計局發(fā)布的國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計公報，2014年以來，我國電力生產(chǎn)行業(yè)總發(fā)電量呈現(xiàn)穩(wěn)步增長趨勢。2015年3月，《中共中央國務(wù)院關(guān)于進(jìn)一步深化電力體制改革的若干意見》［2］的發(fā)布實(shí)施，標(biāo)志著中國開始對新一輪電力體制改革進(jìn)行全面部署［3］。此次改革以“管住中間、放開兩頭”為核心，發(fā)布6個核心配套文件，有序向社會資本放開配售電業(yè)務(wù)，并進(jìn)行進(jìn)一步的電力市場建設(shè)以及電價改革［4］。鑒于目前電網(wǎng)面臨形勢的變化，為保證電力公司體系的高效運(yùn)轉(zhuǎn)，電網(wǎng)公司提出“三集五大”的大運(yùn)行體系，建設(shè)大規(guī)劃、大建設(shè)、大運(yùn)行、大檢修、大營銷五大體系［5］。改革在不斷推進(jìn)，新能源技術(shù)以及新一代信息通信技術(shù)也在不斷發(fā)展?！澳茉础迸c“互聯(lián)網(wǎng)”融合的設(shè)想一經(jīng)提出便引起了國內(nèi)外研究者的高度關(guān)注，這一設(shè)想給中國能源產(chǎn)業(yè)帶來了重要的機(jī)遇與挑戰(zhàn)［6］。能源互聯(lián)網(wǎng)具備新型高效智能電網(wǎng)結(jié)構(gòu)，由大量分布式能源應(yīng)用單元組合而成，利用儲能設(shè)備及能源管理系統(tǒng)解決不穩(wěn)定輸出的問題［7］。本文提出了一種電網(wǎng)公司應(yīng)對互聯(lián)網(wǎng)企業(yè)跨界競爭的策略方法，其中包括建立基于Spark框架的電力服務(wù)平臺，利用近鄰傳播（Affinity Propagation，AP）聚類法［8］分析用戶行為，并基于遷移學(xué)習(xí)［9］進(jìn)行負(fù)荷預(yù)測以增強(qiáng)用戶黏性。

1 互聯(lián)網(wǎng)企業(yè)投建光伏電站

能源互聯(lián)網(wǎng)以電為中心，利用電力電子技術(shù)及信息技術(shù)智能分配能量與信息，實(shí)現(xiàn)實(shí)時監(jiān)管以及快速調(diào)度。圖1為能源互聯(lián)網(wǎng)結(jié)構(gòu)圖。

圖1 能源互聯(lián)網(wǎng)結(jié)構(gòu)圖

目前，國內(nèi)的互聯(lián)網(wǎng)巨頭阿里巴巴、百度、京東等主要投建了小范圍內(nèi)的屋頂光伏電站。國外的亞馬遜電商在全球范圍內(nèi)所投資的與新能源相關(guān)的項(xiàng)目已達(dá)206個，其中包括風(fēng)電、光伏等項(xiàng)目［10］。光伏電站是通過接入主干電力網(wǎng)向電力網(wǎng)輸送電力的發(fā)電系統(tǒng)［11］，能源企業(yè)對光伏電站的投資建設(shè)主要側(cè)重于項(xiàng)目的設(shè)計。相比能源企業(yè)，互聯(lián)網(wǎng)企業(yè)投建光伏電站的不同之處在于其切入點(diǎn)為數(shù)據(jù)和系統(tǒng)，將光伏產(chǎn)業(yè)與云端服務(wù)相結(jié)合，形成“互聯(lián)網(wǎng)+新能源電站”的運(yùn)行模式。

1.1“互聯(lián)網(wǎng)+光伏電站”

互聯(lián)網(wǎng)企業(yè)的技術(shù)優(yōu)勢在于云計算，大數(shù)據(jù)云計算服務(wù)能夠高效地處理、分析海量數(shù)據(jù)，具備數(shù)據(jù)的存儲和計算等功能［12］。以阿里巴巴在菜鳥物流園區(qū)投建的屋頂光伏電站為例，因其分布式的特點(diǎn)，數(shù)據(jù)會以一種離散的形式進(jìn)行存儲。大量的數(shù)據(jù)分布在不同的存儲節(jié)點(diǎn)上，若任意存儲節(jié)點(diǎn)失效，利用其他存儲節(jié)點(diǎn)完成數(shù)據(jù)存儲的接力。通過極值過濾、異常值過濾、數(shù)據(jù)插值及校正等措施對實(shí)時數(shù)據(jù)進(jìn)行數(shù)據(jù)監(jiān)測處理，預(yù)測未來的數(shù)據(jù)。高預(yù)測精度且功能完備的功率預(yù)測系統(tǒng)對新能源電站的運(yùn)行至關(guān)重要。對數(shù)據(jù)進(jìn)行采集、存儲、監(jiān)測、預(yù)測，可實(shí)現(xiàn)居民電力的可靠使用。圖2所示為增城物流園區(qū)屋頂光伏電站基于大數(shù)據(jù)的能源交易流程圖。

圖2 數(shù)據(jù)交易模型

用戶與互聯(lián)網(wǎng)企業(yè)通過價格協(xié)商進(jìn)行數(shù)據(jù)交易，商業(yè)樓與居民樓的用電需求及對數(shù)據(jù)質(zhì)量要求不同，需分析用戶的數(shù)據(jù)屬性特征并實(shí)施多屬性協(xié)商機(jī)制，交易對象為

式中：Mi為數(shù)據(jù)價格協(xié)商的對象；（e1，e2，···，en）為屬性向量，n表示對象屬性數(shù)量。

在交易對象中，存在的n個屬性可表示為（E1，E2，···，En），其中的元素取值范圍是（Ei，min，Ei，max）。為體現(xiàn)不同交易方的滿意度，以效用值衡量，定義正屬性代表交易雙方均滿意，且取值越大，滿意程度越高；負(fù)屬性代表交易雙方不滿意，且取值越大，滿意程度越低。根據(jù)滿意程度制定合適的協(xié)商定價機(jī)制。

1.2 運(yùn)營模式

分布式光伏具備就地消納，運(yùn)輸成本低等特點(diǎn)［13］。目前，互聯(lián)網(wǎng)企業(yè)對光伏電站的投資多集中于屋頂分布式光伏。以阿里巴巴投建的菜鳥增城園區(qū)屋頂光伏電站為例，采用了“自發(fā)自用，余電上網(wǎng)”的并網(wǎng)方式，滿足了自身的用電需求，其并網(wǎng)方式如圖3所示。

圖3 并網(wǎng)方式

所謂“自發(fā)自用，余電上網(wǎng)”，就是在光伏系統(tǒng)發(fā)電量滿足自身負(fù)荷需求后，將多余電量饋入電網(wǎng)［14］。這種模式可使投資商拿到較高電價，同時能將用不完的電量賣給電網(wǎng)，此外無論是自用部分還是上網(wǎng)部分均可享受政府財政補(bǔ)貼。

2 光伏電站營運(yùn)對電網(wǎng)公司的競爭

以往電網(wǎng)公司處于壟斷地位，而如今隨著售電側(cè)放開［15］，互聯(lián)網(wǎng)企業(yè)大規(guī)模進(jìn)軍能源行業(yè)，對電網(wǎng)公司造成巨大沖擊。

2.1 大數(shù)據(jù)技術(shù)層面的競爭

在大量新能源不斷接入電網(wǎng)的趨勢下，每時每刻都產(chǎn)生著大量數(shù)據(jù)，不以大數(shù)據(jù)為基礎(chǔ)的預(yù)測技術(shù)很難滿足系統(tǒng)對于數(shù)據(jù)處理等的要求。大數(shù)據(jù)預(yù)測和傳統(tǒng)預(yù)測的對比情況見表1。

由表1可知，大數(shù)據(jù)技術(shù)在數(shù)據(jù)預(yù)測中的應(yīng)用能夠有效提高預(yù)測精確度，從而減少損失，增加收益，維護(hù)安全穩(wěn)定性。

表1 大數(shù)據(jù)預(yù)測與傳統(tǒng)預(yù)測的對比

2.2 對電網(wǎng)收益的影響

互聯(lián)網(wǎng)企業(yè)投建新能源電站“自發(fā)自用，余電上網(wǎng)”的模式對電網(wǎng)來說，一方面無法獲得用戶自發(fā)自用電量的購售電差價，對區(qū)域內(nèi)電力公司造成實(shí)際損失；另一方面，給電網(wǎng)增加區(qū)域配網(wǎng)容量計算、管理電源點(diǎn)增加、用戶用電計量等額外的工作量。

2.2.1 屋頂光伏電站收益 對于“自發(fā)自用，余電上網(wǎng)”的運(yùn)行模式，投資現(xiàn)金流入主要包括自用消耗部分帶來的收入、剩余電量饋入電網(wǎng)所獲得的收入和政府給予光伏電站投資商的補(bǔ)貼收入3個部分，增城區(qū)的分布式光伏補(bǔ)貼為0.15元/kWh。屋頂光伏電站年發(fā)電量為

式中：M為裝機(jī)容量；h為年峰值日照小時數(shù)；PRt為屋頂光伏電站運(yùn)行效率；dt為光伏縮減率。

根據(jù)北極星太陽能光伏網(wǎng)數(shù)據(jù)和美國航空航天局（NASA）數(shù)據(jù)庫，可知增城園區(qū)裝機(jī)容量為12 MW，經(jīng)度113.83°，緯度23.29°，光伏發(fā)電系統(tǒng)最佳安裝傾斜角為20°，年峰值日照時間為1 153.4 h。在光伏系統(tǒng)運(yùn)行過程中，地理位置、溫度條件、光伏組件匹配、并網(wǎng)逆變器及升壓變、交直流線纜造成的功率損耗分別為4%、3%、8%、5%、2.5%；其他雜項(xiàng)損耗為3%。因此，光伏系統(tǒng)運(yùn)行效率為

光伏縮減率為3%，根據(jù)以上計算可得出增城園區(qū)年發(fā)電量為

根據(jù)調(diào)研，夏季與非夏季的用電峰谷時段光伏發(fā)電量百分比及分時段電價見表2和表3。

表2 夏季分時段發(fā)電量及電價

表3 非夏季分時段發(fā)電量及電價

按光伏夏季發(fā)電量占全年發(fā)電量60%，非夏季占40%計算，該屋頂光伏系統(tǒng)在高峰時段的發(fā)電比例為46.214%，平時段發(fā)電比例為53.786%，谷時段光伏系統(tǒng)無發(fā)電量。按40%自用以及60%余電上網(wǎng)的比例計算，廣州地方補(bǔ)貼為0.15元/kWh（5年內(nèi)價格不變），上網(wǎng)電價為0.45元/kWh，則5年內(nèi)增城園區(qū)光伏發(fā)電收益為

式中：Rt為現(xiàn)金流入；Rearn為平均每度電收益；Ruse為自用部分每度電收益；FIT為上網(wǎng)電價。通過計算可得5年內(nèi)增城園區(qū)屋頂光伏發(fā)電收益為4 018.26萬元。運(yùn)維成本按5萬元/MW計算，則此電站未來5年運(yùn)維費(fèi)用為25萬元。

2.2.2 電網(wǎng)收益損失 據(jù)調(diào)研，表4為廣州工商業(yè)峰谷電價表。

表4 廣州工商業(yè)峰谷電價表

增城園區(qū)在2020年的用電量約為10 GWh，用電高峰期約49.6%，平段期約41.3%，低谷期約9.1%。由于“自發(fā)自用，余電上網(wǎng)”模式為主的光伏電站入局新能源行業(yè)必然會搶占該領(lǐng)域的流量入口，使得原有電網(wǎng)公司用戶量流失，造成電網(wǎng)公司收益損失。通過以上數(shù)據(jù)可得，僅此物流園區(qū)未來5年內(nèi)將給增城區(qū)電力公司造成4 430萬元的用電流量流失性損失收益。電網(wǎng)將迎來不小的沖擊，必須及時給出有效的應(yīng)對策略。

3 應(yīng)對策略及算例分析

為了增強(qiáng)電力用戶黏性，電網(wǎng)須滿足用戶多維度需求的服務(wù)。本節(jié)建立了基于Spark框架的電力服務(wù)平臺，分析用戶行為并進(jìn)行負(fù)荷預(yù)測，篩選出應(yīng)當(dāng)努力爭取并留住的客戶。

3.1 基于Spark框架的電力服務(wù)平臺框架

Spark是具備大數(shù)據(jù)處理分析功能的引擎，具有快速性、易用性、跨平臺性等特點(diǎn)［16］。圖4為本文提出的基于Spark框架的電力服務(wù)平臺總體結(jié)構(gòu)設(shè)計。整個服務(wù)平臺按照層次化結(jié)構(gòu)設(shè)計，分為底層、中間層和頂層。其中，數(shù)據(jù)貼源層完成數(shù)據(jù)的采集、轉(zhuǎn)換和存儲，以具備典型主從式存儲管理結(jié)構(gòu)的HBase列式存儲架構(gòu)［17］為關(guān)鍵技術(shù)，通過多節(jié)點(diǎn)并發(fā)訪問提升服務(wù)平臺的數(shù)據(jù)吞吐率，且具有較高的容錯率；數(shù)據(jù)分析層對數(shù)據(jù)進(jìn)行挖掘、預(yù)處理等操作，是整個服務(wù)平臺的核心，基于AP聚類法分析用戶行為，并基于遷移學(xué)習(xí)進(jìn)行負(fù)荷預(yù)測，以MapReduce計算框架與HBase列式存儲架構(gòu)配合使用，實(shí)現(xiàn)用戶分類以及電力負(fù)荷預(yù)測；業(yè)務(wù)實(shí)現(xiàn)層負(fù)責(zé)展示各種數(shù)據(jù)處理結(jié)果。

圖4 基于Spark框架的電力服務(wù)平臺

3.2 基于AP聚類的用戶行為分析方法

本文基于日負(fù)荷率、日平均負(fù)荷率、用電百分比、谷電系數(shù)以及峰值耗電率這5個指標(biāo)對用戶行為進(jìn)行聚類分析。計算方法如下：

式中：KL、KLav、Ke、Kp分別為日負(fù)荷率、日平均負(fù)荷率、用電百分比和峰值耗率；Lav、Lmax為日平均負(fù)荷和日最大負(fù)荷；EZ、Ef、Ev、Ep分別為日總用電量、平段用電量、谷段用電量和峰段用電量；Ve為谷電系數(shù)。

由于用戶用電行為變異性大小各不相同，利用熵權(quán)法確定各指標(biāo)的權(quán)重值，以提高指標(biāo)權(quán)值的客觀性。假設(shè)5個指標(biāo)的初始權(quán)值向量為

生成新的聚類中心后，統(tǒng)計這5個指標(biāo)對聚類中心的貢獻(xiàn)程度，即

式中：Lrand為聚類中隨機(jī)選取的負(fù)荷值；n為聚類簇個數(shù)；Ij為聚類中所對應(yīng)的指標(biāo)值。

根據(jù)熵權(quán)法原理，計算第i個指標(biāo)的權(quán)值為

本文根據(jù)AP聚類法原理構(gòu)建相似度矩陣，定義兩個數(shù)據(jù)點(diǎn)間的相似度為

式中：x(i，k)、x(j，k)分別為第i個和第j個數(shù)據(jù)的第k個屬性值；m為屬性個數(shù)。

設(shè)置參考度，即相似度矩陣的對角線值，參考度越大，聚類結(jié)束后的質(zhì)心個數(shù)就越多。AP聚類迭代過程如下：

式中：A(i，j)、B(i，j)分別為i、j間的吸引度和歸屬度。

3.3 基于遷移學(xué)習(xí)的電力負(fù)荷預(yù)測方法

本文基于深度學(xué)習(xí)，引入遷移學(xué)習(xí)概念，以解決負(fù)荷預(yù)測過程中訓(xùn)練數(shù)據(jù)不足的問題，同時保證預(yù)測精度。基于遷移學(xué)習(xí)的負(fù)荷預(yù)測方法，如圖5所示。

圖5 基于遷移學(xué)習(xí)的負(fù)荷預(yù)測方法

3.4 算例分析及仿真

本節(jié)選取某地150名工商業(yè)用戶進(jìn)行各類數(shù)據(jù)采集，根據(jù)AP聚類結(jié)果，得出最佳聚類個數(shù)為3。將用戶日負(fù)荷曲線進(jìn)行擬合聚類，如圖6～圖8所示。

由圖6～圖8可知，A類用戶在10：00～20：00期間是用電高峰期，說明該時段內(nèi)工廠用電設(shè)備持續(xù)工作，負(fù)荷壓力較大，在9：00～10：00期間用戶用電量陡增，導(dǎo)致工廠大量設(shè)備進(jìn)入生產(chǎn)狀態(tài)，這也是A類負(fù)荷波動率降低的主要因素；B類用戶整體用電量較低，用電高峰時段較短，曲線波動較為平滑，在8：00～18：00期間用電量先增后減，中午時段用電量最大；C類用戶負(fù)荷波動頻繁，但整體負(fù)荷等級較低，具備雙峰時用戶的典型特征，8：00～10：00和15：00～18：00是其用電高峰期。

圖6 A類用戶日負(fù)荷曲線

圖7 B類用戶日負(fù)荷曲線

圖8 C類用戶日負(fù)荷曲線

通過數(shù)據(jù)搜集可獲得3類用戶于2015—2020年的月負(fù)荷曲線。根據(jù)遷移學(xué)習(xí)算法選取2018—2020年的負(fù)荷數(shù)據(jù)作為訓(xùn)練集可以得到2021年上半年的月負(fù)荷量曲線，并與實(shí)際用電量曲線作對比，如圖9～圖11所示。

圖9 A類用戶電量預(yù)測結(jié)果

圖10 B類用戶電量預(yù)測結(jié)果

圖11 C類用戶電量預(yù)測結(jié)果

為驗(yàn)證本文算法的優(yōu)越性，以C類用戶為例，采用遞歸神經(jīng)網(wǎng)絡(luò)（RNN）、粒子群-循環(huán)神經(jīng)網(wǎng)絡(luò)（PSO-LRNN）兩種算法對相同數(shù)據(jù)集進(jìn)行訓(xùn)練，得到如圖12所示的預(yù)測結(jié)果。

圖12 不同算法的負(fù)荷預(yù)測結(jié)果

本文提出的模型訓(xùn)練結(jié)果準(zhǔn)確度較高，因此利用該模型對2021年下半年的用電負(fù)荷進(jìn)行預(yù)測，如圖13～15所示。

圖13 A類用戶2021全年負(fù)荷曲線

圖14 B類用戶2021全年負(fù)荷曲線

圖15 C類用戶2021全年負(fù)荷曲線

由預(yù)測結(jié)果可得表5中的數(shù)據(jù)。

表5 用戶用電量及購電增長率

由表5可知，C類用戶購買力雖然低一些，但購電增長趨勢最好，是電力公司應(yīng)當(dāng)努力爭取并留住的客戶。

4 結(jié) 語

本文研究了大型互聯(lián)網(wǎng)企業(yè)投建光伏電站的運(yùn)行模式以及互聯(lián)網(wǎng)電站給電網(wǎng)帶來的競爭，據(jù)此給出電網(wǎng)的應(yīng)對策略。以阿里巴巴投建的增城物流園區(qū)屋頂光伏電站為例，從大數(shù)據(jù)處理方式和“自發(fā)自用，余電上網(wǎng)”模式兩方面分析其運(yùn)行模式；整合計算了該屋頂光伏電站未來5年內(nèi)會給電網(wǎng)帶來的收益損失；從避免用戶大量流失的角度出發(fā)，建立了基于Spark框架的電力服務(wù)平臺，利用AP聚類分析用戶行為并基于遷移學(xué)習(xí)進(jìn)行負(fù)荷預(yù)測，從而篩選出應(yīng)當(dāng)努力爭取并留住的客戶，增強(qiáng)電網(wǎng)用戶黏性。最終通過算例分析驗(yàn)證了應(yīng)對策略的有效性，得出電網(wǎng)公司需要努力爭取并留住的客戶類別。