朱 輝,閆騰飛,丁 一,程曉艷,盛耀龍,陳海鵬

(1.國網(wǎng)山東省電力公司聊城供電公司,山東 聊城 252000;2.東北電力大學(xué)電氣工程學(xué)院,吉林 吉林 132012)

0 引 言

目前電力市場不斷發(fā)展,電力用戶在能源交易市場中的市場主體地位日益提高。因此,電力企業(yè)需要更好地了解和掌握工業(yè)用戶用電規(guī)律,以提高其服務(wù)水平和市場競爭力[1]。與此同時,在綜合能源系統(tǒng)快速發(fā)展的環(huán)境下,電力消費主體的多元化程度越來越高,對于生成用戶用能行為畫像的數(shù)據(jù)分析算法也提出了更高的要求[2-3]。隨著智能量測終端的大量投用使用,工業(yè)用戶用能數(shù)據(jù)得以實時采集,從而可以通過多元量測數(shù)據(jù)更準(zhǔn)確地描述工業(yè)用戶用能習(xí)慣與行為特性[4]。利用多元量測數(shù)據(jù)生成的“工業(yè)用戶用能畫像”可以再現(xiàn)工業(yè)用戶用能的全貌,并為優(yōu)化工業(yè)用戶能源結(jié)構(gòu)、挖掘工業(yè)用戶需求特證、提高工業(yè)用戶科學(xué)用能水平奠定基礎(chǔ)條件。

用戶畫像是根據(jù)用戶生活習(xí)慣、社會屬性和消費行為等信息抽象出的一個標(biāo)簽化的用戶模型,為了生成精細(xì)、智能與全面的用能畫像,需要建立全面、客觀的用戶用能評價體系[5]。

針對多元用戶的用能評估體系,國內(nèi)外均有相關(guān)研究。文獻(xiàn)[6]評估體系從技術(shù)性、經(jīng)濟性以及可靠性等多個層面展開構(gòu)建;文獻(xiàn)[7]從電壓、負(fù)荷和綜合三類維度構(gòu)建評估指標(biāo),用以描述重要電力客戶的用電狀態(tài)。目前建立用戶用能評價體系通常選取與電力相關(guān)聯(lián)的指標(biāo)建立。然而,在“碳達(dá)峰,碳中和”的背景下,有關(guān)用戶低碳用能指標(biāo)的用戶用能評價體系相對欠缺。

確定用戶畫像是一個復(fù)雜的多目標(biāo)決策問題,需要采用層次分析法(Analytic Hierarchy Process,AHP)、模糊綜合評價、熵權(quán)法以及基于指標(biāo)相關(guān)性的客觀指標(biāo)權(quán)重確定法等一系列方法來生成用戶畫像;在文獻(xiàn)[8]中,采用層次分析法確定指標(biāo)權(quán)重并計算綜合用能指數(shù),生成了工業(yè)用戶多維用能畫像;文獻(xiàn)[9]構(gòu)建電力用戶的標(biāo)簽體系,并計算不同標(biāo)簽的權(quán)重,實現(xiàn)了用戶畫像的生成。使用層次分析法確定指標(biāo)權(quán)重,主要采用多個專家打分確定標(biāo)簽權(quán)重,但但這種方法存在著賦權(quán)結(jié)果主觀性較強、實用性較低的問題[10];文獻(xiàn)[11]采用層次分析法和熵權(quán)法計算變壓器狀態(tài)評價體系中不同指標(biāo)的綜合權(quán)重;文獻(xiàn)[12]采用客觀權(quán)重賦權(quán)法對各項指標(biāo)進(jìn)行加權(quán)計算,從而實現(xiàn)用戶綜合用能畫像,但在該文獻(xiàn)中,只考慮客觀因素時各指標(biāo)權(quán)重的差異并不明顯,無法足以體現(xiàn)出不同類型工業(yè)行業(yè)用戶的用能特點。

針對上述問題,本文提出一種多層的工業(yè)用戶用能評價體系,該體系從用電負(fù)荷水平、用電低碳指標(biāo)、用電穩(wěn)定性、用電互動能力以及用熱/冷特性這六個維度綜合評價用戶用能水平,并且采用改進(jìn)的AHP-CRITIC綜合權(quán)重計算法對工業(yè)用戶用能進(jìn)行組合賦權(quán),最終生成考慮用戶用能特性的多元用戶用能畫像。本文基于四種工業(yè)用戶用能數(shù)據(jù)完成算例分析,結(jié)果表明,本文提出的方法可以展現(xiàn)不同類型工業(yè)用戶用能的差異性,從而幫助不同類型工業(yè)用戶進(jìn)行針對性的用能管理與服務(wù)政策。

1 多層用戶用能評價體系建立

根據(jù)對國內(nèi)外大型能源用戶用電評價指標(biāo)的廣泛調(diào)研分析,并結(jié)合"雙碳"目標(biāo)本文構(gòu)建了含有電負(fù)荷水平、用能低碳性、用電穩(wěn)定性、用電互動性、用熱(冷)特性等指標(biāo)的工業(yè)用戶用能特性評價體系,從而實現(xiàn)對不同工業(yè)用戶用能特性的全面刻畫,構(gòu)建的工業(yè)用戶用能評價體系如圖1所示。

圖1 針對工業(yè)用戶的多元用戶用能評價體系Fig.1 Multi-user energy use evaluation system for industrial users

1.1 用電負(fù)荷水平L1

用電負(fù)荷水平指的是工業(yè)用戶在某個時間段內(nèi)所需的用電量,包括日平均負(fù)荷、日負(fù)荷率、峰時耗電量以及谷電系數(shù)四個二級指標(biāo),作為反映工業(yè)用戶負(fù)荷情況的評價指標(biāo)[13]。

1.2 用電低碳性L2

用電低碳性指標(biāo)反映了工業(yè)用戶在可再生能源消納和能源低碳轉(zhuǎn)型方面的能力,主要包括清潔能源占比、減排率、余能利用率、電能替代水平以及廢氣達(dá)標(biāo)水平五個二級指標(biāo)[14]。

1.3 用電穩(wěn)定性L3

在評估用戶用電穩(wěn)定性時,需要考慮電負(fù)荷變化幅度、趨勢和波動等因素,最終選取日峰谷差、細(xì)節(jié)波動和日負(fù)荷波動率等指標(biāo)來評估用電穩(wěn)定性。

1.4 用電互動能力指標(biāo)L4

用電互動能力是指在電力市場供需平衡背景下,對用戶電負(fù)荷參與需求響應(yīng)的潛力評估,主要包括調(diào)峰能力和需求響應(yīng)潛力兩個二級指標(biāo)。

1.5 用熱(冷)特性L5

在描述熱(冷)負(fù)荷特性時,需求考慮其負(fù)荷水平和負(fù)荷穩(wěn)定性?；诖?用熱(冷)特性指標(biāo)主要包括日平均負(fù)荷、日負(fù)荷率、峰時用能率以及日峰谷差四個二級指標(biāo)[15]。

2 改進(jìn)的AHP-CRITIC綜合指標(biāo)權(quán)重的計算

2.1 主觀權(quán)重計算-FAHP法

模糊層次分析法(FAHP)是一種綜合模糊數(shù)學(xué)和層次分析法的權(quán)重計算方法,在處理復(fù)雜評價系統(tǒng)中具有廣泛應(yīng)用。相對于傳統(tǒng)的層次分析法(AHP),FAHP在處理涉及大量評估指標(biāo)的項目時,能夠更好地保證評價過程的一致性。通過引入模糊數(shù)學(xué)理論,FAHP能夠處理評估指標(biāo)的模糊性和不確定性,從而有效解決指標(biāo)權(quán)重的一致性問題[16]。該方法的優(yōu)點在于結(jié)合了模糊數(shù)學(xué)的靈活性和層次分析法的結(jié)構(gòu)化特征,提高了評價結(jié)果的可靠性和準(zhǔn)確性。

2.2 FAHP流程

2.2.1 層次結(jié)構(gòu)模型

為了確定評價指標(biāo)權(quán)重,首先確定評價體系的決策目標(biāo)并且分析影響因素,接著構(gòu)建層次化結(jié)構(gòu)模型,最后從用電負(fù)荷水平、用電低碳性、用電穩(wěn)定性、用電互動性、用熱(冷)特性五個方面建立多層用戶用能評估體系。該體系包括評估結(jié)果輸出層、中間層和決策層。評估結(jié)果輸出層的目標(biāo)是多元用戶用能水平綜合得分。中間層涉及評價因素之間的關(guān)系。決策層確定系統(tǒng)的總目標(biāo),方案層表示用戶各子指標(biāo)的狀態(tài)值。評價指標(biāo)體系B由n個指標(biāo)組成,即B={B1,B2,...,Bn}。每個指標(biāo)Bi可能包含s個子指標(biāo),即Bi={Bi1,Bi2,…,Bis}。通過FAHP方法確定權(quán)重,準(zhǔn)確評估用能水平。

2.2.2 模糊互補判斷矩陣的構(gòu)造

通過采用一致矩陣法,FAHP確定了各個子指標(biāo)的相對權(quán)重。該方法通過各指標(biāo)之間的比較,利用相對尺度降低了對不同指標(biāo)之間比較的困難。逐層計算指標(biāo)元素的相對重要性,并構(gòu)建模糊互補判斷矩陣。

(1)

公式中:mij為指標(biāo)因素Bi與指標(biāo)因素Bj對比的相對重要性。根據(jù)參考文獻(xiàn)[16],給出了不同相對重要程度下矩陣元素的取值標(biāo)準(zhǔn)如表1所示。

表1 判斷矩陣取值標(biāo)準(zhǔn)Tab.1 Judgement matrix value criteria

2.2.3 一致性測試與調(diào)整

邏輯一致性確保了一致性指標(biāo)權(quán)重的準(zhǔn)確性,以確保對指標(biāo)重要性的判斷沒有矛盾。在文中,使用指數(shù)γ值的大小作為判斷矩陣一致性程度的依據(jù)。γ的值越大,則一致性越差[16]。指數(shù)γ的計算為

(2)

2.2.4 一致性測試與調(diào)整的流程

1)設(shè)閾值σ并且與γ指數(shù)進(jìn)行比較,若σ小于指數(shù)γ則需要調(diào)整矩陣M;

2)建立權(quán)重判斷矩陣

(3)

3)計算M和M(k)之間的關(guān)聯(lián)程度:

(4)

4)根據(jù)最小值原理a(k1)=min{a(1),a(2),…,a(n)},確定加性一致性矩陣Mk1,該矩陣與模糊互補矩陣M最接近,并表示為M*;

5)計算偏差矩陣Q=(qij)n×n:

(5)

6)根據(jù)偏差矩陣Q的結(jié)果,調(diào)整判斷矩陣M的一致性。若bst>0,則令M′st=Mst-λ,M′ts=Mts+λ;反之令M′st=Mst+λ,M′ts=Mts-λ。調(diào)整系數(shù)λ取值為0.05。將調(diào)整后的矩陣M′作為新的模糊互補判斷矩陣M,并返回到步驟1進(jìn)行下一輪計算。

2.2.5 單層指標(biāo)排序

單層指標(biāo)排序是根據(jù)本層各指標(biāo)的重要性對其進(jìn)行排序,計算出權(quán)重向量w。

1)求和:將判斷矩陣M的每一行相加

(6)

2)計算單層指標(biāo)的權(quán)重向量W=(w1,w2,…,wn)T,權(quán)重向量W中的元素wi為

wi=(ai+0.5n-1)/n(n-1);

(7)

通過以上步驟,可以得到本層次指標(biāo)的權(quán)重向量wi,用于衡量各個指標(biāo)的重要性。

2.2.6 多層指標(biāo)總排序

多層指標(biāo)總排序是指對評價系統(tǒng)中所有子指標(biāo)相對于目標(biāo)層的重要程度進(jìn)行綜合權(quán)重計算。通過逐層比較和權(quán)重推導(dǎo)的過程,從頂層到底層逐步確定每個指標(biāo)在整個評價體系中的重要性,最終得到每個指標(biāo)的權(quán)重向量。從頂層到底層的權(quán)重向量為

W(s)=W(s)W(s-1),…,W(3)W(1)

(8)

根據(jù)專家經(jīng)驗,我們構(gòu)建了多層用戶用能綜合評價指標(biāo)體系的模糊互補判斷矩陣,并利用Matlab成功計算了子指標(biāo)的權(quán)重信息。然而,FAHP方法在評估指標(biāo)相對重要性時只考慮了優(yōu)劣關(guān)系,未考慮具體情況的重要性程度。因此,對于比較不同指標(biāo)的絕對重要性,需要采用CRITIC方法。

2.3 客觀權(quán)重計算—CRITIC法

CRITIC法是一種能夠確定指標(biāo)客觀權(quán)重的方法,它綜合了指標(biāo)內(nèi)部變異大小和指標(biāo)間的沖突性來確定權(quán)重[17]。通過綜合這兩個方面的因素,CRITIC法可以有效地確定指標(biāo)的客觀權(quán)重,從而提高決策結(jié)果的準(zhǔn)確性。

1)原始數(shù)據(jù)無量綱化處理。對原始數(shù)據(jù)按公式(9)、公式(10)進(jìn)行處理。

正向指標(biāo):

xij=[x′ij-min(xj)]/[max(xj)-min(xj)]

(9)

逆向指標(biāo):

xij=[max(xj)-x′ij]/[max(xj)-min(xj)]

(10)

公式中:xij為標(biāo)準(zhǔn)化值;x′ij為變量j的初始值;max(xj)為指標(biāo)j的最大值;min(xj)指標(biāo)j的最小值。

2)單獨考慮每個指標(biāo)生成的向量,得到標(biāo)準(zhǔn)差向量σj。

(11)

3)計算兩個指標(biāo)之間的線性相關(guān)系數(shù)Rij。

Rij=cov(x′i,x′j)/(σi,σj),i、j=1,2,…,n

(12)

公式中:Rij為指標(biāo)i與指標(biāo)j的相關(guān)系數(shù);δi為指標(biāo)i的標(biāo)準(zhǔn)差;δj為指標(biāo)j的標(biāo)準(zhǔn)差;n為指標(biāo)數(shù)。

4)計算信息量。計算指標(biāo)i包含的信息量Ci

(13)

5)根據(jù)公式(14)進(jìn)行權(quán)重歸一化處理。

(14)

2.4 指標(biāo)綜合權(quán)重的計算

FAHP法在一定程度上存在主觀局限性,而CRITIC法則無法根據(jù)實際情況提供適合的主觀偏向,且過于依賴原始數(shù)據(jù),具有較大的客觀局限性。因此,在這種情況下,需要進(jìn)行組合賦權(quán)的方法。為了使指標(biāo)的綜合權(quán)重盡可能的接近主觀權(quán)重與客觀權(quán)重,不偏向任意一項,使用FAHP-CRITIC法確定指標(biāo)的綜合權(quán)重為

ω綜合=βω主觀+(1-β)ω客觀

(15)

公式中:β為相對重要程度參數(shù),范圍在0-1之間。在經(jīng)過專家咨詢后,確定β值為0.618。使用FAHP方法計算指標(biāo)的主觀權(quán)重,并使用CRITIC方法計算指標(biāo)的客觀權(quán)重,然后應(yīng)用公式(15)計算各個指標(biāo)的綜合權(quán)重。

3 算例分析

為了驗證本文方法的適用性與可靠性,選取東北某典型工業(yè)園區(qū)4家不同行業(yè)大工業(yè)用戶用電數(shù)據(jù),不同工業(yè)用戶的基本信息如表2所示。在Matlab R2018b環(huán)境下,以內(nèi)存為16GB和Inter i5處理器的PC為平臺進(jìn)行仿真分析。以清潔能源占比L21、減排率L22、余能利用率L23、電能替代水平L24以及廢氣達(dá)標(biāo)水平L25,5個二級指標(biāo)為例,利用FAHP-CRITIC算法計算各指標(biāo)的主觀權(quán)重、客觀權(quán)重、綜合權(quán)重等參數(shù),進(jìn)而計算不同行業(yè)工業(yè)用戶用能特性的各評價指標(biāo)的綜合權(quán)重,最終得到不同行業(yè)工業(yè)用戶的用能特性畫像。基于FAHP-CRITIC綜合權(quán)重計算法刻畫不同行業(yè)工業(yè)用戶的用能特性畫像流程如圖2所示。

表2 不同行業(yè)工業(yè)用戶基本信息Tab.2 Basic information of industrial users in different industries

圖2 FAHP-CRITIC綜合權(quán)重計算法流程圖Fig.2 Flow hart of FAHP-CRITIC comprehensive weight calculation method

3.1 基于FAHP的主觀權(quán)重

根據(jù)表1中的判斷矩陣取值標(biāo)準(zhǔn)詢問相關(guān)專家的意見,對二級指標(biāo)L21—L25進(jìn)行兩兩比較,構(gòu)造模糊判斷矩陣ML2:

一致性檢驗。將一致性指數(shù)設(shè)定閾值預(yù)設(shè)為0.01,利用公式(2)計算模糊判斷矩陣ML2的檢驗系數(shù)δ=0.0833。由于δ>λ,需要進(jìn)行一致性調(diào)整。利用公式(3)～公式(5)計算偏差矩陣QL2對判斷矩陣ML2進(jìn)行調(diào)整,在調(diào)整9次后,得到檢驗系數(shù)小于一致性指數(shù)設(shè)定閾值的判斷矩陣M′L2為

根據(jù)公式(6)與公式(7)計算二級指標(biāo)L21～L25對低碳用能指標(biāo)的主觀權(quán)重值:αL21=0.232 5、αL22=0.215 0、αL23=0.180 0、αL24=0.217 5、αL22=0.155 0。

3.2 基于CRITIC的客觀權(quán)重

指標(biāo)L21～L25的原始數(shù)據(jù)如表3所示,指標(biāo)原始數(shù)據(jù)的計算方法包括邀請4位專家評分、統(tǒng)計相關(guān)數(shù)據(jù)以及查閱相關(guān)標(biāo)準(zhǔn)。根據(jù)公式(9)～公式(10)對原始數(shù)據(jù)進(jìn)行無量綱化處理,得到標(biāo)準(zhǔn)化矩陣S:

表3 低碳用能二級指標(biāo)的評分結(jié)果

計算標(biāo)準(zhǔn)化矩陣S各行向量的標(biāo)準(zhǔn)差,利用公式(12)計算各個指標(biāo)之間的相關(guān)系數(shù),得到相關(guān)矩陣R:

利用公式(13)計算各指標(biāo)包含的信息量:μ21=1.416 4、μ22=1.723 0、μ23=1.377 8、μ24=1.623 5、μ25=0.123 2。由公式(14)得到客觀權(quán)重值:β21=0.202 2、β22=0.246 0、β23=0.196 7、β24=0.231 8、β24=0.123 2。

3.3 基于組合賦權(quán)的綜合權(quán)重

利用公式(15)計算清潔能源占比L21、減排率L22、余能利用率L23、電能替代水平L24以及廢氣達(dá)標(biāo)率L25等指標(biāo)的綜合權(quán)重值,結(jié)果如表4所示:

表4 基于FAHP-CRITIC的綜合權(quán)重Tab.4 FAHP-CRITIC based composite weights

基于上述方法,計算出各用戶用能特性評價指標(biāo)的綜合權(quán)重,以及其他用戶各用能特性評價指標(biāo)的綜合權(quán)重。具體結(jié)果請見圖3

圖3 各用戶綜合權(quán)重系數(shù)對比圖Fig.3 Comparison chart of comprehensive weight coefficient of each user

3.4 用戶用能評價主觀權(quán)重、客觀權(quán)重、綜合和權(quán)重計算結(jié)果對比分析

為了提高服務(wù)質(zhì)量并保持市場競爭力,電力企業(yè)需要更為深入地掌握各行業(yè)的用電規(guī)律。本文通過對主觀權(quán)重和客觀權(quán)重的詳細(xì)分析,揭示了不同行業(yè)在多元用戶用能行為上的特點和差異。計算結(jié)果見圖4、圖5。

圖4 各用戶主觀權(quán)重系數(shù)對比圖Fig.4 Comparison chart of subjective weight coefficient of each user

圖5 各用戶客觀權(quán)重系數(shù)對比圖Fig.5 Comparison chart of objective weight coefficient of each user

結(jié)合圖3、圖4、圖5,在電子制造業(yè)(用戶1)中,峰時耗電量L13的主觀權(quán)重達(dá)到了0.392 3,顯示出較高的電力需求,但其客觀權(quán)重為0.233 7,表明實際需求略低。通過綜合權(quán)重0.331 7,用戶1可以得到了更為準(zhǔn)確地反映該行業(yè)真實需求的權(quán)重。對于汽車制造業(yè)(用戶2),其日負(fù)荷波動率L33的主觀權(quán)重為0.446 5,表明其對電力需求的不均勻性關(guān)注,但客觀權(quán)重稍微低一些,為0.384 5。然而,綜合權(quán)重0.422 8為用戶2提供了一個全面的視角,準(zhǔn)確地揭示了這一行業(yè)的電力需求。在金屬加工機械制造業(yè)(用戶3)中,其調(diào)峰能力L41的主觀權(quán)重為0.607 7,顯示了較高的需求,但客觀數(shù)據(jù)稍低,為0.523 9。這種差異通過綜合權(quán)重0.575 7得到了平衡,從而更真實地展現(xiàn)了該行業(yè)的需求?；瘜W(xué)材料制造業(yè)(用戶4)對于日負(fù)荷的穩(wěn)定性有高度關(guān)注,這從其日負(fù)荷波動率L33的主觀權(quán)重0.484 3就可以看出,但客觀權(quán)重為0.353 9,與主觀權(quán)重存在差異。最終,綜合權(quán)重0.434 5全面地揭示了該行業(yè)在生產(chǎn)中的日負(fù)荷穩(wěn)定需求。由此可見,使用的FAHP-CRITIC綜合權(quán)重計算法與傳統(tǒng)的僅基于主觀或客觀權(quán)重的計算方法相比,具有明顯優(yōu)勢。它結(jié)合了兩者的優(yōu)點,既能反映用戶的偏好,也能與實際情況相符,避免了僅依賴單一視角可能出現(xiàn)的偏見和誤差。更重要的是,FAHP-CRITIC方法提供了一個更全面、更深入的視角,使得用能行為特性的分析更為準(zhǔn)確和細(xì)致。

綜上所述,各行業(yè)雖然在多數(shù)電能使用指標(biāo)上的主觀和客觀權(quán)重都相差不大,但在某些關(guān)鍵指標(biāo)上確實存在差異。這些差異揭示了不同行業(yè)在多元用戶用能中的特定需求和偏好,為多元用戶制定更為精準(zhǔn)的能源策略提供參考。同時,本文提出的FAHP-CRITIC方法也為工業(yè)用戶提供了一個深入而詳細(xì)的工業(yè)用戶用能行為分析工具。隨著新型電力系統(tǒng)和電力市場的進(jìn)一步發(fā)展,這種深入了解和分析將為工業(yè)用戶提供更為強大的決策支持,幫助其更好地應(yīng)對未來的挑戰(zhàn)。

3.5 不同行業(yè)工業(yè)用戶用能特性畫像分析

為比較不同行業(yè)工業(yè)用戶的用能特性,本文將用戶用能特性各評價指標(biāo)的權(quán)重作為多維度指數(shù),形成不同用戶的用能特性畫像如圖6所示。

圖6 不同行業(yè)工業(yè)用戶用能特性畫像Fig.6 Profiling the energy use of industrial users in different sectors

從圖6中可以看出,大部分的工業(yè)用戶注重用能的低碳型與穩(wěn)定性,其中,用戶1在低碳用能與用電穩(wěn)定性方面的指數(shù)高于其他用戶。但是在用電互動能力方面,用戶1的指數(shù)最低,這是因為用戶用能越穩(wěn)定,其負(fù)荷曲線越平緩,可轉(zhuǎn)移的負(fù)荷越少,進(jìn)而導(dǎo)致用戶的用電互動能力越弱。從圖6中還可以看出,用戶3在用冷特性方面表現(xiàn)的最好,用戶4在用熱特性方面表現(xiàn)的最好。此外,根據(jù)行業(yè)用能畫像的結(jié)果,電力公司可以按照用戶在不同用能特性方面的表現(xiàn)為用戶提供個性化的用能服務(wù)。

根據(jù)不同行業(yè)用能特性評價指標(biāo)的綜合權(quán)重與用能畫像,計算各行業(yè)的綜合用能得分(百分制),如圖7所示。從圖7中可以看出,用戶1的綜合用能得分最高,用戶4的綜合用能得分最低,其余用戶的綜合得分介于用戶1、2之間。其中,用戶1的綜合用能得分達(dá)到76.676,這是因為用戶1在用能低碳性與用能穩(wěn)定性兩方面相對于其他用戶具有突出的評分表現(xiàn)。此外,用戶可以依據(jù)綜合用能畫像與得分提出用能改進(jìn)方向,如用戶4,盡管在用熱特性與用電互動能力方面指標(biāo)評分較高,但其綜合用能得分最低,因此需要加強用能的低碳性與穩(wěn)定性。

圖7 不同行業(yè)工業(yè)用戶綜合用能得分Fig.7 Comprehensive energy use scores for industrial users in different sectors

4 結(jié) 論

本文提出一種基于改進(jìn)的AHP-CRITIC綜合權(quán)重計算的多元用戶用能行為特性畫像及評價方法。在考慮指標(biāo)的可獲取性的前提下,該方法從用電負(fù)荷水平、用電低碳性、用電穩(wěn)定性、用電互動能力和用熱/冷特性六個指標(biāo)對用戶用能水平進(jìn)行分層評估。同時,構(gòu)建含有低碳用電指標(biāo)的用戶綜合用能評價體系,運用主觀與客觀權(quán)重計算法相結(jié)合的綜合權(quán)重計算法得出指標(biāo)權(quán)重,進(jìn)而確定工業(yè)用戶用能指標(biāo)權(quán)重,生成考慮多元用戶用能特性的工業(yè)用戶用能行為特征畫像。該方法著重體現(xiàn)工業(yè)用戶對不同能源的消費特點,同時可以分析工業(yè)用戶用能特征。算例分析結(jié)果表明,本文提出的方法能夠深度挖掘用戶用電特征,并且生成實用性較強的用戶用電行為畫像,為各工業(yè)用戶在用能方面提供意見與改進(jìn)方案。