CN110599059A - 一种面向增量配电网用户的售电决策方法及系统 - Google Patents

一种面向增量配电网用户的售电决策方法及系统 Download PDF

Info

Publication number
CN110599059A
CN110599059A CN201910891557.1A CN201910891557A CN110599059A CN 110599059 A CN110599059 A CN 110599059A CN 201910891557 A CN201910891557 A CN 201910891557A CN 110599059 A CN110599059 A CN 110599059A
Authority
CN
China
Prior art keywords
distribution network
incremental
user
power
users
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910891557.1A
Other languages
English (en)
Inventor
张翔
黄国日
李敏虹
金东亚
陈钢
陈政
尚楠
王刚
宋艺航
冷媛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Southern Power Grid Co Ltd
Energy Development Research Institute of China Southern Power Grid Co Ltd
Original Assignee
China Southern Power Grid Co Ltd
Energy Development Research Institute of China Southern Power Grid Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Southern Power Grid Co Ltd, Energy Development Research Institute of China Southern Power Grid Co Ltd filed Critical China Southern Power Grid Co Ltd
Priority to CN201910891557.1A priority Critical patent/CN110599059A/zh
Publication of CN110599059A publication Critical patent/CN110599059A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply

Abstract

本发明公开了一种面向增量配电网用户的售电决策方法及系统，该方法包括如下步骤：步骤S1，建立用于增量配电网用户分类的指标体系；步骤S2，按照所述指标体系搜集增量配电网用户信息，对各增量配电网用户进行评分；步骤S3，根据步骤S2中各增量配电网用户的评分结果，对各增量配电网用户进行聚类；步骤S4，根据步骤S3的聚类结果，对不同类别的用户提供差异化售电服务，通过本发明，可促进售电公司实施精细化的用户分类决策，进一步提供定制化、差异化的售电服务。

Description

一种面向增量配电网用户的售电决策方法及系统
技术领域
本发明涉及及一种门锁装置，特别是涉及一种面向增量配电网用户的售电决策方法及系统。
背景技术
增量配电网是新一轮电力体制改革的产物。为落实新一轮电力体制改革要求和鼓励并引导社会资本投资增量配电业务，自2016年年底起，国家发改委、国家能源局分多批次确定了多达320个增量配电网改革试点项目。由于增量配电网大多位于工业园区、开发区、发展规划区，因此，增量配电网用户主要以工业用户为主，细分为大工业用户和一般工商业用户。结合实际来看，增量配电网在满足用户的电能需求的同时，还需要满足用户热能的需求、天然气的需求等多元化综合能源服务的需求。此时，售电公司成为综合能源服务的提供方，借助于增量配电网中的能源输送管道设施，为增量配电网中电力用户提供售电衍生服务。
增量配电网用户与传统电网用户最大的不同在于，增量配电网用户主要以工业用户为主，其中细分为大工业用户和一般工商业用户。对于这两类用户，售电公司在进行精细化管理与营销方案的制定时，应实行精细化管理的思路，通过确定不同类别的用户等级，对不同类别中的用户提供差异化服务。这是以往电力统购统销、执行传统目录电价时，电网公司不曾考虑的问题。而对于新一轮电力体制改革以来广泛成立的售电公司，考虑精细化的用户分类决策将有利于提供规范化、差异化的售电服务，在提升售电效率的同时可以扩大利润。
然而，现有技术中更多的是传统电力销售体制下对于电网公司评价电力大用户的决策方法，鲜有考虑面向增量配电网的售电公司用户分类决策问题，缺少面向增量配电网大工业用户和一般工商业用户、同时满足用户多元化用电用能需求的售电公司用户分类决策方法，而且，由于增量配电网中用户除了具有对电力的需求，还有基于增量配电网的、对于多品种能源的需求(冷、热、气等)，当前的增量配电业务进展缓慢，因此，本发明提出面向增量配电网的售电分类决策技术具有重要价值，将支撑售电公司提出更加精细化、定制化、差异化的用户服务策略，提升精益化管理、探索商业模式。
发明内容
为克服上述现有技术存在的不足，本发明之目的在于提供一种面向增量配电网用户的售电决策方法及系统，从售电公司的角度全面衡量增量配电网典型用户，特别是用户的用电用能需求，促进售电公司实施精细化的用户分类决策，进一步提供定制化、差异化的售电服务。
为达上述目的，本发明提出一种面向增量配电网用户的售电决策方法，包括如下步骤：
步骤S1，建立用于增量配电网用户分类的指标体系；
步骤S2，按照所述指标体系搜集增量配电网用户信息，对各增量配电网用户进行评分；
步骤S3，根据步骤S2中各增量配电网用户的评分结果，对各增量配电网用户进行聚类；
步骤S4，根据步骤S3的聚类结果，对不同类别的用户提供差异化售电服务。
优选地，于步骤S1中，所建立的指标体系分为用电情况、用户资质以及用户潜力三大类，根据增量配电网用户的年用电量(A1)、最高电压等级(A2)、电费缴纳情况(A3)、用电偏差考核(A4)、信用水平(A5)、环保水平(A6)、年用电量增长水平(A7)、售电服务购买意愿(A8)、多元用能需求(A9)9个小类的指标进行考量。
优选地，在所述用电情况指标中，考虑所述增量配电网用户的年用电量(A1)、最高电压等级(A2)、电费缴纳情况(A3)三个指标；在所述用户资质指标中，考虑所述增量配电网用户的用电偏差考核(A4)、信用水平(A5)、环保水平(A6)三个指标；在所述用户潜力指标中，考虑所述增量配电网用户的年用电量增长水平(A7)、售电服务购买意愿(A8)、多元用能需求(A9)三个指标。
优选地，于步骤S2中，采用德尔菲法对各增量配电网用户进行评分。
优选地，于步骤S2中，对于面向增量配电网用户的售电决策，运用德尔菲法，形成统一的专家评分意见，以此为标准进行用户各类别指标的评分。
优选地，于步骤S3中，采用自组织神经网络聚类法，根据各增量配电网用户的评分结果对增量配电网用户进行聚类。
为达到上述目的，本发明还提供一种面向增量配电网用户的售电决策系统，包括：
分类指标体系建立单元，用于建立用于增量配电网用户分类的指标体系；
评分单元，用于按照所述指标体系搜集增量配电网用户信息，对各增量配电网用户进行评分；
聚类单元，用于根据所述评分单元对各增量配电网用户的评分结果，对各增量配电网用户进行聚类；
决策单元，用于根据所述聚类单元的聚类结果，对不同类别的用户提供差异化售电服务。
优选地，所建立的指标体系分为用电情况、用户资质以及用户潜力三大类，根据增量配电网用户的年用电量(A1)、最高电压等级(A2)、电费缴纳情况(A3)、用电偏差考核(A4)、信用水平(A5)、环保水平(A6)、年用电量增长水平(A7)、售电服务购买意愿(A8)、多元用能需求(A9)9个小类的指标进行考量。
优选地，所述评分单元采用德尔菲法对各增量配电网用户进行评分。
优选地，所述聚类单元采用自组织神经网络聚类法，根据各增量配电网用户的评分结果对各增量配电网用户进行聚类。
与现有技术相比，本发明一种面向增量配电网用户的售电方法及系统通过建立用于增量配电网用户分类的指标体系，依据所述指标体系搜集增量配电网用户信息，对各增量配电网用户进行评分，并根据各增量配电网用户的评分结果，对各增量配电网用户进行聚类，最后根据聚类结果，对不同类别的用户提供差异化售电服务，本发明从售电公司的角度全面衡量增量配电网典型用户，特别是用户的用电用能需求，可促进售电公司实施精细化的用户分类决策，进一步提供定制化、差异化的售电服务。
附图说明
图1为本发明一种面向增量配电网用户的售电决策方法的步骤流程图；
图2为本发明具体实施例中所建立的指标体系的架构图；
图3为本发明一种面向增量配电网用户的售电决策系统的系统架构图。
具体实施方式
以下通过特定的具体实例并结合附图说明本发明的实施方式，本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用，本说明书中的各项细节亦可基于不同观点与应用，在不背离本发明的精神下进行各种修饰与变更。
图1为本发明一种面向增量配电网用户的售电决策方法的步骤流程图。如图1所示，本发明一种面向增量配电网用户的售电决策方法，包括如下步骤：
步骤S1，建立用于增量配电网用户分类的指标体系。
由前可知，增量配电网用户主细分为两类，即大工业用户和一般工商业用户。对于这两类用户，建立一套实用性良好的指标体系，全面涵盖这两类用户的特征。
在本发明具体实施例中，指标体系分为三大类、九小类。具体地，指标体系分为用电情况、用户资质以及用户潜力三大类，根据增量配电网用户的年用电量(A1)、最高电压等级(A2)、电费缴纳情况(A3)、用电偏差考核(A4)、信用水平(A5)、环保水平(A6)、年用电量增长水平(A7)、售电服务购买意愿(A8)、多元用能需求(A9)等9个小类的指标进行考量，也就是说，本发明的指标体系分别从用电情况、用户资质、用户潜力等角度，考虑和定义增量配电网中电力用户的用电特征、当前价值和预期价值，如图2所示。
具体地，在用电情况中，考虑了增量配电网用户的年用电量(A1)、最高电压等级(A2)、电费缴纳情况(A3)等三个指标。
年用电量(A1)：以增量配电网用户年度的电力消费需求为衡量依据，既反映用户自身的用电规模，同时也反映用户及其现金流所给售电公司带来的价值。现行电力市场的普遍政策标准，通常以500万千瓦时年用电量作为市场化电力交易的用户准入规模。而对于增量配电网中的大工业用户和一般工商业用户，处于增量配电网内意味着具有自主选择配售一体化售电公司或区外售电公司的权利。
最高电压等级(A2)：以增量配电网用户接入的最高电压等级为衡量依据，既反映用户的用电能力，同时反映用户负荷的重要程度。现行对于增量配电网的定义，一般是220kV及其以下电压等级的配电网络。配电网按电压等级的不同，常见的还有110kV、63kV、35kV、10kV。其中，东北地区部分电网采取63kV。
电费缴纳情况(A3)：以用户缴纳电费的积极程度衡量用户的资金实力，同时反映用户是否具备可靠。考虑到增量配电网中的大工业用户和一般工商业用户的电费缴纳数额在数量级上存在不同，本发明通过用户缴纳电费的积极程度进行评价打分。考虑增量配电网中电力用户当前由电网公司代收电费，未来增量配电网用户可直接向售电公司缴纳电费，此时，用户可以选择预存款、到期缴付以及赊账等策略，售电公司据此可以提供差异化的服务套餐。
在用户资质中，考虑了增量配电网用户的用电偏差考核(A4)、信用水平(A5)、环保水平(A6)等三个指标。
用电偏差考核(A4)：以用户实际使用电量与向售电公司申报的电量之间的差额，反映用户自身负荷预测和负荷管理的水平，同时也反映用户企业管理是否规范、生产是否稳定。以当前电力市场中出现的实际问题为导向，售电公司所签下的电力用户常常因为环保政策、外销不利、突发因素停产等多种主客观原因，造成售电合同不完全执行，进一步给售电公司带来巨大的偏差考核压力。因此，衡量用户的用电偏差考核，是用户资质中最基本、最关键的一环。
信用水平(A5)：增量配电网用户的信用水平将决定售电公司与之合作的价值与风险，信用水平既能反映的用户的履约能力和对电力市场化交易的理解认知水平，同时反映了用户的规范程度。参考《云南电力市场主体交易行为信用评价机制(试行)》，执行“四等制六级制”，即依据电力市场交易行为得分，划分为AAA(信用很好，得分900-1000)、AA(信用好，得分800-899)、A(信用较好，得分600-799)、B(信用一般，得分500-599)、C(信用差，得分400-499)、D(信用很差，得分400以下)。借鉴这一评价机制，有利于售电公司开展用户信用评价。
环保水平(A6)：绿色环保是成为当前产业政策和经济发展的导向，我国正加快建立绿色生产和消费的法律制度和政策导向，建立健全绿色低碳循环发展的经济体系。因此，售电公司因重点考虑电力用户的产业政策待遇和自身增长空间，必须考虑用户的环保水平。环保部门根据企业污染物排放、环境管理和社会影响三个方面的17项指标情况，将认定的工业企业环境行为等级分为5个等级：很好(环境行为优秀)、好(环境守法)、一般(基本达到环境管理要求)、差(环境违法)、很差(严重违法)5个等级，分别以绿色、蓝色、黄色、红色和黑色5种颜色标识。
在用户潜力中，考虑了增量配电网用户的年用电量增长水平(A7)、售电服务购买意愿(A8)、多元用能需求(A9)等三个指标。
年用电量增长水平(A7)：年用电量增长水平反映了用户自身的经营实力、用电水平和增值空间。这里统计用户当年的实际(或预期)年用电量Q1(单位：万千瓦时)与上一年度的实际年用电量Q0(单位：万千瓦时)，计算公式为：A7＝(Q1-Q0)/Q0。
售电服务购买意愿(A8)：以用户市场化电力交易差额中与售电公司商定的分成的比例计。反映用户愿意购买售电公司所提供售电及其衍生服务(如规避价格波动风险、规避偏差考核风险、负荷预测服务、能效管理服务等)的意愿。一般定义价差的分成比例为10份，用户分红比例为X份，售电公司分红比例为Y份，满足X+Y＝10。此时根据A8＝Y/X测算用户的售电服务购买意愿。
多元用能需求(A9)：增量配电网用户主要以工业用户为主，对于能源品种的需求主要包含电(电力)、热(供热)、冷(制冷)、气(供天然气)、氢(氢能)等。增量配电网依托自身的网络架构，可以满足区内用户的多元用能需求，此时，面向增量配单网的售电公司获得了开拓售电衍生业务的先天优势和挖掘利润增长点的便利条件，并可以此作为衡量用户价值的重要指标。具体测算指标时，依据用户对主要的5种主要能源需求的数量，衡量用户多元用能需求的水平。
步骤S2，按照所述指标体系搜集增量配电网用户信息，对增量配电网用户进行评分。在本发明具体实施例中，首先依据建立的增量配电网用户分类指标体系进行指标原始数据信息的收集，包括年用电量(A1)、最高电压等级(A2)、电费缴纳情况(A3)、用电偏差考核(A4)、信用水平(A5)、环保水平(A6)、年用电量增长水平(A7)、售电服务购买意愿(A8)、多元用能需求(A9)，然后采用德尔菲法对增量配电网用户进行评分。德尔菲法(DelphiMethod)，也称专家调查法，本质上是一种反馈匿名函询法。其大致流程是：在对所要预测的问题征得专家的意见之后，进行整理、归纳、统计，再匿名反馈给各专家，再次征求意见，再集中，再反馈，直至得到一致的意见。具体地，对于面向增量配电网用户的售电决策方法，运用德尔菲法，通过对九小类指标概念含义的初步判断，获取6名专家分别给出的具量化标准意见，比对收集到的意见，将多数人意见反馈给另外2名专家并获取其评分意见，最后形成统一的专家评分意见，以此为标准进行用户各类别指标的评分。具体的评分如下：
年用电量(A1)：对于增量配电网用户的年用电量需要划分用电量区间，从而统筹评价。认为年用电量大于等于5000万千瓦时的用户评分为5分；年用电量小于5000万千瓦时且大于等于2000万千瓦时的用户评分为4分；年用电量小于2000万千瓦时且大于等于1000万千瓦时的用户评分为3分；年用电量小于1000万千瓦时且大于等于500万千瓦时的用户评分为2分；年用电量小于500万千瓦时的用户评分为1分。
最高电压等级(A2)：对于增量配电网用户的最高电压等级需要划分电压等级类别。认为最高电压等级为220kV的用户评分为5分；最高电压等级为110kV的用户评分为4分；最高电压等级为63kV的用户评分为3分；最高电压等级为35kV的用户评分为2分；最高电压等级为10kV的用户评分为1分。
电费缴纳情况(A3)：对于增量配电网用户预存款的行为予以鼓励，此时预缴一个月以内对应评分为4分；预缴一个月以内对应评分为5分。对于用户到期缴付，即不拖欠、不预存的行为，评分为3分。此外，对于新增用户，量化为均值3分。
用电偏差考核(A4)：对于增量配电网用户以往的偏差考核情况收集数据并进行分析。其中，偏差考核满足±2％以内量化值为5分；满足±4％以内量化值为4分；满足±6％以内量化值为3分；满足±10％以内量化值为2分；满足±20％以内量化值为1分。此外，对于新增的用户，量化为均值3分。
信用水平(A5)：在考虑增量配电网用户信用水平时，可按照5个等级划分，即AAA(信用很好，得分900-1000)对应评分为5分；AA(信用好，得分800-899)对应评分为4分；A(信用较好，得分600-799)对应评分为4分；B(信用一般，得分500-599)对应评分为2分；C(信用差，得分500以下)对应评分为1分。
环保水平(A6)：在考虑增量配电网用户环保水平时，按照5个等级划分，很好(环境行为优秀，绿色)对应评分5分；好(环境守法，蓝色)对应评分4分；一般(基本达到环境管理要求，黄色)对应评分3分；差(环境违法，红色)对应评分2分；很差(严重违法，黑色)对应评分1分。
年用电量增长水平(A7)：统计用户当年的实际(或预期)年用电量Q1(单位：万千瓦时)与上一年度的实际年用电量Q0(单位：万千瓦时)，计算公式为：A7＝(Q1-Q0)/Q0。按照5个等级划分，计算增长水平高于10％，即A7大于等于10％对应评分5分；计算A7小于10％且大于等于5％对应评分4分；计算A7小于5％且大于等于2％对应评分3分；计算A7小于2％且大于等于0对应评分2分；计算A7小于0对应评分1分。
售电服务购买意愿(A8)：以用户市场化电力交易差额中与售电公司商定的分成的比例计，根据A8＝Y/X测算用户的售电服务购买意愿。按照5个等级划分，当售电公司分红比例Y大于用户分红比例X，此时计算购买意愿A8大于1，对应评分5分；计算A8等于1，对应评分4分；计算A8小于1且大于等于0.6，对应评分3分；计算A8小于0.6且大于等于0.2，对应评分3分；计算A8小于0.2对应评分1分。
多元用能需求(A9)：增量配电网用户主要以工业用户为主，对于能源品种的需求主要包含电(电力)、热(供热)、冷(制冷)、气(供天然气)、氢(氢能)等。测算时，依据用户对主要的5种主要能源需求的数量，衡量用户多元用能需求的水平。按照5个等级划分，当用户的用能需求数量A9等于5时，对应评分为5分；当用户的用能需求数量A9等于4时，对应评分为4分；用户的用能需求数量A9等于3时，对应评分为3分；用户的用能需求数量A9等于2时，对应评分为2分；用户的用能需求数量A9等于1时，对应评分为1分。
上述9个指标的量化结果如下表1所示：
表1
步骤S3，采用自组织神经网络聚类法，根据步骤S2中增量配电网用户的评分结果，对增量配电网用户进行聚类。
自组织神经网络聚类法是一种模拟生物神经系统功能的一种人工神经网络算法，其本质是无教师监督学习，通过自身的训练，对输入项进行分类。通常，自组织神经网络由输入层和竞争层构成，两层之间的神经元互相连接。
自组织神经网络的运作机制主要包括：①网络初始化：用随机数确定输入层与竞争层之间权值的初始值；②输入向量并归一化：对输入项进行向量归一化；③计算竞争层的权值向量和输入向量的距离，按照欧式距离的计算方式；④选择与权值向量的距离最小的神经元，即通过比较向量间的相似性，得到竞争获胜神经元；⑤调整权值与网络输出。具体地，对增量配电网用户进行聚类时，首先将自组织神经网络初始化，随后将各用户的九类指标评分数据有序列出，作为自组织神经网络的输入项，并进行归一化；按照自组织神经网络的运作机制，依次进行竞争层的权值向量和输入向量的距离计算，最终得到竞争获胜神经元，求得聚类结果。由于自组织神经网络的具体运作机制为现有技术，在此不予赘述。
步骤S4，根据步骤S3的聚类结果，对不同类别的用户提供差异化售电服务，以实现对不同用户提供定制化、差异化的售电服务。
在本发明具体实施例中，售电公司提供的售电服务主要分为四类，即①市场购售电服务，包括跨省跨区购电、电费套餐定制、电力市场业务培训、基本电费容量改需量申报等；②能源互联网服务，包括能源物联网智能用电改造、需求侧管理、节能改造等；③能源投资服务，包括光伏电站投资、储能设施投资、充电桩投资等；④工程总承包服务，包括节能改造及电力设计、送变电工程与配网施工等。
具体地，对于评分最高的类别1用户，提供①+②+③+④组合服务；对于评分较高的类别2用户，提供①+②+③组合服务；对于评分一般的类别3用户，提供①+②组合服务；对于评分较低的类别1用户，仅提供①服务。
图3为本发明一种面向增量配电网用户的售电决策系统的系统架构图。如图3所示，本发明一种面向增量配电网用户的售电决策系统，包括：
分类指标体系建立单元301，用于建立用于增量配电网用户分类的指标体系。
由前可知，增量配电网用户主细分为两类，即大工业用户和一般工商业用户。对于这两类用户，建立一套实用性良好的指标体系，全面涵盖这两类用户的特征。
在本发明具体实施例中，分类指标体系建立单元301构建的指标体系分为三大类、九小类。具体地，指标体系分为用电情况、用户资质以及用户潜力三大类，根据增量配电网用户的年用电量(A1)、最高电压等级(A2)、电费缴纳情况(A3)、用电偏差考核(A4)、信用水平(A5)、环保水平(A6)、年用电量增长水平(A7)、售电服务购买意愿(A8)、多元用能需求(A9)等9个小类的指标进行考量，也就是说，本发明的指标体系分别从用电情况、用户资质、用户潜力等角度，考虑和定义增量配电网中电力用户的用电特征、当前价值和预期价值，如图2所示。
具体地，在用电情况中，考虑了增量配电网用户的年用电量(A1)、最高电压等级(A2)、电费缴纳情况(A3)等三个指标。
年用电量(A1)：以增量配电网用户年度的电力消费需求为衡量依据，既反映用户自身的用电规模，同时也反映用户及其现金流所给售电公司带来的价值。现行电力市场的普遍政策标准，通常以500万千瓦时年用电量作为市场化电力交易的用户准入规模。而对于增量配电网中的大工业用户和一般工商业用户，处于增量配电网内意味着具有自主选择配售一体化售电公司或区外售电公司的权利。
最高电压等级(A2)：以增量配电网用户接入的最高电压等级为衡量依据，既反映用户的用电能力，同时反映用户负荷的重要程度。现行对于增量配电网的定义，一般是220kV及其以下电压等级的配电网络。配电网按电压等级的不同，常见的还有110kV、63kV、35kV、10kV。其中，东北地区部分电网采取63kV。
电费缴纳情况(A3)：以用户缴纳电费的积极程度衡量用户的资金实力，同时反映用户是否具备可靠。考虑到增量配电网中的大工业用户和一般工商业用户的电费缴纳数额在数量级上存在不同，本发明通过用户缴纳电费的积极程度进行评价打分。考虑增量配电网中电力用户当前由电网公司代收电费，未来增量配电网用户可直接向售电公司缴纳电费，此时，用户可以选择预存款、到期缴付以及赊账等策略，售电公司据此可以提供差异化的服务套餐。
在用户资质中，考虑了增量配电网用户的用电偏差考核(A4)、信用水平(A5)、环保水平(A6)等三个指标。
用电偏差考核(A4)：以用户实际使用电量与向售电公司申报的电量之间的差额，反映用户自身负荷预测和负荷管理的水平，同时也反映用户企业管理是否规范、生产是否稳定。以当前电力市场中出现的实际问题为导向，售电公司所签下的电力用户常常因为环保政策、外销不利、突发因素停产等多种主客观原因，造成售电合同不完全执行，进一步给售电公司带来巨大的偏差考核压力。因此，衡量用户的用电偏差考核，是用户资质中最基本、最关键的一环。
信用水平(A5)：增量配电网用户的信用水平将决定售电公司与之合作的价值与风险，信用水平既能反映的用户的履约能力和对电力市场化交易的理解认知水平，同时反映了用户的规范程度。参考《云南电力市场主体交易行为信用评价机制(试行)》，执行“四等制六级制”，即依据电力市场交易行为得分，划分为AAA(信用很好，得分900-1000)、AA(信用好，得分800-899)、A(信用较好，得分600-799)、B(信用一般，得分500-599)、C(信用差，得分400-499)、D(信用很差，得分400以下)。借鉴这一评价机制，有利于售电公司开展用户信用评价。
环保水平(A6)：绿色环保是成为当前产业政策和经济发展的导向，我国正加快建立绿色生产和消费的法律制度和政策导向，建立健全绿色低碳循环发展的经济体系。因此，售电公司因重点考虑电力用户的产业政策待遇和自身增长空间，必须考虑用户的环保水平。环保部门根据企业污染物排放、环境管理和社会影响三个方面的17项指标情况，将认定的工业企业环境行为等级分为5个等级：很好(环境行为优秀)、好(环境守法)、一般(基本达到环境管理要求)、差(环境违法)、很差(严重违法)5个等级，分别以绿色、蓝色、黄色、红色和黑色5种颜色标识。
在用户潜力中，考虑了增量配电网用户的年用电量增长水平(A7)、售电服务购买意愿(A8)、多元用能需求(A9)等三个指标。
年用电量增长水平(A7)：年用电量增长水平反映了用户自身的经营实力、用电水平和增值空间。这里统计用户当年的实际(或预期)年用电量Q1(单位：万千瓦时)与上一年度的实际年用电量Q0(单位：万千瓦时)，计算公式为：A7＝(Q1-Q0)/Q0。
售电服务购买意愿(A8)：以用户市场化电力交易差额中与售电公司商定的分成的比例计。反映用户愿意购买售电公司所提供售电及其衍生服务(如规避价格波动风险、规避偏差考核风险、负荷预测服务、能效管理服务等)的意愿。一般定义价差的分成比例为10份，用户分红比例为X份，售电公司分红比例为Y份，满足X+Y＝10。此时根据A8＝Y/X测算用户的售电服务购买意愿。
多元用能需求(A9)：增量配电网用户主要以工业用户为主，对于能源品种的需求主要包含电(电力)、热(供热)、冷(制冷)、气(供天然气)、氢(氢能)等。增量配电网依托自身的网络架构，可以满足区内用户的多元用能需求，此时，面向增量配单网的售电公司获得了开拓售电衍生业务的先天优势和挖掘利润增长点的便利条件，并可以此作为衡量用户价值的重要指标。具体测算指标时，依据用户对主要的5种主要能源需求的数量，衡量用户多元用能需求的水平。
评分单元302，用于按照所述指标体系搜集增量配电网用户信息，对增量配电网用户进行评分。
在本发明具体实施例中，评分单元30采用德尔菲法对增量配电网用户进行评分。德尔菲法(Delphi Method)，也称专家调查法，本质上是一种反馈匿名函询法。其大致流程是：在对所要预测的问题征得专家的意见之后，进行整理、归纳、统计，再匿名反馈给各专家，再次征求意见，再集中，再反馈，直至得到一致的意见。在本发明具体实施例中，对于面向增量配电网用户的售电决策方法，运用德尔菲法，形成统一的专家评分意见，以此为标准进行用户各类别指标的评分。
年用电量(A1)：对于增量配电网用户的年用电量需要划分用电量区间，从而统筹评价。认为年用电量大于等于5000万千瓦时的用户评分为5分；年用电量小于5000万千瓦时且大于等于2000万千瓦时的用户评分为4分；年用电量小于2000万千瓦时且大于等于1000万千瓦时的用户评分为3分；年用电量小于1000万千瓦时且大于等于500万千瓦时的用户评分为2分；年用电量小于500万千瓦时的用户评分为1分。
最高电压等级(A2)：对于增量配电网用户的最高电压等级需要划分电压等级类别。认为最高电压等级为220kV的用户评分为5分；最高电压等级为110kV的用户评分为4分；最高电压等级为63kV的用户评分为3分；最高电压等级为35kV的用户评分为2分；最高电压等级为10kV的用户评分为1分。
电费缴纳情况(A3)：对于增量配电网用户预存款的行为予以鼓励，此时预缴一个月以内对应评分为4分；预缴一个月以内对应评分为5分。对于用户到期缴付，即不拖欠、不预存的行为，评分为3分。此外，对于新增用户，量化为均值3分。
用电偏差考核(A4)：对于增量配电网用户以往的偏差考核情况收集数据并进行分析。其中，偏差考核满足±2％以内量化值为5分；满足±4％以内量化值为4分；满足±6％以内量化值为3分；满足±10％以内量化值为2分；满足±20％以内量化值为1分。此外，对于新增的用户，量化为均值3分。
信用水平(A5)：在考虑增量配电网用户信用水平时，可按照5个等级划分，即AAA(信用很好，得分900-1000)对应评分为5分；AA(信用好，得分800-899)对应评分为4分；A(信用较好，得分600-799)对应评分为4分；B(信用一般，得分500-599)对应评分为2分；C(信用差，得分500以下)对应评分为1分。
环保水平(A6)：在考虑增量配电网用户环保水平时，按照5个等级划分，很好(环境行为优秀，绿色)对应评分5分；好(环境守法，蓝色)对应评分4分；一般(基本达到环境管理要求，黄色)对应评分3分；差(环境违法，红色)对应评分2分；很差(严重违法，黑色)对应评分1分。
年用电量增长水平(A7)：统计用户当年的实际(或预期)年用电量Q1(单位：万千瓦时)与上一年度的实际年用电量Q0(单位：万千瓦时)，计算公式为：A7＝(Q1-Q0)/Q0。按照5个等级划分，计算增长水平高于10％，即A7大于等于10％对应评分5分；计算A7小于10％且大于等于5％对应评分4分；计算A7小于5％且大于等于2％对应评分3分；计算A7小于2％且大于等于0对应评分2分；计算A7小于0对应评分1分。
售电服务购买意愿(A8)：以用户市场化电力交易差额中与售电公司商定的分成的比例计，根据A8＝Y/X测算用户的售电服务购买意愿。按照5个等级划分，当售电公司分红比例Y大于用户分红比例X，此时计算购买意愿A8大于1，对应评分5分；计算A8等于1，对应评分4分；计算A8小于1且大于等于0.6，对应评分3分；计算A8小于0.6且大于等于0.2，对应评分3分；计算A8小于0.2对应评分1分。
多元用能需求(A9)：增量配电网用户主要以工业用户为主，对于能源品种的需求主要包含电(电力)、热(供热)、冷(制冷)、气(供天然气)、氢(氢能)等。测算时，依据用户对主要的5种主要能源需求的数量，衡量用户多元用能需求的水平。按照5个等级划分，当用户的用能需求数量A9等于5时，对应评分为5分；当用户的用能需求数量A9等于4时，对应评分为4分；用户的用能需求数量A9等于3时，对应评分为3分；用户的用能需求数量A9等于2时，对应评分为2分；用户的用能需求数量A9等于1时，对应评分为1分。
聚类单元303，用于采用自组织神经网络聚类法，根据评分单元302中增量配电网用户的评分结果，对增量配电网用户进行聚类。
自组织神经网络聚类法是一种模拟生物神经系统功能的一种人工神经网络算法，其本质是无教师监督学习，通过自身的训练，对输入项进行分类。通常，自组织神经网络由输入层和竞争层构成，两层之间的神经元互相连接。
自组织神经网络的运作机制主要包括：①网络初始化：用随机数确定输入层与竞争层之间权值的初始值；②输入向量并归一化：对输入项进行向量归一化；③计算竞争层的权值向量和输入向量的距离，按照欧式距离的计算方式；④选择与权值向量的距离最小的神经元，即通过比较向量间的相似性，得到竞争获胜神经元；⑤调整权值与网络输出。
决策单元304，用于根据聚类单元303的聚类结果，对不同类别的用户提供差异化售电服务，以实现对不同用户提供定制化、差异化的售电服务。
在本发明具体实施例中，售电公司提供的售电服务主要分为四类，即①市场购售电服务，包括跨省跨区购电、电费套餐定制、电力市场业务培训、基本电费容量改需量申报等；②能源互联网服务，包括能源物联网智能用电改造、需求侧管理、节能改造等；③能源投资服务，包括光伏电站投资、储能设施投资、充电桩投资等；④工程总承包服务，包括节能改造及电力设计、送变电工程与配网施工等。
具体地，决策单元304对于评分最高的类别1用户，提供①+②+③+④组合服务；对于评分较高的类别2用户，提供①+②+③组合服务；对于评分一般的类别3用户，提供①+②组合服务；对于评分较低的类别1用户，仅提供①服务。
实施例
以某增量配电网为例，在初期其拥有有4家工业大用户，和10家一般工商业用户。站在面向该增量配电网的售电公司角度考虑用户分类决策，首先，依据建立的增量配电网用户分类指标体系进行指标原始数据信息的收集，包括年用电量(A1)、最高电压等级(A2)、电费缴纳情况(A3)、用电偏差考核(A4)、信用水平(A5)、环保水平(A6)、年用电量增长水平(A7)、售电服务购买意愿(A8)、多元用能需求(A9)；其次，根据增量配电网用户原始数据信息，采用德尔菲法对增量配电网用户进行评分；最后，依据增量配电网用户评分信息，采用聚类法对用户进行聚类，形成用户分类决策的依据。
在本实施例中，对各增量配电网用户进行评分的结果如表2：
表2
根据用户评分，综合评价用户得分的高低，从而得到用户分类决策的依据。设置自组织神经网络竞争层为2*2矩阵，以得到4维输出。运用美国MathWorks公司开发的商业数学软件MATLAB求解，得到如下的聚类结果，如表3所示：
表3
聚类类别 用户个体
类别1 用户1、用户2、用户3
类别2 用户4、用户6、用户8
类别3 用户5、用户7
类别4 用户9、用户10、用户11、用户12、用户13、用户14
上述聚类结果具有实用性。根据原始指标分析，首先以用户4为例，虽然其指标A1、A2反映为大工业用户，但是用户4的年用电量增长水平得分过低，用电偏差考核与环保水平得分一般，可能给售电公司带来较大风险，因此并未进入评分最高的类别1用户群中。对于用户6和用户8，单项得分中评分为5的条目明显多于用户5和用户7，因此用户6和用户8进入类别2中，而用户5和用户7仅被评为类别3，而对于评分为1和2的条目数量较多的用户，则被列为类别4用户。
对于评分最高的类别1用户，即用户1、用户2、用户3，售电公司可提供①+②+③+④组合服务；对于评分较高的类别2用户，即用户4、用户6、用户8，提供①+②+③组合服务；对于评分一般的类别3用户，即用户用户5、用户7，提供①+②组合服务；对于评分较低的类别1用户，即用户9、用户10、用户11、用户12、用户13、用户14，仅提供①服务。
综上所述，本发明一种面向增量配电网用户的售电决策方法及系统通过建立用于增量配电网用户分类的指标体系，依据所述指标体系搜集增量配电网用户信息，对各增量配电网用户进行评分，并根据各增量配电网用户的评分结果，对各增量配电网用户进行聚类，最后根据聚类结果，对不同类别的用户提供差异化售电服务，本发明从售电公司的角度全面衡量增量配电网典型用户，特别是用户的用电用能需求，可促进售电公司实施精细化的用户分类决策，进一步提供定制化、差异化的售电服务。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下，对上述实施例进行修饰与改变。因此，本发明的权利保护范围，应如权利要求书所列。

Claims (10)

1.一种面向增量配电网用户的售电决策方法，包括如下步骤：
步骤S1，建立用于增量配电网用户分类的指标体系；
步骤S2，按照所述指标体系搜集增量配电网用户信息，对各增量配电网用户进行评分；
步骤S3，根据步骤S2中各增量配电网用户的评分结果，对各增量配电网用户进行聚类；
步骤S4，根据步骤S3的聚类结果，对不同类别的用户提供差异化售电服务。
2.如权利要求1所述的一种面向增量配电网用户的售电决策方法，其特征在于：于步骤S1中，所建立的指标体系分为用电情况、用户资质以及用户潜力三大类，根据增量配电网用户的年用电量(A1)、最高电压等级(A2)、电费缴纳情况(A3)、用电偏差考核(A4)、信用水平(A5)、环保水平(A6)、年用电量增长水平(A7)、售电服务购买意愿(A8)、多元用能需求(A9)该9个小类的指标进行考量。
3.如权利要求2所述的一种面向增量配电网用户的售电决策方法，其特征在于：在所述用电情况指标中，考虑所述增量配电网用户的年用电量(A1)、最高电压等级(A2)、电费缴纳情况(A3)三个指标；在所述用户资质指标中，考虑所述增量配电网用户的用电偏差考核(A4)、信用水平(A5)、环保水平(A6)三个指标；在所述用户潜力指标中，考虑所述增量配电网用户的年用电量增长水平(A7)、售电服务购买意愿(A8)、多元用能需求(A9)三个指标。
4.如权利要求2所述的一种面向增量配电网用户的售电决策方法，其特征在于：于步骤S2中，采用德尔菲法对各增量配电网用户进行评分。
5.如权利要求4所述的一种面向增量配电网用户的售电决策方法，其特征在于：于步骤S2中，对于面向增量配电网用户的售电决策，运用德尔菲法，形成统一的专家评分意见，以此为标准进行用户各类别指标的评分。
6.如权利要求4所述的一种面向增量配电网用户的售电决策方法，其特征在于：于步骤S3中，采用自组织神经网络聚类法，根据各增量配电网用户的评分结果对增量配电网用户进行聚类。
7.一种面向增量配电网用户的售电决策系统，包括：
分类指标体系建立单元，用于建立用于增量配电网用户分类的指标体系；
评分单元，用于按照所述指标体系搜集增量配电网用户信息，对各增量配电网用户进行评分；
聚类单元，用于根据所述评分单元对各增量配电网用户的评分结果，对各增量配电网用户进行聚类；
决策单元，用于根据所述聚类单元的聚类结果，对不同类别的用户提供差异化售电服务。
8.如权利要求7所述的一种面向增量配电网用户的售电决策系统，其特征在于：所建立的指标体系分为用电情况、用户资质以及用户潜力三大类，根据增量配电网用户的年用电量(A1)、最高电压等级(A2)、电费缴纳情况(A3)、用电偏差考核(A4)、信用水平(A5)、环保水平(A6)、年用电量增长水平(A7)、售电服务购买意愿(A8)、多元用能需求(A9)9个小类的指标进行考量。
9.如权利要求8所述的一种面向增量配电网用户的售电决策系统，其特征在于：所述评分单元采用德尔菲法对各增量配电网用户进行评分。
10.如权利要求9所述的一种面向增量配电网用户的售电决策系统，其特征在于：所述聚类单元采用自组织神经网络聚类法，根据各增量配电网用户的评分结果对各增量配电网用户进行聚类。
CN201910891557.1A 2019-09-20 2019-09-20 一种面向增量配电网用户的售电决策方法及系统 Pending CN110599059A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910891557.1A CN110599059A (zh) 2019-09-20 2019-09-20 一种面向增量配电网用户的售电决策方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910891557.1A CN110599059A (zh) 2019-09-20 2019-09-20 一种面向增量配电网用户的售电决策方法及系统

Publications (1)

Publication Number Publication Date
CN110599059A true CN110599059A (zh) 2019-12-20

Family

ID=68861730

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910891557.1A Pending CN110599059A (zh) 2019-09-20 2019-09-20 一种面向增量配电网用户的售电决策方法及系统

Country Status (1)

Country Link
CN (1) CN110599059A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113706336A (zh) * 2021-09-01 2021-11-26 知能汇融(北京)咨询有限公司 风险评估方法、装置、计算机设备和存储介质
CN114140176A (zh) * 2022-01-30 2022-03-04 国网浙江电动汽车服务有限公司 一种负荷聚集平台的可调容量预测方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101309009A (zh) * 2008-02-28 2008-11-19 江苏省电力试验研究院有限公司 基于层次分析法和德尔菲法建立的城市电网综合评价体系
CN103632203A (zh) * 2013-09-23 2014-03-12 国家电网公司 一种基于综合评价的配电网供电区域划分方法
CN106447403A (zh) * 2016-10-17 2017-02-22 国网重庆市电力公司电力科学研究院 一种大用户直购电环境下用户优先级分类方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101309009A (zh) * 2008-02-28 2008-11-19 江苏省电力试验研究院有限公司 基于层次分析法和德尔菲法建立的城市电网综合评价体系
CN103632203A (zh) * 2013-09-23 2014-03-12 国家电网公司 一种基于综合评价的配电网供电区域划分方法
CN106447403A (zh) * 2016-10-17 2017-02-22 国网重庆市电力公司电力科学研究院 一种大用户直购电环境下用户优先级分类方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113706336A (zh) * 2021-09-01 2021-11-26 知能汇融(北京)咨询有限公司 风险评估方法、装置、计算机设备和存储介质
CN113706336B (zh) * 2021-09-01 2024-02-02 知能汇融(北京)咨询有限公司 风险评估方法、装置、计算机设备和存储介质
CN114140176A (zh) * 2022-01-30 2022-03-04 国网浙江电动汽车服务有限公司 一种负荷聚集平台的可调容量预测方法及装置
CN114140176B (zh) * 2022-01-30 2022-04-26 国网浙江电动汽车服务有限公司 一种负荷聚集平台的可调容量预测方法及装置

Similar Documents

Publication Publication Date Title
Yu et al. Uncertainties of virtual power plant: Problems and countermeasures
Zaeim-Kohan et al. Multi-objective transmission congestion management considering demand response programs and generation rescheduling
CN111695718A (zh) 一种考虑投资需求与规划目标的电网发展辅助决策方法
CN111754090A (zh) 一种基于大数据的电力用户需求侧调控方法
Zhang et al. Waste battery-to-reutilization decisions under government subsidies: An evolutionary game approach
Lai et al. Individualized pricing of energy storage sharing based on discount sensitivity
CN108596467B (zh) 一种适于售电公司的市场运营模拟交易仿真系统
CN110599059A (zh) 一种面向增量配电网用户的售电决策方法及系统
CN112488565A (zh) 一种基于物元可拓的海外工程项目风险评价方法
Vincent et al. Sustainable microgrid design with multiple demand areas and peer-to-peer energy trading involving seasonal factors and uncertainties
Datta et al. Energy management of multi-microgrids with renewables and electric vehicles considering price-elasticity based demand response: A bi-level hybrid optimization approach
Wang et al. Optimization of retail packages adapted to the electricity spot market with the goal of carbon peak and carbon neutrality
CN110889598A (zh) 一种分布式发电市场化环境下各交易主体行为决策方法
Ji et al. Comprehensive pricing scheme of the EV charging station considering consumer differences based on integrated AHP/DEA methodology
CN115018311A (zh) 电力工业用户多维潜力刻画评估方法、系统、设备及介质
Alikhani et al. Optimal implementation of consumer demand response program with consideration of uncertain generation in a microgrid
Fei et al. Research on the Operation Measurement and Evaluation Method of Retail Packages under the Background of Electricity Market
Lin et al. Research on power market user credit evaluation based on K-means clustering and contour coefficient
CN113177682A (zh) 基于系统动力学理论的电网企业综合绩效评估方法和装置
CN110648175A (zh) 一种电价及电价对企业利润影响的分析方法、装置及设备
CN111428938A (zh) 一种基于功能差异与全寿命周期的输电网方案优选方法
CN113191807B (zh) 一种天然气客户评级系统及方法
Hou et al. Optimal Design of Electricity Plans for Active Demand Response of Power Demand Side
Ren et al. Integrated Energy Service Package Design of Service Provider Based on Power Customer Classification
Rahmadhan et al. Segmentation using Customers Lifetime Value: Hybrid K-means Clustering and Analytic Hierarchy Process.

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20191220

RJ01 Rejection of invention patent application after publication