基于OLAP技術(shù)的電力客戶能效評(píng)估模型*

許 娟，郭素平，戴鴻昊，易同燕，袁曉丹

(中國(guó)南方電網(wǎng) 云南電網(wǎng)有限責(zé)任公司，昆明 650011)

為了應(yīng)對(duì)能源短缺問(wèn)題，部分發(fā)達(dá)國(guó)家已經(jīng)開(kāi)始從多方面研究能源利用的優(yōu)化理論，逐漸建立了相應(yīng)的能源利用模型.我國(guó)在經(jīng)濟(jì)和社會(huì)的發(fā)展過(guò)程中，依然存在比較嚴(yán)重的能源流失現(xiàn)象，缺乏科學(xué)合理的能效評(píng)估方法.為了解決這一問(wèn)題，國(guó)內(nèi)外學(xué)者進(jìn)行了不懈的努力和探索.Jing等[1]使用工質(zhì)熱力學(xué)方法評(píng)估電力系統(tǒng)的能效；Zanardo等[2]利用自下而上的方法計(jì)算綜合能效直屬，同時(shí)檢測(cè)其能效趨勢(shì)；馬立新和陳宏等引入電力節(jié)能技術(shù)提高系統(tǒng)的能效利用率[3-4]；通過(guò)融合節(jié)能和評(píng)估技術(shù)，文獻(xiàn)[5]提出了多級(jí)能效監(jiān)控平臺(tái)；此外，文獻(xiàn)[6]通過(guò)回顧電力需求側(cè)管理和響應(yīng)系統(tǒng)的結(jié)構(gòu)，分析了能效評(píng)估系統(tǒng)的關(guān)鍵技術(shù)；文獻(xiàn)[7]全面考慮了利益相關(guān)者的需求，然而卻沒(méi)有細(xì)化電網(wǎng)的設(shè)備指標(biāo)；文獻(xiàn)[8-9]建立了輸電網(wǎng)和中低壓配電網(wǎng)的能效評(píng)估體系，但并未仔細(xì)研究其內(nèi)部聯(lián)系；文獻(xiàn)[10]充分考慮了智能電網(wǎng)中的宏觀和微觀評(píng)估指標(biāo)，建立了多層評(píng)估指標(biāo)體系，然而其仍有一定的優(yōu)化和提升空間.

針對(duì)電力客戶的能效評(píng)估問(wèn)題，本文在聯(lián)機(jī)分析處理(OLAP)技術(shù)的基礎(chǔ)上，通過(guò)必要的理論分析和驗(yàn)證，優(yōu)化了其能效評(píng)估原理和方法，提出了能效評(píng)估數(shù)據(jù)的預(yù)處理、初始化和分析等具體架構(gòu)模型，引入了切片、切塊、下鉆和上卷等多種數(shù)據(jù)分析方法，最終，建立了基于OLAP技術(shù)的能效評(píng)估模型.本文還對(duì)該模型進(jìn)行了必要的理論性評(píng)估與分析，從理論角度上說(shuō)，本文的評(píng)估模型可以有效地評(píng)估電力用戶的能耗數(shù)據(jù)，提高用戶的電能利用效率.

1 OLAP技術(shù)

OLAP技術(shù)是一種將系統(tǒng)原始數(shù)據(jù)轉(zhuǎn)變?yōu)檎鎸?shí)反映系統(tǒng)特性數(shù)據(jù)的軟件技術(shù)[11-12]，該技術(shù)對(duì)多維數(shù)據(jù)集進(jìn)行操作，獲取可供用戶參考和決策的分析結(jié)論.一般OLAP技術(shù)以多種維度的數(shù)據(jù)庫(kù)為基礎(chǔ)，具有快速性、可分析性、多維性和信息性等多種特點(diǎn)，其基本操作主要可分為上卷、下鉆、切片、切塊和轉(zhuǎn)軸等.OLAP技術(shù)與數(shù)據(jù)挖掘技術(shù)從本質(zhì)上是完全不同的，這體現(xiàn)在數(shù)據(jù)挖掘技術(shù)主要被用于發(fā)現(xiàn)和提出假設(shè)，而OLAP技術(shù)主要被用于查詢和證明假設(shè)，其具體工作原理[13]如圖1所示.

圖1 OLAP技術(shù)工作原理圖

2 能效評(píng)估模型

在大量電能使用數(shù)據(jù)的基礎(chǔ)上，本文設(shè)置了完整的能效指標(biāo)分析體系，同時(shí)利用OLAP等多維數(shù)據(jù)分析技術(shù)，對(duì)電力客戶的各種能效指標(biāo)進(jìn)行綜合的能效評(píng)估，建立切實(shí)可行的能效評(píng)估模型.

基于OLAP技術(shù)的評(píng)估方法是運(yùn)用OLAP的工作原理，對(duì)電力客戶的能效狀態(tài)進(jìn)行評(píng)估的方法集合，其工作過(guò)程可分為預(yù)處理、初始化和分析這3個(gè)階段.具體流程如圖2所示.

圖2 評(píng)估方法流程

2.1 預(yù)處理階段

首先根據(jù)評(píng)估方法的具體流程，從經(jīng)濟(jì)信息、電能信息、生產(chǎn)信息和污染信息等方面收集了電力客戶的各種基礎(chǔ)數(shù)據(jù)與基礎(chǔ)信息，從而歸納與建立客戶的能效評(píng)估指標(biāo)體系，結(jié)果如圖3所示.

圖3 電能能效評(píng)估指標(biāo)體系

本文需要確定評(píng)估模型的狀態(tài)因素集合.不妨設(shè)S是評(píng)估模型的狀態(tài)因素集合，所有相近屬性的因素歸類為一組，根據(jù)圖3的指標(biāo)體系，本文狀態(tài)集合S可分為4組，即S={S1，S2，S3，S4}，S1～S4分別表示“經(jīng)濟(jì)信息”、“電能信息”、“生產(chǎn)信息”及“污染信息”等指標(biāo)集合，這些指標(biāo)集合S1、S2、S3和S4分別由圖3中的多項(xiàng)底層指標(biāo)組成，即S1=[S11，S12，S13]，S2=[S21，S22，…，S28]，S3=[S31，S32]，S4=[S41，S42，S43].

為了完成數(shù)據(jù)的預(yù)處理，本文需要設(shè)置評(píng)估過(guò)程中指標(biāo)的權(quán)重系數(shù).設(shè)V={v1，v2，…，vn}是評(píng)判集，適用于所有層的所有元素，設(shè)bi=[bi1，bi2，…，bim]是Si(1≤i≤4)中各個(gè)指標(biāo)重要性的量化匹配，且bi1+bi2+…+bim=1.同樣，對(duì)于多層指標(biāo)類的集合，設(shè)B=[b1，b2，b3，b4]是S中各類因素相對(duì)于評(píng)判集V的權(quán)重系數(shù)集合.為了確定評(píng)判集V的具體系數(shù)，本文將電力用戶的能效狀態(tài)設(shè)置為6個(gè)級(jí)別，即極好、好、中、差、較差、極差.

利用電力系統(tǒng)工作人員的經(jīng)驗(yàn)，本文可以對(duì)某底層指標(biāo)進(jìn)行模糊評(píng)價(jià)，得到相應(yīng)的模糊評(píng)價(jià)矩陣Ti，即

(1)

Xi=BTi=[xi1，xi2，…，xim]

(2)

綜合所有子指標(biāo)集合Si的評(píng)判結(jié)果，即可得到指標(biāo)集合S的綜合評(píng)判結(jié)果，其計(jì)算表達(dá)式為

(3)

得到矩陣T后，便可計(jì)算能耗模型的綜合評(píng)判結(jié)果.計(jì)算結(jié)束后，模型就完成評(píng)估流程中的預(yù)處理過(guò)程，該過(guò)程也是評(píng)估模型最為關(guān)鍵與核心的工作.

2.2 初始化階段

在獲取能耗基礎(chǔ)數(shù)據(jù)之后，為更好地處理和評(píng)價(jià)這些數(shù)據(jù)，本文使用切片或切塊的方法處理多維數(shù)據(jù).

1)數(shù)據(jù)切片.切片是指將所有的數(shù)據(jù)立體化，并在該數(shù)據(jù)立方體的某一位上進(jìn)行選擇的操作.通過(guò)適當(dāng)?shù)那衅梢缘玫揭粋€(gè)二維的平面數(shù)據(jù).例如，本文獲取了安徽省六安市葉集區(qū)全年的電能使用數(shù)據(jù).若將時(shí)間參數(shù)設(shè)置為0～6時(shí)，即從全天電力數(shù)據(jù)的立方體中切出一片，進(jìn)一步得到全年葉集區(qū)0～6點(diǎn)的電能使用數(shù)據(jù).

2)數(shù)據(jù)切塊.切塊是指從數(shù)據(jù)立體化之中，選擇多個(gè)維度的數(shù)據(jù).經(jīng)過(guò)仔細(xì)選擇切塊，可以得到一個(gè)多維的平面數(shù)據(jù).例如，以安徽省六安市葉集區(qū)全年的電能使用數(shù)據(jù)為基礎(chǔ)，設(shè)置選擇條件：(度量值=“0～6時(shí)”或“6～12時(shí)”)∪(時(shí)間=“第1季度”或“第2季度”)∩(性質(zhì)=“個(gè)人”或“集體”)，則本文可以從數(shù)據(jù)立方體中切出一塊，得到第1～2季度從0～12點(diǎn)的個(gè)人與集體的電能使用數(shù)據(jù).

利用切片和切塊等數(shù)據(jù)處理算法，可以提取電能使用數(shù)據(jù)的多種統(tǒng)計(jì)特征，方便后續(xù)對(duì)于能耗數(shù)據(jù)的處理與分析.

2.3 分析階段

在獲取能耗數(shù)據(jù)的統(tǒng)計(jì)特征之后，本文需要進(jìn)一步分析這些統(tǒng)計(jì)數(shù)據(jù).在某些應(yīng)用中，可能需要對(duì)統(tǒng)計(jì)數(shù)據(jù)執(zhí)行下鉆和上卷操作.

1)下鉆.指標(biāo)下鉆是通過(guò)降低數(shù)據(jù)的維度或引入更低的維度，從而更加仔細(xì)地觀察模型中的數(shù)據(jù).在具體的評(píng)估模型中，用戶的能效數(shù)據(jù)可以沿著時(shí)間的維度進(jìn)行下鉆.例如，安徽省六安市某居民用戶某一年用電792 kW·h(供電公司提供)，其中，該居民以季度為單位的電能使用數(shù)據(jù)分別為209 kW·h(1季度)、181 kW·h(2季度)、202 kW·h(3季度)和200 kW·h(4季度).若進(jìn)一步分析該用戶的每月能效利用情況，則可以對(duì)這些數(shù)據(jù)進(jìn)行下鉆操作，得到以月份為單位的用電數(shù)據(jù)，即57 kW·h(1月)、80 kW·h(2月)、72 kW·h(3月)、53 kW·h(4月)、67 kW·h(5月)、61 kW·h(6月)、67 kW·h(7月)、66 kW·h(8月)、69 kW·h(9月)、75 kW·h(10月)、56 kW·h(11月)和69 kW·h(12月).

2)上卷.與下鉆相反，指標(biāo)的上卷是通過(guò)提高數(shù)據(jù)的維度，從而觀察更加具有概括性意義的數(shù)據(jù).數(shù)據(jù)的上卷操作，可以理解為數(shù)據(jù)下鉆的逆操作.在具體模型中，下鉆和上卷是分析模型常用的數(shù)據(jù)操作，利用這兩種數(shù)據(jù)分析操作，決策人員可方便地查閱相應(yīng)的數(shù)據(jù)，并分析電能使用數(shù)據(jù)的諸多細(xì)節(jié).

3 仿真測(cè)試

為了驗(yàn)證評(píng)估模型的有效性和可行性，本文使用SQL Server 2000和Visual Basic等工具，實(shí)現(xiàn)了電力用戶能效數(shù)據(jù)的模型評(píng)估.在模型的評(píng)估過(guò)程中，本文采集了安徽省六安市某鋼鐵鑄造企業(yè)的電能使用數(shù)據(jù)作為模型評(píng)估對(duì)象，由于篇幅有限，數(shù)據(jù)在此不再一一列出.為了專注于驗(yàn)證能效評(píng)估模型的有效性，本文省略了數(shù)據(jù)切片、切塊、下鉆和上卷等數(shù)據(jù)分析和處理的過(guò)程描述.

在評(píng)估過(guò)程中，經(jīng)驗(yàn)豐富的電力專家使用上卷和下鉆等數(shù)據(jù)分析方法，整理和判斷該企業(yè)的用電數(shù)據(jù)，最終確定了其權(quán)重系數(shù)集B=[0.2，0.4，0.2，0.2]，其底層指標(biāo)的權(quán)重系數(shù)分別為b1=[0.3，0.3，0.4]；b2=[0.1，0.1，0.1，0.1，0.1，0.2，0.2，0.1]；b3=[0.6，0.4]；b4=[0.3，0.4，0.3].在此基礎(chǔ)上，經(jīng)過(guò)模型預(yù)處理和相應(yīng)的計(jì)算，本文得到模糊評(píng)價(jià)矩陣Ti，即

通過(guò)初始化和分析等過(guò)程，可以計(jì)算得到模糊評(píng)價(jià)矩陣T，其具體取值為

其中，矩陣的第1行到第4行分別展示了該企業(yè)的經(jīng)濟(jì)信息、電能信息、生產(chǎn)信息和污染信息的狀態(tài).利用矩陣T可得到該電力用戶能耗的綜合評(píng)判結(jié)果為

X=BT=[0.004，0.08，0.226，0.367，0.303，0.04]

根據(jù)這些評(píng)估數(shù)據(jù)對(duì)本文選擇的能耗數(shù)據(jù)進(jìn)行具體的評(píng)估，其結(jié)果可以由矩陣T和X的數(shù)據(jù)分析得到.

本文的評(píng)判集V={極好，好，中，差，較差，極差}，“極差”到“極好”的狀態(tài)使用“1”到“6”表示，矩陣T和X的取值為所有底層指標(biāo)的百分率，矩陣X是能耗數(shù)據(jù)的綜合評(píng)價(jià)結(jié)果.

分析矩陣T的結(jié)果，以能耗數(shù)據(jù)的電能信息即第2行數(shù)據(jù)為例，1%的專家認(rèn)為該企業(yè)的能耗利用狀態(tài)達(dá)到了“極好”的狀態(tài)，6%認(rèn)為達(dá)到了“好”的狀態(tài)，32%認(rèn)為達(dá)到了“中”的狀態(tài)，35%認(rèn)為達(dá)到了“差”的狀態(tài)，22%認(rèn)為達(dá)到了“較差”的狀態(tài)，4%認(rèn)為達(dá)到了“極差”的狀態(tài)，其最高點(diǎn)是0.35.這表明61%的專家認(rèn)為該企業(yè)的電能利用狀態(tài)處于“差、較差和極差”的狀態(tài)，即該企業(yè)存在比較大的優(yōu)化空間.利用這樣的分析方法，可以對(duì)該用戶的能耗數(shù)據(jù)做出如下評(píng)價(jià)：該用戶的經(jīng)濟(jì)能效、電能信息、污染信息的能效狀態(tài)基本合格，但也存在比較大的優(yōu)化空間；生產(chǎn)信息的能效狀態(tài)較好，優(yōu)化潛力相對(duì)較少.優(yōu)化潛力的排序?yàn)椋何廴拘畔ⅰ⒔?jīng)濟(jì)信息、電能信息、生產(chǎn)信息.

根據(jù)矩陣X的結(jié)果可知，只有0.4%的專家認(rèn)為該企業(yè)的綜合能效利用處于“極好”的狀態(tài)，30.6%的專家認(rèn)為該用戶的能效水平處于“好”和“中”的狀態(tài)，71%的專家認(rèn)為該用戶的能效水平處于“差、較差和極差”的狀態(tài)，這說(shuō)明該企業(yè)的電能能效利用狀態(tài)較差，需要進(jìn)一步改造電能的利用方式.

4 結(jié) 論

為了提高電力客戶的能源利用效率，基于OLAP技術(shù)建立了電力客戶能效評(píng)估模型，本文利用相應(yīng)的數(shù)據(jù)庫(kù)軟件，實(shí)現(xiàn)了電力客戶的能效評(píng)估模型，并對(duì)該模型進(jìn)行了必要的測(cè)試，證明了所提模型的正確性.然而，該模型的評(píng)估指標(biāo)還需要進(jìn)行進(jìn)一步的細(xì)化和深度數(shù)據(jù)分析，以增強(qiáng)該模型的工程應(yīng)用價(jià)值，這也是本文未來(lái)的研究方向.